Optimización de parámetros de sistemas fotovoltaicos mediante el método modificado de enjambre de partículas...

Área de la Ciencia:

• Ingeniería de Energías Renovables
• Inteligencia Computacional
• Ingeniería Eléctrica

Sus antecedentes:

• La creciente demanda de energía fotovoltaica (FV) requiere un rendimiento fiable del sistema FV.
• La estimación precisa de los parámetros intrínsecos del sistema FV es crucial para mejorar la fiabilidad y la eficiencia del sistema.
• Los métodos de optimización convencionales a menudo tienen dificultades con la naturaleza no lineal de los sistemas FV, lo que lleva a una convergencia prematura.

Objetivo del estudio:

• Abordar los desafíos en la estimación de parámetros de sistemas FV debido a la no linealidad y las limitaciones de los métodos convencionales.
• Introducir y evaluar un algoritmo mejorado de optimización de enjambre de partículas con comportamiento cuántico (QPSO) para la estimación de parámetros FV.
• Explorar la efectividad del método propuesto de optimización de enjambre de partículas inspirado en cuántica modificado (MQPSO).

Principales métodos:

• Desarrollo del algoritmo de optimización de enjambre de partículas inspirado en cuántica modificado (MQPSO).
• Incorporación de atractores duales, una estrategia de elitismo y refinamiento local en el marco QPSO.
• Análisis cuantitativo y comparación de MQPSO frente a QPSO estándar en tres modelos FV distintos (SDM, DDM, TDM).

Principales resultados:

• MQPSO demostró un rendimiento superior en comparación con el QPSO convencional en la estimación de parámetros FV en todos los modelos probados.
• Se lograron reducciones significativas del Error Cuadrático Medio (RMSE): 24,74 % para SDM, 59,32 % para DDM y 14,99 % para TDM.
• El comportamiento de convergencia mejorado y el rendimiento de MQPSO se validaron cuantitativamente.

Conclusiones:

• El método MQPSO propuesto ofrece un enfoque más eficaz y eficiente para la estimación de parámetros FV.
• MQPSO supera las limitaciones de las técnicas de optimización convencionales, proporcionando una mayor precisión y fiabilidad.
• El estudio destaca el potencial de MQPSO para avanzar en la modelización de sistemas FV y la optimización del rendimiento.