太陽光発電セル/モジュールモデルのパラメータ抽出における secant ベースの目的関数修正を伴う海星最適化アルゴリズム

科学分野:

• 再生可能エネルギー
• 電気工学
• 計算最適化

背景:

• 信頼性の高い電気モデリングとエネルギー収量予測には、正確な太陽光発電（PV）パラメータの同定が不可欠です。
• 現在の方法はアルゴリズムに焦点を当てることが多く、目的関数の定式化の改善を見落としています。
• 二乗平均平方根誤差（RMSE）は、測定されたPV特性と推定されたPV特性の間の不一致を最小化するための従来の指標です。

研究 の 目的:

• PVパラメータ抽出のための海星最適化アルゴリズム（SFOA）を評価すること。
• 精度の向上のための新しいsecantベースの目的関数再定式化を提案および検証すること。
• さまざまなPVモデル全体で提案手法を既存の最適化アルゴリズムと比較すること。

主な方法:

• パラメータ抽出のための海星最適化アルゴリズム（SFOA）を採用すること。
• 目的関数のsecantベースの再定式化を導入すること。
• 単一ダイオード（SDM）、二重ダイオード（DDM）、および三重ダイオード（TDM）モデル、およびPVモジュール（PVM）でフレームワークを検証すること。
• 実験的検証のためにRTC FranceおよびPhotowatt-PWP201ベンチマークデータセットを利用すること。

主要な成果:

• SFOA-Secant構成は、テストされたすべてのPVモデル（SDM、DDM、TDM、PVM）で優れた精度を達成しました。
• secantベースの目的関数を統合することにより、推定精度と堅牢性の大幅な向上が観察されました。
• 提案手法は、RMSE値の最小化において競合する最適化アルゴリズムを上回りました。

結論:

• secant法を使用した目的関数の再定式化は、PVパラメータ抽出を改善するための効果的な戦略です。
• SFOA-Secantアプローチは、PV電気モデリングとパフォーマンス評価に強化された精度と堅牢性を提供します。
• この研究は、PVパラメータ同定における最適化問題における目的関数設計の重要性を強調しています。