针对太阳能电池/模块的参数提取的最先进的元启发技术的性能调查

科学领域:

• 可再生能源工程可再生能源工程
• 计算智能是一种计算智能.
• 材料科学 材料科学 材料科学

背景情况:

• 低太阳能转换效率阻碍了其广泛采用.
• 精确的太阳能电池建模对于光伏 (PV) 系统优化至关重要.
• 由于复杂的,非线性搜索空间,估计太阳能电池参数具有挑战性.

研究的目的:

• 评估八种最先进的太阳能电池参数估计的元启发算法 (MAs) 的性能.
• 确定最有效的MA来提高太阳能电池建模准确度.
• 通过精确的参数估计,提高太阳能转换设备的设计.

主要方法:

• 应用了八个元启发算法来估计四个不同的光伏系统的参数:R.T.C. 法国太阳能电池,LSM20太阳能模块,Solarex MSX-60太阳能模块和SS2018P太阳能模块.
• 使用根平均平方误差 (RMSE) 来量化估计准确度.
• 使用弗里德曼排名和威尔科克森排名和总和测试评估算法性能.

主要成果:

• 库特·伯德优化为R.T.C.取得了最低的RMSE. 法国太阳能电池 (1.0264E-05) 和LSM20光伏模块 (1.8694E-03).
• 野生马优化器给出了Solarex MSX-60光伏模块 (2.6961E-03) 和SS2018P光伏模块 (4.7571E-05) 的最低RMSE.
• 统计测试提供了评估的MA的全面性能比较.

结论:

• 超启发式算法为复杂的太阳能电池参数估计提供了强大的解决方案.
• 库特鸟优化和野生马优化器在特定的光伏模块类型中表现出卓越的性能.
• 通过有效的参数估计来改进太阳能电池建模,可以显著提高能量转换效率.