光伏模型的高效参数提取使用了新的增强的草原狗优化算法

科学领域:

• 可再生能源系统可再生能源系统
• 太阳能 (PV) 技术光伏 (PV) 技术
• 优化算法 优化算法

背景情况:

• 全球日益增长的太阳能需求需要对光伏 (PV) 系统进行精确的参数提取.
• 准确的光伏模型参数对于在各种环境条件下优化系统性能至关重要.
• 现有的元启发算法在实现高精度的PV参数提取方面存在局限性.

研究的目的:

• 为了提高光伏 (PV) 系统模型的参数提取的准确性.
• 引入一种新的优化算法,即增强的草原狗优化器 (En-PDO),用于PV参数估计.
• 用各种太阳能电池模型和基准函数对现有算法进行En-PDO性能评估.

主要方法:

• 通过将随机学习和对数螺旋搜索集成到草原狗优化器 (PDO) 中,开发了增强的草原狗优化器 (En-PDO).
• En-PDO应用于初级光伏模型 (单二极管,双二极管,三二极管) 和光伏模块模型.
• 使用来自RTC的实验数据集进行验证. 法国和Photowatt-PWP201太阳能电池,以及CEC2020测试功能.

主要成果:

• 与原来的PDO和其他十八个最近的优化算法相比,En-PDO表现出更高的性能.
• 该算法在不同太阳能电池模型中实现了具有竞争力或优越的根平均平方误差 (RMSE) 值.
• En-PDO在准确建模各种太阳能电池行为和CEC2020测试功能的最佳性能方面表现出一致的有效性.

结论:

• 增强的草原狗优化器 (En-PDO) 是用于太阳能电池模型中精确参数估计的强大而可靠的方法.
• 在光伏系统建模和优化的现有算法上,En-PDO提供了显著的进步.
• 这种方法具有很大的潜力,可以提高太阳能转换技术的效率和准确性.