Identification of the parameters of a photovoltaic cell using an improved genetic algorithm (GA) technique and particular swarm optimization (PSO)

• Autorzy: Abed Hizia , Bouri Sihem , Benariba Hassan

Identyfikatory

DOI

10.15199/48.2024.11.06

Warianty tytułu

PL

Identyfikacja parametrów ogniwa fotowoltaicznego przy u˙ zyciu techniki ulepszonego algorytmu genetycznego (GA) i optymalizacji roju szczególnego (PSO)

• Języki publikacji: EN

Abstrakty

EN

Themodelingofaphotovoltaic cell predicts the behavior of the cell in various environmental contexts of the real world, the identification of the parameters of the photovoltaic cell is essential to simulate the behavior and to optimize the different characteristics of a photovoltaic cell (better energy management and good operating reliability). In this work, two intelligent algorithms were used and compared for the identification of the parameters of a photovoltaic cell. The proposed approach combines the simplicity of the equations of the explicit method with that of two meta-heuristic methods, namely the genetic algorithm (GA) and the particle swarm optimization algorithm (PSO). These techniques used for the identification of the parameters of the unknown model namely the photos run (Iph), the current of saturation (Is), the resistance series (Rs), and the factor of ideality (A) is last to govern the relation current- voltage of a solar cell. The objective is to create an objective function that aims to solve an optimization problem (find the optimal solution in terms of parameters), The panels studied in this work is the RTC France, and the characteristic curves of the panel are obtained using only the information provided by the manufacturer’s datasheet, thus avoiding the need to carry out experimental data. The performances and the precision of the proposed method are evaluated by applying the model to a diode with four unknown parameters, the combination of the explicit equations with Meta-heuristic techniques allows to obtain an excellent performance of optimization and a high precision of estimation of the results, The choice of the parameters PSO and GA is very important for a faster convergence of the algorithm.

PL

Modelowanie ogniwa fotowoltaicznego przewiduje zachowanie ogniwa w różnych kontekstach środowiskowych świata rzeczywistego, identyfikacja parametrów ogniwa fotowoltaicznego jest niezbędna do symulacji zachowania i optymalizacji różnych charakterystyk ogniwa fotowoltaicznego (lepsze zarządzanie energią i dobra niezawodność działania). W tej pracy wykorzystano i porównano dwa inteligentne algorytmy do identyfikacji parametrów ogniwa fotowoltaicznego. Proponowane podejście łączy prostotę równań metody jawnej z prostotą dwóch metod meta heurystycznych, mianowicie algorytmu genetycznego (GA) i algorytmu optymalizacji roju cząstek (PSO). Techniki te służą do identyfikacji parametrów nieznanego modelu, mianowicie przebiegu zdjęć (Iph), prądu nasycenia (Is), szeregu rezystancji (Rs) i współczynnika idealności (A), aby ostate cznie określić relację prąd- napięcie ogniwa słonecznego. Celem jest stworzenie funkcji celu, która ma na celu rozwiązanie problemu optymalizacji (znalezienie optymalnego rozwiązania pod względem parametrów). Panele badane w tej pracy to RTC France, a krzywe charakterystyczne panelu uzyskano, korzystając wyłącznie z informacji dostarczonych przez kartę danych producenta, unikając w ten sposób konieczności przeprowadzania danych eksperymentalnych. Wydajność i precyzja proponowanej metody są oceniane poprzez zastosowanie modelu do diody o czterech nieznanych parametrach. Połączenie równań jawnych z technikami metaheurystycznymi pozwala uzyskać doskonałą wydajność optymalizacji i wysoką precyzję szacowania wyników. Wybór parametrów PSO i GA ma bardzo duże znaczenie dla szybszej zbieżności algorytmu.

Słowa kluczowe

EN

identification; artificial intelligence; photovoltaic; genetic algorithm; optimization; particular swarm

PL

identyfikacja; fotowoltaika; optymalizacja; algorytm rojowy

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 11
• Strony: 25--31
• Opis fizyczny: Bibliogr. 27 poz., rys., tab.

Twórcy

autor

Abed Hizia

• LAT, Department of Electrical and Electronic Engineering, Faculty of Technology, Abou Berk Belkaid University, Tlemcen, Algeria

autor

Bouri Sihem

• URMER, Department of Electrical and Electronic Engineering, Faculty of Technology, Abou Berk Belkaid University, Tlemcen, Algeria

autor

Benariba Hassan

• LAT, Department of Electrical and Electronic Engineering, Faculty of Technology, Abou Berk Belkaid University, Tlemcen, Algeria

Bibliografia

• [1] SIARRY P. :Application des métaheuristiques d’optimisation en électronique, ITechniques de l’Ingénieur, traité Recherche et Innovation, RE (8), 2002.
• [2] TERKI N., AZOUI B., et CHENNI R.: Thèse Zaghba Layachi, Biskra, algeria, 2017.
• [3] BAFLAH A et BENABDELHAFID Y.: Acquisition des données en temps réel du panneau solaire. Thèse de doctorat. UNIVERSITY OF KASDI MERBAH OUARGLA,algeria, 2022.
• [4] DRÉO J.: Adaptation de la métaheuristique des colonies de fourmis pour l’optimisation difficile en variables continues. Application en génie biologique et médical. 2003. Thèse de doctorat. Université Paris XII Val de Marne.
• [5] BENYAMINA A.: Application des algorithmes de colonies de fourmis pour l’optimisation et la classification des images. 2013. Thèse de doctorat. USTO (MB).
• [6] GUISSER M.:Stratégies de Commande pour l’Optimisation des Systèmes Photovoltaïques Autonomes et Connectés au Réseau. 2015. L’HABILITATION UNIVERSITAIRE, casablanca, marrakhech
• [7] WANG R.: Parameter identification of photovoltaic cell model based on enhanced particle swarm optimization. Sustainability, 2021, vol. 13, no 2, p. 840.
• [8] KHEZZAR R., ZEREG M., et KHEZZAR A. : Comparaison entre les différents modèles électriques et détermination des paramètres de la caractéristique IV d’un module photovoltaïque. Journal of Renewable Energies, 2010, vol. 13, no 3, p. 379–388-379–388.
• [9] CHEN H., JIAO S., WANG M., et al. : Parameters identification of photovoltaic cells and modules using diversificationenriched Harris hawks optimization with chaotic drifts. Journal of Cleaner Production, 2020, vol. 244, p. 118778.
• [10] EBRAHIMI S. Mohammadreza S., Esmaeil M M., et al. : Parameters identification of PV solar cells and modules using flexible particle swarm optimization algorithm. Journal of Energy, 2019, vol. 179, p. 358-372.
• [11] VILLALVA M G., GAZOLI J R., et RUPPERT F E.: Comprehensive approach to modeling and simulation of photovoltaic arrays. IEEE Transactions on power electronics, 2009, vol. 24, no 5, p. 1198-1208.
• [12] VALLÉE T. et YILDIZOG˘ LU M.: Présentation des algorithmes génétiques et de leurs applications en économie. Revue d’économie politique, 2004, p. 711-745.
• [13] BOULAYOUNE A., GUERROUDJ C., SAOU R., et al. : Optimisation par essaim de particule et algorithme génétique d’une machine à inversion de flux. Rev. Roum. Sci. Techn. Électrotechn. et Énerg, 2017, vol. 62, p. 19-24.
• [14] KUMAR S., SINGH A., et DHAR A. : Parameter extraction using global particle swarm optimization approach and the influence of polymer processing temperature on the solar cell parameters. AIP Advances, 2017, vol. 7, no 8.
• [15] OLIVA D., CUEVAS E. et PAJARES G.: Parameter identification of solar cells using artificial bee colony optimization. Energy, 2014, vol. 72, p. 93-102.
• [16] JEAN J., BROWN P R., JAFFE R L., et al. : Pathways for solar photovoltaics. Energy & Environmental Science, 2015, vol. 8, no 4, p. 1200-1219.
• [17] SINGH G K.: Solar power generation by PV (photovoltaic) technology: A review. Energy, 2013, vol. 53, p. 1-13.
• [18] ELTAWIL M A. et ZHAO Z. : Grid-connected photovoltaic power systems: Technical and potential problems—A review. Renewable and sustainable energy reviews, 2010, vol. 14, no 1, p. 112-129.
• [19] CHELLASWAMY C. et RAMESH R. : An optimal parameter extraction and crack identification method for solar photovoltaic modules. ARPN Journal of Engineering and Applied Sciences, 2016, vol. 11, no 24, p. 14468-14481.
• [20] DALI A., BOUHARCHOUCHE A., DIAF S.: Parameter identification of photovoltaic cell/module using genetic algorithm (GA) and particle swarm optimization (PSO). In: Proceedings of the 3rd International Conference on Control, Engineering & Information Technology (CEIT), Tlemcen, Algeria, 25-27 May, 2015. IEEE, 2015. p. 1-6.
• [21] HARRAG A. , MESSALTI S.: Three, five and seven PV model parameters extraction using PSO. ). In: Proceedings of the International Conference on Technologies and Materials for Renewable Energy, Environment and Sustainability, TMREES17, Beirut Lebanon , 21-24 April 2017, Energy procedia, 2017, vol. 119, p. 767-774.
• [22] VILLALVA M.G., GAZOLI J.R, et RUPPERT F E.: Modeling and circuit-based simulation of photovoltaic arrays. In : Proceedings of Brazilian Power Electronics Conference , IEEE, 2009. p. 1244-1254.
• [23] SERRA R. et OLIVIER J.: Apport de l’optimisation par essaims particulaires pour la détection de modifications structurelles à partir des propriétés dynamiques. In : Proceedings of the 23ème Congrès Français de Mécanique CFM 2017. AFM, Maison de la Mécanique, 39/41 rue Louis Blanc-92400 Courbevoie, 2017.
• [24] Gharib A., Benhra J.: Tuning manuel de l’algorithme d’optimisation par essaims de particules appliqué au problème de voyageur de commerce. Xème Conférence Internationale : Conception et Production Intégrées, Dec 2015, Tanger, Maroc. ffhal-01260694
• [25] HAMID N F A., RAHIM N A., et SELVARAJ J.: Solar cell parameters extraction using particle swarm optimization algorithm, in: Proceeding of the conference on clean energy and technology (CEAT). IEEE, 2013. p. 461-465.
• [26] MOTAHHIR S., EL GHZIZAL A., SEBTI S., et al: Proposal and implementation of a novel perturb and observe algorithm using embedded software. In : : preceding of the 3rd International Renewable and Sustainable Energy Conference (IRSEC). IEEE, 2015. p. 1-5.
• [27] CHERMITTI A. , BENCHERIF M. , BECHAR H.: Évaluation des paramètres d’un panneau solaire.in: proceedinf of the 16èmes Journées Internationales de Thermique (JITH 2013) Marrakech (Maroc), du 13 au 15 Novembre, 2013

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).