ردیابی نقطه بیشینه توان سلول های فتوولتاییک با استفاده از منطق فازی بهبود یافته و شبکه عصبی مصنوعی مبتنی بر الگوریتم بهینه سازی ازدحام ذرات

تغییرات دائمی دمای محیط و شدت تابش خورشید باعث تغییر مکان نقطه بیشینه توان پنل­های خورشیدی شده و به این ترتیب مانع از عملکرد سیستم­های خورشیدی با حداکثر بازده می­شود. در این پژوهش به منظور یافتن نقطه­ بیشینه توان پنل های خورشیدی تحت شرایط مختلف محیطی، منطق فازی به شیوه کدنویسی و شبکه­ عصبی مصنوعی با تلفیق الگوریتم فراابتکاری بهینه­سازی ازدحام ذرات به کار گرفته شدند. به منظور انجام محاسبات، داده­های مورد نیاز شامل دمای محیط، شدت تابش نور و بیشینه توان خروجی پنل خورشیدی به صورت تجربی در آزمایشگاه به­دست آمد و به سیستم­های طراحی شده اعمال ­گردید. در نهایت، عملکرد سیستم­ها با دو شاخص­ آماری جذر متوسط مربع خطاها و میانگین مطلق خطاها مورد ارزیابی و مقایسه قرار گرفت. مقادیر RMSE برای داده­های آموزش در منطق فازی و شبکه عصبی به ترتیب۰.۰۰۶۵ و ۰.۰۰۸۶ وات و برای داده­های آزمون ۰۰۶۳/۰ و ۰۰۵۶/۰ وات حاصل گردید و مقادیر MAE برای داده­های آموزش در شبکه عصبی و منطق فازی به ترتیب ۰۰۶۸/۰ و  ۰۰۵۵/۰ وات و برای داده­های آزمون ۰۰۴۶/۰ و ۰۰۵۲/۰ وات به دست آمد. نتایج حاصل نشان می­دهد که هر دو روش طراحی شده قادر به پیش­بینی مقادیر توان بیشینه هستند، اما در نواحی مختلف دمایی سیستم فازی طراحی شده با نوسان کمتری عمل کرده و در مجموع در مقایسه با شبکه­ عصبی مبتنی بر الگوریتم ازدحام ذرات عملکردی دقیق­­تر و همچنین سرعت بالاتری در محاسبات دارد. بنابراین ردیابی نقطه بیشینه­ توان پنل خورشیدی به­وسیله این سیستم با قابلیت اطمینان بالاتری صورت می­گیرد.

کلیدواژه ها:

بهینه سازی ازدحام ذرات ، پنل خورشیدی ، شبکه عصبی ، منطق فازی ، نقطه بیشینه توان