پیش بینی نقطه حداکثر توان سیستم های فتوولتائیک با استفاده از روش یادگیری ماشین درخت رگرسیون با هدف ایجاد راندمان پایدار در شرایط متغیر دما و شدت تابش

آلودگی های ناشی از گسترش مصرف سوخت های فسیلی موجب نگرانی های زیست محیطی چشم گیری شده است. به منظور کاهش این نگرانی ها استفاده از منابع تولید انرژی الکتریکی تجدیدپذیر گسترش یافته است. سیستم های فتوولتائیک خورشیدی یکی از مهم ترین منابع تولید انرژی الکتریکی تجدیدپذیر می باشند. بررسی پنل های خورشیدی نشان می دهد که مشخصه ولتاژ-جریان آن ها به شدت غیرخطی بوده و تابعی از دمای سلول، شدت نور تابشی، طول عمر و مشخصه بار می-باشد، ازاینرو ارائه روش مناسب به منظور استحصال حداکثر توان با راندمان پایدار در شرایط متغیر دما و شدت تابش از اهمیت بالایی برخوردار است. در این مقاله برای پیش بینی نقطه حداکثر توان سیستم های فتوولتائیک جدا از شبکه از روش یادگیری ماشین درخت رگرسیون استفاده شده که بدین منظور داده ها برای آموزش و ارزیابی درخت رگرسیون در شرایط متغیر دما و شدت تابش از مشخصات فنی پنل خورشیدی جمع آوری می شوند که بر خلاف روش های موجود یادگیری ماشین استفاده شده برای پیش بینی نقطه حداکثر توان، در نظر گرفتن داده های آموزشی در شرایط دما و شدت تابش متغیر باعث افزایش دقت پیش بینی شده و نیز راندمان پایدار در شرایط متغیر محیطی را به همراه دارد. روش استفاده شده حداکثر توان و ولتاژ را برای مقادیر مشخصی از میزان تابش و دما پیش بینی می کند در ادامه چرخه وظیفه مبدل DC-DC افزاینده با استفاده از مقادیر پیش بینی شده مشخص می شود. نتایج شبیه سازی نشان می دهد که روش ارائه شده در مقایسه با روش های ردیابی نقطه حداکثر توان فازی، شبکه های عصبی مصنوعی و روش ترکیبی بهینه سازی مبتنی بر الگوریتم جستجوی فاخته-ازدحام ذرات، از لحاظ زمان خیز، زمان نشست، حداکثر توان و تلفات توان ردیابی شده از کارایی مناسب برخوردار است و راندمان را در حالت پایدار با وجود تابش و دمای متغیر بیش از ۹۳.۹۵ درصد بهبود می بخشد.

کلیدواژه ها:

نقطه حداکثر توان ، سیستم های فتوولتائیک ، یادگیری ماشین ، درخت تصمیم