تخمین پارامترهای مدل تک دیودی و دو دیودی سلول‌های خورشیدی با روش بهینه‌سازی علف هرز مهاجم مبتنی بر تخمین توزیع

تخمین پارامترهای مدل سلول خورشیدی بر اساس مشخصه‌های اندازه‌گیری شده به دلیل ماهیت غیرخطی ناشی از وجود دیود و مشخصه نمایی آن در مدار معادل امری دشوار است. وجود دو دیود در مدار معادل دونمایی نیز بر دشواری کار می‌افزاید. بر این اساس در این مقاله یک روش ترکیبی مبتنی بر مشخصه جستجوگری الگوریتم علف هرز مهاجم، مدل‌های احتمالاتی تخمین توزیع و بهره‌گیری از خاصیت پراکندگی توزیع ترکیبی گوسکوشی برای تخمین پارامترهای مدار معادل تک دیودی و دو دیودی سلول خورشیدی بر اساس یک مسئله بهینه‌سازی ارائه شده است. تابع هدف مورد نظر بر اساس مجذور میانگین مربعات خطا بین منحنی جریان ولتاژ به دست آمده از مدل و منحنی واقعی اندازه‌گیری شده تعریف شده است. روش مورد نظر برای تخمین پارامترهای یک سلول خورشیدی واقعی بر اساس مشخصه اندازه‌گیری شده پیاده‌سازی و با 8 روش بهینه‌سازی دیگر مقایسه شده است. مقایسه آماری توابع هدف بهینه ناشی از اختلاف منحنی ولتاژ جریان به دست آمده از مدل مداری بهینه شده و اندازه‌گیری نشان‌دهنده عملکرد بسیار خوب روش پیشنهادی در مقایسه با سایر روش‌ها می‌باشد.

Parameters Estimation of Single and Double Diode Models of Photovoltaic Cells Using Invasive Weed Optimization Based on Distribution Estimation

Parameter estimation of photovoltaic cell model based on measured characteristics is difficult due to the nonlinear behavior of the diode in the model and its exponential relation. Existence of two diodes in doubleexponential model makes this estimation more difficult. A hybrid optimization algorithm is implemented based on explorative characteristic of invasive weed algorithm, probabilistic models of distribution estimation and utilizing dispersion capacities of a mixed Gaussian -Cauchy distribution to estimate parameters of the single and double diode models of photovoltaic cells as an optimization problem. The fitness function is defined as the root mean square error between currentvoltage curves of the model output and the measured points. The proposed method is implemented for a practical photovoltaic cell based on measured characteristic and the obtained results are compared with other 8 optimization algorithms. The statistical comparison of the difference between currentvoltage curve of the optimized circuit model and the measurements verifies more suitable performance of the implemented algorithm compared with others.