ردیابی نقطۀ بیشینۀ توان سیستم‌های خورشیدی با استفاده از الگوریتم بهبودیافتۀ گرده‌افشانی گل‌ها

در سال‌های اخیر استفاده از سیستم‌های انرژی‌ تجدیدپذیر رشد چشگیری داشته است که در این میان به سیستم‌های فتوولتائیک توجه زیادی شده است. سلول خورشیدی عنصر سازندۀ سیستم فتوولتائیک شناخته می‌شود و به علت عملکرد غیر‌خطی سلول و تغییرات پیوستۀ شرایط جوی، استفاده از ردیاب نقطۀ بیشینۀ توان برای به دست آوردن بیشینۀ توان در سیستم فتوولتائیک امری ضروری است؛ ازاین‌رو، در این مطالعه به‌منظور دستیابی به بیشینۀ توان، از الگوریتم گرده‌افشانی گل‌ها بهره گرفته شده که با الگوریتم انتخاب جامع ترکیب شده است. همچنین در ادامه، عملکرد الگوریتم پیشنهادی با الگوریتم‌های ژنتیک و گرده‌افشانی گل‌های استاندارد تحت تغییرات سریع شرایط جوی ارزیابی و مقایسه شده است. نتایج این پژوهش نشان دادند الگوریتم بهبودیافتۀ گرده‌افشانی گل‌ها نسبت به الگوریتم ژنتیک از دقت بالاتری برخوردار است و علاوه بر آن، سرعت همگرایی بالا‌تری نسبت به سایر الگوریتم‌های به‌کاررفته دارد.

Maximum Power Point Tracking of Solar System Using Improved Flower Pollination Algorithm

In recent years, the use of renewable energy systems has grown significantly, among which photovoltaic systems have received much attention. Solar cells are known as the building blocks of a photovoltaic system. Because of the nonlinear nature of solar cells and the continuous changes in atmospheric conditions, maximum power point tracking (MPPT) is essential to extract the maximum power of a photovoltaic system. In this study, in order to achieve the maximum power, it was proposed to apply flower pollination algorithm (FPA) combined with a comprehensive selection algorithm, named as improved FPA. In addition, to evaluate the proposed algorithm, its performance was compared with genetic algorithm (GA) and standard FPA under rapid changes in atmospheric conditions. The calculated results showed that the improved FPA has a better accuracy than GA; moreover it has a higher convergence rate as compared with other applied algorithms.