|
|
|
|
the comparing between genetic algorithm and neural network to compute of three-basic solar cell parameters with wide range of measured temperature
|
|
|
|
|
|
|
|
نویسنده
|
gurgi z. k. ,ismael a. i. ,mejeed r. a.
|
|
منبع
|
journal of operation and automation in power engineering - 2024 - دوره : 12 - شماره : 2 - صفحه:134 -141
|
|
چکیده
|
Solar cell efficiency considers an important part of the pv system, the parameters (io,il ; n;rs , and rsh) of solar cell is the main part that effected on efficiency. the matlab simulation program was used to estimate the three parameters’ optimization values and evaluated by the fminsearch method, they calculated for solar cells measured from 0 °c to 100 °c for seven temperatures, then make comparing for the results between the genetic algorithm method with neural network algorithm. this paper establishes the results are frequently in ga was better than nna, with the io being 3.0992 e^-7and il being 3.8059 found by ga. ga is good if they have the same population size and number of iterations. the value of the objective function (fval) in ga is 0.002856 but in nna is 0.005518. and also second objective function (fvaltemp) in ga is 0.1035 with a 0.1069 value in nna. from the side, the execution time considers in the fminsearch method is less than nna and ga that being 64.9 s, 781 s, and 289 s respectively.
|
|
کلیدواژه
|
genetic algorithm ,neural network ,solar cell
|
|
آدرس
|
diyala university, college of engineering, departement of electrical power and machine engineering, iraq, diyala university, college of engineering, departement of electrical power and machine engineering, iraq, diyala university, college of engineering, departement of electrical power and machine engineering, iraq
|
|
پست الکترونیکی
|
raghadali24@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
مقایسه الگوریتم ژنتیک و شبکه عصبی برای محاسبه پارامترهای سلول خورشیدی سه پایه با دامنه وسیعی از دمای اندازه گیری شده
|
|
|
|
|
Authors
|
|
|
Abstract
|
بازده سلول خورشیدی بخش مهمی از سیستم pv را در نظر می‌گیرد، پارامترهای (io، il، n، rs و rsh) سلول خورشیدی اصلی‌ترین قسمتی است که بر بازده تاثیر می‌گذارد. برای تخمین مقادیر بهینه‌سازی سه پارامتر از برنامه شبیه‌سازی matlab استفاده شد و با استفاده از روش fminsearch، سلول‌های خورشیدی با اندازه‌گیری دمای 0 تا 100 درجه سانتی‌گراد را محاسبه کردند، سپس نتایج را بین روش الگوریتم ژنتیک با الگوریتم شبکه عصبی مقایسه کردند. این مقاله نشان می‌دهد که نتایج غالباً در ga بهتر از nna بود، با io 3.0992 e-7 و il که 3.8059 توسط ga یافت شد. ga اگر اندازه جمعیت و تعداد تکرارهای یکسانی داشته باشد خوب است. مقدار تابع هدف (fval) در ga 0.002856 است اما در nna 0.005518 است. و همچنین تابع هدف دوم (fvaltemp) در ga 0.1035 با مقدار 0.1069 در nna است. از طرفی، زمان اجرای در نظر گرفته شده در روش fminsearch کمتر از nna و ga است که به ترتیب 64.9 ثانیه، 781 ثانیه و 289 ثانیه است.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|