ردیابی حداکثر توان خروجی در آرایه‌های خورشیدی تحت شرایط سایه جزیی با استفاده از الگوریتم‌های تکاملی

استخراج توان بیشینه بویژه با شرایط سایه جزیی یکی از مهم‌ ترین مسایل در استفاده از یک سیستم فتوولتاییک است. تحت شرایط سایه جزیی، مشخصه توان ولتاژ آرایه ‌های فتوولتاییک دارای چندین نقطه بیشینه محلی است. یک روش ردیابی بیشینه توان در سیستم‌ های فتوولتاییک بایستی امکان ردیابی سریع و دقیق نقطه بیشینه سراسری در حین شرایط سایه جزیی را فراهم آورد تا تلفات توان و نوسانات حالت ماندگار را کمینه کند. در این پژوهش یک الگوریتم ردیابی نقطه بیشینه توان برای یک سیستم فتوولتاییک تحت شرایط سایه جزیی با استفاده از تکنیک بهینه‌ سازی گرگ خاکستری ارایه شده است. الگوریتم گرگ خاکستری یک روش بهینه ‌سازی جدید است که محدودیت‌ هایی از قبیل ردیابی ضعیف، نوسانات حالت دایمی و حالت گذرای نامطلوب در تکنیک‌ های آشفتن و مشاهده و بهینه‌ سازی ازدحام ذرات را برطرف می ‌کند. الگوریتم پیشنهادی بر مبنای الگوریتم بهینه‌ سازی گرگ خاکستری روی یک سیستم فتوولتاییک در محیط نرم‌ افزار متلب پیاده ‌سازی شد تا کارایی آن اثبات شود. عملکرد طرح پیشنهادی با دو تکنیک ردیابی نقطه بیشینه توان بر مبنای الگوریتم بهینه ‌سازی جستجوی فاخته و الگوریتم بهینه‌ سازی ازدحام ذرات مورد مقایسه قرار گرفت. نتایج شبیه ‌سازی نشان داد که عملکرد تکنیک ردیابی نقطه بیشینه توان پیشنهادی نسبت به طرح‌ های مورد مقایسه از نظر سرعت و پایداری حالت ماندگار پاسخ برتری دارد بطوریکه مقادیر بیشینه فراجهش، زمان نشست و نوسانات ماندگار را به ترتیب تا 40.91%، 66.67% و 59.1% کاهش می ‌دهد. 

maximum power point tracking in photovoltaic arrays under partial shading conditions using evolutionary algorithms

extracting maximum power, especially with partial shading conditions, is one of the most critical issues in using a photovoltaic system. under partial shading conditions, the power voltage characteristic of photovoltaic arrays has several local maximum points. a maximum power point tracking method for photovoltaic systems should enable fast and accurate tracking of the global maximum during partial shading conditions to minimize power losses and steady state fluctuations. this research presents an algorithm for tracking the maximum power point in a photovoltaic system under partial shading conditions using the gray wolf optimization technique. the gray wolf algorithm is a new optimization method that overcomes limitations such as poor tracking, steady state fluctuations, and undesirable transients in perturb and observe and particle swarm optimization techniques. the proposed algorithm based on the gray wolf optimization algorithm is implemented on a photovoltaic system in matlab software to prove its efficiency. the performance of the proposed design is compared with two maximum power point tracking techniques based on cuckoo search and particle swarm optimization. the simulation results show that the performance of the proposed maximum power point tracking technique is superior to the compared designs in terms of speed and steady state stability of the response, so that it reduces the values of maximum overshoot, settling time, and sustained fluctuations up to 40.91%, 66.67% and 59.1% respectively.