استفاده از مدل وینر- همرشتاین بهینه شده با الگوریتم ژنتیک در شناسایی سیستم فتوولتائیک ‏

شناسایی سیستم روشی برای شناسایی یا اندازه گیری مدل ریاضی یک سیستم با اندازه گیری ورودی ها و خروجی های سیستم است. در این مقاله رویکرد الگوریتم ژنتیک (ga) را برای مدل سازی سیستم های فتوولتائیک (pv) با ساختار وینر-هامرشتاین اعمال می کنیم. سیستم های دینامیکی غیرخطی دارای هر دو عنصر پویا (عناصر ذخیره انرژی) هستند و در این نوع سیستم ها بین برخی از متغیرها روابط غیرخطی وجود دارد. اگر در چنین سیستم هایی بتوان فرض کرد که قطعات دینامیکی و قطعات غیرخطی قابل تفکیک هستند، می توان آنها را با ساختارهای مدل های بلوک گرا مدل کرد. این نوع مدل ها از ترکیب بلوک (های) دینامیکی خطی و بلوک (های) غیرخطی استاتیکی تشکیل شده اند. این رویکرد به تخمین یک سیستم فتوولتائیک (pv) بر اساس داده های مشاهده شده مربوط می شود. ورودی و خروجی غیرخطی به ترتیب از داده های تابش و جریان خروجی dc سیستم واقعی گرفته شده است. نتایج شبیه سازی اثربخشی و استحکام مدل پیشنهادی را با استفاده از الگوریتم ژنتیک نشان داد. نتایج شبیه سازی مقدار mse 0.000774 را برای عملکرد عادی سیستم pv و 0.009863 را برای اثر سایه بین نرخ اطلاعات تخمینی و مرجع نشان می دهد.

use of wiener- hammerstein (wh) model optimized with genetic &algorithm in identification of photovoltaic system

system identification is a method of identification or measuring a mathematical model of a system by measuring the inputs and outputs of the system. in this paper we apply the genetic algorithm (ga) approach to model a photovoltaic (pv) systems with a wiener-hammerstein structure. non-linear dynamic systems have both dynamic elements (energy storage elements) and in these types of systems there are non-linear relationships between some variables. if in such systems it can be assumed that dynamic parts and non-linear parts are separable, they can be modeled with the structures of block-oriented models. these types of models are composed of a combination of linear dynamic block(s) and static nonlinear block(s). this approach is concerned with the estimation of a photovoltaic (pv) system based on observed data. the nonlinear input and output are taken from the irradiance and dc output current data of the real system, respectively. the simulation results revealed the effectiveness and robustness of the proposed model using a genetic algorithm. the simulation results show an mse value of 0.000774 for normal operation of the pv system and 0.009863 for the shading effect between the estimated and reference information rates.