Determination of optimal solar cell parameters using improved particle swarm optimization algorithm

Abstract

Kaynaklar, enerji de dahil olmak üzere hızlı küresel gelişme nedeniyle sürekli artan bir talebe sahiptir. Enerji ihtiyaçlarını karşılamak için petrol ve kömürün yakılması, fosil yakıt rezervlerinin tükenmesine, çevresel kirlenmeye, iklim değişikliğine ve diğer ilişkili sorunlara neden olabilir. Bu nedenle, fosil yakıtlardan yenilenebilir enerjiye geçiş, bu sorunların önerilen çözümü olarak kabul edilmektedir. Yenilenebilir enerji rüzgar, jeotermal, biyokütle ve güneş enerjisini içermektedir. Güneş enerjisi, saflığı, kirlilikten yoksun olması, yeterli rezervlere sahip olması ve uzun vadeli kullanım potansiyeli nedeniyle umut verici bir alternatif enerji kaynağıdır. Bu sistemler güneş radyasyonunu doğrudan elektriğe dönüştürerek güneş pillerini en uygun yenilenebilir enerji kaynaklarından biri haline getirir. Bu tezde güneş pillerinin doğru modellemesi önemli bir konudur. Parametreler, modelin sonuçlarının gerçek sistem ölçümlü verileriyle eşleşmesi şeklinde belirlenmelidir. Güneş pili karakteristikleri (gerilime göre akım eğrisi) son derece doğrusal olmadığından, geleneksel klasik yöntemlerle sistemin belirlenemeyen parametrelerini tanımak imkansızdır. Bu nedenle, akıllı algoritmalar kullanılmalıdır. Fotovoltaik piller için optimal ayarları bulmak için birçok algoritma geliştirilmiştir, ancak bunların birçoğu aynı temel hatalı noktalarda takılı kalma sorununu paylaşır. Ayrıca, güneş hücresi parametrelerinin belirlenmesi sorununu çözmek için kullanılan bazı algoritmalar yavaş yakınsama hızına sahip olup zaman zaman dağılabilir. Yerel optimumlara takılmaktan kaçınmak için yakınsama ile yüksek doğruluk dengesine sahip bir algoritma gerekmektedir. Bu tezde güneş hücresi parametreleri belirlenmiş ve ortalama hata gücü, geliştirilmiş bir PSO algoritması kullanılarak en aza indirilmiştir. Bu araştırma için tek diyotlu, çift diyotlu ve üç diyotlu güneş hücresi modelleri dikkate alınmıştır. Amaç fonksiyonunun sonuçları, üç diyotlu modelin üstün performansa sahip olduğunu, bunu çift diyotlu ve tek diyotlu modellerin takip ettiğini göstermiştir ve bunların kök ortalama kare hata değerleri sırasıyla 6.966263e-04, 7.28000e-04 ve 7.7299e-04 olarak bulunmuştur. En uygun güneş hücresi modelinin noktalarını belirleyerek çeşitli algoritmaların simülasyon sonuçlarını karşılaştırdık. Bulgularımız, bazı algoritmalara kıyasla algoritmamızın daha doğru sonuçlar ürettiğini. Bu bulgular, güneş hücrelerinin performansını artırmak için tekniklerimizin verimli olduğunu desteklemektedir. Ayrıca, optimizasyon prosedüründen elde edilen tahmini parametrelerin gerçek sonuçlarla yüksek bir tutarlılık derecesine sahip olduğu gözlemlenmiştir.

The escalating pace of global development has resulted in a persistent rise in the demand for resources, particularly energy. The combustion of petroleum and coal to satisfy energy requirements can result in the exhaustion of fossil fuel reserves, environmental contamination, climate alteration, and other associated issues. As a result, switching from fossil fuels towards renewable energy has been recognized as the recommended remedy for these issues. Renewable energy comprises wind, geothermal, biomass, and solar. Solar energy is a promising alternative energy source due to its purity, absence of pollution, sufficient reserves, and potential for long-term usage. These systems directly convert solar radiation into electricity, making solar cells one of the most appropriate renewable energy sources. The matter of accurate modeling of these cells is the major topic in this thesis. The parameters should be determined in such a manner that the outcomes of the model match the actual system's measured data. Since the characteristics of a solar cell (current curve regarding voltage) are extremely non-linear, it is impossible to recognize the undetermined parameters of the system using traditional classical methods. Therefore, intelligent algorithms need to be employed. Although many algorithms have been developed to find the optimal settings for photovoltaic cells, many of them share the same major flaw: they get stuck in local optimal points. Furthermore, some algorithms used to resolve the issue of identifying solar cell parameters have a sluggish rate of convergence and intermittent divergence. In order to prevent becoming stuck in the local optima, an algorithm that balances convergence with high accuracy must be given. The solar cell parameters were identified, and the average error power was minimized in this thesis using an improved PSO algorithm. For this investigation, we have taken into account solar cell models with 1- diode, 2- diodes, and 3- diodes. The outcomes of the objective function revealed that the three-diode model had the superior performance, followed by the two-diode and single-diode models with root mean square error values of 6.966263e-04, 7.28000e-04, and 7.7299e-04 respectively. We compared the simulation outcomes of various algorithms to the ones we got by identifying the points of the optimal solar cell model. Our findings indicate that compared to some algorithms, our algorithm produced more accurate results. These findings provide support that our technique for improving the performance of models of solar cells is productive. Furthermore, it has been observed that the estimated parameters obtained from the optimization procedure exhibit a high degree of consistency with actual results.