1403/02/15
وحدت ناظریان

وحدت ناظریان

مرتبه علمی: استادیار
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس:
دانشکده: دانشکده مهندسی و فناوری
نشانی:
تلفن: 01135305111

مشخصات پژوهش

عنوان
بهینه‌سازی پارامترهای مدل های دیودی خطی سلول‌های خورشیدی فتوولتائیک با استفاده از الگوریتم‌ بهینه‌سازی تکامل تفاضلی (DE)
نوع پژوهش
پایان نامه
کلیدواژه‌ها
سلول های خورشیدی فتوولتائیک، MATLAB، بهینه سازی، الگوریتم تکامل تفاضلی (DE)
سال 1399
پژوهشگران علیرضا صالحی(استاد راهنما)، وحدت ناظریان(استاد مشاور)، سالار شهاب(دانشجو)

چکیده

استفاده از انرژی خورشیدی به عنوان یک انرژی تجدید‌پذیر، در سال‌های اخیر بسیار مورد توجه قرارگرفته است. در راستای استفاده از این انرژی از سلول‌های فتوولتائیک استفاده می‌کنیم. یک سلول خورشیدی ایده ال، بطور تئوری می تواند توسط یک منبع جریان موازی و معکوس با یک یا دو دیود مدل شود. زمانی که سلول در معرض نور قرار می گیرد، جریان مستقیمی تولید می شود که بصورت خطی با تابش نور خورشید تغییر می کند. این مدل می تواند با استفاده از یک مقاومت موازی و یک مقاومت سری بهبود داده شود. در این پایان نامه ابتدا به معرفی سلول های فتوولتائیک (PV) و سپس انواع مدل های سلول های فتوولتائیک (PV) می پردازیم. بعد از آن الگوریتم هایی جهت بهینه سازی پارامترهای سلول های فتوولتائیک معرفی می کنیم. الگوریتم های مورد استفاده در این پژوهش شامل الگوریتم تکامل تفاضلی (DE)، ترکیب الگوریتم ژنتیک و بهینه سازی ازدحام جمعیت (GA-PSO) و الگوریتم جهش ترکیبی قورباغه (SFLA) است. در نهایت مدل پیشنهادی خود را ارائه داده ایم. مدل مداری مورد استفاده در این تحقیق مدل های تک دیودی پاره خطی، دو دیودی پاره خطی و دو دیودی غیرخطی است که با روش تکه ای پاره خطی، تقریب توابع غیرخطی حاصل از مدار معادل سلول خورشیدی را بدست آوردیم و با الگوریتم های مطرح شده پارامترهای سلول فتوولتائیک را تخمین می زنیم و در نهایت عملکرد الگوریتم ها و کیفیت مدل پیشنهادی را مورد بحث و بررسی قرار می دهیم. برای پیاده‌سازی و مدل سازی این سلول‌ها از محیط برنامه نویسی نرم افزار MATLAB استفاده کرده ایم. در این تحقیق ما از الگوریتم تکامل تفاضلی (DE) برای بهینه سازی پارامترهای مدل تک دیودی پاره خطی سلول خورشیدی استفاده کردیم و نتایج اجمالی حاصل از اجرای این الگوریتم بر روی معادلات مدار پیشنهادی را با نتایج حاصل از الگوریتم بهینه سازی GA-PSO مقایسه نمودیم تا ببینیم هر یک از الگوریتم ها چه نتیجه ی بهینه‌ای را در اختیار ما قرار می‌دهد. نتایج بدست آمده به این صورت است که به ازای 50=Npop و 1000=Iter زمان الگوریتم DE برای هر دور محاسبه در حالت استاندارد تقریباً 295037/0 ثانیه و RMSE آن 112413/0 است. زمان الگوریتم GA-PSO برای هر دور محاسبه در حالت استاندارد تقریباً 570926/4 ثانیه و RMSE آن 075782/0 است. با توجه به نتایج به دست آمده از نظر زمان اجرا، الگوریتم DE نتیجه بهتری را نشان می دهد در حالی که از نظر RMSE الگوریتم GA-PSO پاسخ مناسب تری را خواهد داشت.