Bio-Inspired approach for MPPT optimization in Solar PV Systems

Yassine ELYAAKOUBY; Amine TILIOUA; Issa SABIRI

doi:10.51646/jsesd.v15iMME.425

المؤلفون

Yassine ELYAAKOUBY Research Team in Thermal and Applied Thermodynamics (2.T.A.), Mechanics, Energy Efficiency and Renewable Energies Laboratory (L.M.3.E.R.). Department of Engineering Sciences, Faculty of Sciences and Techniques Errachidia, Moulay Ismaïl University of Meknès, B.P. 509, Boutalamine, Errachidia, Morocco. https://orcid.org/0009-0006-0324-1768
Amine TILIOUA Research Team in Thermal and Applied Thermodynamics (2.T.A.), Mechanics, Energy Efficiency and Renewable Energies Laboratory (L.M.3.E.R.). Faculty of Sciences and Techniques Errachidia. Moulay Ismaïl University of Meknès, B.P. 509, Boutalamine, Errachidia, Morocco https://orcid.org/0000-0002-8928-9431
Issa SABIRI LSSDIA, Laboratory ENSET Mohammedia, University of Hassan II Casablanca, Mohammedia, Morocco

DOI:

https://doi.org/10.51646/jsesd.v15iMME.425

الكلمات المفتاحية:

Photovoltaic، MPPT، Optimization، Metaheuristic، PSO، MATLAB/SIMULINK، PSIM

الملخص

أدت التطورات الكبيرة في تكنولوجيا الطاقة الشمسية الكهروضوئية إلى دفع قوي نحو تطوير طرق جديدة لتتبع نقاط الطاقة القصوى (MPPT). وبالتالي، تم تطبيق العديد من تقنيات MPPT لتعزيز كفاءة الطاقة الكهروضوئية. بالإضافة إلى ذلك، تُستخدم الخوارزميات الفوقية على نطاق واسع في مختلف المجالات العلمية والتقنية لأغراض حل المشكلات. والواقع أن غالبية هذه التقنيات مستوحاة من الظواهر الطبيعية، مثل القوانين الفيزيائية أو العمليات البيولوجية. في هذه الدراسة، تم تقييم فعالية تقنية MPPT الذكية التي تستخدم تقنية تحسين سرب الجسيمات (PSO) لتعزيز كفاءة النظام الكهروضوئي.

لتحقيق هذا الهدف، تم تصميم نموذج رياضي وتنفيذه باستخدام بيئة MATLAB/SIMULINK. بعد ذلك، تم استخدام أدوات PSIM للتحقق من النتائج وتحليلها. أظهرت النتائج أن هناك تشابهًا كبيرًا في التحسين فيما يتعلق بالحد الأقصى للطاقة المنتجة من المولدات الكهروضوئية، مع خطأ لا يتجاوز 1.8%.

أدّت التطورات الأخيرة في تكنولوجيا الطاقة الشمسية الكهروضوئية إلى تركيز متزايد على تحسين تقنيات تتبع الحد الأقصى لنقطة الطاقة القصوى (MPPT). وقد طُوِّرت أساليب مختلفة لتتبع نقطة الطاقة القصوى لتعزيز كفاءة الأنظمة الكهروضوئية. بالإضافة إلى ذلك، تُستخدم الخوارزميات الفوقية المستوحاة من الظواهر الطبيعية مثل العمليات البيولوجية أو القوانين الفيزيائية على نطاق واسع في المجالات العلمية والهندسية لمهام التحسين. في هذه الدراسة، تم تقييم أداء تقنية MPPT الجديدة القائمة على تحسين سرب الجسيمات (PSO) لتحسين كفاءة الأنظمة الكهروضوئية. تم تطوير نموذج رياضي وتنفيذه في بيئة MATLAB/SIMULINK، وتم التحقق من صحة النتائج باستخدام أدوات PSIM. وتظهر النتائج أن تقنية MPPT المقترحة القائمة على نظام PSO تحقق درجة عالية من التحسين مع خطأ أقل من 1.8% من حيث الحد الأقصى لإخراج الطاقة الكهروضوئية.

التنزيلات

بيانات التنزيل غير متوفرة بعد.

المقاييس

يتم تحميل المقاييس...

المراجع

W. Shockley and H. Queisser, « Detailed balance limit of efficiency of p–n junction solar cells », in Renewable Energy, Routledge, 2018, p. Vol2_35-Vol2_54. Consulté le: 12 février 2024. [En ligne]. Available at: https://www.taylorfrancis.com/chapters/edit/10.4324/9781315793245-44/detailed- balance-limit-efficiency-p%E2%80%93n-junction-solar-cells-william-shockley-hans-queisser

G. B. Patel, « The Importance of Solar Cell in Modern Times », 2022, Consulté le: 12 février 2024. [En ligne]. Available at: https://www.researchgate.net/profile/Mr-Gaurang-B-Patel/

publication/360834916_Journal_of_Semiconductor_Devices_and_Circuits_The_Importance_of_ Solar_Cell_in_Modern_Times/links/628db72d35f9c61b7f9206b1/Journal-of-Semiconductor-Devices- and-Circuits-The-Importance-of-Solar-Cell-in-Modern-Times.pdf

M. Libra and V. Poulek, « Influence of Temperature on Important Characteristics of Photovoltaic Cells », in The Effects of Dust and Heat on Photovoltaic Modules: Impacts and Solutions, A. Al-Ahmed, Inamuddin, F. A. Al-Sulaiman, et F. Khan, Éd., in Green Energy and Technology. , Cham: Springer International Publishing, 2022, p. 291-306. doi: 10.1007/978-3-030-84635-0_13.

M. Sarvi and A. Azadian, « A comprehensive review and classified comparison of MPPT algorithms in PV systems », Energy Syst, vol. 13, no 2, p. 281-320, mai 2022, doi: 10.1007/s12667-021-00427-x.

R. Nasr, B. Abou-Zalam, and E. Nabil, « Metaheuristic Optimization Algorithm-Based Enhancement of Photovoltaic Energy System Performance », Arab J Sci Eng, vol. 48, no 11, p. 14789-14810, nov. 2023, doi: 10.1007/s13369-023-07847-0.

M. A. Abdelkareem, M. E. Assad, E. T. Sayed, and B. Soudan, « “ Recent progress in the use of renewable energy sources to power water desalination plants”(vol 435, pg 97, 2018) », Desalination, vol. 444, p. 178-178, 2018.

I. Sabiri, H. Bouyghf, A. Raihani, and B. Ouacha, « Optimal design of CMOS current mode instrumentation amplifier using bio-inspired method for biomedical applications », Indonesian Journal of Electrical Engineering and Computer Science, vol. 25, no 1, p. 120, 2022.

I. Sabiri, H. Bouyghf, and A. Raihani, « Optimal interdigitated electrode sensor design for biosensors using multi-objective particle-swarm optimization », International Journal of Electrical and Computer Engineering (IJECE), vol. 13, no 3, p. 2608-2617, 2023.

D. Oliva, M. Abd Elaziz, A. H. Elsheikh, et A. A. Ewees, « A review on meta-heuristics methods for estimating parameters of solar cells », Journal of Power Sources, vol. 435, p. 126683, 2019.

M. H. Sulaiman and Z. Mustaffa, « Optimal power flow incorporating stochastic wind and solar generation by metaheuristic optimizers », Microsyst Technol, vol. 27, no 9, p. 3263-3277, sept. 2021, doi: 10.1007/s00542-020-05046-7.

H. H. Ammar, A. T. Azar, R. Shalaby, and M. I. Mahmoud, « Metaheuristic optimization of fractional order incremental conductance (FO-INC) maximum power point tracking (MPPT) », Complexity, vol. 2019, p. 1-13, 2019.

D. Bonkoungou, Z. Koalaga, and D. Njomo, « Modelling and Simulation of photovoltaic module considering single-diode equivalent circuit model in MATLAB », International Journal of Emerging Technology and Advanced Engineering, vol. 3, no 3, p. 493-502, 2013.

D. Wang, D. Tan, and L. Liu, « Particle swarm optimization algorithm: an overview », Soft Comput, vol. 22, no 2, p. 387-408, janv. 2018, doi: 10.1007/s00500-016-2474-6.

M. Jain, V. Saihjpal, N. Singh, and S. B. Singh, « An overview of variants and advancements of PSO algorithm », Applied Sciences, vol. 12, no 17, p. 8392, 2022.

A. G. Gad, « Particle Swarm Optimization Algorithm and Its Applications: A Systematic Review

», Arch Computat Methods Eng, vol. 29, no 5, p. 2531-2561, août 2022, doi: 10.1007/s11831-021-09694-4.

G. Papazoglou and P. Biskas, « Review and Comparison of Genetic Algorithm and Particle Swarm Optimization in the Optimal Power Flow Problem », Energies, vol. 16, no 3, p. 1152, janv. 2023, doi: 10.3390/en16031152.

S. Nabi, M. Ahmad, M. Ibrahim, and H. Hamam, « AdPSO: Adaptive PSO-Based Task Scheduling

Approach for Cloud Computing », Sensors, vol. 22, no 3, p. 920, janv. 2022, doi: 10.3390/s22030920.

F. Shahzad, A. R. Baig, S. Masood, M. Kamran, and N. Naveed, « Opposition-Based Particle Swarm Optimization with Velocity Clamping (OVCPSO) », in Advances in Computational Intelligence, vol. 116, W. Yu et E. N. Sanchez, Éd., in Advances in Soft Computing, vol. 116. , Berlin, Heidelberg: Springer Berlin Heidelberg, 2009, p. 339-348. doi: 10.1007/978-3-642-03156-4_34.

Y. O. M. Sekyere, F. B. Effah, and P. Y. Okyere, « An Enhanced Particle Swarm Optimization Algorithm via Adaptive Dynamic Inertia Weight and Acceleration Coefficients », J. Electron. Electric. Eng., janv. 2024, doi: 10.37256/jeee.3120243868.

A. K. Shukla, P. Singh, and M. Vardhan, « An adaptive inertia weight teaching-learning-based optimization algorithm and its applications », Applied Mathematical Modelling, vol. 77, p. 309-326, janv. 2020, doi: 10.1016/j.apm.2019.07.046.

Q. Yang, W.-N. Chen, J. D. Deng, Y. Li, T. Gu, and J. Zhang, « A Level-Based Learning Swarm Optimizer for Large-Scale Optimization », IEEE Trans. Evol. Computat., vol. 22, no 4, p. 578-594, août 2018, doi: 10.1109/TEVC.2017.2743016.

A. Montenegro, M. Mussi, A. M. Metelli, and M. Papini, « Learning Optimal Deterministic Policies with Stochastic Policy Gradients », 30 mai 2024, arXiv: arXiv:2405.02235. doi: 10.48550/ arXiv.2405.02235.

W. Hayder, E. Ogliari, A. Dolara, A. Abid, M. Ben Hamed, and L. Sbita, « Improved PSO: A Comparative Study in MPPT Algorithm for PV System Control under Partial Shading Conditions », Energies, vol. 13, no 8, p. 2035, avr. 2020, doi: 10.3390/en13082035.

L. V and J. S. N M, « MPPT of solar PV systems using PSO memetic algorithm considering the effect of change in tilt angle », Sci Rep, vol. 15, no 1, p. 7818, mars 2025, doi: 10.1038/s41598-025- 92598-1.

M.S. Endi̇ Z, « Performance Analysis Of P&O And Pso Mppt Algorithms For Pv Systems Under Partial Shading », Konjes, p. 84-99, déc. 2023, doi: 10.36306/konjes.1359177.