Metasezgisel optimizasyon algoritmalarıyla fotovoltaik modellerde parametre tahmini ve performans karşılaştırılması
Yükleniyor...
Tarih
2025-03-25
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Batman Üniversitesi Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Güneş enerjisi, yenilenebilir enerji kaynakları arasında sürdürülebilirliği ve geniş uygulama potansiyeli nedeniyle önemli bir yer tutmaktadır. Bu enerji kaynağının en verimli şekilde kullanılabilmesi için fotovoltaik (PV) sistemlerin performansını etkileyen parametrelerin doğru ve güvenilir bir şekilde tahmin edilmesi kritik bir rol oynamaktadır. PV parametre tahmini, güneş panellerinin elektriksel karakteristiklerinin hassas bir şekilde belirlenmesini sağlayarak sistem verimliliğini artırmakta ve enerji üretim süreçlerini optimize etmektedir. Bu bağlamda, PV sistemlerde kullanılan elektriksel modellerin doğruluğu, sistem tasarımı ve performans iyileştirme açısından hayati bir öneme sahiptir. Bu tez çalışmasında, PV hücre parametrelerinin tahmini için yeni ve etkili meta-sezgisel optimizasyon algoritmaları önerilmiştir. Önerilen yaklaşımlar, vektörlerin ağırlıklı ortalaması (INFO), ikinci dereceden interpolasyon optimizasyonu (QIO) ve boyunlu kertenkele optimizasyonu (FLO) algoritmalarıdır. Ayrıca, bu algoritmalara, PV sistemlerin doğrusal olmayan akım-gerilim karakteristiklerini daha hassas bir şekilde belirlemek için Newton-Raphson (N-R) analitik yöntemi ile entegre edilerek optimizasyon performansları arttırılmıştır.
Tez kapsamında, önerilen algoritmaların etkinliği ve doğruluğu, farklı veri setleri üzerinde test edilerek değerlendirilmiştir. R.T.C France, Photowatt-PWP201, STM6-40/36 ve STP6-120/36 veri setleri kullanılarak, tek diyot, çift diyot ve üç diyot elektriksel devre modelleriyle geniş kapsamda analizler gerçekleştirilmiştir. İlgili modellerin etkinliği, bireysel mutlak hata, bağlı hata, ortalama mutlak hata, ortalama yanlılık hatası, normalleştirilmiş RMSE, normalleştirilmiş MBE, normalleştirilmiş MAE, belirleme katsayısı ve t-istatistiği gibi çeşitli hata metrikleri kullanılarak detaylı bir şekilde karşılaştırılmıştır. Ayrıca, elde edilen akım-gerilim ve güç-gerilim karakteristik eğrileri, yakınsama eğrileri, maksimum güç noktaları ve istatistiksel metrikler ile değerlendirilerek algoritmaların performansları derinlemesine incelenmiştir. Elde edilen bulgular, INFO, QIO ve FLO algoritmalarının literatürde önerilen meta-sezgisel optimizasyon yöntemlerine kıyasla belirgin avantajlar sunduğunu ortaya koymuştur. Bu algoritmalar, PV sistem performansını optimize etmede yüksek hassasiyet, hızlı yakınsama ve stabil sonuçlar sağlayarak endüstriyel ve akademik kullanım potansiyelini güçlendirmektedir. Özellikle, optimize edilen parametre tahmini sayesinde, PV sistemlerin enerji dönüşüm verimliliğinin arttırılabileceği ve gerçek dünya uygulamalarında daha etkili bir şekilde kullanılabileceği gösterilmiştir.
Solar energy has an important place among renewable energy sources due to its sustainability and wide application potential. For the most efficient utilisation of this energy source, accurate and reliable estimation of the parameters affecting the performance of photovoltaic (PV) systems plays a critical role. PV parameter estimation enables precise determination of the electrical characteristics of solar panels, improving system efficiency and optimising power generation processes. In this regard, electrical models used in PV systems have a vital importance in terms of accuracy, system design and performance improvement. In this thesis, new and efficient meta-heuristic optimisation algorithms are proposed for the estimation of PV cell parameters. The proposed approaches are the weighted mean of vectors (INFO), quadratic interpolation optimisation (QIO) and frilled lizard optimisation (FLO) algorithms. Furthermore, these algorithms are integrated with the Newton-Raphson (N-R) analytical method to determine the nonlinear current-voltage characteristics of PV systems more precisely, thus improving their optimisation performance. In this thesis, the effectiveness and accuracy of the proposed algorithms are evaluated by testing them on different data sets. Using R.T.C France, Photowatt-PWP201, STM6-40/36 and STP6-120/36 data sets, a wide range of analyses were performed with single diode, double diode and three diode electrical circuit models. The effectiveness of the respective models was compared in detail using various error metrics such as individual absolute error, relative error, mean absolute error, mean bias error, normalised RMSE, normalised MBE, normalised MAE, coefficient of determination and t-statistic. In addition, the performance of the algorithms is analysed in depth by evaluating the obtained current-voltage and power-voltage characteristic slopes, convergence slopes, maximum power points and statistical metrics. The results show that INFO, QIO and FLO algorithms offer significant advantages compared to the meta-heuristic optimisation methods proposed in the literature. These algorithms provide high precision, fast convergence and stable results in optimising PV system performance, strengthening their potential for industrial and academic use. Especially, it is shown that by optimised parameter estimation, the energy conversion efficiency of PV systems can be improved and used more effectively in real world applications.
Solar energy has an important place among renewable energy sources due to its sustainability and wide application potential. For the most efficient utilisation of this energy source, accurate and reliable estimation of the parameters affecting the performance of photovoltaic (PV) systems plays a critical role. PV parameter estimation enables precise determination of the electrical characteristics of solar panels, improving system efficiency and optimising power generation processes. In this regard, electrical models used in PV systems have a vital importance in terms of accuracy, system design and performance improvement. In this thesis, new and efficient meta-heuristic optimisation algorithms are proposed for the estimation of PV cell parameters. The proposed approaches are the weighted mean of vectors (INFO), quadratic interpolation optimisation (QIO) and frilled lizard optimisation (FLO) algorithms. Furthermore, these algorithms are integrated with the Newton-Raphson (N-R) analytical method to determine the nonlinear current-voltage characteristics of PV systems more precisely, thus improving their optimisation performance. In this thesis, the effectiveness and accuracy of the proposed algorithms are evaluated by testing them on different data sets. Using R.T.C France, Photowatt-PWP201, STM6-40/36 and STP6-120/36 data sets, a wide range of analyses were performed with single diode, double diode and three diode electrical circuit models. The effectiveness of the respective models was compared in detail using various error metrics such as individual absolute error, relative error, mean absolute error, mean bias error, normalised RMSE, normalised MBE, normalised MAE, coefficient of determination and t-statistic. In addition, the performance of the algorithms is analysed in depth by evaluating the obtained current-voltage and power-voltage characteristic slopes, convergence slopes, maximum power points and statistical metrics. The results show that INFO, QIO and FLO algorithms offer significant advantages compared to the meta-heuristic optimisation methods proposed in the literature. These algorithms provide high precision, fast convergence and stable results in optimising PV system performance, strengthening their potential for industrial and academic use. Especially, it is shown that by optimised parameter estimation, the energy conversion efficiency of PV systems can be improved and used more effectively in real world applications.
Açıklama
Anahtar Kelimeler
Yenilebilir Enerji, Fotovoltaik Sistemler, Parametre Tahmini, Metasezgisel Optimizasyon Algoritmaları, Renewable Energy, Photovoltaic Systems, Parameter Estimation, Metaheuristic Optimization Algorithms
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Dal, S. (2025). Metasezgisel optimizasyon algoritmalarıyla fotovoltaik modellerde parametre tahmini ve performans karşılaştırılması. (Yayınlanmamış Doktora Tezi). Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, Batman.
