رديابي نقطه بيشينه توان سلول‌هاي فتوولتاييك با استفاده از منطق فازي بهبود يافته و شبكه عصبي مصنوعي مبتني بر الگوريتم بهينه سازي ازدحام ذرات

تغييرات دائمي دماي محيط و شدت تابش خورشيد باعث تغيير مكان نقطه بيشينه توان پنل هاي خورشيدي شده و به اين ترتيب مانع از عملكرد سيستم هاي خورشيدي با حداكثر بازده مي شود. در اين پژوهش به منظور يافتن نقطه بيشينه توان پنل‌هاي خورشيدي تحت شرايط مختلف محيطي، منطق فازي به شيوه كدنويسي و شبكه عصبي مصنوعي با تلفيق الگوريتم فراابتكاري بهينه سازي ازدحام ذرات به كار گرفته شدند. به منظور انجام محاسبات، داده هاي مورد نياز شامل دماي محيط، شدت تابش نور و بيشينه توان خروجي پنل خورشيدي به صورت تجربي در آزمايشگاه به دست آمد و به سيستم هاي طراحي شده اعمال گرديد. در نهايت، عملكرد سيستم ها با دو شاخص آماري جذر متوسط مربع خطاها و ميانگين مطلق خطاها مورد ارزيابي و مقايسه قرار گرفت. مقادير RMSE براي داده هاي آموزش در منطق فازي و شبكه عصبي به ترتيب 0.0065 و 0.0086 وات و براي داده هاي آزمون 0.0063 و 0.0056 وات حاصل گرديد و مقادير MAE براي داده هاي آموزش در شبكه عصبي و منطق فازي به ترتيب 0.0068 و 0.0055 وات و براي داده هاي آزمون 0.0046 و 0.0052 وات به دست آمد. نتايج حاصل نشان مي دهد كه هر دو روش طراحي شده قادر به پيش بيني مقادير توان بيشينه هستند، اما در نواحي مختلف دمايي سيستم فازي طراحي شده با نوسان كمتري عمل كرده و در مجموع در مقايسه با شبكه عصبي مبتني بر الگوريتم ازدحام ذرات عملكردي دقيق تر و همچنين سرعت بالاتري در محاسبات دارد. بنابراين رديابي نقطه بيشينه توان پنل خورشيدي به-وسيله اين سيستم با قابليت اطمينان بالاتري صورت مي گيرد.