El rendimiento de un sistema de generación de energía fotovoltaica (PV) podría mejorarse a través del control y operación óptimos de un módulo PV que es uno de los componentes fundamentales de este sistema. Por lo tanto, es necesario un modelo de módulo fotovoltaico adecuado junto con un conocimiento preciso de sus parámetros. Este documento propone una técnica novedosa para estimar la corriente de la fuente, la corriente de saturación de los diodos, la resistencia de derivación, la resistencia en serie, el coeficiente de idealidad de los diodos y los puntos de máxima potencia (MPP) de los módulos fotovoltaicos al mismo tiempo. Este problema de estimación se puede describir mediante la minimización del error cuadrático medio (RMSE) de las potencias obtenidas del módulo fotovoltaico a través de la estimación y el experimento. Se propone el algoritmo de búsqueda fractal estocástica mejorada (ISFS) para resolver esta minimización con dos modificaciones. El primero reemplaza la función logarítmica con la función exponencial en la desviación estándar de la técnica de difusión para mejorar la capacidad de exploración de manera eficiente en el espacio de búsqueda. El segundo utiliza el mapa sinusoidal en lugar de la distribución uniforme en las técnicas de difusión y actualización para mejorar el rendimiento del algoritmo ISFS. Los resultados numéricos demuestran la notable capacidad del algoritmo ISFS para obtener tanto los parámetros del modelo como los MPP del módulo fotovoltaico con alta precisión. La comparación muestra que el algoritmo ISFS supera a otros algoritmos metaheurísticos como un algoritmo de búsqueda fractal estocástica (SFS), un algoritmo de optimización de enjambre de partículas (PSO) y un algoritmo de optimización de enjambre de partículas (IPSO) mejorado en la aplicación de estimación de parámetros propuesta.

Les performances d'un système de production d'énergie photovoltaïque (PV) pourraient être améliorées grâce au contrôle et au fonctionnement optimaux d'un module PV qui est l'un des composants fondamentaux de ce système. Ainsi, un modèle de module PV approprié ainsi qu'une connaissance précise de ses paramètres sont nécessaires. Cet article propose une nouvelle technique pour estimer à la fois le courant source, le courant de saturation des diodes, la résistance de shunt, la résistance série, le coefficient d'idéalité des diodes et les points de puissance maximale (MPP) des modules PV. Ce problème d'estimation peut être décrit par la minimisation de l'erreur quadratique moyenne (RMSE) des puissances obtenues à partir du module PV par estimation et expérience. L'algorithme amélioré de recherche fractale stochastique (ISFS) est proposé pour résoudre cette minimisation avec deux modifications. Le premier remplace la fonction logarithmique par la fonction exponentielle dans l'écart-type de la technique de diffusion pour améliorer la capacité d'exploration efficacement dans l'espace de recherche. Le second utilise la carte sinusoïdale au lieu de la distribution uniforme dans les techniques de diffusion et de mise à jour pour améliorer les performances de l'algorithme ISFS. Les résultats numériques démontrent la remarquable capacité de l'algorithme ISFS à obtenir à la fois les paramètres du modèle et les MPP du module PV avec une grande précision. La comparaison montre que l'algorithme ISFS surpasse d'autres algorithmes méta-heuristiques tels qu'un algorithme de recherche fractale stochastique (SFS), un algorithme d'optimisation d'essaim de particules (PSO) et un algorithme d'optimisation d'essaim de particules (IPSO) amélioré dans l'application d'estimation de paramètre proposée.

The performance of a photovoltaic (PV) power generation system could be improved through the optimal control and operation of a PV module which is one of the fundamental components of this system. Thus, an appropriate PV module model along with precise knowledge of its parameters is necessary. This paper proposes a novel technique to estimate the source current, the saturation current of diodes, the shunt resistance, the series resistance, the ideality coefficient of diodes and the maximum power points (MPPs) of PV modules at the same time. This estimation problem can be described by the minimization of the root mean squared error (RMSE) of the powers obtained from the PV module through estimation and experiment. The improved stochastic fractal search (ISFS) algorithm is proposed to solve this minimization with two modifications. The first replaces the logarithmic function with the exponential function in the standard deviation of the diffusion technique to improve the exploration ability efficiently in the search space. The second utilizes the sine map instead of the uniform distribution in both the diffusion and update techniques for improving the performance of the ISFS algorithm. Numerical results demonstrate the remarkable ability of the ISFS algorithm in obtaining both the model parameters and MPPs of the PV module with high accuracy. The comparison shows that the ISFS algorithm outperforms other meta-heuristic algorithms such as a stochastic fractal search (SFS) algorithm, a particle swarm optimization (PSO) algorithm, and an improved particle swarm optimization (IPSO) algorithm in the proposed parameter estimation application.

يمكن تحسين أداء نظام توليد الطاقة الكهروضوئية (PV) من خلال التحكم والتشغيل الأمثل لوحدة الطاقة الكهروضوئية التي تعد أحد المكونات الأساسية لهذا النظام. وبالتالي، من الضروري وجود نموذج وحدة كهروضوئية مناسب إلى جانب معرفة دقيقة بمعلماته. تقترح هذه الورقة تقنية جديدة لتقدير تيار المصدر، وتيار تشبع الصمامات الثنائية، ومقاومة التحويلة، ومقاومة السلسلة، ومعامل المثالية للصمامات الثنائية ونقاط الطاقة القصوى (MPPs) للوحدات الكهروضوئية في نفس الوقت. يمكن وصف مشكلة التقدير هذه من خلال تقليل الخطأ التربيعي لمتوسط الجذر (RMSE) للقوى التي تم الحصول عليها من الوحدة الكهروضوئية من خلال التقدير والتجربة. يتم اقتراح خوارزمية البحث الفراكتلي العشوائي المحسنة (ISFS) لحل هذا التقليل مع تعديلين. يستبدل الأول الدالة اللوغاريتمية بالدالة الأسية في الانحراف المعياري لتقنية الانتشار لتحسين قدرة الاستكشاف بكفاءة في مساحة البحث. يستخدم الثاني خريطة الجيب بدلاً من التوزيع الموحد في كل من تقنيات النشر والتحديث لتحسين أداء خوارزمية ISFS. تُظهر النتائج العددية القدرة الملحوظة لخوارزمية ISFS في الحصول على كل من معلمات النموذج و MPPs للوحدة الكهروضوئية بدقة عالية. تُظهر المقارنة أن خوارزمية ISFS تتفوق على الخوارزميات الاستدلالية التلوية الأخرى مثل خوارزمية البحث الفراكتلي العشوائي (SFS)، وخوارزمية تحسين سرب الجسيمات (PSO)، وخوارزمية تحسين سرب الجسيمات المحسنة (IPSO) في تطبيق تقدير المعلمة المقترح.