Akrep Avlanma Stratejisi Algoritması ile Güneş PV Modellerinin Parametre Tahmini
Abstract views: 6
/ 
PDF downloads: 6
Keywords:
Meta-Sezgisel Algoritma, Akrep Avlanma Stratejisi Algoritması, Çift Diyot Modeli, Solar PV SistemiAbstract
Bir fotovoltaik (PV) modülü veya güneş hücresi, belirli parametrelerle elektriksel olarak tanımlanan
bir devre modeli ile karakterize edilir. Bir PV sisteminin simülasyonu ve işletmesi için, güneş hücresi
parametrelerinin deneysel veriler kullanılarak hassas bir şekilde hesaplanması gerekmektedir. Güneş PV
sistemi parametrelerinin bilinmeyenlerinin çıkarılması, değişken güneş radyasyonu ve sıcaklık gibi farklı
çalışma koşullarında I-V karakteristikleri kullanılarak sistem performansının analiz edilmesini sağlar.
Ancak, güneş PV modelinin çözümü doğası gereği oldukça doğrusal olmayan bir yapıya sahiptir. Bu
problemi çözmek için verimli bir algoritmaya ihtiyaç vardır. Bu çalışmada, güneş PV model
parametrelerinin çıkarılması sorununu çözmek amacıyla, daha önce geliştirilmiş olan Akrep Avlanma
Stratejisi (AAS) algoritması uygulanmıştır. Bu yaklaşım, doğrusal olmayan bu sorunun çözümünde etkili
bir yöntem olarak kullanılmıştır.
Downloads
References
Singh, S. (2021). Energy crisis and climate change: Global concerns and their solutions. Energy: crises, challenges and solutions, 1-17.
Alshahrani, A., Omer, S., Su, Y., Mohamed, E., & Alotaibi, S. (2019). The technical challenges facing the integration of small-scale and large-scale PV systems into the grid: A critical review. Electronics, 8(12), 1443.
Bošnjaković, M., Stojkov, M., Katinić, M., & Lacković, I. (2023). Effects of extreme weather conditions on pv systems. Sustainability, 15(22), 16044.
Islam, H., Mekhilef, S., Shah, N. B. M., Soon, T. K., Seyedmahmousian, M., Horan, B., & Stojcevski, A. (2018). Performance evaluation of maximum power point tracking approaches and photovoltaic systems. Energies, 11(2), 365.
Cárdenas-Bravo, C., Dutykh, D., & Lespinats, S. (2024). On the parameters domain of the single-diode model. Solar Energy, 277, 112718.
Çelik, E., Karayel, M., Maden, D., Abdel-Salam, M., Öztürk, N., Kaplan, O., ... & Baljon, M. (2025). Reconfigured single-and double-diode models for improved modelling of solar cells/modules. Scientific reports, 15(1), 2101.
Ayyarao, T. S., & Kumar, P. P. (2022). Parameter estimation of solar PV models with a new proposed war strategy optimization algorithm. International Journal of Energy Research, 46(6), 7215-7238. Ibrahim, H., & Anani, N. (2017). Evaluation of analytical methods for parameter extraction of PV modules. Energy procedia, 134, 69-78.
Ibrahim, H., & Anani, N. (2017). Evaluation of analytical methods for parameter extraction of PV modules. Energy procedia, 134, 69-78.
Ingenhoven, P., Belluardo, G., & Moser, D. (2017). Comparison of statistical and deterministic smoothing methods to reduce the uncertainty of performance loss rate estimates. IEEE Journal of Photovoltaics, 8(1), 224-232.
Rawat, N., & Thakur, P. (2022). Comparative analysis of hybrid and metaheuristic parameter estimation methods of solar PV. Materials Today: Proceedings, 65, 3748-3756.
Nguyen, T. T., Nguyen, T. T., & Tran, T. N. (2022). Parameter estimation of photovoltaic cell and module models relied on metaheuristic algorithms including artificial ecosystem optimization. Neural Computing and Applications, 34(15), 12819-12844.
Jearsiripongkul, T., Prempraneerach, P., Eslami, M., & Moarrefi, M. A. (2023). A novel hybrid metaheuristic approach to parameter estimation of photovoltaic solar cells and modules. Engineered Science, 27, 979.
Sharma, A., Sharma, A., Averbukh, M., Jately, V., Rajput, S., Azzopardi, B., & Lim, W. H. (2023). Performance investigation of state-of-the-art metaheuristic techniques for parameter extraction of solar cells/module. Scientific reports, 13(1), 11134.
Arandhakar, S., Chaudhary, N., Depuru, S. R., Dubey, R. K., & Bhukya, M. N. (2021). Analysis and implementation of robust metaheuristic algorithm to extract essential parameters of solar cell. IEEE Access, 10, 40079-40092.
Meidani, K., Hemmasian, A., Mirjalili, S., & Barati Farimani, A. (2022). Adaptive grey wolf optimizer. Neural Computing and Applications, 34(10), 7711-7731.
Parsopoulos, K. E., & Vrahatis, M. N. (2002). Recent approaches to global optimization problems through particle swarm optimization. Natural computing, 1(2), 235-306.
Nassef, A. M., Abdelkareem, M. A., Maghrabie, H. M., & Baroutaji, A. (2023). Review of metaheuristic optimization algorithms for power systems problems. Sustainability, 15(12), 9434.
Singh, A., Mousavi, S. M. H., & Gaurav, K. (2024). SHS: Scorpion Hunting Strategy Swarm Algorithm. arXiv preprint arXiv:2407.14202.
Brownell, P., & Farley, R. D. (1979). Prey-localizing behaviour of the nocturnal desert scorpion, Paruroctonus mesaensis: orientation to substrate vibrations. Animal Behaviour, 27, 185-193.
Graham, M. R. (2011). Scorpions of the World. The Journal of Arachnology, 39(1), 166-167.
