没有合适的资源?快使用搜索试试~ 我知道了~
可持续运营与计算机3(2022)67基于自然进化算法的低碳清洁能源太阳能光伏组件综合性能评估Anik Goswami,Pradip Kumar Sadhu印度理工学院电气工程系(ISM),Dhanbad,Jharkhand 826004,印度aRT i cL e i nf o保留字:太阳能电池浮动太阳能光伏参数提取辐照度效应温度效应室外数据a b sTR a cTFSPV系统的开发和部署仍处于初期阶段,因此FSPV系统的长期性能、控制和可行性研究尚未得到很好的解决。FSPV面板参数的精确和鲁棒估计将在确定FSPV系统的实际性能、碳节约和长期可行性研究中发挥重要作用。在此,混合随机火灾算法(HSFA)用于参数估计和优化。采用混合算法求解单二极管模型、双二极管模型和FSPV模块的参数。实验还进行了不同的辐照条件下使用FSPV模块。通过将模拟结果与实验结果进行比较,计算相对误差和均方根误差,评价了模型的准确性。使用所提出的方法提取的参数具有非常低的RMSE值9.83002E-04。对实验和估算结果的评价表明,晴天测电相对误差为0.57%,阴天测电相对误差为0.89%。在部分遮光条件下,相对误差和RMSE分别为0.79%和6.5%。计算结果与实验值吻合较好,表明了该模型在确定FSPV参数方面的优越性。FSPV参数的正确估计将有助于研究人员,科学家,工程师和所有与太阳能光伏系统相关的参与者对FSPV系统的部署做出合理的判断,并帮助社会发展可持续的生态系统,以实现工业4.0通过适应低碳发电方式。1. 介绍随着城市化和工业化,能源供需之间的差距不断扩大。这导致了可再生能源的出现,因为它们是清洁的,绿色的和取之不尽的。在所有的可再生能源中,光伏发电系统的发电量占比最高[1]。光伏系统是无排放的,它使用光伏电池将太阳能直接转化为电能[2]。光伏发电系统在能源市场的虽然太阳能光伏系统具有最大的发电潜力,但它受到一些缺点的困扰,如效率低和可靠性低[3,4]。光伏电站的另一个主要缺点是土地稀缺。光伏电站需要大面积的土地,但价格不断上涨随着土地使用量的增加,光伏电站的安装成本增加,这反过来又增加了电力的平准化成本(LCOE)。一个可行的解决方案是安装FSPV发电厂。FSPV发电厂建在水上,因此无需购置土地,Sahu等人[5]报告的性能有所提高。由于FSPV系统设计用于在水上运行,因此模块温度保持较低,效率提高8更高的效率,ciency增加FSPV系统的输出功率。Goswami等人[8],提出了10 MW FSPV发电厂的可行性研究,并表明FSPV发电厂的平准化电力成本低于陆基光伏发电厂。虽然FSPV组件比陆基光伏系统具有更好的性能,但关于FSPV组件性能提取的大量文献不可用。为了更好地设计和评估FSPV系统,需要对FSPV模块进行精确建模。在长期运行过程中,光伏系统会发生退化并出现故障[9,10]。准确的模型有助于精确确定光伏组件的功率输出[11]。电流-电压(I-V)曲线是太阳能电池工作和性能的表征。由于光伏电池参数随时间的变化,需要利用实验的I-V曲线来准确地确定电池参数,这就导致了不同参数估计技术的发展。参数估计技术通常分为三大类∗ 通讯作者。电子邮件地址:anik91_go@redi juanmail.com(A. Goswami)。https://doi.org/10.1016/j.susoc.2021.10.002接收日期:2021年7月16日;接收日期:2021年9月10日;接受日期:2021年10月21日2021年11月7日网上发售2666-4127/© 2021作者。由Elsevier B.V.代表KeAi Communications Co.出版,这是一篇CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)可在ScienceDirect上获得目录列表可持续运营和计算机期刊主页:http://www.keaipublishing.com/en/journals/sustainable-operations-and-computers/A. Goswami和P.K. Sadhu可持续运营与计算机3(2022)6768方法分为数值方法、分析方法和Meta启发式方法。解析法是对光伏电池进行数学建模的方法.数值方法使用迭代技术确定参数,第三种技术使用机器学习算法进行精确参数估计[12,13]。Toledo和Blanes[14]提出了一种使用单二极管模型确定太阳能光伏组件参数的分析方法。Cubas等人[15]分析了单二极管双电阻PV模型。结果表明,新方法的输出精度更高,速度更快。Batzelis和Papathanassiou[16]提出了一种用于PV电池参数提取的分析方法。他们发现,所提出的方法的归一化均方根偏差为1.76%。Maouhoub[17]提出了一种使用Lambert函数的改进分析方法,并发现所提出的方法相当准确,归一化均方根误差为0.0086。ElAchouby等人[18]提出了一种用于参数提取的非线性统计方法。结果表明,该方法具有很低的CPU时间,误差也明显较小。虽然解析模型简单,收敛速度快,但精度取决于所选择的点的值。任何偏差在参数估计中引起大的误差。为了克服这个问题,研究人员提出了迭代方法,如Taylor级数展开法[19],Lambert-W函数[20]和Levenberg Marquardt算法[21]。迭代法提供了精确的解,但主要缺点是计算时间长和收敛速度慢。为了克服上述缺点,使用元启发式技术。元启发式技术使用概率来找到最优解,可以解决多变量优化问题。Petrone等人[22]使用遗传算法(GA)找出PV参数。虽然遗传算法是一种有效的方法,但它的CPU负载和运算时间都很高。为了减少计算时间,提高收敛速度,采用自适应差分进化算法(DE)使用算法[23,24]。这些模型在生产过程中不是很有效。低辐照度和部分遮光。当附近的树木、建筑物或任何障碍物在光伏组件上投射阴影时,会发生部分阴影由于部分阴影,模块的最大功率输出降低,这影响了PV系统的功率输出[25,26]。粒子群优化(PSO)为所有类型的辐照度提供了良好的性能,但它们消耗大量内存[27,28]。人工蜂群优化(ABC)在计算时间和收敛速度方面都优于PSO[29]。先前技术的一个主要缺点是在短路和开路条件下,I-V曲线斜率的倒数为 没有计算。元启发式算法有时会陷入局部最小值或局部最大值,因此不能保证收敛。由于PV电池具有基于电流、电压和参数的非线性,因此不能使用确定性方法来确定基于开路电压、短路电压和最大功率的准确参数提取。为了克服这些问题,自适应和混合算法,如灰狼优化器[30],赢家领先的互补优化器[31],教学学习优化器[32],蚁狮优化器[33]最近被用于参数提取。印度是一个热带国家,接受大量的太阳辐射。印度每天平均接受的太阳辐射量为4- 7 kWh/m2,每年接收的太阳辐射为1300印度每年的晴天为260-310天。尽管印度拥有如此巨大的太阳能潜力,但印度面临严重的电力短缺。开发大型陆基光伏电站的一个主要障碍是土地的由于土地稀缺,价格非常高。土地价格增加了光伏电站的总成本,因此陆基光伏电站的解决这一问题的办法之一是发展FSPV。印度有很多死水,对FSPV发电厂有很好的潜力。在FSPV中,土地成本被消除,这降低了电力的总体成本,并使电力成为所有人的因此,FSPV正在崛起,并提出了一个每-陆地光伏发电的有效替代方案。本文讨论了用混合随机火算法确定FSPV模块在实际运行条件下的参数和性能。随机火焰算法是一种自然启发的元算法,其灵感来自于火焰的闪烁光。 该算法可以解决非线性和多变量优化问题。该算法可用于单二极管和双二极管模型,分别求解五个或七个参数。该算法同样适用于集总参数模型。模型的准确性是通过比较模拟和实验结果。本文重点发展的计算方法,基于进化算法确定性能的FSPV模块在不同的太阳辐照度。该研究符合该杂志的范围,因为FSPV系统现在越来越重要,并且是太阳能发电的未来。FSPV特性的准确计算将有助于学者,研究人员,技术人员和所有其他参与太阳能光伏系统的参与者做出明智的决策,以采用FSPV公用事业系统。它还将通过适应低碳发电方法,帮助社会朝着可持续生态系统的方向发展。本文的其余部分结构如下:第2介绍了详细的文献调查有关的PV和FSPV系统和参数估计的应用方法第3节描述了太阳能电池的数学模型。第4讨论了自然启发的进化算法。第五分析了光伏系统在实际室外条件下的第六章讨论了FSPV系统参数估计的问题形式和目标函数第7给出了讨论在不同天气条件下所提出的方法的有效性的结果本文在第8节结束,讨论了局限性和未来范围。2. 文献综述自上个十年以来,全球能源消费一直在稳步增长。煤炭和石油等传统能源提供了大部分能源。压力越来越大以满足巨大的能源需求。地球的化石由于不可持续的矿物燃料开采,燃料储备已经耗尽。化石燃料对环境有着有害的影响,因为它们污染空气并产生温室气体。为了在满足全球能源需求的同时应对环境保护的挑战,当局正在关注绿色和可持续的发电资源。太阳能光伏发电由于其高利用率和技术进步,已成为最受欢迎的非常规能源。为了强调太阳能发电,政策制定者正在为光伏公用事业系统提供不同的激励措施。这导致住宅及商业领域光伏系统的使用大幅增加。Dondariya等人[34]在印度Ujjain市设计了一个6.4 kW的光伏系统。作者发现,在无负载期间,光伏系统为公用电网供电,这导致电网电力需求减少了41%。Okoye和Oranekwu-Okoye[35]在非洲进行了165.6 kW光伏系统的可行性研究。结果表明,该系统运行可靠性为95.5%,年供电量为261兆瓦时。Martinopoulos[36]分析了欧洲的一个4千瓦屋顶光伏系统。结果表明,能源投资回报率在1.7-5之间。这与太阳能便宜清洁的能源。Gil等人[37]分析了渗透率太阳能光伏发电在南美国家总能源中所占的比例。他们发现,智利的太阳能渗透率最高。Te-ofilo等人[38]研究了屋顶太阳能发电的潜力, 在澳大利亚年发电量估计为467吉瓦时。为了解决巨大的能源需求,太阳能光伏发电厂正在世界各地投入使用。由于太阳能电池的改进、太阳能效率的提高和太阳能技术成本的降低,太阳能发电近年来增长最快[39A. Goswami和P.K. Sadhu可持续运营与计算机3(2022)6769(())���=为了高效运行,太阳能光伏系统需要开阔的地形。人口增长导致空地减少,地价上涨土地成本的上升是公用事业规模光伏部署的主要障碍,因为它增加了光伏系统的资本成本和在水体上安装光伏系统是一个可行的解决方案。由于FSPV系统建在水上,土地征用和土地成本的挑战最小化FSPV系统的多方面益处包括提高太阳能电池板的性能、降低模块温度、控制蒸发和减少藻华[41Choi[44],用FSPV模块进行了实验,结果表明FSPV系统的效率提高了11%。FSPV组件的平均效率比陆基光伏组件高11-Singh等人[47]在印度提出了一个2 MWFSPV 系 统设 计的 系统 每年 产生2685 兆 瓦时 的能 量。 Trapani 和Millar[48]设计了一种混合FSPV-柴油发电机系统,为矿井供电。结果表明,FSPV系统降低了柴油发电机的运行成本Kamuyu等人[49]分析了韩国500 kW FSPV系统的性能他们分析说,FSPV系统产生的电力比陆基光伏系统高出10%Cazzaniga等人[50],设计了一种带水电站的FSPV 系 统 该 混 合 系 统 产 生 的 电 力 比 独 立 的 水 电 系 统 多35.9%Fereshtehpour等人[51]对在伊朗使用FSPV进行了可行性评估。他们发现,在1平方公里的水面上安装FSPV系统可以产生257GWh的能量,并满足近9万人的电力负荷需求。Eldeib等人[52]研究了FSPV系统在纳赛尔湖设计的系统可满足欧洲16%的电力需求,并可节约120亿m3的水。FSPV系统也不会影响海洋生物和生态系统。政策制定者正在强调大规模光伏和FSPV系统的部署。在开发大规模光伏和FSPV系统之前,必须对长期运行性能和可靠性有透彻的了解。正确的PV参数估计对于估计降解速率和效果至关重要环境因素对光伏组件的影响。因此,需要有效的光伏组件参数提取,以确定生命周期评估和光伏公用事业系统的性能分析。执行PV模型的主要原因是获得重要信息以帮助提取PV电池的参数。PV参数值主要由所提供的I-V特性曲线导出在制造商的手册中Humada等人[55]提出了一个简单的分析模型来提取PV参数。 Rasool等人[56],提出了一种简单的技术,不需要大量的迭代来估计,Fig. 1. 光伏电池的单二极管模型。陆基光伏系统的鲁棒、有效和可靠的参数估计技术可在文献中获得。由于FSPV是一个新概念,并且在最近的过去获得了牵引力,因此没有足够的参数估计技术。由于FSPV系统放置在水体上,FSPV的性能与陆基系统不同。与陆基光伏系统相比,FSPV系统的温度保持较低,并且它们以更高的效率工作。FSPV体系的降解速率也不同。因此,开发一种鲁棒的参数提取技术,以准确计算FSPV系统的长期性能是非常重要的。3. 数学建模市售光伏电池可分为薄膜、多晶及单晶。这些电池的建模主要包括I-V曲线估计。两种模型主要用于参数估计。第一种是单二极管模型(SDM),另一种是双二极管模型(DDM)。3.1. 单二极管模型(SDM)这是PV电池参数估计的最简单方法之一。如图1所示,该模型由电流源、与其并联的二极管和串联电阻组成。在该模型中,需要估计五个参数[64由于该方法简单、计算量小,因而得到了广泛的应用。对于SDM,输出电流λmax表示如下[67���������=��������� −��������� −���������(1)其中, 是光电流,���是二极管电流,���������������������匹配PV参数。参数值在标准值下获取。不考虑试验条件(STC)和变化的天气条件。因此,开发一个适当的模型来评估输出流过并联电阻器的电流当前彻底二极管由方程给出。(二)、光伏系统在每个运行状态下的性能是至关重要的。制定一组使用制造商说明书的方程是一种好的估计方法。 数值方法是求解这些方程的有效方法。��������� =������exp日本语+中文(简体)������������������������选项。Newton-Raphson是一种有效的数值技术来估计PV参数,但精度取决于初始点[57]。Di Piazza等人[58]提出了一种成本效益的数值模型但缺乏准确性。梅塔等人[59]采用两步模型求解其中,是反向饱和电流,是电池的输出电压,是串联电阻,是结的电压,���������������������������������λ是二极管理想系数。同样,可以将矩阵表示为:������������������迭代方程由于它依赖于复杂的程序, 迭代方法被证明是不充分的,因为它是缓慢的���������=���(3)也很复杂近年来,由于进化算法具有更高的可靠性和准确性,被用于参数提取。Babu等人[60]使用Fireworks算法进行参数提取。他们使用双二极管模型的方法,它提供了快速收敛。Lin et al.[61],使用改进的群优化。该方法保证了鲁棒性和较高的准确度。Coyote算法即使在变化的太阳辐照度下也能执行,并且高度一致[62]。���������是串联的细胞数,是玻尔兹曼常数,���是模块的温度,单位为开尔文,而λ是电子电荷,表示为1.602 × 10−19C。由于FSPV电池与水接触,连接处的温度比陆基PV平均低12 °C。这使FSPV的效率提高了10所以,Eq。(3)已修改对于FSPV电池,给出如下:Luu和Nguyen[63]对单二极管和双二极管模型均使用JAYA算法。它提供了非常准确的结果和快速收敛。′������日本语(简体中文)������������(4)���A. Goswami和P.K. Sadhu可持续运营与计算机3(2022)6770公司简介公司简介公司简介联系我们(())exp(8)(())exp(9)[()]exp−1���������′���������������⎡⎤���2���′���������������图二. 光伏电池的双二极管模型。���������通过分流电阻的电流由方程给出。(五)=+���������������������������(五)因此,替换Eqs。(2)(5)在Eq. (1),SDM中的输出电流 由Eq给出。(六)、图三. 电源电压模块。��� =���–[exp(+)���������������− 1]−������+���������������(六)、3.3. 电源电压模块对于高电压和高功率应用,太阳能电池以串联和并联组合连接,形成太阳能阵列。 从等式 (6)的确切 I-V 不能被确定为参数,例如,���������������������,���������and��� are unknown.为了评估这些参数,用可用的PV值形成了五组非线性方程[71,72]。考虑到STC,辐照度为1000 W/m2光伏组件由光伏电池串联和并联组合而成。PV阵列通过将许多PV模块串联/并联组合而形成。 图图3示出了一种PV模块,该PV模块具有N s个串联电池和N p个并联电池。对于太阳能模块,输出电流方程表示为:(i) SDM和温度25 °C。因此,为了正确绘制I-V曲线,需要准确测定这五个参数。关于SDM���=���–������联系我们������������������������������⎟− 1⎥ −���������������������������(十一)给出了相当准确的解决方案,它支持在不同的辐照度和阴影条件下。������������(ii) DDM������⎣⎝⎜������′������⎟⎠⎥⎦���������3.2.双二极管模型(DDM)���=������ ���–������1������pk10计划软件���������������������′⎞⎟−1⎤⎥DDM提出了一种更精确的集总参数模型。的������⎣⎢⎜⎝���1���������⎟⎠⎥⎦������ +日本语简体中文������������关于SDM DDM由两个二极管组成,D1和D2连接−100000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000���������2′������⎟− 1⎥ −(十二)������在平行的电流源,如图所示。 二、第二二极管⎣⎢⎜⎝������⎠⎟⎥⎦���表示电荷的复合。电阻与SDM [73,74]中的电阻相同。对于DDM,输出电流Vref表示为:���������=��������� −���������1 −���������2 −���������(7)单个二极管电流表示为:4. 随机火灾算法(SFA)SFA是一种基于随机群智能的算法。这是一个关于火的故事[77]。最优解集是由优化模式导出的。光的强度随着火焰远离其他火焰而降低,这被称为局部吸引力。的���������1���������2==������1������2������+������������������1���′������������+������������������2���′������其他的火焰吸收光,根据光的强度,位置可以分为全局或局部。火焰可以在组之间细分,也可以根据邻近组的光强度重新分组,并围绕局部最优值进行分组。这有助于SFA用于多变量问题。SFA遵循三个基本规则:其中,“V”是FSPV电池的结电压价值观的选择���和������ i与SDM中相同。������因此,将������,������1,������2和• 他们没有区别。所有人都被吸引,无论性别如何。���������由方程式(7),输出电流用公式表示:(十)、• 火焰之间的吸引力取决于光的强度。一场火灾-������ ���=������–���������+������������������1���′������火将被吸引到另一个火有更明亮的光。如果一个萤火虫不能找到另一个更明亮的萤火虫,它会随机选择一个伴侣。−���[exp(+)���������������− 1]−������+���������������(十)• SFA主要取决于两个参数:光强度和⎢������������DDM并不像在���������������������������������2A. Goswami和P.K. Sadhu可持续运营与计算机3(2022)6771从等式(10)观察到有七个未知数(���������1,���������2,���1,���2���������,���������和���������)。为了找出这七个未知数,必须推导出七个方程。方程可以类似于 SDM[75,76]。4.1. 吸引力和强度如前所述,萤火虫之间的吸引力取决于光的强度。同样,光的强度与吸引力目标函数是使用这些来形成的。A. Goswami和P.K. Sadhu可持续运营与计算机3(2022)6772()||������������() ()������������=100exp���−��������������������� ===���������������������1=���������1,������������–1 +日本料理���������=���������,���������������������������������������在给定的位置初始化点火器,位置由,������Max与距离成正比。每个火焰的亮度系数遵循高斯分布[78],并表示为:���������������������������(条件下,SDM和DDM的参数随辐照度和温度而变化[81]。���������=���������,��������� ���[1���+���������������������������哪里是远处的光强度,就是亮度������������������中文(简体)������������ ���0式中,光电流是在室外条件下的光电流,光电流是电流-在源点处,���λ是光吸收系数。���������是ith firey和jth firey之间的欧几里得距离。火焰之间的吸引力可以用方程表示。(十四)、������PV模块的温度系数。λ为实际室外条件下的太阳辐照度,λ为STC(1000 W/m2)下的辐照度���( (2)������[��� ]3.������������(1 [���������,���������′ ��������� ���������[编辑]式中,()是两个相距,0的火之间的吸引力������������是源点λ= 0处的亮度,代表最大值������[��� ]3.������������(1[���������,������1���′ ��������� ���������[编辑]现在,exp(−������2)可以表示为1scin2。 因此,Eq. (14)现修改为������1 +日本料理���������=���������2,���������[��� ]3.exp(1[���������,���������–(二十一)������2���������������2���′������������������������������������(二(十五)其中,是STC时PV材料的带隙。���依赖于4.2. 距离函数假设一个火点位于第一个位置,另一个火点位于第二个位置。如果火元素的光强度比火元素的光强度高,那么火元素将向火元素移动,欧几里得距离[79���������=������,��������� 1 −������ −������������(22)式中,温度系数表示带隙能量。���电阻还取决于温度和辐照度,并表示为:签署人:√���������=������ −������ =���������������,���������=���������,���������(������(十)(23)||√√∑���()第二个������������������()[()]其中���,k是k的第k个分量,k是维数。������当火灾������将向火灾发生������的位置移动,通过使用等式更新火灾。(十七)、������+1=������+ ������ −���������0 exp −������2+���������(17)的第一项Eq。(17)代表了消防队目前的状况。第二项是邻近的火焰对光线的吸引力������������������=���������为了确定高精度值,根据制造商数据研究了温度和辐照度变化的影响[82,83]。这些数据用于确定正确的短路电流、开路电压和最大功率点。强度和第三项代表随机选择的合作伙伴,其中,R2为随机变量。随机选择是使用′��������� ���=��� +( −)(26)������������������������随机变量向量������ 为了保证快速收敛,取������2016������������- 05 - 22 01:01:������01(��� )+(������−)������������(27)0.3,则x0= 0,x1= 1。���也可以改变最小值以同时找到多个最佳���������������������4.3. SFA算法确定目标函数f(x);���最大���′���1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000���)+������������(���−������������)(28)你好,���������������������(十exp���–用于SDM(19)亮度松开exp(二温度,由Eq. (二十二)���1 − 0.217ln(二A. Goswami和P.K. Sadhu可持续运营与计算机3(2022)6773���������������������������������������������(���) =√���你好,你好,������=���max +������′������ln(��� )+(������−������������)(29)设置光吸收系数λ;在这里,������表示开路电压温度系数。whiletmaxGeneration;对于i= 1:n,n表示所有的火焰;对于j= 1:i,对于所有n个元素;如果Jj>Ji update()=0exp(−2),则当它在q维中从i移动到j������������������end if;update lightintensity(更新光强度);end forj;end fori;对火焰进行排序并确定局部最佳值;结束while;5. 室外条件6. 问题公式化为了估计PV电池的参数,目标函数是使用HSFA最小化。目标函数是模拟值和估计值之间的差异,量化为均方根误差(RMSE)[84,85]。在此,I-V曲线的不同区域使用单独的拟合,因为在短路条件下电流误差占主导地位,而在开路条件下电压误差占主导地位。√√1∑���()2=1太阳能电池板在户外条件下工作。他们在所有动态天气条件下工作。需要确定PV模块在真实室外条件混合随机火灾混合算法(HSFA)是由随机火灾-N表示数据点的数量。(30) 修改为:���′���������������������′������������������()公司简介���������⎞公司���简介������������太阳能电池参数的变化,由于基于天气你知道吗,������������=������������������−exp���������⎟− 1⎥ −���������−���在制定SFA的目标函数的条件。在户外������������⎢⎣⎝⎜������′������⎟⎠⎥⎦������������������(三A. Goswami和P.K. Sadhu可持续运营与计算机3(2022)6774⎛������⎞⎤⎤⎞表1SDM和DDM的参数范围[86]。SDM DDM模块其中,={,}������������������������������������对于DDME������q. (���30���)������������定义为:表2SDM的参数提取参数方法Iso(A)Irs(μA)Rsr(Ω)Rpr(Ω)���2019年12月31日2017年12月31日IGHS 0.760778 0.343514 0.036136 53.28452 1.48740.318493 0.036438 53.32643 1.47970.760776 0.322698 0.036382 53.69108电话:+86-0511 - 8888888传真:+86-0511 - 8888888价格0.760776 0.323025 0.0363730.760776 0.323026 0.036377 53.71851 1.4812[93]第二十三话SDM和DDM的结果分别见表2和表3。 四、(′)������������⎡���′��������� +日本语简体中文������从图中可以看出。 5(a)对于SDM、LMSA、ER-WCA、GOF-PANM、RADE、IGHS和HSFA给出的结果具有非常轻微的变化,������������ 你好,你好,���=−1exp������������1′������⎟− 1⎥⎣⎢���′⎜⎝������������������������⎠⎟���′⎥⎦������������������选项。可以看出,ER-WCA和HSFA具有最好的RMSE值。具有9.83002E-04的RMSE的HSFA是最好的,并且具有9.83002E-04的ER-WCA是最好的。������⎡公司简介������������������联系我们���������������������9.8602E-04的RMSE紧随其后。 从图 5(b)可以看出−100000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000���������2′������⎟−1⎥−������–���同样,对于DDM,HSFA具有最佳RMSE值9.8205E-04。的⎣⎢⎜⎝������⎠⎟⎥⎦���������比较结果表明,HSFA在统计上产生最好的结果,其中,= {,1,1}������������������������������������������������FSPV������������������������������模块的输出电流与第二输出电压之间的关系是通过实验确定的。通过在表1所示的指定范围内改变λ的值,使目标函数最小化。7. 结果为了确定HSFA估计FSPV单元、模块和阵列参数的有效性,将HSFA的结果与其他元分析方法的结果进行了比较。为了比较,本文使用了标准太阳能电池和组件。I-V数据取自直径为57 mm的R.T.C.。法国硅太阳能电池,即在1000 W/m2和33 °C下工作。这将决定所提出的方法的效率然后将该方法应用于FSPV模块,以确定模块参数和模块功率输出。所得结果与FSPV组件的实验结果进行了比较本研究中采用的四种测试场景是:• 案例1:应用所提出的模型来确定SDM的PV参数 并与标准模型进行比较,以确定精度。• 案例2:应用所提出的模型确定晴天FSPV组件的性能,并与实验结果进行比较。• 案例3:应用所提出的模型确定FSPV组件在阴天条件下的性能,并与实验结果进行比较。• 案例4:应用所提出的模型确定FSPV组件在遮阳条件下的性能,并与实验结果进行7.1. 案例研究1:SDM和DDM的参数提取首先用高分辨荧光分析法测定了直径为57 mm的法国R.T. C硅太阳电池的参数。 工作条件取为1000 W/m2和35 °C。SDM参数的界限和DDM在表1中给出。通过将结果与最近的相关工作进行比较,可以确定所提出的算法的有效性,这些工作包括模拟退火(SA)[87],粒子群优化(PSO)[88],改进的全局和声搜索算法(IGHS)[89],Levenberg-Marquardt算法与模拟退火(LMSA)[90],增强型水循环算法(ER-WCA)[91],混合花极化算法(GOFPANM)[92]和修复自适应地上 从图如图6和7所示,可以看出,估计的I-V和P-V曲线与模拟数据相似这就有力地证明了方法的准确性。这将确保更高的效率,提高太阳能I-V曲线的质量,并将有助于确定FSPV模块在实际室外条件下的输出7.2. 案例研究2:FSPV模块在阳光条件下的性能印度是一个热带国家,夏季从三月开始, 敬梅这个实验是五月份在印度的丹巴德市进行的.丹巴德也被称为印度的煤炭城市,位于印度东部(23.7957° N,86.4304° E)。Dhanbad接收的全球太阳辐照度为4.85千瓦时/平方米/天,1.86 kWh/m2/天。 年太阳辐照度为1819 kWh/m2,年平均辐照度为927 kWh/m2。如图8所示,在2019年,在5月份,丹巴的平均温度最高气温39 °C,最低气温28 °C。5月的太阳日数和总太阳时数选择五月进行实验是因为五月的太阳日数较多。一般来说,五月天空晴朗,接受良好的太阳辐照度。用于实验的光伏组件是MKT-100。它是多晶硅组件,开路电压(Voc)为21.6V,短路电流(Isc)为6.07A,最大功率为100W。 该模块的最大电压(Vmax)为17.64 V,最大电流(Imax)为5.67 A。模块的参数在表4中给出。首先模拟了太阳能电池组件的特性 在 1000 W/m2的太阳辐照度和35 °C。选择该日照和温度是因为这是5月份期间丹巴德的正常日照和温度。模拟了太阳能电池组件的I-V和P-V曲线,并与HSFA的性能进行了比较。如图10所示,模拟曲线和测量曲线彼此吻合良好。在较高的电压下观察到一些最小的偏差,其中相对误差为0.73%,但它小于1%,并且在可接受的误差范围内。这是由于带隙随温度增加而增加,并且它阻碍了载流子的生长速率。随着温度的升高,载流子浓度增参数MinMaxMinMaxMinMaxIsoI rs���RsrR pr000001120.5100000001120.51000000025050220,000(三A. Goswami和P.
下载后可阅读完整内容,剩余1页未读,立即下载
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 保险服务门店新年工作计划PPT.pptx
- 车辆安全工作计划PPT.pptx
- ipqc工作总结PPT.pptx
- 车间员工上半年工作总结PPT.pptx
- 保险公司员工的工作总结PPT.pptx
- 报价工作总结PPT.pptx
- 冲压车间实习工作总结PPT.pptx
- ktv周工作总结PPT.pptx
- 保育院总务工作计划PPT.pptx
- xx年度现代教育技术工作总结PPT.pptx
- 出纳的年终总结PPT.pptx
- 贝贝班班级工作计划PPT.pptx
- 变电值班员技术个人工作总结PPT.pptx
- 大学生读书活动策划书PPT.pptx
- 财务出纳月工作总结PPT.pptx
- 大学生“三支一扶”服务期满工作总结(2)PPT.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)