دانلود شبیه سازی و ترجمه مقاله شناسایی پارامترهای اصلی یک مدل فتوولتائیک دیود تکی

1. مقدمه 2. چارچوب مدل سازی ریاضی یک ماژول PV مبتنی بر مدل تک دیودی 3. فرمول بندی مسأله و روش پیشنهادی 4. نتایج و بحث

چکیده – فتوولتائیک (PV)، یک محیط استاتیک جهت تبدیل مستقیم انرژی خورشیدی به برق می باشد. به منظور پیش بینی عملکرد یک سیستم PV قبل از راه اندازی، طراحی مدل دقیق و قابل اعتمادی از سیستم های PV ضروری می باشد. جهت اعتبار بخشیدن به طراحی یک سیستم PV مانند نقطه ی توان ماکزیمم (MPP) و سیستم ریزشبکه از طریق شبیه سازی، یک مدل دقیق PV خورشیدی مورد نیاز می باشد. با این حال، اطلاعات ارائه شده توسط تولید کنندگان در دیتاشیت ها برای شبیه سازی مشخصه ی یک ماژول PV تحت شرایط محیطی نرمال و نیز مختلف، کافی نیست. در این مقاله، یک تکنیک بهینه سازی اجتماع ذرات (PSO) با محدودیت های باینری ارائه شده تا پارامترهای ناشناخته ی یک مدل دیود تکی از ماژول PV خورشیدی شناسایی شود. تکنولوژی های چندکریستالی و تک کریستالی مبتنی بر ماژول های PV، در این پژوهش، در نظر گرفته شده اند. بر اساس نتایج به دست آمده، مشخص شده است که الگوریتم PSO، مقدار دقتی بالا صرفنظر از تغییرات دمایی، ارائه می دهد.

Photo-voltaic (PV) is a static medium to convert solar energy directly into 11 electricity. In order to predict the performance of a PV system before being installed, a 12 reliable and accurate model design of PV systems is essential. To validate the design of a 13 PV system like maximum power point (MPP) and micro-grid system through simulation, 14 an accurate solar PV model is required. However, information provided by manufacturers 15 in data sheets is not sufficient for simulating the characteristic of a PV module under 16 normal as well as under diverse environmental conditions. In this paper, a particle swarm 17 optimization (PSO) technique with binary constraints has been presented to identify the 18 unknown parameters of a single diode model of solar PV module. Multi-crystalline and 19 mono-crystalline technologies based PV modules are considered under the present study. 20 Based on the results obtained, it has been found that PSO algorithm yields a high value of 21 accuracy irrespective of temperature variations.