DOI: https://doi.org/10.1038/s41598-025-89898-x
PMID: https://pubmed.ncbi.nlm.nih.gov/40050315
تاريخ النشر: 2025-03-06
المؤلف: Abderrahim Zemmit وآخرون
الموضوع الرئيسي: تقنيات تحسين أنظمة الطاقة الشمسية
نظرة عامة
تقدم هذه الدراسة خوارزميات جديدة لتتبع نقطة الطاقة القصوى (MPPT) لأنظمة الطاقة الشمسية (PV)، باستخدام خوارزمية تحسين الحوت (WOA) وخوارزمية تحسين الذئب الرمادي (GWO). تتضمن هذه الخوارزميات استراتيجيات حجم خطوة تكيفية تعزز دقة التتبع، وتقلل من تذبذب الطاقة، وتقلل من الزيادة. تشير نتائج المحاكاة إلى تحسينات كبيرة في الأداء، حيث حقق نظام MPPT القائم على WOA تقليصًا يصل إلى 99% في التذبذب و40% في الزيادة تحت ظروف ديناميكية. أكدت التحقق الميداني من محطة الطاقة الشمسية عين الملح في الجزائر هذه النتائج، حيث أظهرت خوارزمية WOA كفاءة تبلغ 98.94% وفقدان طاقة ضئيل.
تؤكد الدراسة على مزايا طرق التحسين المستوحاة من الطبيعة مقارنة بالطرق التقليدية ذات الخطوة الثابتة، مع تسليط الضوء على تقليص بنسبة 90% في التذبذب و60% في الزيادة مع الخوارزميات التكيفية. بينما أظهر المتحكم ذو الخطوة الثابتة زيادة قصوى في الطاقة قدرها 15.3 واط، حافظت خوارزميات GWO وWOA على زيادات قدرها 0.9 واط و0.12 واط، على التوالي. ستركز الأبحاث المستقبلية على تعزيز متانة هذه الخوارزميات ضد التغيرات البيئية السريعة، ودمج التعلم الآلي لتعديل حجم الخطوة الديناميكي، واستكشاف قابليتها للتطبيق عبر أنظمة الطاقة المتجددة المختلفة. تؤكد النتائج على إمكانيات هذه التقنيات المتقدمة في MPPT لتحسين استخراج الطاقة في التطبيقات الشمسية الواقعية.
النتائج
تركز نتائج الدراسة على تقييم أداء وحدة الطاقة الشمسية (PV) من نوع Solarex MSX-60، التي تتكون من 36 خلية شمسية، تحت ظروف إشعاع متغيرة. تم إجراء محاكاة باستخدام MATLAB/Simulink لتقييم فعالية طرق تحسين الذئب الرمادي (GWO) وخوارزمية تحسين الحوت (WOA) المقترحة في إدارة التغيرات المفاجئة في الإشعاع، مقارنة بخوارزمية الاضطراب والمراقبة (P&O) القياسية. تشير النتائج الرئيسية إلى أن WOA تتفوق على GWO في تقليل دالة الملاءمة بسبب استراتيجيتها المتوازنة في الاستغلال والاستكشاف، مما يؤدي إلى تقليل الزيادة وتحسين وقت الاستجابة. على وجه التحديد، تحقق خوارزمية GWO تقليصًا بنسبة 50% في الزيادة (من 9 واط إلى 4.5 واط)، بينما تحقق WOA تقليصًا بنسبة 67% (إلى 3 واط).
بالإضافة إلى ذلك، تعزز طرق حجم الخطوة المتغيرة المقترحة بشكل كبير مقاييس الأداء المتعلقة بالتحكم في التذبذب. يظهر المتحكم ذو الخطوة الثابتة P&O تذبذبًا قدره 5.5 واط، بينما يقلل GWO ذلك إلى 1 واط (تقليص بنسبة 82%) وWOA يقللها أكثر إلى 0.15 واط (تقليص بنسبة 98%). تعتبر هذه التحسينات في التحكم في الزيادة والتذبذب حاسمة لتعزيز موثوقية وطول عمر أنظمة الطاقة الشمسية، خاصة تحت ظروف بيئية ديناميكية. تؤكد النتائج على مزايا استخدام خوارزميات MPPT ذات حجم الخطوة المتغيرة، كما هو ملخص في التحليل المقارن المقدم في الجداول والأشكال في جميع أنحاء القسم.
المناقشة
في هذا القسم، تركز المناقشة على نمذجة وتحسين خلايا الطاقة الشمسية (PV) باستخدام خوارزميات مستوحاة من الطبيعة، وتحديدًا خوارزمية تحسين الذئب الرمادي (GWO) وخوارزمية تحسين الحوت (WOA). يتم اشتقاق تيار الخرج من خلية الطاقة الشمسية من تفاعل الدايود الضوئي ودائرة التجاوز، مع معادلات توضح العلاقة بين الإشعاع الشمسي والتيار الضوئي. تؤكد الدراسة على أهمية تتبع نقطة الطاقة القصوى (MPPT) لتعزيز كفاءة أنظمة الطاقة الشمسية، خاصة في معالجة خصائصها غير الخطية. يتم تسليط الضوء على GWO وWOA لقدراتهما القوية في التحسين، المستوحاة من السلوكيات الاجتماعية للذئاب الرمادية والحيتان الحدباء، على التوالي. تقلل هذه الخوارزميات من الاعتماد على المعلمات العشوائية، مما يجعلها مناسبة للتطبيقات الواقعية.
تعمل خوارزمية GWO من خلال هيكل هرمي يوجه وكلاء البحث بطريقة منسقة لتحديد الحلول المثلى، بينما تحاكي WOA استراتيجيات التغذية التعاونية للحيتان لاستكشاف واستغلال الحلول المحتملة بشكل فعال. يتناول القسم الأسس الرياضية لكلا الخوارزميتين، بما في ذلك عملياتهما التكرارية لتطويق الفريسة وضبط معلمات البحث. تظهر طرق MPPT المقترحة التي تستخدم أحجام خطوة متغيرة تحسينات كبيرة مقارنة بالخوارزميات التقليدية ذات الخطوة الثابتة، محققة تقليصات في زيادة الطاقة والتذبذب، مما يعزز الأداء العام لأنظمة الطاقة الشمسية. تؤكد النتائج التجريبية من محطة الطاقة الشمسية الواقعية فعالية هذه الاستراتيجيات التكيفية، مما يظهر أن خوارزميات GWO وWOA تتفوق على الطرق التقليدية في دقة التتبع وتحسين الطاقة تحت ظروف بيئية متغيرة. تشمل اتجاهات البحث المستقبلية مزيدًا من تحسين هذه الخوارزميات واستكشاف قابليتها للتطبيق عبر أنظمة الطاقة المتجددة المختلفة.
DOI: https://doi.org/10.1038/s41598-025-89898-x
PMID: https://pubmed.ncbi.nlm.nih.gov/40050315
Publication Date: 2025-03-06
Author(s): Abderrahim Zemmit et al.
Primary Topic: Photovoltaic System Optimization Techniques
Overview
This research presents two novel Maximum Power Point Tracking (MPPT) algorithms for photovoltaic (PV) systems, utilizing the Whale Optimization Algorithm (WOA) and Grey Wolf Optimization (GWO). These algorithms incorporate adaptive step-size strategies that enhance tracking accuracy, minimize power ripple, and reduce overshoot. Simulation results indicate significant performance improvements, with the WOA-based MPPT achieving up to 99% reduction in ripple and 40% reduction in overshoot under dynamic conditions. Field validation from the Ain El Melh PV station in Algeria corroborated these findings, with the WOA algorithm demonstrating an efficiency of 98.94% and minimal power loss.
The study emphasizes the advantages of bio-inspired optimization methods over traditional fixed-step approaches, highlighting a 90% reduction in ripple and a 60% reduction in overshoot with the adaptive algorithms. While the fixed-step controller exhibited a peak power overshoot of 15.3 W, the GWO and WOA algorithms maintained overshoots of only 0.9 W and 0.12 W, respectively. Future research will focus on enhancing the robustness of these algorithms against rapid environmental changes, integrating machine learning for dynamic step-size adjustment, and exploring their applicability across various renewable energy systems. The findings underscore the potential of these advanced MPPT techniques to optimize energy extraction in real-world PV applications.
Results
The results of the study focus on the performance evaluation of the Solarex MSX-60 photovoltaic (PV) module, which consists of 36 solar cells, under varying irradiation conditions. Simulations were conducted using MATLAB/Simulink to assess the effectiveness of the proposed Grey Wolf Optimization (GWO) and Whale Optimization Algorithm (WOA) methods in managing sudden changes in irradiation, compared to the standard Perturb and Observe (P&O) algorithm. Key findings indicate that WOA outperforms GWO in minimizing the fitness function due to its balanced exploitation-exploration strategy, leading to reduced overshoot and improved response time. Specifically, the GWO algorithm achieves a 50% reduction in overshoot (from 9 W to 4.5 W), while WOA achieves a 67% reduction (to 3 W).
Additionally, the proposed variable step-size methods significantly enhance performance metrics related to ripple control. The fixed step-size P&O controller exhibits a ripple of 5.5 W, while GWO reduces it to 1 W (an 82% reduction) and WOA further minimizes it to 0.15 W (a 98% reduction). These improvements in overshoot and ripple control are critical for enhancing the reliability and longevity of PV systems, particularly under dynamic environmental conditions. The results underscore the advantages of employing variable step-size MPPT algorithms, as summarized in the comparative analysis presented in the tables and figures throughout the section.
Discussion
In this section, the discussion centers on the modeling and optimization of photovoltaic (PV) cells using bio-inspired algorithms, specifically the Grey Wolf Optimizer (GWO) and Whale Optimization Algorithm (WOA). The PV cell’s output current is derived from the interaction of its photodiode and bypass circuit, with equations illustrating the relationship between solar irradiation and photocurrent. The study emphasizes the importance of Maximum Power Point Tracking (MPPT) to enhance the efficiency of PV systems, particularly in addressing their nonlinear characteristics. GWO and WOA are highlighted for their robust optimization capabilities, which are inspired by the social behaviors of grey wolves and humpback whales, respectively. These algorithms minimize reliance on random parameters, making them suitable for real-world applications.
The GWO algorithm operates through a hierarchical structure that guides search agents in a coordinated manner to locate optimal solutions, while WOA mimics the cooperative feeding strategies of whales to explore and exploit potential solutions effectively. The section details the mathematical foundations of both algorithms, including their iterative processes for encircling prey and adjusting search parameters. The proposed MPPT methods utilizing variable step sizes demonstrate significant improvements over traditional fixed-step algorithms, achieving reductions in power overshoot and ripple, thereby enhancing the overall performance of PV systems. Experimental results from a real-world PV station validate the effectiveness of these adaptive strategies, showing that the GWO and WOA algorithms outperform conventional methods in tracking accuracy and energy optimization under varying environmental conditions. Future research directions include further refining these algorithms and exploring their applicability across different renewable energy systems.