Prévision de l'énergie solaire photovoltaïque basée sur MFFNN-ALO hybride

Les sources d'énergie renouvelable telles que les panneaux photovoltaïques (PV) sont largement utilisées. Cependant, leur performance est affectée par l'environnement. Une technique d'optimisation hybride composée d'un optimiseur de lion des fourmis (ALO) et d'un réseau de neurones artificiels (ANN) est présentée dans cette étude, pour prévoir la température des cellules PV et la puissance de sortie. L'objectif principal de l'optimiseur était de créer et d'améliorer une approche ANN basée sur l'entraînement et la prévision. L'ALO a été utilisé comme MVO et GA pour obtenir le nombre optimal de neurones des couches cachées, les poids et les biais des ANN proposés. La précision des réseaux de neurones à propagation avant multilayer (MFFNN) a été évaluée en utilisant les données des modèles MFFNN-MVO, MFFNN-GA et MFFNN-ALO. La puissance de sortie et la température du panneau étaient régulées par trois variables : l'irradiation solaire, la température ambiante et la vitesse du vent. La station PV de la ville de Shaqra, en Arabie Saoudite, avec une puissance de sortie de 4 kW, est la source des tests et de l'entraînement sur deux ans. Pour les modèles MFFNN-GA, MFFNN-MVO et MFFNN-ALO, le NRMSE pour la prévision de la puissance CC par rapport aux données observées de 2019 était de 2,781E-3, 7,11E-4 et 6,08 E-04, respectivement.