Bu makale, geometrik ortalama optimizasyon (GMO) algoritmasından yararlanarak güneş fotovoltaik (PV) modüllerini modellemek için yeni bir metodoloji önermektedir. PV özelliklerinin doğru modellenmesi, tasarımı optimize etmek ve değişen çevre koşulları altında PV sistemlerinin performansını tahmin etmek için kritik öneme sahiptir. Ancak sınırlı üretici verileri (Vₘp, Iₘp, Vₒc, Iₛc), doğru modelleme için kesin parametre tahminini engellemektedir. Bu çalışma, GMO'yu model parametrelerini çıkarmak için bir optimizasyon tekniği olarak kullanmaktadır. Bu parametreler modelin doğruluğunu önemli ölçüde etkiler ve bunların kesin tahmini verimli bir modelleme için çok önemlidir. Önerilen GMO tabanlı modelin verimliliği, bir güneş PV paneli kullanılarak değerlendirilmektedir. GMO'nun etkinliğini değerlendirmek için balina optimizasyon algoritması ve gri kurt optimizeri gibi yerleşik optimizasyon teknikleriyle bir performans karşılaştırması yapılmaktadır. GMO tabanlı yaklaşımın üstünlüğünü kanıtlayacak kapsamlı simülasyonlar sunulmaktadır. Bu simülasyon sonuçlarına göre GMO algoritması, 10-160 bir hata oranı ile PV parametre değerlerini tek diyot ve iki diyot modeline göre tahmin etmiştir. Diğer iki algoritma ile yapılan tahminlerde bu başarı oranı elde edilememiştir. Bu araştırma, güneş enerjisi sistemlerinin tasarımının, performans tahmininin ve optimizasyonunun geliştirilmesine yol açacak şekilde PV modelleme doğruluğunu önemli ölçüde artırma potansiyeline sahiptir.
Gamze Nalcaci (Wed,) studied this question.