Photovoltaic model parameters identification using an innovative optimization algorithm
Notice bibliographique
Résumé
Abstract As it tackles electrical and non‐electrical losses, the triple‐diode model (TDM) of photovoltaic (PV) cells is highly exact. This paper employs a novel optimization method known as the innovative optimization algorithm (INFO) technique to correctly estimate the electrical characteristics of such TDM. To shift agents towards a better position, the INFO algorithm exploits the concept of weighted mean. The primary goal of INFO is to stress its performance features to solve some optimization difficulties that other approaches cannot effectively solve. In this paper, the objective function based on a combination of the absolute value of the current error, its squared value, and its quadrable value is employed, which the INFO optimizer minimizes to predict the optimum parameters of such TDM precisely. The proposed INFO algorithm is carried out on multi‐ and mono‐crystalline varieties, such as the Kyocera KC200GT and the Canadian Solar CS6K‐280 M. The simulation outcomes demonstrate the INFO's ability to extract the model parameters precisely. The INFO achieved the lowest ideal fitness values of 9.0738 × 10 −06 and 5.7356 × 10 −05 for the KC200GT and Canadian Solar CS6K‐280 M, respectively, throughout the optimization procedure. Under various environmental circumstances, experimental validation of the calculated parameters using the (INFO) optimizer is carried out, and the results are compared to the observed values from the laboratory experiments. The simulation results demonstrate the INFO's convergence time and accuracy advantage over competing optimization techniques. Additionally, statistical analysis shows that the INFO optimizer is resilient.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».