文献

J-GLOBAL ID：202002285254740936   整理番号：20A2648762

新しい微分進化アルゴリズムを用いたPVモデルの数学的モデリングフレームワーク【JST・京大機械翻訳】

Mathematical modeling framework of a PV model using novel differential evolution algorithm

著者 (2件)： Kumar Patro Sanat (Department of Hydro and Renewable Energy, Indian Institute of Technology Roorkee, Roorkee-247667, Uttarakhand, India) ,  Saini R.P. (Department of Hydro and Renewable Energy, Indian Institute of Technology Roorkee, Roorkee-247667, Uttarakhand, India)
資料名： Solar Energy  (Solar Energy)
巻： 211  ページ： 210-226  発行年： 2020年 
JST資料番号： E0099A  ISSN： 0038-092X  CODEN： SRENA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 光起電力(PV)システムのための正確で効率的なモデル開発は,可変運転条件下での潜在的評価にとって重要である。PVシステムの性能を予測するために,本論文では,二重ダイオードPVモデルの未知パラメータを抽出するために,解析的および社会的学習微分進化(SL-DE)の組合せであるロバストで信頼性のあるハイブリッド法を提案した。これらのパラメータがSPVシステムの正確なモデリングのために未知であるので,正確なパラメータ抽出は必須である。本研究では,4種類のPVモジュールの性能を評価した。制御および制御されていない環境条件で実験を行い,提案した方法の精度と効率を検証した。提案した方法論から得られた結果は,低放射照度条件および部分遮光条件における性能を効果的に予測するために有用である。また,提案技法を他の一般的な手法と比較する試みも行い,提案した方法論が類似の条件下で他のものより優れていることを明らかにした。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 光起電力 ,  *ダイオード ,  学習 ,  信頼性 ,  放射照度 ,  ロバスト性 ,  遮光
準シソーラス用語： パラメータ抽出 ,  環境条件 ,  ハイブリッド法 ,  運転条件 ,  太陽光発電システム ,  *微分進化 ,  *微分進化アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： PVモジュール ,  パラメータ抽出 ,  数学モデリング ,  二重ダイオードモデル

分類 (2件)： 太陽電池  (NC03084O) ,  太陽光発電  (NB03090G)

タイトルに関連する用語 (5件)： 微分進化アルゴリズム ,  PV ,  モデル ,  数学的モデリング ,  フレームワーク