Resumen

El problema de identificación de parámetros de células solares (SCPIP) es uno de los problemas de optimización más estudiados en el campo de las energías renovables, ya que la estimación precisa de los parámetros del modelo juega un papel importante para aumentar su eficiencia. El SCPIP tiene como objetivo optimizar el rendimiento de las células solares mediante la estimación de los mejores valores de los parámetros de las células solares que producen una aproximación precisa entre las medidas de corriente vs. tensión (I-V). Para resolver el SCPIP eficientemente, este trabajo introduce una variante adaptativa del algoritmo de optimización del campo electromagnético (EFO), denominado EFO adaptativo (AEFO). El EFO simula el mecanismo de atracción-repulsión entre partículas de electroimanes que tienen polaridades diferentes. La idea principal del EFO es guiar las partículas electromagnéticas hacia el óptimo global mediante las fuerzas de atracción-repulsión y la proporción áurea. A diferencia de la EFO, la AEFO busca el espacio de soluciones con un procedimiento de búsqueda adaptativa. En la estrategia de búsqueda adaptativa, la probabilidad de selección de una solución mejor se incrementa de forma adaptativa, mientras que la probabilidad de selección de soluciones peores se reduce a lo largo del progreso de la búsqueda. Al emplear la estrategia adaptativa, el AEFO es capaz de mantener el equilibrio entre exploración y explotación de forma más eficiente. Además, se presentan nuevos procedimientos de control de límites y aleatorización para los electroimanes candidatos. Para identificar el rendimiento del algoritmo propuesto, en los estudios computacionales se tienen en cuenta dos problemas de referencia diferentes. En primer lugar, el AEFO se realiza sobre funciones de referencia de optimización global y se compara con el EFO. La eficacia del AEFO se determina mediante pruebas de significación estadística. A continuación, el AEFO se implementa en un conocido conjunto de problemas de referencia SCPIP formado como resultado de experimentos físicos reales basados en modelos de uno y dos diodos. Para validar el rendimiento del AEFO en el SCPIP, se llevan a cabo amplios experimentos en los que el AEFO se compara con el EFO original, variantes del AEFO y nuevos algoritmos metaheurísticos. Los resultados de los estudios computacionales revelan que el AEFO exhibe un rendimiento superior y supera a otros algoritmos de la competencia.

• Materias:Energía solar Fotoquímica Nanoestructuras Energía limpia Efecto fotoeléctrico
• Subjects:Solar energy Photochemistry Nanostructures Clean energy Photoelectric effect
• Palabras claves:aefo, efo, scpip, rendimiento, estudios computacionales, probabilidad de selección, células solares, problema de identificación de parámetros de células solares, funciones de referencia de optimización global, problema de referencia scpip
• Keywords:aefo, efo, scpip, performance, computational studies, selection probability, solar cells, solar cell parameter identification problem, global optimization benchmark functions, scpip benchmark problem