مقایسه الگوریتم ژنتیک و شبکه عصبی برای محاسبه پارامترهای سلول خورشیدی سه پایه با دامنه وسیعی از دمای اندازه گیری شده

بازده سلول خورشیدی بخش مهمی از سیستم PV را در نظر می گیرد، پارامترهای (Io، IL، n، Rs و Rsh) سلول خورشیدی اصلی ترین قسمتی است که بر بازده تاثیر می گذارد. برای تخمین مقادیر بهینه سازی سه پارامتر از برنامه شبیه سازی Matlab استفاده شد و با استفاده از روش Fminsearch، سلول های خورشیدی با اندازه گیری دمای 0 تا 100 درجه سانتی گراد را محاسبه کردند، سپس نتایج را بین روش الگوریتم ژنتیک با الگوریتم شبکه عصبی مقایسه کردند. این مقاله نشان می دهد که نتایج غالبا در GA بهتر از NNA بود، با Io 3.0992 e-7 و IL که 3.8059 توسط GA یافت شد. GA اگر اندازه جمعیت و تعداد تکرارهای یکسانی داشته باشد خوب است. مقدار تابع هدف (fval) در GA 0.002856 است اما در NNA 0.005518 است. و همچنین تابع هدف دوم (fvaltemp) در GA 0.1035 با مقدار 0.1069 در NNA است. از طرفی، زمان اجرای در نظر گرفته شده در روش Fminsearch کمتر از NNA و GA است که به ترتیب 64.9 ثانیه، 781 ثانیه و 289 ثانیه است.