Nhận dạng thông số pin mặt trời dùng giải thuật tối ưu nâng cao

BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP TP HỒ CHÍ MINH BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA H KẾT QUẢ THỰC HIỆN ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG Tên đề tài: Nhận dạng thông số pin mặt trời dùng giải thuật tối ưu nâng cao Mã số đề tài: 19.3 ĐT02 Chủ nhiệm đề tài: Lưu Thế Vinh Đơn vị thực hiện: Khoa Công nghệ Điện tử Tp Hồ Chí Minh, 2020 LỜI CÁM ƠN Nghiên cứu tài trợ Trường Đại học Công nghiệp Thành phố Hồ Chí Minh với đề tài mã số 94 / HĐ-ĐHCN, Việt Nam Nhóm tác giả trân trọng cám ơn hỗ trợ tạo điều kiện Phòng Quản lý khoa học Hợp tác Quốc tế; Cám ơn động viên, hỗ trợ Lãnh đạo Khoa Công nghệ Điện tử; Cám ơn giúp đỡ, ủng hộ tinh thần Bộ môn sở quý đồng nghiệp để thực đề tài Trân trọng cám ơn! Nhóm tác giả MỤC LỤC PHẦN I THƠNG TIN CHUNG I Thơng tin tổng qt II Kết nghiên cứu 2.1 Đặt vấn đề 2.2.Tổng quan tình hình nghiên cứu tính cấp thiết việc nghiên cứu 2.3 Mục tiêu đề tài 2.4 Nội dung phương pháp nghiên cứu Tổng kết kết nghiên cứu 2.6 Đánh giá kết đạt kết luận 10 2.7 Tóm tắt kết 10 Summary 10 III Sản phẩm đề tài, công bố kết đào tạo 11 3.1 Kết nghiên cứu (sản phẩm dạng 1,2,3) 11 3.2 Kết đào tạo 11 IV Tình hình sử dụng kinh phí 11 V Kiến nghị (về phát triển kết nghiên cứu đề tài) 12 VI Phụ lục sản phẩm (liệt kê minh chứng sản phẩm nêu Phần III) 12 PHẦN II BÁO CÁO CHI TIẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC Chương TỔNG QUAN 13 1.1 Đặt vấn đề 13 1.2 Tổng quan tình hình nghiên cứu tính cấp thiết việc nghiên cứu 14 1.3 Mục tiêu đề tài 16 1.4 Nội dung phương pháp nghiên cứu 16 Chương MƠ HÌNH PIN MẶT TRỜI 18 2.1 Tổng quan 18 2.2 Cấu tạo nguyên lý hoạt động PV cell 19 2.3 Đặc tuyến vôn – ampe (I-V) mô hình PV 20 2.4 Mơ hình diode đơn 21 2.5 Mơ hình diode kép 22 2.6 Mơ hình module PV 23 Chương 3.CÁC THUẬT TOÁN TỐI ƯU NGẪU NHIÊN 3.1 Tổng quan 24 3.2 Thuật toán JAYA cổ điển 25 3.3 Thuật tốn tiến hóa vi sai (DE) 27 3.4 Thuật toán JAYA sửa đổi (MJA) 28 Chương XÁC ĐỊNH CÁC THAM SỐ PIN MẶT TRỜI DÙNG MJA 31 4.1 Đặt vấn đề 31 4.2 Mã chương trình thuật tốn MJA 32 4.3 Kết thảo luận 33 Chương 5.KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 39 5.1 Kết luận 39 5.2 Hướng phát triển 39 REFERENCES 40 PHẦN III PHỤ LỤC .43 PHẦN I THÔNG TIN CHUNG I THÔNG TIN TỔNG QUÁT 1.1 Tên đề tài: Nhận dạng thông số pin mặt trời dùng giải thuật tối ưu nâng cao 1.2 Mã số đề tài: 19.3 ĐT02 1.3 Danh sách chủ trì, thành viên tham gia thực đề tài Họ tên (học hàm, học vị) Đơn vị công tác PGS.TS Lưu Thế Vinh Khoa CN Điện tử Chủ nhiệm TS Nguyễn Ngọc Sơn Khoa CN Điện tử Thành viên TS Phạm Minh Chính Khoa CN Điện tử Thư ký TT Vai trò thực đề tài 1.4 Đơn vị chủ trì: Khoa Cơng nghệ điện tử 1.5 Thời gian thực hiện: 1.5.1 Theo hợp đồng: từ tháng 10 năm 2019 đến tháng 10 năm 2020 1.5.2 Gia hạn (nếu có): đến tháng … năm … 1.5.3 Thực thực tế: từ tháng 10 năm 2019 đến tháng 10 năm 2020 1.6 Những thay đổi so với thuyết minh ban đầu (nếu có): khơng (Về mục tiêu, nội dung, phương pháp, kết nghiên cứu tổ chức thực hiện; Nguyên nhân; Ý kiến Cơ quan quản lý) 1.7 Tổng kinh phí phê duyệt đề tài: 70 triệu đồng II KẾT QUẢ NGHIÊN CỨU 2.1 Đặt vấn đề Trong thập kỷ vừa qua, đặc biệt nhân loại Trái đất phải hứng chịu thảm họa thiên nhiên biến đổi bất thường thời tiết, khí hậu gây hạn hán bất thường, lũ lụt trầm trọng, động đất, sóng thần, nhiễm môi trường nặng nề đại dịch tràn lan chưa có dấu hiệu cải thiện Nguyên nhân gây tượng cực đoan hoạt động người làm hủy hoại môi trường làm cân sinh thái Lượng khói bụi khí thải sử dụng nguồn nhiên liệu hóa thạch than đá, xăng dầu, khí đốt để chạy máy phát điện nhà máy nhiệt điện than, nhiệt điện diesel, sử dụng cho động xăng, động diesel phương tiện giao thông ô tô, xe máy, tàu thuyền, … hàng ngày, hàng làm ô nhiễm trầm trọng môi trường sinh thái hủy hoại tầng Ozone Để giải vấn đề thực tiễn khủng hoảng lượng, cạn kiệt nhiên liệu, ô nhiễm môi trường biến đổi khí hậu, cần đẩy nhanh q trình điều chỉnh cấu lượng tích cực nghiên cứu sử dụng nguồn lượng tái tạo: lượng mặt trời, lượng gió, … [1][[2][3] Trong số nguồn lượng tái tạo này, lượng mặt trời coi ứng cử viên hứa hẹn để đáp ứng nhu cầu lượng ngày tăng Nâng cao hiệu suất phát điện hệ pin mặt trời toán thực tiễn, đầy thách thức quan tâm lớn Các hệ thống pin mặt trời thương mại đạt hiệu suất trung bình từ (15 – 21)% Để điều khiển, tối ưu hóa hệ thống pin lượng mặt trời, cần phải thiết lập mơ hình tốn học hệ thống mơ hình pin mặt trời (solar cell; PV cell) Mơ hình thiết lập đặc trưng V-A tối ưu cho PV-cell, đảm bảo hiệu suất công suất phát điện tốt Xác định xác tham số PV-cell dựa vào liệu đo từ mơ hình thực tế giúp cải thiện hiệu suất hệ thống pin lượng mặt trời Tuy nhiên, mối quan hệ I-V phương trình đa thức, phi tuyến, đa cực trị, việc xác định hiệu suất phát điện tối ưu gặp khó khăn, dễ rơi vào điểm tối ưu cục bộ, dẫn tới hiệu suất khơng đạt trị tối ưu mong muốn Có nhiều cách tiếp cận khác để ước lượng tham số I-V mô tả tế bào quang điện Trong đề tài này, nhóm tác giả đề xuất áp dụng thuật toán tối ưu ngẫu nhiên giải thuật tối ưu DE (differential evolution), GA (genetic algorithm), PSO (particle swarm optimization), JAYA (JAYA algorithm) để giải vấn đề Đề tài vừa đáp ứng nhu cầu nghiên cứu thực tiễn thiết bị pin lượng mặt trời vừa đóng góp vào lĩnh vực nhận dạng tham số pin quang điện thơng qua báo cơng bố tạp chí quốc tế uy tín thuộc danh mục ISI/Scopus 2.2 Tổng quan tình hình nghiên cứu tính cấp thiết việc nghiên cứu a) Tình hình nghiên cứu quốc tế Để mơ phỏng, đánh giá, điều khiển hệ thống pin lượng mặt trời, việc mơ hình hóa pin mặt trời (solar cell) cần thiết lập trước Hơn nữa, hệ thống pin lượng mặt trời hoạt động, tham số pin mặt trời sử dụng phát chẩn đốn lỗi [5], [6] Việc mơ hình hóa pin mặt trời liên quan đến việc phải xác định mối quan hệ dòng điện điện áp (I-V) Trong thực tế, có nhiều mạch điện tử tương đương, mơ hình SDM (single diode model), DDM (double diode model) [7], TDM (three diode model) [8] để mô tả đặc tính phi tuyến I-V Tuy nhiên, hạn chế thiếu thơng tin kỹ thuật xác pin mặt trời làm cho mơ hình hóa khơng cịn xác Ngồi ra, tham số pin mặt trời bị thay đổi điều kiện hoạt động không ổn định bị lỗi, tuổi thọ thiết bị Do đó, việc xác định xác tham số pin mặt trời dựa vào liệu đo từ mơ hình thực tế giúp cải thiện hiệu suất hệ thống pin lượng mặt trời Để giải vấn đề trên, có hai nhóm phương pháp để giải tốn tối ưu: Nhóm phương pháp tìm kiếm gián tiếp: Quá trình tìm kiếm thực gián tiếp dựa thông tin đạo hàm hàm mục tiêu hàm ràng buộc Nhờ vào thơng tin mà q trình tìm kiếm diễn nhanh so với nhóm phương pháp tìm kiếm trực tiếp Tuy nhiên, nghiệm tối ưu tốn bị kẹt giá trị cực trị cục tốn tối ưu có độ phi tuyến cao điểm xuất phát ban đầu không tốt Hơn nữa, trình tìm kiếm lại dựa thông tin đạo hàm, việc xác định hiệu suất phát điện tối ưu dễ rơi vào điểm tối ưu cục làm cho hiệu suất không mong muốn, chẳng hạn phương pháp bình phương tối thiểu (least squares method) [9], phương pháp Newton-Raphson [10], phương pháp Lambert W-function [11], phương pháp the tabular method [12], phương pháp iterative curve fitting [13] Nhóm phương pháp tìm kiếm trực tiếp: Quá trình tìm kiếm thực trực tiếp dựa thông tin giá trị hàm mục tiêu hàm ràng buộc Nhóm phương pháp dùng cho tất loại tốn khác nhau, kể tốn có hàm mục tiêu hay hàm ràng buộc hàm phi tuyến, hàm rời rạc biến thiết kế tập giá trị rời rạc Các phương pháp ln tìm nghiệm tối ưu tồn cục tồn khơng gian thiết kế Chẳng hạn giải thuật di truyền GA (Genetic Algorithm) [14], salp swarm algorithm (SSA) [15], differential evolution (DE) [16], particle swarm optimization (PSO) [17], whale optimization algorithm (WOA) [18], artificial bee colony (ABC) [19], simulated annealing algorithm (SA) [20], cuckoo search (CS) [21], firefly algorithm [22] Việc xác định xác tham số pin mặt trời quan trọng, việc nghiên cứu phiên cải tiến thuật toán tối ưu ngẫu nhiên quan tâm nghiên cứu mạnh mẽ, chẳng hạn giải thuật TLABC (Teaching learning-based artificial bee colony) [23], ORcr-IJADE (an advanced onlooker-ranking-based adaptive differential evolution) [24], BLPSO (biogeography-based learning particle swarm optimization) [25], DE/BBO (biogeographybased optimization with covariance matrix based migration) [26], MSSO (modified simplified swarm optimization algorithm) [27], DE-WOA (hybrid differential evolution with whale optimization algorithm ) [28] Được thúc đẩy thành công nghiên cứu trên, đề tài này, nhóm tác giả đề xuất tiếp tục nghiên cứu thuật toán tối ưu nâng cao dựa vào phiên có để ước lượng xác tham số pin mặt trời giúp cải thiện hiệu suất hệ thống pin lượng mặt trời, chẩn đoán lỗi trình hoạt động b) Tình hình nghiên cứu nước Có nhiều nghiên cứu khác tác giả nước nghiên cứu tiềm năng lượng mặt trời Tuy nhiên, Việt Nam chủ yếu tập trung mảng thương mại việc triển khai ứng dụng cơng nghệ có sẵn, nghiên cứu tiềm việc phát triển lượng tái tạo điện mặt trời mà chưa có nhiều nghiên cứu việc chế tạo cơng nghệ, tự động hóa phát điện, tối ưu hóa thơng số pin mặt trời c) Đánh giá kết cơng trình nghiên cứu cơng bố Các nghiên cứu nhóm tập trung vào lĩnh vực nghiên cứu thuật tốn tối ưu hóa ngẫu nhiên giải thuật di truyền (GA), tối ưu hóa bầy đàn (PSO), tối ưu tiến hóa vi sai (DE), giải thuật JAYA phiên cải tiến Việc áp dụng thuật toán cho tốn tối ưu nhận dạng thơng số mơ hình hộp xám, hộp đen ứng dụng chẩn đoán, dự báo điều khiển Bài tốn tối ưu hóa xác định thông số pin mặt trời dựa vào liệu đo từ hệ thống thực hướng nghiên cứu mà nhóm đặt để tìm hiểu cơng nghệ, triển khai nghiên cứu từ học thuật đến ứng dụng, bước làm chủ công nghệ ứng dụng lượng mặt trời d) Tính cấp thiết tiến hành nghiên cứu - Vấn đề nghiên cứu: Nghiên cứu nâng cao hiệu suất phát điện hệ pin mặt trời toán thực tiễn, đầy thách thức quan tâm lớn Đề tài tập trung nghiên cứu tối ưu hóa xác định thơng số tế bào pin mặt trời dùng thuật toán tối ưu ngẫu nhiên GA, PSO, DE, JAYA phiên cải tiến thuật toán nhằm nâng cao hiệu suất phát điện - Phân tích tính mới, ý nghĩa khoa học cần thiết vấn đề cần nghiên cứu Dựa phân tích tổng quan nghiên cứu, đặc biệt báo quốc tế danh mục ISI công bố năm gần 2018-2019 chứng tỏ tính mới, đại, cập nhập đề tài so với giới 2.3 Mục tiêu đề tài a) Mục tiêu tổng quát: Nhận dạng thông số tế bào pin mặt trời dùng thuật toán tối ưu ngẫu nhiên b) Mục tiêu cụ thể: − Nghiên cứu mơ hình mạch điện tương đương mơ tả đặc tính I-V tế bào quang điện Mơ tả hàm chi phí cần tối ưu để xác định tham số pin mặt trời − Đề xuất giải thuật tối ưu nâng cao để giải tốn tối ưu Phân tích, so sánh, đánh giá chất lượng giải thuật đề xuất với nghiên cứu có 2.4 Nội dung phương pháp nghiên cứu TT Nội dung nghiên cứu Phương pháp Cách tiếp cận Kết cần đạt Nghiên cứu mơ Nghiên cứu lý Lý thuyết, tổng hình mạch điện thuyết, điều tra, quan mơ hình tương đương mô tả thống kê mạch tương pin mặt trời đương mô tả pin quang điện Xác định vấn đề cần Nghiên cứu lý Từ sở lý thuyết, Hàm mục tiêu dùng tối ưu thuyết, tra cứu mô tả toán học để xác định tham số pin quang điện Đề xuất giải thuật tối ưu nâng cao để nhận dạng tham số mơ hình pin quang điện Viết báo khoa Phân tích, viết báo Từ lý thuyết, mô học báo cáo tổng cáo kiểm kết chứng, phân tích, so sánh với nghiên cứu khác Mô MATLAB; so sánh với nghiên cứu liên quan Mô Mô tả tốn học mơ hình mạch điện tương đương Kết so sánh chất lượng giải thuật đề xuất với nghiên cứu khác Bài báo đăng danh mục ISI / SCOPUS; Báo cáo tổng kết đề tài Tổng kết kết nghiên cứu 2.5.1 Chương trình mơ kiểm chứng Generate the initial population x =  I PH , I SD , RS , RSH , n or x =  I PH , I SD1 , I SD , RS , RSH , n1 , n2  Evaluate the fitness for each individual in the population while(MSE is attained or MaxIter is not reached) for i = to NP jrand = randint(1, D); C = rand[0.7, 1.0]; F = rand[0.4, 1.0] Determine xbest, xworst for j = to D if rand > 0.4 then % using “JAYA” u j ,i x j ,i rand1, j x j ,best x j ,i rand2, j x j ,worst else % using “DE/rand/1” if rand[0,1] < C or j = jrand then 10 11 12 Select randomly r1 ≠ r2 ≠ r3≠ i, i{1,2,…,NP} 13 ui , j 14 else 15 ui , j end if 16 xr1,j F ( xr 2,j xi ,j 18 end for 19 Evaluate the trial vector ui 20 if f (ui ) f (xi ) xi ui 22 else 23 xi end if xi 21 24 25 end for 26 NPnew = round ( NPold + rNPold ) 27 if 29 30 31 32 33 34 xr 3,j ) end if 17 28 x j ,i ( NPnew  NPold ) Assign best solutions in the current population to the ( NPnew − NPold ) solutions elseif ( NPnew  NPold ) Assign only the best solution in the current population to the NPnew solutions elseif ( NPnew  D ) NPnew = D end if end while 2.5.2 Bài báo khoa học Kết nghiên cứu đề tài công bố tạp chí Optik (International Journal for Light and Electron Optics): The Vinh Luu, Ngoc Son Nguyen “Parameters extraction of solar cells using modified JAYA algorithm” Optik, Volume 203, 2020, 164034, ISSN: 0030-4026 https://doi.org/10.1016/j.ijleo.2019.164034 (SCIE, Impact Factor: 2.187) 2.6 Đánh giá kết đạt kết luận Đề tài nghiên cứu hoàn thành mục tiêu đặt đáp ứng đầy đủ tất nội dung theo hợp đồng ký kết đề tài 2.7 Tóm tắt kết Trong đề tài này, chúng tơi đề xuất thuật tốn JAYA sửa đổi (MJA) để trích xuất tham số pin mặt trời nhanh chóng xác dựa liệu dòng điện điện áp thực nghiệm Trong thuật toán MJA, giai đoạn cập nhật giải pháp sửa đổi toán tử JAYA cổ điển lai với tốn tử tiến hóa vi sai (DE/rand/1) kích thước dân số tự thích ứng sử dụng để cải thiện khả tìm kiếm giải pháp tối ưu tồn cầu Để đánh giá minh chứng khả thuật toán MJA, nghiên cứu thử nghiệm tiến hành xác định tham số cho mô hình tương đương diode đơn (SDM) mơ hình tương đương diode kép (DDM) Ngoài ra, hiệu suất MJA so sánh với biến thể khác JAYA, DE thuật toán thiết lập tốt khác tài liệu Do đó, cách tiếp cận để ước lượng tham số dựa mô hình cách sử dụng thuật tốn MJA đảm bảo thực thành công Kết cho thấy MJA có hiệu suất cạnh tranh độ xác độ tin cậy Summary In this paper, we proposed a modified JAYA algorithm (MJA) for a faster and more accurate solar cell parameters extraction using experimental current-voltage data In MJA, the modified solution updating phase by hybrid classical JAYA operator with differential evolution (DE/rand/1) operator, and self-adaptive population size are employed to improve searching of the global optimum solution To evaluate the ability of MJA, experimental studies are carried out in identifying the parameters of a single diode (SDM), and double diode models (DDM) In addition, the performance of MJA is validated in comparison with different variants of JAYA, DE and other wellestablished algorithms in the literature As a consequent, the novel approach to model-based parameters estimation using the MJA algorithm ensures to be successfully implemented The results also show that MJA has a very competitive performance in terms of accuracy and reliability./ 10 Bảng 3.1 Lai ghép DE JAYA if (rand [0,1] >threshold) u j ,i x j ,i rand1, j x j ,best x j ,i rand2, j x j ,worst x j ,i ' JAYA else u j ,i x j ,r1 F ( x j ,r2 x j ,i otherwise x j ,r3 ) if rand j ,i [0,1] C ' DE / rand /1 end Start Initialize population NP Identify best and worst solutions No Yes rand [0,1] > threshold u j,i xj,r1 F(xj,r2 xj,r3 ) if rand j,i [0,1] C u j ,i x j ,i xj,i otherwise No rand1, j x j ,best x j ,i rand 2, j x j ,worst x j ,i Yes The current solution is better than previous one? Keep the previous solution Update solution No Stoping criteria Update NP new Table 3.2 Yes Report optima End Hình 3.4 Lưu đồ thuật tốn MJA Khi lai với DE/rand/1, tham số điều khiển thang đột biến F hệ số lai ghép C ảnh hưởng đến hiệu suất thuật toán MJA Bài báo [32] đưa lựa chọn ban đầu tốt F 0,5 phạm vi hiệu F thường nằm khoảng 0,4 đến Trong tài liệu [33], hệ số tỷ lệ F = 0,6 tỷ lệ lai ghép C nằm khoảng [0,3 – 0,9] Trong DE tự thích nghi [34], hệ số đột biến F tạo theo phân phối Gaussian với 29 trung bình 0,5 độ lệch chuẩn 0,3 Hệ số lai ghép C tạo phân phối chuẩn với giá trị trung bình CRm độ lệch chuẩn 0,1 CRm khởi tạo 0,5 Bài báo [35] đề xuất hệ số tỷ lệ F tạo theo phân bố ngẫu nhiên Gaussian với trung bình 0,5 độ lệch chuẩn 0,25 Hệ số lai ghép C giá trị khoảng từ 0,1 đến 0,9 Để tăng khả tìm kiếm thuật toán MJA đề xuất theo nhiều hướng tìm kiếm khác Trong cần ý hệ số đột biến F hệ số lai ghép C không cố định giống [32], mà tạo ngẫu nhiên phạm vi [0,4 – 1,0] [0,7– 1,0], tương ứng 3.4.2 Quy mô dân số tự thích ứng Thuật tốn JAYA đơn giản yêu cầu tham số điều khiển phổ biến quy mô dân số NP số lượng hệ Trong [36], Rao chứng minh đa dạng dân số giữ cho thuật toán JAYA tiến gần đến giải pháp tốt thoát khỏi giải pháp tồi tệ Tuy nhiên, khó để trì đa dạng dân số cách hiệu quả, điều dẫn đến giải pháp tối ưu cục Để giải vấn đề này, phương pháp tối ưu hóa dựa đa dân số [37], [38] sử dụng cách chia toàn dân số thành số tiểu vùng định với nhóm dân cư Mỗi tiểu vùng định để đa dạng hóa q trình tìm kiếm Rao [39] trình bày quy mơ dân số tự thích ứng để cải thiện hiệu suất thuật toán JAYA Như đề cập trên, đề tài, áp dụng quy mơ dân số tự thích ứng NP đề xuất [39] để cải thiện đa dạng dân số tăng cường khả tìm kiếm cho thuật toán JAYA cổ điển Lược đồ dân số hệ mô tả sau (bảng 3.2): Bảng 3.2 Cơ chế cập nhập quần thể NPnew = round ( NPold + rNPold ) if ( NPnew  NPold ) Assign the best solutions in the current population to the ( NPnew − NPold ) solutions elseif ( NPnew  NPold ) Assign only the best solution in the current population to the NPnew solutions elseif ( NPnew  D ) NPnew = D end Trong D kích thước hàm mục tiêu; r giá trị ngẫu nhiên [-0,5, 0,5] định kích cỡ dân số giảm tăng NP kích cỡ dân số ban đầu ngẫu nhiên 10*D Do đó, giải pháp khơng bị mắc kẹt tối ưu cục 30 Chương XÁC ĐỊNH CÁC THAM SỐ PIN MẶT TRỜI DÙNG GIẢI THUẬT MJA 4.1 Đặt vấn đề Trong chương mơ hình hóa tham số đặc tính pin mặt trời Với mơ hình tương đương diode đơn mô tả năm tham số x I PH , I SD , RS , RSH , n (2.11) bảy tham số cho mơ hình tương đương diode kép (2.14) x I PH , I SD1 , I SD , RS , RSH , n1 , n2 Các tham số xác định sở liệu thực nghiệm (VL , I L ) thu thập từ hệ thống thực xử lý cách tối thiểu hóa hàm mục tiêu Chúng sử dụng độ lệch chuẩn (RMSE) làm tiêu chí xác định phương trình sau: N E N fi VL , I L , x (4.1) i Ở đây, N số lượng liệu thực nghiệm Giá trị f tính cho cặp liệu thực nghiệm với mơ hình tương đương diode (4.2) mơ hình tương đương diode kép (4.3) f VL , I L , x IL I PH I SD exp f VL , I L , x IL I PH I SD1 exp I SD exp q VL RS I L nkT q VL RS I L n1kT q VL x RS I L RSH 1 VL RS I L RSH I PH , I SD , RS , RSH , n I PH , I SD1 , I SD , RS , RSH , n1 , n2 cho bảng 4.1 theo [14] Bảng 4.1 Giới hạn tham số pin mặt trời Tham số I PH ( A) I SD (  A) RS (  ) RSH (  ) n Giới hạn Giới hạn 0 0 1 0,5 100 31 (4.2) (4.3) RS I L n2 kT Trong giới hạn giới hạn x VL 4.2 Mã chương trình thuật toán MJA Các bước thuật toán MJA đề xuất sử dụng để xác định tham số tối ưu mơ hình pin mặt trời sau (Bảng 4.2) Với phương sai MSE cho phép, GEN số lần lặp tối đa, randint(1, D) số ngẫu nhiên phân phối D, với D kích thước hàm mục tiêu Từ Bảng 4.2, dễ dàng thấy thuật toán MJA dừng trình tìm kiếm phương sai MSE số lượng hệ tối đa GEN đạt Bảng 4.2 Mã chương trình thuật tốn MJA áp dụng tính thơng số pin mặt trời Generate the initial population x I PH , I SD1 , I SD , RS , RSH , n1 , n2 I PH , I SD , RS , RSH , n or x Evaluate the fitness for each individual in the population while(MSE is attained or MaxIter is not reached) for i = to NP jrand = randint(1, D); C = rand[0.7, 1.0]; F = rand[0.4, 1.0] Determine xbest, xworst for j = to D if rand > 0.4 then % using “JAYA” u j ,i x j ,i rand1, j x j ,i rand 2, j x j ,worst x j ,i else % using “DE/rand/1” if rand[0,1] < C or j = jrand then Select randomly r1 ≠ r2 ≠ r3≠ i, i{1,2,…,NP} 10 11 12 13 ui, j 14 15 xr1,j F ( xr 2,j xr 3,j ) else ui, j 16 17 18 19 20 xi,j end if end if end for Evaluate the trial vector ui if f (ui ) 21 xi 22 23 f (xi ) ui else xi xi 24 25 26 end if end for NPnew round NPold 27 if 28 x j ,best rNPold ( NPnew  NPold ) Assign best solutions in the current population to the NPnew solutions 32 NPold 29 30 31 32 elseif ( NPnew  NPold ) Assign only the best solution in the current population to the NPnew solutions elseif NPnew D NPnew D 33 end if 34 end while 4.3 Kết thảo luận Dữ liệu thử nghiệm I-V pin mặt trời silicon thương mại có đường kính 57 mm (R.T.C.France) thu từ hệ thống hoạt động 33 oC [40], sử dụng để đánh giá hiệu phương pháp xác định tham số dựa MJA đề xuất Để đánh giá hiệu suất phương pháp MJA, so sánh đầy đủ với phương pháp xác định tham số khác thuật tốn di truyền (GA) [14], thuật tốn mơ luyện kim (SA) [20], JAYA thuật toán JAYA cải tiến (IJAYA ) [41], Thuật toán JAYA hướng dẫn hiệu suất (PGJAYA) [42], thuật tốn tiến hóa vi sai thích nghi dựa xếp hạng nâng cao (ORcr-IJADE) [24], thuật toán đàn ong nhân tạo dựa dạy học (TLABC) [23], thuật tốn tối ưu hóa bầy đàn dựa địa sinh học (BLPSO) [25], Tối ưu hóa dựa địa lý sinh học với di chuyển dựa ma trận phương sai (CMM-DE / BBO) [26], thuật toán tối ưu hóa bầy đàn đơn giản cải tiến (MSSO) [27] thuật tốn tiến hóa cá voi lai với tiến hóa vi sai (DE-WOA) [28] 4.3.1 Kết thử nghiệm cho mơ hình diode đơn - SDM Hiệu suất thuật tốn MJA để xác định năm thơng số mơ hình SDM thực Kết so sánh thuật toán MJA thuật toán khác độ lệch tốt nhất, độ lệch trung bình, độ lệch độ lệch chuẩn (Std) minh họa Bảng 4.3 Kết so sánh MJA thuật tốn khác với sai số dịng tuyệt đối minh họa Hình 4.1 Các tham số tối ưu ước tính x I PH , I SD , RS , RSH , n trình bày Bảng 4.4 Kết từ Bảng 4.3, Bảng 4.4 Hình 4.1 minh chứng thuật tốn MJA cho RMSE thấp so với thuật toán khác Đặc biệt, thuật tốn MJA đề xuất có chất lượng tốt so sánh với phiên khác thuật toán JAYA JAYA thuật toán JAYA cải tiến (IJAYA) [41], thuật toán JAYA hướng dẫn hiệu suất (PGJAYA) [42] Hơn nữa, kết Bảng 4.3 cho thấy ORcr-IJADE [24], DEWOA [28] MJA đề xuất mức trung bình RMSE hiệu suất vượt trội so với thuật tốn cịn lại Nhưng độ lệch chuẩn ORcr-IJADE [24], DE-WOA [28] MJA đề xuất ghi 4.51E-17, 3.55E -17 1.99E-17 Do đó, MJA sở hữu khả hội tụ mạnh mẽ tuyệt vời việc ước tính thơng số pin mặt trời 33 Bảng 4.3 So sánh phương pháp xác định tham số khác cho SDM RMSE Method DE/BBO [26] 2016 JAYA [43] 2017 IJAYA [41] 2017 BLPSO [25] 2017 MSSO [27] 2017 DE-WOA [28] 2018 TLABC [23] 2018 ORcr-IJADE [24] 2019 PGJAYA [42] 2019 MJA Best 9.8605E-4 9.8946E-4 9.8603E-4 1.0272E-3 9.8607E-4 9.860219E-4 9.8602E-4 9.860219E-4 9.8602E-4 9.860218E-4 Worst 1.3475E−3 1.4783E−3 1.0622E−3 1.7928E−3 NA 9.860219E−4 1.0308E−3 9.860219E-4 9.8602E−4 9.860218E-4 Average 1.0486E−3 1.1617E−3 9.9204E−4 1.3139E−3 NA 9.860219E−4 9.9417E−4 9.860219E-4 9.8603E−4 9.860218E-4 Std 8.17E−5 1.88E−4 1.40E−5 2.12E−4 NA 3.55E−17 1.19E−5 4.51E-17 1.45E−9 1.99E-17 Bảng 4.4 Chi tiết kết ước tính SDM Parameters DE/BBO [26] 2016 JAYA [43] 2017 IJAYA [41] 2017 BLPSO [25] 2017 MSSO [27] 2017 DE-WOA [28] 2018 TLABC [23] 2018 ORcr-IJADE [24] 2019 PGJAYA [42] 2019 MJA I PH A 0.7608 0.7608 0.7608 0.7607 0.7608 0.7608 0.7607 0.7608 0.7608 0.7608 I SD RS A 0.3238 0.3281 0.3228 0.3662 0.3236 0.3230 0.3230 0.3230 0.3230 0.3230 0.0364 0.0364 0.0364 0.0359 0.0364 0.0364 0.0364 0.0364 0.0364 0.0364 RSH 53.8753 54.9298 53.7595 60.2845 53.7424 53.7185 53.7164 53.7185 53.7185 53.7185 n 1.4814 1.4828 1.4811 1.4939 1.4812 1.4812 1.4812 1.4812 1.4812 1.4812 RMSE 9.8605E−4 9.8946E−4 9.8603E-4 1.0272E-3 9.8607E-4 9.860219E-4 9.860220E-4 9.860219E-4 9.8602E−4 9.8602187E-4 Hình 4.1 Sai số tuyệt đối trích xuất MJA thuật tốn khác cho SDM Hình 4.2 cho thấy tốc độ hội tụ thuật toán MJA đề xuất 30 lần chạy Có thể thấy tối ưu toàn cục tốc độ hội tụ nhanh thuật tốn MJA việc ước tính tham số pin mặt trời Hình 4.3 cho thấy đặc điểm I-V liệu thực 34 nghiệm liệu ước tính MJA cho mơ hình diode đơn Nó chứng minh thơng số ước tính MJA xác Hình 4.2 Tốc độ hội tụ thuật toán MJA 30 lần chạy cho SDM Hình 4.3 Đường cong I-V liệu thực mơ hình trích xuất SDM 4.3.2 Kết thử nghiệm cho mơ hình diode kép - DDM Hiệu suất thuật toán MJA xác định bảy tham số mơ hình DDM thực Kết so sánh thuật toán MJA đề xuất với thuật toán khác độ lệch tốt nhất, độ lệch trung bình, độ lệch độ lệch chuẩn (Std) minh họa Bảng 4.5 So sánh MJA đề xuất thuật toán khác với sai số dịng tuyệt đối minh họa Hình 4.4 Các tham số tối ưu ước tính x trình bày Bảng 35 I PH , I SD1 , I SD , RS , RSH , n1 , n2 Bảng 4.5 So sánh phương pháp xác định tham số khác cho DDM RMSE Method Best Worst Average Std DE/BBO [26] 1.0088E-3 2.0589E-3 1.5487E-3 2.94E-4 JAYA [43] 9.8934E-4 1.1767E-3 1.4793E-3 1.93E-4 IJAYA [41] 9.8293E-4 1.4055E-3 1.0269E-3 9.83E-5 BLPSO [25] 1.0628E-3 1.4821E-3 1.7411E-3 1.78E-4 MSSO [27] 9.8281E-4 NA NA NA 9.824849E-4 9.860377E-4 9.8297E-4 9.15E-7 1.0012E-3 1.2116E-3 1.9826E-3 2.11E-4 9.824858E-4 NA NA NA 9.8263E-4 9.9499E-4 9.8582E-4 2.54E-6 9.824848E-4 9.860218E-4 9.8260E-4 6.46E-7 DE-WOA [28] TLABC [23] ORcr-IJADE [24] PGJAYA [42] MJA Dựa kết Bảng 4.5, Bảng 4.6 Hình 4.4, thấy hiệu suất MJA nhận giá trị RMSE nhỏ tất điều kiện độ lệch tốt nhất, độ lệch trung bình, độ lệch độ lệch chuẩn (9.824848E-4, 9.8260E-4 , 9.860218E-4, 6.46E-7, tương ứng) so với thuật toán khác Hơn nữa, kết Bảng 4.5 cho thấy ORcr-IJADE [24], DE-WOA [28], PGJAYA [38] MJA đề xuất có hiệu suất vượt trội so với thuật tốn cịn lại có giá trị RMSE RMSE tốt Nhưng mặt RMSE trung bình, MJA đề xuất tốt so với ORcr-IJADE [24], DE-WOA [28], PGJAYA [38] Bảng 4.6 Chi tiết kết ước tính DDM Approaches Parameters I PH A I SD1 A RS RSH n1 I SD A n2 DE/BBO [26] 0.7607 0.35366 0.0360 57.9882 1.4907 0.02562 1.8835 JAYA [43] 0.7607 0.00608 0.0364 52.6575 1.8436 0.31507 1.4788 IJAYA [41] 0.7601 0.00504 0.0376 77.8519 1.2186 0.75094 1.6247 BLPSO [25] 0.7608 0.27189 0.0366 61.1345 1.4674 0.43505 1.9662 MSSO [27] 0.7607 0.23493 0.03667 55.7147 1.4543 0.67159 1.9953 DE-WOA [28] 0.7608 0.22597 0.03674 55.4854 1.4510 0.74935 2.0000 TLABC [23] 0.7608 0.33673 0.0361 55.0676 1.4861 0.07173 1.9316 ORcr-IJADE [24] 0.7608 0.22597 0.03674 55.4854 1.4510 0.74935 2.0000 PGJAYA [42] 0.7608 0.21031 0.0368 55.8135 1.4450 0.88534 2.0000 0.7608 0.22597 0.03674 55.4854 1.4510 0.74935 2.0000 MJA 36 RMSE 1.0088E-3 9.8934E-4 9.8293E-4 1.0628E-3 9.8281E-4 9.824849E-4 1.0012E-3 9.824858E-4 9.8263E-4 9.824848E-4 Hình 4.4 Sai số tuyệt đối trích xuất MJA thuật toán khác cho DDM Đồ thị biểu diễn Hình 4.5 cho thấy tốc độ hội tụ thuật toán MJA đề xuất 30 lần chạy Có thể thấy tối ưu tồn cục tốc độ hội tụ nhanh thuật toán MJA việc ước tính tham số pin mặt trời Hình 4.5 Tốc độ hội tụ thuật toán MJA 30 lần chạy DDM Trên Hình 4.6 mơ tả đường cong đặc tính I-V liệu thực nghiệm liệu ước tính thuật tốn MJA cho mơ hình diode đơn SDM 37 Hình 4.6 Đường cong I-V liệu thực mơ hình trích xuất DDM Tóm lại − Dựa số liệu so sánh trên, kết thu cho thấy độ ổn định, độ xác hiệu suất thỏa đáng mơ hình mơ tả đặc tính thực pin mặt trời − Thuật toán MJA đề xuất thực xuất sắc so với phương pháp khác cơng bố tài liệu Nó chứng minh MJA sử dụng hiệu cho vấn đề nhận dạng tham số mô hình pin mặt trời khác 38 Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 Kết luận Trong đề tài này, chúng tơi đề xuất thuật tốn JAYA sửa đổi (MJA) để trích xuất tham số pin mặt trời nhanh chóng xác dựa liệu dòng điện điện áp thực nghiệm Trong thuật toán MJA, giai đoạn cập nhật giải pháp sửa đổi toán tử JAYA cổ điển lai với tốn tử tiến hóa vi sai (DE/rand/1) kích thước dân số tự thích ứng sử dụng để cải thiện khả tìm kiếm giải pháp tối ưu toàn cầu Để đánh giá minh chứng khả thuật toán MJA, nghiên cứu thử nghiệm tiến hành xác định tham số cho mơ hình tương đương diode đơn (SDM) mơ hình tương đương diode kép (DDM) Kết thử nghiệm so sánh thuật toán MJA đề xuất với thuật toán khác độ lệch tốt nhất, độ lệch trung bình, độ lệch độ lệch chuẩn cho thấy hiệu suất MJA nhận giá trị RMSE nhỏ tất điều kiện Hiệu suất MJA xác nhận so với biến thể khác thuật toán JAYA, DE thuật toán thiết lập tốt khác tài liệu Kết là, cách tiếp cận ước tính tham số dựa mơ hình thuật toán MJA đảm bảo thực thành cơng Kết cho thấy MJA có hiệu suất cạnh tranh độ xác độ tin cậy 5.2 Hướng phát triển Kết đề tài sử dụng cho nghiên cứu ứng dụng việc sử dụng có hiệu nguồn lượng mặt trời 39 REFERENCES [1] P A Owusu and S Asumadu-Sarkodie, “A review of renewable energy sources, sustainability issues and climate change mitigation,” Cogent Engineering, vol 3, no Taylor & Francis, p 1167990, 2016, doi: 10.1080/23311916.2016.1167990 [2] M Z Jacobson et al., “100% clean and renewable Wind, Water, and Sunlight (WWS) all-sector energy roadmaps for 53 towns and cities in North America,” Sustain Cities Soc., vol 42, no January, pp 22–37, 2018, doi: 10.1016/j.scs.2018.06.031 [3] H Feng, B Zou, J Wang, and X Gu, “Dominant variables of global air pollutionclimate interaction: Geographic insight,” Ecol Indic., vol 99, pp 251–260, 2019, doi: 10.1016/j.ecolind.2018.12.038 [4] M Z Jacobson et al., “100% clean and renewable Wind, Water, and Sunlight (WWS) all-sector energy roadmaps for 53 towns and cities in North America,” Sustain Cities Soc., vol 42, pp 22–37, 2018 [5] M Tsuda, Y Yashiki, T Ikeda, and K Motonami, “Method for diagnosing solar cell module, and diagnostic circuit and diagnostic system for solar cell module.” Google Patents, Jan 2019 [6] Y Li, K Ding, J Zhang, F Chen, X Chen, and J Wu, “A fault diagnosis method for photovoltaic arrays based on fault parameters identification,” Renew Energy, vol 143, pp 52–63, 2019 [7] P P Biswas, P N Suganthan, G Wu, and G A J Amaratunga, “Parameter estimation of solar cells using datasheet information with the application of an adaptive differential evolution algorithm,” Renew Energy, vol 132, pp 425–438, 2019, doi: 10.1016/j.renene.2018.07.152 [8] V J Chin and Z Salam, “A New Three-point-based Approach for the Parameter Extraction of Photovoltaic Cells,” Appl Energy, vol 237, pp 519–533, 2019, doi: 10.1016/j.apenergy.2019.01.009 [9] Y Mahmoud, W Xiao, and H H Zeineldin, “A simple approach to modeling and simulation of photovoltaic modules,” IEEE Trans Sustain Energy, vol 3, no 1, pp 185–186, 2011 [10] A A Elbaset, H Ali, and M Abd-El Sattar, “Novel seven-parameter model for photovoltaic modules,” Sol Energy Mater Sol Cells, vol 130, pp 442–455, 2014, doi: 10.1016/j.solmat.2014.07.016 [11] F Ghani and M Duke, “Numerical determination of parasitic resistances of a solar cell using the Lambert W-function,” Sol Energy, vol 85, no 9, pp 2386– 2394, 2011, doi: 10.1016/j.solener.2011.07.001 [12] A Orioli and A Di Gangi, “A procedure to calculate the five-parameter model of crystalline silicon photovoltaic modules on the basis of the tabular performance data,” Appl Energy, vol 102, pp 1160–1177, 2013 [13] L Sandrolini, M Artioli, and U Reggiani, “Numerical method for the extraction of photovoltaic module double-diode model parameters through cluster analysis,” Appl Energy, vol 87, no 2, pp 442–451, 2010, doi: 40 10.1016/j.apenergy.2009.07.022 [14] M R AlRashidi, M F AlHajri, K M El-Naggar, and A K Al-Othman, “A new estimation approach for determining the I–V characteristics of solar cells,” Sol Energy, vol 85, no 7, pp 1543–1550, 2011 [15] R Abbassi, A Abbassi, A A Heidari, and S Mirjalili, “An efficient salp swarminspired algorithm for parameters identification of photovoltaic cell models,” Energy Convers Manag., vol 179, no August 2018, pp 362–372, 2019, doi: 10.1016/j.enconman.2018.10.069 [16] V J Chin, Z Salam, and K Ishaque, “An accurate modelling of the two-diode model of PV module using a hybrid solution based on differential evolution,” Energy Convers Manag., vol 124, pp 42–50, 2016, doi: 10.1016/j.enconman.2016.06.076 [17] T S Babu, J P Ram, T Dragičević, M Miyatake, F Blaabjerg, and N Rajasekar, “Particle swarm optimization based solar PV array reconfiguration of the maximum power extraction under partial shading conditions,” IEEE Trans Sustain Energy, vol 9, no 1, pp 74–85, 2017 [18] O S Elazab, H M Hasanien, M A Elgendy, and A M Abdeen, “Parameters estimation of single-and multiple-diode photovoltaic model using whale optimisation algorithm,” IET Renew Power Gener., vol 12, no 15, pp 1755– 1761, 2018 [19] A soufyane Benyoucef, A Chouder, K Kara, and S Silvestre, “Artificial bee colony based algorithm for maximum power point tracking (MPPT) for PV systems operating under partial shaded conditions,” Appl Soft Comput., vol 32, pp 38–48, 2015 [20] K M El-Naggar, M R AlRashidi, M F AlHajri, and A K Al-Othman, “Simulated Annealing algorithm for photovoltaic parameters identification,” Sol Energy, vol 86, no 1, pp 266–274, 2012, doi: 10.1016/j.solener.2011.09.032 [21] J Ahmed and Z Salam, “A Maximum Power Point Tracking (MPPT) for PV system using Cuckoo Search with partial shading capability,” Appl Energy, vol 119, pp 118–130, 2014, doi: 10.1016/j.apenergy.2013.12.062 [22] R A P Franco, G Lopes Filho, and F H T Vieira, “Firefly Algorithm Applied to the Estimation of the Parameters of a Photovoltaic Panel Model,” in Advances in Nature-Inspired Computing and Applications, Springer, 2019, pp 101–134 [23] X Chen, B Xu, C Mei, Y Ding, and K Li, “Teaching–learning–based artificial bee colony for solar photovoltaic parameter estimation,” Appl Energy, vol 212, pp 1578–1588, 2018 [24] N Muangkote, K Sunat, S Chiewchanwattana, and S Kaiwinit, “An advanced onlooker-ranking-based adaptive differential evolution to extract the parameters of solar cell models,” Renew Energy, vol 134, pp 1129–1147, 2019 [25] X Chen, H Tianfield, C Mei, W Du, and G Liu, “Biogeography-based learning particle swarm optimization,” Soft Comput., vol 21, no 24, pp 7519–7541, 2017, doi: 10.1007/s00500-016-2307-7 [26] X Chen, H Tianfield, W Du, and G Liu, “Biogeography-based optimization with covariance matrix based migration,” Appl Soft Comput., vol 45, pp 71–85, 2016 41 [27] P Lin, S Cheng, W Yeh, Z Chen, and L Wu, “Parameters extraction of solar cell models using a modified simplified swarm optimization algorithm,” Sol Energy, vol 144, no October, pp 594–603, 2017, doi: 10.1016/j.solener.2017.01.064 [28] G Xiong, J Zhang, X Yuan, D Shi, Y He, and G Yao, “Parameter extraction of solar photovoltaic models by means of a hybrid differential evolution with whale optimization algorithm,” Sol Energy, vol 176, pp 742–761, 2018 [29] “Quyết định số 2068/QĐ-TTg Thủ tướng Chính phủ : Phê duyệt Chiến lược phát lượng tái tạo Việt Nam đến năm 2030, tầm nhìn đến năm 2050.” [30] “Quyết định số 13/2020/QĐ-TTg Thủ tướng Chính phủ : Về chế khuyến khích phát triển điện mặt trời Việt Nam.” [31] R V Rao, Kc More, J Taler, and P Ocłoń, “Dimensional optimization of a microchannel heat sink using Jaya algorithm,” Appl Therm Eng., vol 103, pp 572– 582, 2016, doi: 10.1016/j.applthermaleng.2016.04.135 [32] R Storn and K Price, “Differential evolution–a simple and efficient heuristic for global optimization over continuous spaces,” J Glob Optim., vol 11, no 4, pp 341–359, 1997 [33] R Gämperle, S D Müller, and P Koumoutsakos, “A parameter study for differential evolution,” Adv Intell Syst fuzzy Syst Evol Comput., vol 10, pp 293–298, 2002 [34] A K Qin, V L Huang, and P N Suganthan, “Differential evolution algorithm with strategy adaptation for global numerical optimization,” IEEE Trans Evol Comput., vol 13, no 2, pp 398–417, 2008 [35] B Liu, H Yang, and M J Lancaster, “Synthesis of Coupling Matrix for Diplexers Based on a Self-Adaptive Differential Evolution Algorithm,” IEEE Trans Microw Theory Tech., vol 66, no 2, pp 813–821, 2018, doi: 10.1109/TMTT.2017.2772855 [36] R Rao, “Jaya: A simple and new optimization algorithm for solving constrained and unconstrained optimization problems,” Int J Ind Eng Comput., vol 7, no 1, pp 19–34, 2016 [37] R V Rao and A Saroj, “A self-adaptive multi-population based Jaya algorithm for engineering optimization,” Swarm Evol Comput., vol 37, pp 1–26, 2017, doi: 10.1016/j.swevo.2017.04.008 [38] R V Rao and A Saroj, “An elitism-based self-adaptive multi-population Jaya algorithm and its applications,” Soft Comput., vol 23, no 12, pp 4383–4406, 2019, doi: 10.1007/s00500-018-3095-z [39] R V Rao and K C More, “Design optimization and analysis of selected thermal devices using self-adaptive Jaya algorithm,” Energy Convers Manag., vol 140, pp 24–35, 2017, doi: 10.1016/j.enconman.2017.02.068 [40] T Easwarakhanthan, J Bottin, I Bouhouch, and C Boutrit, “Nonlinear Minimization Algorithm for Determining the Solar Cell Parameters with Microcomputers,” Int J Sol Energy, vol 4, no 1, pp 1–12, 1986, doi: 10.1080/01425918608909835 [41] K Yu, J J Liang, B Y Qu, X Chen, and H Wang, “Parameters identification of 42 photovoltaic models using an improved JAYA optimization algorithm,” Energy Convers Manag., vol 150, no July, pp 742–753, 2017, doi: 10.1016/j.enconman.2017.08.063 [42] K Yu, B Qu, C Yue, S Ge, X Chen, and J Liang, “A performance-guided JAYA algorithm for parameters identification of photovoltaic cell and module,” Appl Energy, vol 237, no August 2018, pp 241–257, 2019, doi: 10.1016/j.apenergy.2019.01.008 [43] C Huang, L Wang, R S.-C Yeung, Z Zhang, H S.-H Chung, and A Bensoussan, “A prediction model-guided Jaya algorithm for the PV system maximum power point tracking,” IEEE Trans Sustain energy, vol 9, no 1, pp 45–55, 2017 PHẦN III PHỤ LỤC ĐÍNH KÈM Hợp đồng nghiên cứu khoa học phát triển công nghệ số 94/HĐ-ĐHCN ngày 28/10/2019 Thuyết minh đề tài nghiên cứu khoa học cấp Trường năm 2019 Quyết định số 1418/QĐ-ĐHCN ngày 12/10/2020 v/v thành lập Hội đồng đánh giá nghiệm thu đề tài NCKH cấp Trường Hồ sơ nghiệm thu đề tài: − Biên họp Hội đồng đánh giá nghiệm thu đề tài − Phiếu phản biện ủy viên phản biện − Phiếu đánh giá nghiệm thu thành viên Hội đồng Sản phẩm nghiên cứu (bài báo SCIE) 43 ... III PHỤ LỤC .43 PHẦN I THÔNG TIN CHUNG I THÔNG TIN TỔNG QUÁT 1.1 Tên đề tài: Nhận dạng thông số pin mặt trời dùng giải thuật tối ưu nâng cao 1.2 Mã số đề tài: 19.3 ĐT02 1.3 Danh sách... điện Mơ tả hàm chi phí cần tối ưu để xác định tham số pin mặt trời − Đề xuất giải thuật tối ưu nâng cao để giải toán tối ưu Phân tích, so sánh, đánh giá chất lượng giải thuật đề xuất với nghiên... điện Mơ tả hàm chi phí cần tối ưu để xác định tham số pin mặt trời − Đề xuất giải thuật tối ưu nâng cao để giải tốn tối ưu Phân tích, so sánh, đánh giá chất lượng giải thuật đề xuất với nghiên