A Contrastive Analysis Between the Performance of Four Metaheuristic Algorithms for Parameter Estimation in Photovoltaic Models

Abstract

Solar energy continues to be the most promising renewable energy source for generating electricity due to its abundance on Earth’s surface and non-polluting nature. Photovoltaic (PV) models used to generate electricity from solar energy are among the most popular renewable energy systems. To obtain maximum efficiency from PV models, their parameters should be estimated in an op- timal way. Metaheuristic algorithms have emerged as promising alternatives, offering robustness and efficiency in solving complex optimization problems. However, the effectiveness of these al- gorithms can vary significantly, necessitating a comprehensive comparative analysis to identify the most suitable methods for PV parameter estimation. Therefore, we present a comparative study of metaheuristic algorithms for parameter estimation in two PV modules, namely the single diode model and the double diode model. Specifically, the analysis contrasts the performance of Red-tailed Hawk Optimizer (RTH), One-to-One based Optimizer (OOBO), Dung Beetle Optimizer (DBO), and Sand Cat Swarm Optimization (SCSO). The root mean square error (RMSE) value between the simulated data and the actual data is used as the objective function.Accordingly, it is observed that the best estimation accuracy is reached by the RTH algorithm with a value of 9.86E-04 for both models. Consequently, the present paper reports that RTH is an efficient and powerful method for parameter extraction in solar photovoltaic models

L’énergie solaire reste la source d’énergie renouvelable la plus prometteuse pour la production d’électricité en raison de son abondance à la surface de la Terre et de sa nature non polluante. Les modèles photovoltaïques (PV) utilisés pour produire de l’électricité à partir de l’énergie solaire sont parmi les systèmes d’énergie renouvelable les plus populaires. Pour obtenir une efficacité max- imale des modèles photovoltaïques, leurs paramètres doivent être estimés de manière optimale. Les algorithmes métaheuristiques sont apparus comme des alternatives prometteuses, offrant robustesse et efficacité dans la résolution de problèmes d’optimisation complexes. Cependant, l’efficacité de ces algorithmes peut varier de manière significative, ce qui nécessite une analyse comparative complète afin d’identifier les méthodes les plus appropriées pour l’estimation des paramètres photovoltaïques. Nous présentons donc une étude comparative des algorithmes métaheuristiques pour l’estimation des paramètres de deux modules photovoltaïques, à savoir le modèle à diode unique et le modèle à double diode. Plus précisément, l’analyse compare les performances de l’optimiseur de la buse à queue rousse (RTH), de l’optimiseur basé sur la méthode One-to-One (OOBO), de l’optimiseur du bousier (DBO) et de l’optimisation de l’essaim de chats des sables (SCSO). La valeur de l’erreur quadratique moyenne (RMSE) entre les données simulées et les données réelles est utilisée comme fonction objective. En conséquence, il est observé que la meilleure précision d’estimation est atteinte par l’algorithme RTH avec une valeur de 9.86E-04 pour les deux modèles. Par conséquent, le présent document indique que l’algorithme RTH est une méthode efficace et puissante pour l’extraction des paramètres dans les modèles solaires photovoltaïques.