Hybrid Metaheuristic-Neural Algorithms for Maximum Power Point Tracking in IoT-Monitored Solar Arrays Under Partial Shading and Spectral Irradiance Variability
Year: 2025
Type: article
Abstract: لا تزال الكفاءة التشغيلية لأنظمة الطاقة الكهروضوئية (PV) في ظل ظروف إشعاعية غير منتظمة تُمثل تحديًا بالغ الأهمية في مجال نشر الطاقة المتجددة. وكثيرًا ما تتقارب خوارزميات تتبع نقطة القدرة القصوى (MPPT) التقليدية مع القيم القصوى المحلية في ظل التظليل الجزئي وتقلبات الإشعاع الطيفي، مما يؤدي إلى خسائر كبيرة في إنتاج الطاقة. تُقدم هذه الدراسة بنية هجينة جديدة تدمج التحسين الاستدلالي مع الشبكات العصبية التكيفية، وتُستخدم ضمن إطار مراقبة آنية مُمكّن بتقنية إنترنت الأشياء (IoT). تجمع الخوارزمية المقترحة، H-MNMPPT (الخوارزمية الهجينة الاستدلالية العصبية MPPT)، بشكل تآزري بين المتانة الاستكشافية لمُحسِّن خوارزمية الذئب الرمادي المُحسَّن (EGWO) وقابلية التكيف التنبؤية لمُقدِّر عصبي قائم على وحدة متكررة بوابية (GRU). أُجري التحقق التجريبي على مصفوفة ألواح شمسية كهروضوئية على سطح المنزل بقدرة 2.4 كيلوواط، مُجهزة بأجهزة استشعار موزعة بتقنية إنترنت الأشياء، تلتقط خصائص الإشعاع، ودرجة الحرارة، والتوزيع الطيفي، وخصائص التيار والجهد على مستوى الوحدة. في ظل أنماط التظليل الجزئي المتغيرة ديناميكيًا والإشعاع المتغير طيفيًا (AM 1.0 إلى AM 2.5)، أظهر نظام H-MNMPPT كفاءة تتبع بنسبة 98.7%، متفوقًا على نظام Perturb and Observe (P&O) بنسبة 21.3%، ونظام MPPT القائم على PSO بنسبة 14.1%، ونظام ANN-MPPT التقليدي بنسبة 9.8%. علاوة على ذلك، انخفض زمن التقارب بنسبة 63% مقارنةً بنظام GWO القياسي، وحافظ النظام على زمن استجابة أقل من ثانية في ظل التحولات البيئية المُفعّلة بتقنية إنترنت الأشياء. تُرسي هذه البنية معيارًا جديدًا لنظام MPPT الذكي والمرن في مزارع الطاقة الشمسية الذكية من الجيل التالي.
Author: Hawa Abdulhafid Moh D Almonier
Institution: College Of Engineering Technology Janzour
Language: Arabic
Field: Energy
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7221249258
