Fotovoltaik sistemlerde mgnt performansının artırılmasına yönelik PSO, MFO, GOA ve ABC algoritmalarının karşılaştırılmalı analizi ve hibrit yaklaşım önerisi

Gelişen teknolojiyle birlikte artan enerji ihtiyacı ve fosil yakıtların çevreye verdiği zararlar, yenilenebilir enerji kaynaklarının önemini her geçen gün artırmaktadır. Bu kaynaklar arasında güneş enerjisi, kurulum maliyeti ve bakım kolaylığı sayesinde ön plana çıkmaktadır. Güneş enerji santrallerinde kullanılan fotovoltaik (FV) sistemler, çevreye zarar vermeden elektrik üretim potansiyeline sahip elektrik sistemleridir. Ancak ışınım, sıcaklık ve atmosferik değişkenler gibi çevresel faktörler FV sistemlerin verimliliğini önemli ölçüde etkilemektedir. Bu nedenle, maksimum güç noktasını (MGN) belirleyerek üretimi optimize eden maksimum güç noktası takibi (MGNT) algoritmalarının geliştirilmesi gerekmektedir. Geleneksel sabit adımlı MGNT yöntemleri değişken çevre koşullarında yeterli performans gösterememekte ve enerji kayıplarına yol açmaktadır. Bu nedenle günümüzde doğadan esinlenen optimizasyon algoritmaları MGNT süreçlerinde yaygın olarak kullanılmaktadır. Bu algoritmalar, canlıların davranışları, çevresel adaptasyonları ve problem çözme yeteneklerinden ilham alınarak geliştirilmiştir.Bu çalışmada, dört farklı doğadan esinlenen optimizasyon algoritmasının (Güve Alevi Optimizasyonu (MFO), Çekirge Optimizasyonu (GOA), Yapay Arı Kolonisi (ABC) ve geleneksel Parçacık Sürü Optimizasyonu (PSO) yönteminin MGNT performansları MATLAB/SIMULINK ortamında karşılaştırmalı olarak incelenmiştir. Ayrıca GOA ve ABC algoritmalarının hibrit olarak kullanımı da değerlendirilmiştir. Simülasyonlar, farklı ışınım ve sıcaklık koşullarında algoritmaların izleme hızı, doğruluk, kararlılık ve enerji verimliliği açısından performansını ortaya koymaktadır. Sonuçlar, doğadan esinlenen algoritmaların özellikle kısmi gölgelenme ve hızlı çevresel değişim koşullarında başarılı ve kararlı sonuçlar sunduğunu göstermektedir.