Lakhasly

Dans l'application de l'algorithme GWO pour la commande MPPT, chaque solution candidate est definie comme la valeur du rapport cyclique d du convertisseur DC/DC, donc le probleme d'optimisation a un seul parametre a optimiser.- L'exploration et l'exploitation sont assurees par les valeurs adaptatives de A et B.

• Les valeurs adaptatives des parametres a et A permettent a GWO de passer en douceur de la phase d'exploration a celle d'exploitation.- Les parametres aleatoires A et C permettent aux solutions candidates de creer des hyper-spheres de rayons aleatoires differents.Le fitness de chaque solution (Rapport cyclique ()) est choisi comme la puissance genere Pour evaluer les rapports cycliques, le controleur numerique sort successivement le signal PWM en fonction de la valeur de RC, puis la tension et le courant, peuvent etre mesures et la puissance correspondante de chaque rapport cyclique RC peut etre calculee.Pour comprendre comment GWO peut theoriquement resoudre des problemes d'optimisation, plusieurs points peuvent etre soulignes :
• La hierarchie sociale proposee permet a GWO d'enregistrer les meilleures solutions obtenues jusqu'a present au cours des iterations.Cela necessite que l'algorithme MPPT ait la capacite de rechercher un MPP pour les nouvelles conditions meteorologiques.

Dans l’application de l’algorithme GWO pour la commande MPPT, chaque solution candidate est définie comme la valeur du rapport cyclique d du convertisseur DC/DC, donc le problème d’optimisation a un seul paramètre à optimiser.
Le fitness de chaque solution (Rapport cyclique ()) est choisi comme la puissance généré
Pour évaluer les rapports cycliques, le contrôleur numérique sort successivement le signal PWM en fonction de la valeur de RC, puis la tension et le courant, peuvent être mesurés et la puissance correspondante de chaque rapport cyclique RC peut être calculée.
Il convient de noter que pour acquérir des échantillons corrects, l'intervalle de temps entre deux évaluations successives du cycle de service doit être supérieur au temps d'établissement du convertisseur de puissance.
La procédure de l’application de la méthode proposée peut être divisée en 3 phases :

• phase de Suivre et chasser
  -phase de Poursuivre et encercler et harceler


• phase de l'Attaque
  L’environnement de travail réel du système PV change constamment en raison aux conditions météorologiques variables et, par conséquent, le MPP est toujours en changeant. Cela nécessite que l'algorithme MPPT ait la capacité de rechercher un MPP pour les nouvelles conditions météorologiques. A cet effet, le processus de recherche doit redémarrer avec une réinitialisation totale chaque fois que les conditions météorologiques sont modifiées.
  Pour comprendre comment GWO peut théoriquement résoudre des problèmes d'optimisation, plusieurs points peuvent être soulignés :


• La hiérarchie sociale proposée permet à GWO d'enregistrer les meilleures solutions obtenues jusqu'à présent au cours des itérations.


• Le mécanisme d'encerclement définit un voisinage circulaire autour des solutions, pouvant être étendu à des dimensions supérieures sous forme d'hyper-sphère.


• Les paramètres aléatoires A et C permettent aux solutions candidates de créer des hyper-sphères de rayons aléatoires différents.


• La méthode de chasse aide les solutions candidates à localiser la position probable de la proie.


• L'exploration et l'exploitation sont assurées par les valeurs adaptatives de A et B.


• Les valeurs adaptatives des paramètres a et A permettent à GWO de passer en douceur de la phase d'exploration à celle d'exploitation.