خوارزميات (Metaheuristic) عصبية هجينة لتتبع أقصى نقطة طاقة في المصفوفات الشمسية التي تتم مراقبتها عبر إنترنت الأشياء في ظل التظليل الجزئي وتغير الإشعاع الطيفي
الكلمات المفتاحية:
Maximum Power Point Tracking، Partial Shading، Spectral Irradiance، Hybrid Metaheuristic، Neural Network، IoT Monitoring، Photovoltaic Systems، Grey Wolf Optimizer، GRU Networkالملخص
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.
المراجع
Das, N., & Kulkarni, N. (2025). Enhancing coordinated target tracking: innovative particle filters with meta-heuristic integration and advanced model validation. Soft Computing, 1-32.
Demirci, A., Dagal, I., Tercan, S. M., Gundogdu, H., Terkes, M., & Cali, U. (2025). Enhanced ANN-Based MPPT for Photovoltaic Systems: Integrating Metaheuristic and Analytical Algorithms for Optimal Performance Under Partial Shading. IEEE Access.
Lai, Y., Chen, Z., & Mao, Y. (2025). Research on the application of a model combining improved optimization algorithms and neural networks in trajectory tracking of robotic arms. Alexandria Engineering Journal, 127, 336-356.
Mehta, M., Patel, T., Patel, U., & Bhatt, K. (2025, June). Enhanced MPPT Performance in Solar PV System Using ANN and FOPI Control Optimized by Meta-Heuristic Algorithm. In 2025 IEEE International Conference on Automatic Control and Intelligent Systems (I2CACIS) (Vol. 1, pp. 455-460). IEEE.
Hussain, M. T., Shahabuddin, M., Huang, L. Y., Sarwar, A., Asim, M., Ahmad, S., ... & Tariq, M. (2025). Enhanced mpp tracking in partial shading conditions for solar pv systems: A metaheuristic approach utilizing projectile search algorithm. IEEE Access.
Mishra, D., & Mandal, S. (2025). Sensorless control of DC-DC buck converter using metaheuristic algorithm. AIMS Electronics and Electrical Engineering, 9(3), 339-358.
Ben Dalla, L., Medeni, T. M., Zbeida, S. Z., & Medeni, İ. M. (2024). Unveiling the Evolutionary Journey based on Tracing the Historical Relationship between Artificial Neural Networks and Deep Learning. The International Journal of Engineering & Information Technology (IJEIT), 12(1), 104-110.
Shang, Y., Zheng, M., Li, J., & Zheng, X. (2025). An effective feature selection approach based on hybrid Grey Wolf Optimizer and Genetic Algorithm for hyperspectral image. Scientific Reports, 15(1), 1968.
Bouksaim, M., Mekhfioui, M., & Srifi, M. N. (2025, September). A Comprehensive Decade-Long Review of Advanced MPPT Algorithms for Enhanced Photovoltaic Efficiency. In Solar (Vol. 5, No. 3, p. 44). MDPI.
Wu, Z., Zhou, J., & Yu, X. (2025). Forecast Natural Gas Price by an Extreme Learning Machine Framework Based on Multi-Strategy Grey Wolf Optimizer and Signal Decomposition. Sustainability, 17(12), 5249.
Jabbar, R. I., Mekhilef, S., Mubin, M., & Wahyudie, A. (2025). A High-Performance Hybrid MPPT Method for Rapid Tracking and Steady Power Operation Under Varying Weather Conditions and Load Changes in Photovoltaic Systems. IEEE Access.
Nguyen, D. T., Nguyen, T. P., & Cho, M. Y. (2025). Cloud-based AIoT intelligent infrastructure for firefighting pump fault diagnosis-based hybrid CNN-GRU deep learning technique. The Journal of Supercomputing, 81(3), 462.
Kim, K., Park, K., Yoon, K., Moon, H., Pyeon, H., Kim, J., & Han, S. (2025). A light-weight electrochemical impedance spectroscopy-based SOH estimation method for lithium-ion batteries using the distribution of relaxation times with Grad-CAM analysis. Journal of Power Sources, 631, 236169.
Karimi, H., Siadatan, A., & Rezaei-Zare, A. (2025). A Hybrid P&O-Fuzzy-Based Maximum Power Point Tracking (MPPT) Algorithm for Photovoltaic Systems under Partial Shading Conditions. IEEE Access.
Alombah, N. H., Harrison, A., Mbasso, W. F., Belghiti, H., Fotsin, H. B., Jangir, P., ... & Elbarbary, Z. M. S. (2025). Multiple-to-single maximum power point tracking for empowering conventional MPPT algorithms under partial shading conditions. Scientific Reports, 15(1), 14540.
Yusuf, S. U., Islam, M., & Azad, M. J. I. (2025). An Efficient Metaheuristic Optimization Algorithm for Optimal Power Extraction from PV Systems under Various Weather and Load-Changing Conditions. Array, 100492.
Gao, J., Lei, Z., Zheng, T., Guo, L., Wang, Y., & Gao, S. (2025). Particle Swarm Optimization with Problem-Aware Hyperparameter Design for Feature Selection in High Dimensions. Information Sciences, 122638.
Londe, M. A., Pessoa, L. S., Andrade, C. E., & Resende, M. G. (2025). Biased random-key genetic algorithms: A review. European Journal of Operational Research, 321(1), 1-22.
El Ouardi, R., Bouali, A., Dahmani, S., Errahmani, A., & Ouali, T. (2025). Exploring f (Q) gravity through model-independent reconstruction with genetic algorithms. Physics Letters B, 863, 139374.
Ortiz-Munoz, D., Luviano-Cruz, D., Perez-Dominguez, L. A., Rodriguez-Ramirez, A. G., & Garcia-Luna, F. (2025). Hybrid fuzzy–DDPG approach for efficient MPPT in partially shaded photovoltaic panels. Applied Sciences, 15(9), 4869.
Bakare, M. S., Abdulkarim, A., Shuaibu, A. N., & Muhamad, M. M. (2025). Enhancing solar power efficiency with hybrid GEP ANFIS MPPT under dynamic weather conditions. Scientific reports, 15(1), 5890.
Howlader, A. S. (2025). MACHINE LEARNING APPLICATIONS IN RENEWABLE ENERGY: PREDICTIVE ANALYTICS FOR SOLAR CELL PERFORMANCE OPTIMIZATION AND ENERGY YIELD FORECASTING. American Journal of Scholarly Research and Innovation, 4(01), 392-427.
Pravina, R., Uthayakumar, H., & Sivasamy, A. (2023). Hybrid approach based on response surface methodology and artificial neural networks coupled with genetic algorithm (RSM-GA-ANN) for the Prediction and optimization for the Photodegradation of dye using nano ZnO anchored glass fiber under solar light irradiation. Journal of the Taiwan Institute of Chemical Engineers, 153, 105248.
Fathpour, M., Ebrahimi, A., Ghamkhari, A., Shahbazi, A., & Abbasi, E. (2022). Comparison of modeling and optimization of methanol to propylene (MTP) over high silica H-ZSM-5 NANO catalyst using black-box modeling (ANN) and meta-heuristic optimizers (GA-PSO). Iranian Journal of Science and Technology, Transactions of Civil Engineering, 46(3), 2439-2448.
Elnaghi, B. E., Ismaiel, A. M., Ismail, M. M., Zedan, H. A., & Salem, A. A. (2025). Experimental validation of an adaptive fuzzy logic controller for MPPT of grid connected PV system. Scientific Reports, 15(1), 27173.
Lee, J., Chun, Y., Kim, J., & Park, B. (2021). An energy-harvesting system using MPPT at shock absorber for electric vehicles. Energies, 14(9), 2552.
Gharehbaghi, A., Ghasemlounia, R., Ahmadi, F., & Albaji, M. (2022). Groundwater level prediction with meteorologically sensitive Gated Recurrent Unit (GRU) neural networks. Journal of Hydrology, 612, 128262.
