KaydedilenlerDerginizi ekleyin

Dergiler / Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi / 2026 / Cilt: 17

Fotovoltaik sistemlerde kısmi gölgelenme koşullarında maksimum güç noktası takibi algoritmalarının performans karşılaştırması

Performance comparison of maximum power point tracking algorithms under partial shading conditions in photovoltaic systems

Ahmet Kaysal(AFYON KOCATEPE ÜNİVERSİTESİ)0000-0002-4142-0840
Sayfa
—
Yayın Tarihi
2026-06-03
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen bulgular, parçacık sürü optimizasyonu algoritmasının küresel maksimumu yakalama doğruluğu açısından daha başarılı olduğunu; bulanık mantık tabanlı değiştir ve gözle algoritmasının ise geçici rejim performansı açısından daha hızlı olduğunu göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, fotovoltaik sistemlerde kısmi gölgelenme koşullarının neden olduğu çoklu tepe noktalarının maksimum güç noktasının izlenme performansı üzerindeki etkileri incelenmiştir.
📊
Temel Bulgular & Veri:Bu amaçla, 1200 W gücünde yükselten tip DC-DC dönüştürücü ile yapılandırılmış bir fotovoltaik sistem modeli oluşturulmuştur.
💡
Sonuç & Katkı:Elde edilen bulgular, parçacık sürü optimizasyonu algoritmasının küresel maksimumu yakalama doğruluğu açısından daha başarılı olduğunu; bulanık mantık tabanlı değiştir ve gözle algoritmasının ise geçici rejim performansı açısından daha hızlı olduğunu göstermektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Fotovoltaik sistem · Maksimum güç noktası takibi · Kısmi gölgelenme

Özet

Bu çalışmada, fotovoltaik sistemlerde kısmi gölgelenme koşullarının neden olduğu çoklu tepe noktalarının maksimum güç noktasının izlenme performansı üzerindeki etkileri incelenmiştir. Bu amaçla, 1200 W gücünde yükselten tip DC-DC dönüştürücü ile yapılandırılmış bir fotovoltaik sistem modeli oluşturulmuştur. Farklı ışınım senaryoları altında; değiştir ve gözle, bulanık mantık tabanlı değiştir ve gözle, artan iletkenlik ve parçacık sürü optimizasyonu olmak üzere dört farklı izleme algoritmasının performansı değerlendirilmiştir. Modelin benzetim çalışmaları, MATLAB/Simulink ortamında gerçekleştirilmiştir. Standart çalışma koşulu ile sabit dengesiz ve dinamik gölgelenme durumlarını temsil eden senaryolar, aynı çalışma şartlarında ayrı ayrı ele alınmıştır. Analizler sonucunda, bulanık mantık tabanlı değiştir ve gözle algoritmasının 0.2 s gibi kısa sürede kararlı rejime ulaştığı, parçacık sürü optimizasyonu algoritmasının ise sistemin teorik olarak ulaşabileceği maksimum güç noktasına %99.96 izleme verimiyle eriştiği belirlenmiştir. Elde edilen bulgular, parçacık sürü optimizasyonu algoritmasının küresel maksimumu yakalama doğruluğu açısından daha başarılı olduğunu; bulanık mantık tabanlı değiştir ve gözle algoritmasının ise geçici rejim performansı açısından daha hızlı olduğunu göstermektedir.

Abstract

In this study, the effects of multiple peak points arising from partial shading on the maximum power point tracking performance of photovoltaic systems were investigated. For this purpose, a photovoltaic system model configured with a 1200 W boost-type DC-DC converter was developed. Under different irradiance conditions, the performance of four tracking algorithms—perturb-and-observe, fuzzy logic-based perturb-and-observe, incremental conductance, and particle swarm optimization—was evaluated. The simulation studies of the model were carried out in the MATLAB/Simulink environment. Scenarios representing standard operating conditions, fixed unbalanced shading conditions, and dynamic shading conditions were examined separately under identical operating conditions. The analysis results showed that the fuzzy logic-based perturb-and-observe algorithm reached steady-state operation within 0.2 s, whereas the particle swarm optimization algorithm achieved a tracking efficiency of 99.96% relative to the theoretical maximum power point attainable by the system. The findings indicate that the particle swarm optimization algorithm is more successful in terms of global maximum tracking accuracy, while the fuzzy logic-based perturb-and-observe algorithm provides faster transient-state performance.

🔖

Bu Makaleye Atıf Yap

Kaysal, A. (2026). Fotovoltaik sistemlerde kısmi gölgelenme koşullarında maksimum güç noktası takibi algoritmalarının performans karşılaştırması. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 17. https://doi.org/10.28948/ngumuh.1672284

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (29)

  1. J. Li, Y. Wu, S. Ma et al, Analysis of photovoltaic array maximum power point tracking under uniform environment and partial shading condition: A review. Energy Reports, 8, 13235-13252, 2022. https://doi.org/10.1016/j.egyr.2022.09. 192.
  2. K. Kaysal, F. O. Hocaoğlu, A novel three-segment solar radiation forecasting model. Renewable Energy, 256 (B), 123947, 2026. https://doi.org/10.1016/j.renene.2025.123947.
  3. R. Celikel, M. Yilmaz, A. Gundogdu, Improved voltage scanning algorithm based MPPT algorithm for PV systems under partial shading conduction. Heliyon, 10 (20), 2024. https://10.1016/j.heliyon.2024.e39382.
  4. J. Ahmed, Z. Salam, An enhanced adaptive P&O MPPT for fast and efficient tracking under varying environmental conditions. IEEE Transactions on Sustainable Energy, 9 (3), 1487-1496, 2018. https://10.1109/TSTE.2018.2791968.
  5. S. Bhattacharyya, S. Samanta, S. Mishra, Steady output and fast tracking MPPT (SOFT-MPPT) for P&O and InC algorithms. IEEE Transactions on Sustainable Energy, 12 (1), 293-302, 2020. https://10.1109/TSTE.2020.2991768.
  6. M. Yılmaz, M. F. Çorapsız, A robust MPPT method based on optimizable Gaussian process regression and high order sliding mode control for solar systems under partial shading conditions. Renewable Energy, 239, 122339, 2025. https://doi.org/10.1016/j.renene.2025.122339.
  7. Y. Zhang, Y.-J. Wang, J.-Q. Yu, A novel MPPT algorithm for photovoltaic systems based on improved sliding mode control. Electronics, 11 (15), 2421, 2022. https://doi.org/10. 3390/electronics11152421.
  8. H. Rezk, M. Aly, M. Al-Dhaifallah et al, Design and hardware implementation of new adaptive fuzzy logic-based MPPT control method for photovoltaic applications. IEEE Access, 7, 106427-106438, 2019. https://10.1109/ACCESS. 2019.2932694.
  9. K. Xia, Y. Li, B. Zhu, Improved photovoltaic MPPT algorithm based on ant colony optimization and fuzzy logic under conditions of partial shading. IEEE Access, 2024. https://10.1109/ACCESS.2024.3381345.
  10. R. B. Bollipo, S. Mikkili, P. K. Bonthagorla, Critical review on PV MPPT techniques: classical, intelligent and optimization. IET Renewable Power Generation, 14 (9), 1433-1452, 2020. https://doi.org/10.1049/iet-rpg.2019.1163.
  11. M. A. Zeddini, S. Krim, M. F. Mimouni, Experimental validation of an advanced metaheuristic algorithm for maximum power point tracking of a shaded photovoltaic system: A comparative study between three approaches. Energy Reports, 10, 161-185, 2023. https://doi.org/10.1016 /j.egyr.2023.06.019.
  12. C. Karuppasamy, R. Ganesan, P. Elamparithi, Optimizing PID Control for Maximum Power Point Tracking of Photovoltaic Systems under Variable and Partial Shading Conditions. Renewable Energy, 122930, 2025. https://doi. org/10.1016/j.renene.2025.122930.
  13. R. G. Vieira, F. M. De Araújo, M. Dhimish et al, A comprehensive review on bypass diode application on photovoltaic modules. Energies, 13 (10), 2472, 2020. https://doi.org/10.3390/en13102472.
  14. F. Belhachat, C. Larbes, Photovoltaic array reconfiguration strategies for mitigating partial shading Effects: Recent advances and perspectives. Energy Conversion and Management, 313, 118547, 2024. https://doi.org/10.1016/j.en conman.2024.118547.
  15. A. Badis, M. N. Mansouri, M. H. Boujmil, A genetic algorithm optimized MPPT controller for a PV system with DC-DC boost converter. 2017 International Conference on Engineering & MIS (ICEMIS) 1-6, 2017. https://10.1109/ ICEMIS.2017.8273010.
  16. Ö. Karaduman, K. Ş. Parlak, A Dual-Adaptive Perspective on PV Array Reconfiguration with Genetic Algorithms Under Partial Shading Conditions. Applied Sciences, 15 (4), 1762, 2025. https://doi.org/10.3390/app15041762.
  17. A. O. Baatiah, A. M. Eltamaly, M. A. Alotaibi, Improving photovoltaic MPPT performance through PSO dynamic swarm size reduction. Energies, 16 (18), 6433, 2023. https://doi.org/10.3390/en16186433.
  18. R. B. Koad, A. F. Zobaa, A. El-Shahat, A novel MPPT algorithm based on particle swarm optimization for photovoltaic systems. IEEE Transactions on Sustainable Energy, 8 (2), 468-476, 2016. https://10.1109/TSTE.2016. 2606421.
  19. F. Abdelmalek, H. Afghoul, F. Krim et al, Experimental validation of novel hybrid Grey Wolf Equilibrium Optimization for MPPT to improve the efficiency of solar photovoltaic system. Results in Engineering, 25, 103831, 2025. https://doi.org/10.1016/j.rineng.2024.103831.
  20. G. Hou, Z. Guo, Maximum power point tracking of solar photovoltaic under partial shading conditions based on improved salp swarm algorithm. Electric Power Systems Research, 241, 111316, 2025. https://10.1016/j.epsr.2024. 111316.
  21. M.-l. Wang, B.-t. Gao, J.-x. Lei et al, Improved White Shark Optimizer Based Maximum Power Point Tracking Algorithm for Photovoltaic Systems Under Partial Shading Conditions. Journal of Electrical Engineering & Technology, 20 (3), 1293-1306, 2025. https://doi.org/10.1007/s42835-024-02084-3.
  22. K. Y. Yap, C. R. Sarimuthu, J. M.-Y. Lim, Artificial intelligence based MPPT techniques for solar power system: A review. Journal of Modern Power Systems and Clean Energy, 8 (6), 1043-1059, 2020. https://10.35833/MPCE.2020.000159.
  23. F. S. Dinniyah, W. Wahab, M. Alif, Simulation of buck-boost converter for solar panels using PID controller. Energy Procedia, 115, 102-113, 2017. https://doi.org/10.1016/j.egyp ro.2017.05.011.
  24. A. Raj, R. Praveen, Highly efficient DC-DC boost converter implemented with improved MPPT algorithm for utility level photovoltaic applications. Ain Shams Engineering Journal, 13 (3), 101617, 2022. https://doi.org/10.1016/j.asej.2021. 10.012.
  25. D. W. Hart, Power electronics. McGraw-Hill New York, 2011.
  26. M. Drif, M. Bahri, D. Saigaa, A novel equivalent circuit-based model for photovoltaic sources. Optik, 242, 167046, 2021. https://doi.org/10.1016/j.ijleo.2021.167046.
  27. A. Kaysal, S. Köroğlu, Y. Oğuz, Hierarchical energy management system with multiple operation modes for hybrid DC microgrid. International Journal of Electrical Power & Energy Systems, 141, 108149, 2022. https://10.1016/j.ijepes.2022.108149.
  28. J. Kennedy, R. Eberhart, Particle swarm optimization. Proceedings of ICNN'95-international conference on neural networks 1942-1948, 1995.
  29. K. Y. Yap, C. R. Sarimuthu, J. M.-Y. Lim, Artificial intelligence based MPPT techniques for solar power system: A review. Journal of Modern Power Systems and Clean Energy, 8 (6), 1043-1059, 2020. https://10.35833/MPCE.2020.000159.