Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics
Introduction. The particle swarm optimization (PSO) algorithm has proven effective across various domains due to its efficient search space exploration, ease of implementation, and capability to handle high-dimensional problems. However, it is often prone to premature convergence, which limits its p...
Gespeichert in:
| Datum: | 2025 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | English |
| Veröffentlicht: |
National Technical University "Kharkiv Polytechnic Institute" and Аnatolii Pidhornyi Institute of Power Machines and Systems of NAS of Ukraine
2025
|
| Schlagworte: | |
| Online Zugang: | http://eie.khpi.edu.ua/article/view/327924 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Electrical Engineering & Electromechanics |
Institution
Electrical Engineering & Electromechanics| id |
eiekhpieduua-article-327924 |
|---|---|
| record_format |
ojs |
| institution |
Electrical Engineering & Electromechanics |
| baseUrl_str |
|
| datestamp_date |
2025-09-02T02:51:14Z |
| collection |
OJS |
| language |
English |
| topic |
improved multiswarm particle swarm optimization particle swarm optimization specific Takagi-Sugeno modeling |
| spellingShingle |
improved multiswarm particle swarm optimization particle swarm optimization specific Takagi-Sugeno modeling Zdiri, S. Moulahi, M. Messaoudi, F. Zaafouri, A. Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics |
| topic_facet |
improved multiswarm particle swarm optimization particle swarm optimization specific Takagi-Sugeno modeling покращена оптимізація рою часток з кількома роями оптимізація рою часток специфічне моделювання Такагі-Сугено |
| format |
Article |
| author |
Zdiri, S. Moulahi, M. Messaoudi, F. Zaafouri, A. |
| author_facet |
Zdiri, S. Moulahi, M. Messaoudi, F. Zaafouri, A. |
| author_sort |
Zdiri, S. |
| title |
Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics |
| title_short |
Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics |
| title_full |
Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics |
| title_fullStr |
Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics |
| title_full_unstemmed |
Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics |
| title_sort |
takagi-sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics |
| title_alt |
Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics |
| description |
Introduction. The particle swarm optimization (PSO) algorithm has proven effective across various domains due to its efficient search space exploration, ease of implementation, and capability to handle high-dimensional problems. However, it is often prone to premature convergence, which limits its performance. Problem. This issue becomes critical in identifying Takagi-Sugeno (T-S) fuzzy models, especially in complex systems like solar photovoltaic (PV) applications, where model accuracy is vital for tasks such as maximum power point tracking (MPPT) and shading compensation. Goal. This manuscript introduces an improved multiswarm PSO (I-MsPSO), designed to enhance search performance and robustness in identifying T-S fuzzy systems. The method is particularly suited to nonlinear modeling challenges in renewable energy systems. Methodology. I-MsPSO divides the swarm into 4 independent subswarms, each operating in a local region with specific inertia weights and acceleration coefficients. Periodic information sharing between subswarms allows the algorithm to converge collectively toward optimal solutions. A new modeling approach, specific Takagi-Sugeno modeling (STaSuM), is introduced, using I-MsPSO to determine both the structure and parameters of T-S fuzzy systems. Results. The I-MsPSO’s performance was tested on benchmark optimization problems and real-world engineering cases. Results show that STaSuM produces highly accurate and generalizable fuzzy models, outperforming existing techniques. Scientific novelty lies in the development of I-MsPSO, which enhances the traditional PSO by using 4 interactive subswarms with customized parameters, and the creation of STaSuM for advanced T-S fuzzy system identification. Practical value. I-MsPSO and STaSuM provide a powerful optimization and modeling framework, offering robust and accurate solutions for nonlinear and dynamic environments. Their structure makes them especially valuable for future applications in MPPT control, fault-tolerant modeling, and real-time optimization in PV energy systems. References 39, table 5, figures 8. |
| publisher |
National Technical University "Kharkiv Polytechnic Institute" and Аnatolii Pidhornyi Institute of Power Machines and Systems of NAS of Ukraine |
| publishDate |
2025 |
| url |
http://eie.khpi.edu.ua/article/view/327924 |
| work_keys_str_mv |
AT zdiris takagisugenofuzzymodelidentificationusingimprovedmultiswarmparticleswarmoptimizationinsolarphotovoltaics AT moulahim takagisugenofuzzymodelidentificationusingimprovedmultiswarmparticleswarmoptimizationinsolarphotovoltaics AT messaoudif takagisugenofuzzymodelidentificationusingimprovedmultiswarmparticleswarmoptimizationinsolarphotovoltaics AT zaafouria takagisugenofuzzymodelidentificationusingimprovedmultiswarmparticleswarmoptimizationinsolarphotovoltaics |
| first_indexed |
2025-09-17T09:27:46Z |
| last_indexed |
2025-09-17T09:27:46Z |
| _version_ |
1850412229202018304 |
| spelling |
eiekhpieduua-article-3279242025-09-02T02:51:14Z Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics Zdiri, S. Moulahi, M. Messaoudi, F. Zaafouri, A. improved multiswarm particle swarm optimization particle swarm optimization specific Takagi-Sugeno modeling покращена оптимізація рою часток з кількома роями оптимізація рою часток специфічне моделювання Такагі-Сугено Introduction. The particle swarm optimization (PSO) algorithm has proven effective across various domains due to its efficient search space exploration, ease of implementation, and capability to handle high-dimensional problems. However, it is often prone to premature convergence, which limits its performance. Problem. This issue becomes critical in identifying Takagi-Sugeno (T-S) fuzzy models, especially in complex systems like solar photovoltaic (PV) applications, where model accuracy is vital for tasks such as maximum power point tracking (MPPT) and shading compensation. Goal. This manuscript introduces an improved multiswarm PSO (I-MsPSO), designed to enhance search performance and robustness in identifying T-S fuzzy systems. The method is particularly suited to nonlinear modeling challenges in renewable energy systems. Methodology. I-MsPSO divides the swarm into 4 independent subswarms, each operating in a local region with specific inertia weights and acceleration coefficients. Periodic information sharing between subswarms allows the algorithm to converge collectively toward optimal solutions. A new modeling approach, specific Takagi-Sugeno modeling (STaSuM), is introduced, using I-MsPSO to determine both the structure and parameters of T-S fuzzy systems. Results. The I-MsPSO’s performance was tested on benchmark optimization problems and real-world engineering cases. Results show that STaSuM produces highly accurate and generalizable fuzzy models, outperforming existing techniques. Scientific novelty lies in the development of I-MsPSO, which enhances the traditional PSO by using 4 interactive subswarms with customized parameters, and the creation of STaSuM for advanced T-S fuzzy system identification. Practical value. I-MsPSO and STaSuM provide a powerful optimization and modeling framework, offering robust and accurate solutions for nonlinear and dynamic environments. Their structure makes them especially valuable for future applications in MPPT control, fault-tolerant modeling, and real-time optimization in PV energy systems. References 39, table 5, figures 8. Вступ. Алгоритм оптимізації рою часток (PSO) довів свою ефективність у різних галузях завдяки ефективному дослідженню простору пошуку, простоті реалізації та здатності вирішувати завдання високої розмірності. Однак він часто схильний до передчасної збіжності, що обмежує його продуктивність. Ця проблема стає критично важливою при ідентифікації нечітких моделей Такагі-Сугено (T-S), особливо у складних системах, таких як сонячні фотоелектричні системи (PV), де точність моделі є критично важливою для таких завдань, як відстеження точки максимальної потужності (MPPT) та компенсація затінення. Мета. У роботі представлений удосконалений багатороєвий PSO (I-MsPSO), розроблений для підвищення продуктивності пошуку та надійності при ідентифікації нечітких систем T-S. Цей метод особливо підходить для задач нелінійного моделювання у системах відновлюваної енергії. Методологія. I-MsPSO ділить рій на 4 незалежні подрої, кожен з яких працює в локальній області з певними вагами інерції та коефіцієнтами прискорення Періодичний обмін інформацією між подроями дозволяє алгоритму колективно сходитися до оптимальних рішень. Наведено новий підхід до моделювання, специфічне моделювання Такагі-Сугено (STaSuM), з використанням I-MsPSO для визначення структури та параметрів нечітких систем T-S. Результати. Продуктивність I-MsPSO протестована на еталонних задачах оптимізації та реальних інженерних прикладів. Результати показують, що STaSuM створює високоточні та узагальнені нечіткі моделі, що перевершують існуючі методи. Наукова новизна полягає в розробці I-MsPSO, який розширює традиційний PSO за рахунок використання 4 інтерактивних подроїв з параметрами, що настроюються, а також у створенні STaSuM для розширеної ідентифікації нечітких систем T-S. Практична цінність. I-MsPSO та STaSuM надають потужну платформу оптимізації та моделювання, пропонуючи надійні та точні рішення для нелінійних та динамічних середовищ. Їхня структура робить їх особливо цінними для майбутніх додатків у галузі управління MPPT, відмовостійкого моделювання та оптимізації в реальному часі у PV енергетичних системах. Бібл. 39, табл. 5, рис. 8. National Technical University "Kharkiv Polytechnic Institute" and Аnatolii Pidhornyi Institute of Power Machines and Systems of NAS of Ukraine 2025-09-02 Article Article application/pdf http://eie.khpi.edu.ua/article/view/327924 10.20998/2074-272X.2025.5.07 Electrical Engineering & Electromechanics; No. 5 (2025); 49-56 Электротехника и Электромеханика; № 5 (2025); 49-56 Електротехніка і Електромеханіка; № 5 (2025); 49-56 2309-3404 2074-272X en http://eie.khpi.edu.ua/article/view/327924/326876 Copyright (c) 2025 S. Zdiri, M. Moulahi, F. Messaoudi, A. Zaafouri http://creativecommons.org/licenses/by-nc/4.0 |