Takagi-Sugeno fuzzy model identification using improved multiswarm particle swarm optimization in solar photovoltaics

Abstract

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.

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 використання 4 інтерактивних подроїв з параметрами, що настроюються, а також у створенні STaSuM для розширеної дентифікації 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.