Saeed, HamdanMehmood, TahirKhan, Fadia AliShah, Muhammad ShazaibUllah, Mian FarhanAli, Hamid2022-06-202022-06-202022An improved search ability of particle swarm optimization algorithm for tracking maximum power point under shading conditions / H. Saeed [et al.] // Електротехніка і Електромеханіка = Electrical engineering & Electromechanics. – 2022. – № 2. – С. 23-28.https://repository.kpi.kharkov.ua/handle/KhPI-Press/57317Extracting maximum possible power from solar energy is a hot topic of the day as other sources have become costly and lead to pollution. Problem. Dependency on sunlight for power generation makes it unfeasible to extract maximum power. Environmental conditions like shading, partial shading and weak shading are the major aspect due to which the output of photovoltaic systems is greatly affected. Partial shading is the most known issue. Goal. There have been many proposed techniques and algorithms to extract maximum output from solar resources by use of photovoltaic arrays but every technique has had some shortcomings that couldn’t serve the complete purpose. Methodology. Nature inspired algorithms have proven to be good to search global maximum in a partially shaded multipeak curve which includes particle swarm optimization, artificial bee colony algorithm, and flower pollination algorithm. Methods. Particle swarm optimization algorithm is best among these in finding global peaks with less oscillation around maximum power point, less complexity, and easy to implement nature. Particle swarm optimization algorithm has the disadvantage of having a long computational time and converging speed, particularly under strong shading conditions. Originality. In this paper, an improved opposition based particle swarm optimization algorithm is proposed to track the global maximum power point of a solar photovoltaic module. Simulation studies have been carried out in MATLAB/Simulink R2018a. Practical value. Simulation studies have proved that opposition based particle swarm optimization algorithm is more efficient, less complex, more robust, and more flexible and has better convergence speed than particle swarm optimization algorithm, perturb and observe algorithm, hill climbing algorithm, and incremental conductance algorithm.Отримання максимально можливої потужності із сонячної енергії є надзвичайно актуальним наразі, оскільки інші джерела енергії стали коштовними та призводять до забруднення. Проблема. Залежність від сонячного світла для вироблення електроенергії унеможливлює отримання максимальної потужності. Умови навколишнього середовища, такі як затінення, часткове затінення і слабке затінення, є основним аспектом, від якого сильно залежить потужність фотоелектричних систем. Часткове затінення – найвідоміша проблема. Мета. Було запропоновано багато методів та алгоритмів для отримання максимальної віддачі від сонячних ресурсів за допомогою фотоелектричних батарей, але кожен метод мав деякі недоліки, які не могли служити досягненню повної мети. Методологія. Алгоритми, натхненні природою, виявилися хорошими для пошуку глобального максимуму на частково затіненій кривій з багатьма піками, включаючи оптимізацію рою частинок, алгоритм штучної бджолиної колонії та алгоритм запилення квітів. Методи. Алгоритм оптимізації рою частинок найкраще підходить для пошуку глобальних піків з меншими коливаннями навколо точки максимальної потужності, меншою складністю та простотою реалізації. Алгоритм оптимізації рою частинок має недолік, що полягає у тривалому часі обчислень та швидкості збіжності, особливо в умовах сильного затінення. Оригінальність. У цій статті пропонується покращений алгоритм оптимізації рою частинок на основі протилежності для відстеження глобальної точки максимальної потужності сонячного фотоелектричного модуля. Розрахункові моделювання проводились у MATLAB/Simulink R2018a. Практична цінність. Дослідження за допомогою моделювання довели, що алгоритм оптимізації рою частинок на основі протилежності є більш ефективним, менш складним, надійнішим і гнучкішим і має кращу швидкість збіжності, ніж алгоритм оптимізації рою частинок, алгоритм збурення та спостереження, алгоритм сходження на пагорб та алгоритм інкрементальної провідності.enconventional particle swarm optimizationmaximum power pointopposition based particle swarm optimization algorithmтрадиційна оптимізація рою частинокточка максимальної потужностіалгоритм оптимізації рою частинокалгоритм збурення та спостереженняалгоритм сходження на пагорбалгоритм інкрементальної провідностіArticledoi.org/10.20998/2074-272X.2022.2.04https://orcid.org/0000-0001-6433-3558https://orcid.org/0000-0002-2702-5297https://orcid.org/0000-0002-7936-651Xhttps://orcid.org/0000-0001-5795-4831https://orcid.org/0000-0001-8858-2065https://orcid.org/0000-0003-3273-3244