Содержание
Иллюстрации - 9
Таблицы и схемы - 3
Моделирование фотоэлектрической панели с использованием MATLAB и Simulink и применение метода отслеживания точек максимальной мощности на основе нейронных сетей «СВЕТОТЕХНИКА», 2020, № 6

Журнал «Светотехника» №6

Дата публикации 02/12/2020
Страница 46-52

Купить PDF - ₽400

Моделирование фотоэлектрической панели с использованием MATLAB и Simulink и применение метода отслеживания точек максимальной мощности на основе нейронных сетей «СВЕТОТЕХНИКА», 2020, № 6
Авторы статьи:
Мурад Талби (Mourad Talbi), Навель Менсия (Nawel Mensia), Хатем Эззауйя (Hatem Ezzaouia)

Мурад Талби (Mourad Talbi), Ph.D. Доцент кафедры электротехники в Центре исследований и технологий энергетики Борж-Седрии, Тунис. Имеет разрешение от государства на управление исследованиями и научное руководство

Навель Менсия (Nawel Mensia), Ph.D. (2011) Доцент кафедры электротехники в Центре исследований и технологий энергетики Борж-Седрии, Тунис. Область научных интересов включает применение передовых методов управления в фотоэлектрических системах

Хатем Эззауйя (Hatem Ezzaouia), Ph.D. С 2015 года директор полупроводниковой лаборатория, наноструктуры и передовых технологий, Борж-Седрия, Тунис

Аннотация
В настоящее время возобновляемые источники энергии играют важную роль в замене традиционных источников на ископаемом топливе. Солнечная фотоэлектрическая энергия - один из самых перспективных возобновляемых энергетических ресурсов, который вызывает интерес все больше в последние несколько лет. Основная проблема фотоэлектрической солнечной энергетики заключается в том, что при изменении условий работы панели с ячейками также изменяется напряжение, при котором из неё может быть получена максимальная мощность. В данной работе впервые выполнено моделирование солнечной фотоэлектрической панели с использованием MATLAB и Simulink. После этого для управления повышающим преобразователем постоянного тока применяетсяметод отслеживания точки максимальной мощности (Maximum Power Point tracking, MPPT) основанный на искусственной нейронной сети (Artificial Neural network, ANN). Этот результат отслеживания MPPT контроллером точки максимальной мощности (ТММ) оценивается и сравнивается по алгоритму «Отклониться и наблюдать» (Perturb and Observe, P&O). Результаты моделирования показывают, что предложенная методика MPPT, основанная на нейросети, даёт более быстрый отклик, чем обычная методика по алгоритму «Отклониться и наблюдать» при быстрых изменениях условий эксплуатации. Это сравнительное исследование проводится с точки зрения временных вариаций рабочего цикла, выходной мощности, выходного тока, КПД и значений целевого тока. Все это выходные параметры повышающего преобразователь (Boost DC-DC), кроме целевого тока, который является входным параметром. Результаты измерения по времени всех параметров (для двух случаев: T=25℃ и G=1000 Вт⁄м2, и когда T и G являются переменными), показывают незначительные отклонения от значения точки максимальной мощности. Используемый MPPT контроллер на основе искусственной нейронной сети имеет время сходимости лучше, чем обычный метод «Отклониться и наблюдать».
Список использованной литературы
1. Subiyanto, A. Mohamed, and M. A. HANNan. Maximum power point tracking in grid connected PV system using a novel fuzzy logic controller // Proceedings of the IEEE Student Conference on Research and Development (SCOReD ‘09), pp. 349–352, IEEE, Serdang, Malaysia, November 2009.
2. P. Takun, S. Kaitwanidvilai and C. Jettanasen. Maximum Power Point Tracking using Fuzzy Logic Control for Photovoltaic Systems // Proceedings of the International MultiConference of Engineers and Computer Scientists Hong Kong, 2011.
3. A.K. Mahamad, S. Saon and K. Diaw. FPGA Based Maximum Power Point Tracking of Photovoltaic System using Perturb and Observe Method during Shading Condition // International Conference on Internet Services Technology and Information Eng, 2014.
4. http://ecee.colorado.edu/~ecen2060/matlab.html
5. C. Anil Kumar and N. Surekha. Artificial Neural Network based Maximum Powerpoint Tracking of Solar Panel // International Journal of Computer Technology and Applications, 2017. V10, #02, pp. 253–263.
6. Loubna Bouselham, Mohammed Hajji, Bekkay Hajji and HichamBouali. A New MPPT-based ANN for Photovoltaic System under Partial Shading Conditions // Energy Procedia, Volume 111, March 2017, pp. 924–933.
7. Naoufel Khaldi, Hassan Mahmoudi, Malika Zazi, Youssef Barradi. Implementation of a MPPT Neural Controller for Photovoltaic Systems on FPGA Circuit // WSEAS TRANSACTIONS on POWER SYSTEMS, V9, 2014.
8. Naoufel Khaldi, Hassan Mahmoudi, Malika Zazi, Youssef Barradi. The MPPT control of PV system by using neural networks based on Newton Raphson method // 2014 International Renewable and Sustainable Energy Conference (IRSEC), 17–19 Oct. 2014, Ouarzazate, Morocco.
9. R. Ramaprabha, B.L. Mathur, M. Sharanya. Solar array modeling and simulation of MPPT using neural network, 2009 International Conference on Control, Automation // Communication and Energy Conservation, 4–6 June 2009, Perundurai, Tamilnadu, India
10. Loubna Bouselhama, Mohammed Hajjia, Bekkay Hajji, Hicham Boualia, A new MPPT-based ANN for photovoltaic system under partial shading conditions // Energy Procedia, 2017. V111, pp. 924–933.
11. Jobeda J Khanam, Simon Y Foo. Modeling of a photovoltaic array in MATLAB simulink and maximum power point tracking using neural network // Electrical & Electronic Technology Open Access Journal, 2018. V2, #2, pp. 40–46.
12. http://www.aast.edu/en/openfiles/opencmsfiles/pdf_retreive_cms.php?disp_unit=351/Hatem%20Diab-Thesis.pdf
13. L. Bouselham, M. Hajji, B. Hajji and H. Bouali. A New MPPT-based ANN for Photovoltaic System under Partial Shading Conditions, // Energy Procedia 2017. V111, pp. 924–933.
14. MA. Islam and MA. Kabir. Neural network based maximum power point tracking of photovoltaic arrays, // TENCON IEEE region 10 conf; 2011. pp. 79–82.
15. Z. Salam, J. Ahmed and B.S. Merugu. The application of soft computing methods for MPPT of PV system: A technological and status review // Applied Energy 2013, 107, pp. 135–148.
16. M. Horan, B. Soon, T.K. Rahmani, R. Oo., A.M.T., S. Mekhilef, A. Stojcevski. State of the art artificial intelligence-based MPPT techniques for mitigating partial shading effects on PV systems – A review // Renew. Sustain. Energy Rev. 2016. V64, рр. 435–455.
Ключевые слова
Выберите вариант доступа к этой статье

Купить

Рекомендуемые статьи