Адаптивне відстеження максимальної потужності за використанням нейронних мереж для фотоелектричних систем мережі

Autor: H. Sahraoui, H. Mellah, S. Drid, L. Chrifi-Alaoui
Jazyk: angličtina
Rok vydání: 2021
Předmět:
Maximum power principle
Computer science
Computer Science::Neural and Evolutionary Computation
grid-connected artificial neural network
Systems and Control (eess.SY)
штучна нейронна мережа
штучна нейронна мережа-відстеження точки максимальної потужності
Electrical Engineering and Systems Science - Systems and Control
GeneralLiterature_MISCELLANEOUS
Maximum power point tracking
Control theory
FOS: Electrical engineering
electronic engineering
information engineering

адаптивне модифіковане збурення та спостереження
Artificial neural network
підключення до мережі
adaptive modified perturbation and observation
Photovoltaic system
Grid
Backpropagation
TK1-9971
Duty cycle
штучна нейронна мережа
підключена до мережі

grid-connected
artificial neural network-maximum power point tracking
Electrical engineering. Electronics. Nuclear engineering
artificial neural network
Energy (signal processing)
Zdroj: Electrical engineering & Electromechanics, Iss 5, Pp 57-66 (2021)
Electrical Engineering & Electromechanics; No. 5 (2021); 57-66
Электротехника и Электромеханика; № 5 (2021); 57-66
Електротехніка і Електромеханіка; № 5 (2021); 57-66
ISSN: 2309-3404
2074-272X
Popis: Introduction. This article deals with the optimization of the energy conversion of a grid-connected photovoltaic system. The novelty is to develop an intelligent maximum power point tracking technique using artificial neural network algorithms. Purpose. Intelligent maximum power point tracking technique is developed in order to improve the photovoltaic system performances under the variations of the temperature and irradiation. Methods. This work is to calculate and follow the maximum power point for a photovoltaic system operating according to the artificial intelligence mechanism is and the latter is used an adaptive modified perturbation and observation maximum power point tracking algorithm based on function sign to generate an specify duty cycle applied to DC-DC converter, where we use the feed forward artificial neural network type trained by Levenberg-Marquardt backpropagation. Results. The photovoltaic system that we chose to simulate and apply this intelligent technique on it is a stand-alone photovoltaic system. According to the results obtained from simulation of the photovoltaic system using adaptive modified perturbation and observation – artificial neural network the efficiency and the quality of the production of energy from photovoltaic is increased. Practical value. The proposed algorithm is validated by a dSPACE DS1104 for different operating conditions. All practice results confirm the effectiveness of our proposed algorithm.
Вступ. У статті йдеться про оптимізацію перетворення енергії фотоелектричної системи, підключеної до мережі. Новизна полягає у розробці методики інтелектуального відстеження точок максимальної потужності з використанням алгоритмів штучної нейронної мережі. Мета. Методика інтелектуального відстеження точок максимальної потужності розроблена з метою поліпшення характеристик фотоелектричної системи в умовах зміни температури та опромінення. Методи. Робота полягає в обчисленні та відстеженні точки максимальної потужності для фотоелектричної системи, що працює відповідно до механізму штучного інтелекту, і в останній використовується адаптивний модифікований алгоритм збурення та відстеження точок максимальної потужності на основі знаку функції для створення заданого робочого циклу стосовно DC-DC перетворювача, де ми використовуємо штучну нейронну мережу типу «прямої подачі», навчену зворотному розповсюдженню Левенберга-Марквардта. Результати. Фотоелектрична система, яку ми обрали для моделювання та застосування цієї інтелектуальної методики, є автономною фотоелектричною системою. Відповідно до результатів, отриманих при моделюванні фотоелектричної системи з використанням адаптивних модифікованих збурень та спостереження – штучної нейронної мережі, ефективність та якість виробництва енергії з фотоелектричної енергії підвищується. Практична цінність. Запропонований алгоритм перевірено dSPACE DS1104 для різних умов роботи. Усі практичні результати підтверджують ефективність запропонованого нами алгоритму.
Databáze: OpenAIRE