Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phương Pháp Điều Khiển Kết Hợp Để Theo Dõi Điểm Công Suất Tối Đa (MPPT) Trong Các Hệ Thống Quang Điện
Tóm tắt
Năng lượng quang điện (PV) đã chứng kiến sự tăng trưởng trong thập kỷ qua. Ngày nay, các hệ thống năng lượng PV đã chứng minh được hiệu quả của chúng như là phương pháp sử dụng tài nguyên năng lượng tái tạo với tác động môi trường tối thiểu. Do những lợi ích về môi trường và kinh tế này, các hệ thống PV đang được triển khai rộng rãi như là nguồn năng lượng phân tán trong các hệ thống phát điện phân phối hoặc các lưới vi mô. Các thuật toán theo dõi điểm công suất tối đa (MPPT) đóng một vai trò quan trọng do khả năng tối ưu hóa trong các hệ thống này. Trong bài báo này, điện áp đầu ra của dải PV đã được tối ưu hóa bằng cách cải thiện hiệu suất của thuật toán MPPT. Một bộ điều khiển MPPT kết hợp mờ-thần kinh mới được đề xuất. Dữ liệu huấn luyện trong mạng nơ-ron được tối ưu hóa bằng thuật toán di truyền. Bộ điều khiển được đề xuất đã được mô phỏng và nghiên cứu bằng phần mềm MATLAB. Kết quả đạt được cho thấy khả năng vượt trội của phương pháp được gợi ý trong việc theo dõi MPP dưới sự biến động nhanh của điều kiện khí quyển và tải của bộ chuyển đổi.
Từ khóa
#Năng lượng quang điện #điểm công suất tối đa #thuật toán MPPT #điều khiển mờ-thần kinh #tối ưu hóa.Tài liệu tham khảo
Piegari L., Rizzo R.: Adaptive perturb and observe algorithm for photovoltaic maximum power point tracking. Renew. Power Generation IET. 4(4), 317–328 (2010)
Luo, W.; Han, G.: Tracking and Controlling of Maximum Power Point Application in Grid-connected Photovoltaic Generation System. In: Second International Symposium on Knowledge Acquisition and Modeling, pp. 237–240 (2009)
Luo, W.; Han, G.: The Algorithms Research of Maximum Power Point Tracking in Grid-connected Photovoltaic Generation System. In: Second International Symposium on Knowledge Acquisition and Modeling, pp. 77–80 (2009)
Abdelsalam A.K., Massoud A.M., Ahmed Sh., Enjeti P.N.: High-performance adaptive perturb and observe MPPT technique for photovoltaic-based microgrids. IEEE Trans. Power Electron. 26(4), 1010–1021 (2011)
Esram T., Chapman P.L.: Comparison of photovoltaic array maximum power point tracking techniques. IEEE Trans. Energy Conv. 22(2), 439–449 (2007)
Xiao, W.; Elnosh, A.; Khadkikar, V.; Zeineldin, H.: Overview of Maximum Power Point Tracking Technologies for Photovoltaic Power Systems. In: 37th Annual Conference on IEEE Industrial Electronics Society, pp. 3900–3905 (2011)
Cai, X.-c.; Fu, B.; Huang, Y.-w.; Xing, X.; Yu, L.; Yi, N.: A Research of MPPT Implementation Strategy Based on the Improved Conductance Increment Method. In: International Conference on Image Analysis and Signal Processing (IASP), pp. 529–532 (2011)
Shihong, Q.; Wang, M.; Chen, T.; Yao, X.: Comparative Analysis of Incremental Conductance and Perturb-and-Observation Methods to Implement MPPT in Photovoltaic System. In: International Conference on Electrical and Control Engineering (ICECE), pp. 5792–5795 (2011)
Hiyama T., Kitabayashi K.: Neural network based estimation of maximum power generation from PV module using environment information. IEEE Trans. Energy Conv. 12(3), 241–247 (1997)
Hiyama T., Kauuma S., Imakubo T.: Identification of optimal operating point of PV modules using neural network for real time maximum power tracking control. IEEE Trans. Energy Conv. 10(2), 360–367 (1995)
Ramaprabha, R.; Gothandaraman, V.; Kanimozhi, K.; Divya, R.; Mathur, B.L.: Maximum Power Point Tracking using GA Optimized Artificial Neural Network for Solar PV System. In: 1st International Conference on Electrical Energy Systems (ICEES), pp. 264–268 (2011)
Ramaprabha R., Mathur B.L.: Intelligent controller based maximum power point tracking for solar PV system. Intern. J. Comp. Appl. 12(10), 37–41 (2010)
Long, J.; Chen, Z.: Research on the MPPT Algorithms of Photovoltaic System Based on PV Neural Network. In: Control and Decision Conference (CCDC), pp. 1851–1854 (2011)
Kohata Y., Yamauchi K., Kurihara M.: High-speed maximum power point tracker for photovoltaic systems using online learning neural networks. J. Adv. Comput. Intell. Intellig. Inform. 14(6), 677–683 (2010)
Hadji, S.; Krim, F.; Gaubert, J.P.: Development of an Algorithm of Maximum Power Point Tracking for Photovoltaic Systems Using Genetic Algorithms. In: 7th International Workshop on Systems, Signal Processing and their Applications (WOSSPA), pp. 43–46 (2011)
Ramaprabha, R.; Gothandaraman, V.; Kanimozhi, K.; Divya, R.; Mathur, B.L.: Maximum Power Point Tracking using GA Optimized Artificial Neural Network for Solar PV System. In: 1st International Conference on Electrical Energy Systems (ICEES), pp. 264–268 (2011)
Ramaprabha R., Mathur B.L.: Intelligent Controller based Maximum Power Point Tracking for Solar PV System. Intern. J. Comp. Appl. 12(10), 37–41 (2011)
Kulaksiz A.A., Akkaya R.: Training data optimization for ANNs using genetic algorithms to enhance MPPT efficiency of a stand-alone PV system. Turkish J. Electrical Eng. Comp. Sci. 20(2), 241–254 (2012)
Bekker, B.; Beukes, H. J.: Finding an Optimal PV Panel Maximum Power Point Tracking Method. In: 8th AFRICON Conference in Africa, pp. 1125–1129 (2004)
Midya, P.; Krein, P.T.; Turnbull, R.J.; Reppa, R.; Kimball, J.: Dynamic Maximum Power Point Tracker for Photovoltaic Applications. In: 27th Annual IEEE Power Electronics Specialists Conference, pp. 1710–1716 (1996)
Koizumi, H.; Kurokawa, K.: A Novel Maximum Power Point Tracking Method for PV Module Integrated Converter. In: Proceedings of the 36th IEEE Power Electronic Specialists Conference (PESC-04), Recife, pp. 2081–2086 (2005)
Solarex data sheets. www.solarex.com