Please use this identifier to cite or link to this item: http://repository.kpi.kharkov.ua/handle/KhPI-Press/56299
Title: Adaptive maximum power point tracking using neural networks for a photovoltaic systems according grid
Other Titles: Адаптивне відстеження максимальної потужності за використанням нейронних мереж для фотоелектричних систем мережі
Authors: Sahraoui, Hamza
Mellah, Hacene
Drid, Said
Chrifi-Alaoui, Larbi
Keywords: artificial neural network; grid-connected; штучна нейронна мережа; підключення до мережі
Issue Date: 2021
Publisher: Національний технічний університет "Харківський політехнічний інститут"
Citation: Adaptive maximum power point tracking using neural networks for a photovoltaic systems according grid / H. Sahraoui [et al.] // Електротехніка і Електромеханіка = Electrical engineering & Electromechanics. – 2021. – № 5. – С. 57-66.
Abstract: This article deals with the optimization of the energy conversion ofa 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 standalone 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.
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 нейронноїмережі. 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.
DOI: doi.org/10.20998/2074-272X.2021.5.08
URI: http://repository.kpi.kharkov.ua/handle/KhPI-Press/56299
Appears in Collections:Кафедра "Електричні апарати"

Files in This Item:
File Description SizeFormat 
EE_2021_5_Sahraoui_Adaptive.pdf954,22 kBAdobe PDFView/Open
Show full item record  Google Scholar



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.