تعيين بهينه MPPT آرايه هاي خورشيدي در شرايط سايه جزيي باسيستم فازي-عصبي تطبيقي
توان خروجي يک سلول فتوولتاييک به دما و شدت تابش وابسته است. از طرفي، پديده هاي نامتعارفي مانند ابرها، بر روي آرايه هاي خورشيدي، سايه هاي جزئي ايجاد مي کنند. در شراط سايه جزئي، منحني جريان-توان يک آرايه خورشيدي چندين نقطه بيشينه محلي دارد که در اين حالت، سيستم هاي مرسوم ردياب توان بيشينه، به يک نقطه محلي همگرا مي شوند.
توان خروجي يک سلول فتوولتاييک به دما و شدت تابش وابسته است. از طرفي، پديده هاي نامتعارفي مانند ابرها، بر روي آرايه هاي خورشيدي، سايه هاي جزئي ايجاد مي کنند. در شراط سايه جزئي، منحني جريان-توان يک آرايه خورشيدي چندين نقطه بيشينه محلي دارد که در اين حالت، سيستم هاي مرسوم ردياب توان بيشينه، به يک نقطه محلي همگرا مي شوند.
الگوريتم بهينه سازي کوچ پرندگان قادر به تعيين نقطه بهينه سيستم در شرايط سايه مي باشد اما در هنگام تغييرات سريع و ناگهاني شرايط محيطي (همچون دما و شدت تابش) و سايه، به دليل کمبود زمان، اين الگوريتم در تعيين دقيق نقطه بهينه سيستم ناتوان مي باشد. ل
ذا در اين مقاله، ابتدا با استفاده از الگوريتم بهينه-سازي کوچ پرندگان، نقطه بهينه آرايه هاي خورشيدي در دما و شدت تابش متفاوت و در شرايط سايه جزئي به صورت برون خط بدست مي آيد و سپس با استفاده از سيستم فازي-عصبي تطبيقي، روشي سريع جهت تعيين توان بيشينه در شرايط متفاوت محيطي و وجود سايه در حالت برخط معرفي مي شود.
مزيت اصلي روش پيشنهادي، عدم قرار گيري در نقاط بهينه محلي و کارکرد بسيار خوب در زمان تغييرات ناگهاني در شرايط محيطي و سايه مي باشد. نتايج شبيه سازي دقت و صحت روش معرفي شده در اين مقاله را اثبات مي کند.
الگوريتم بهينه سازي کوچ پرندگان قادر به تعيين نقطه بهينه سيستم در شرايط سايه مي باشد اما در هنگام تغييرات سريع و ناگهاني شرايط محيطي (همچون دما و شدت تابش) و سايه، به دليل کمبود زمان، اين الگوريتم در تعيين دقيق نقطه بهينه سيستم ناتوان مي باشد. ل
ذا در اين مقاله، ابتدا با استفاده از الگوريتم بهينه-سازي کوچ پرندگان، نقطه بهينه آرايه هاي خورشيدي در دما و شدت تابش متفاوت و در شرايط سايه جزئي به صورت برون خط بدست مي آيد و سپس با استفاده از سيستم فازي-عصبي تطبيقي، روشي سريع جهت تعيين توان بيشينه در شرايط متفاوت محيطي و وجود سايه در حالت برخط معرفي مي شود.
مزيت اصلي روش پيشنهادي، عدم قرار گيري در نقاط بهينه محلي و کارکرد بسيار خوب در زمان تغييرات ناگهاني در شرايط محيطي و سايه مي باشد. نتايج شبيه سازي دقت و صحت روش معرفي شده در اين مقاله را اثبات مي کند.
Abstract: The Photovoltaic array output power (PV) depends on temperature and solar irradiance. While mismatch phenomenon, including clouds partial shade, influences PV output power contributing to several local maximum power points (LMMP). Conventional MPPT methods cannot operate accurately under partial shaded conditions, and might not converge to the global maximum power point (GMPP). Particle swarm optimization (PSO) method can be used for MPPT under partial shaded conditions, however it cannot operate under sudden environmental variations due to lack of time. Present study proposes a fast online MPPT method using adaptive-network based fuzzy inference system which can be used under different environmental variations and partial shaded conditions. To apply this method, firstly, PSO method was used to provide a database of PV optimal points under various environmental and partial shaded conditions. The main advantages for the proposed method are its accuracy and high speed performance to track the global maximum power points of PVs under different conditions, especially partial shaded conditions.
به گزارش برق نیوز، این مقاله در سی امین کنفرانس بین المللی برق در تاریخ 2 تا4 آذرماه 94 ارائه شده است. برای دانلود فایل پی دی اف pdf این مقاله روی لینک زیر کلیک نمایید:
از ارسال دیدگاه های نا مرتبط با متن خبر، تکرار نظر دیگران، توهین به سایر کاربران و ارسال متن های طولانی خودداری نمایید.
لطفا نظرات بدون بی احترامی، افترا و توهین به مسئولان، اقلیت ها، قومیت ها و ... باشد و به طور کلی مغایرتی با اصول اخلاقی و قوانین کشور نداشته باشد.
در غیر این صورت، «برق نیوز» مطلب مورد نظر را رد یا بنا به تشخیص خود با ممیزی منتشر خواهد کرد.