A photovoltaic system maximum power point tracking by using artificial neural network

• Autorzy: Kumar Karri Hemanth , Rao Gadi Venkata Siva Krishna

Identyfikatory

DOI

0.15199/48.2022.02.07

Warianty tytułu

PL

Śledzenie maksymalnego punktu mocy systemu fotowoltaicznego za pomocą sztucznej sieci neuronowej

• Języki publikacji: EN

Abstrakty

EN

The electrical energy from the sun can be extracted using solar photovoltaic (PV) modules. This energy can be maximized if the connected load resistance matches that of the PV panel. In search of the optimum matching between the PV and the load resistance, the maximum power point tracking (MPPT) technique offers considerable potential. This paper aims to show how the modelling process of an efficient PV system with a DC load can be achieved using an artificial neural network (ANN) controller. This is applied via an innovative methodology, which senses the irradiance and temperature of the PV panel and produces an optimal value of duty ration for the boost converter to obtain the MPPT. The coefficients of this controller have been refined based upon previous data sets using the irradiance and temperature. A gradient descent algorithm is employed to improve the parameters of the ANN controller to achieve an optimal response. The validity of the PV system using the MPPT technique based on the ANN controller is further demonstrated via a series of experimental tests at different ambient conditions. The simulation results show how the MPPT technique based on the ANN controller is more effective in maintaining the optimal power values compared with conventional techniques.

PL

Energia elektryczna ze słońca może być pozyskiwana za pomocą modułów fotowoltaicznych (PV). Energię tę można zmaksymalizować, jeśli rezystancja podłączonego obciążenia jest zgodna z rezystancją panelu fotowoltaicznego. W poszukiwaniu optymalnego dopasowania między PV a rezystancją obciążenia, technika śledzenia punktu maksymalnej mocy (MPPT) oferuje znaczny potencjał. Niniejszy artykuł ma na celu pokazanie, w jaki sposób można osiągnąć proces modelowania wydajnego systemu fotowoltaicznego z obciążeniem DC przy użyciu kontrolera sztucznej sieci neuronowej (ANN). Jest to stosowane za pomocą innowacyjnej metodologii, która wykrywa natężenie promieniowania i temperaturę panelu fotowoltaicznego i wytwarza optymalną wartość współczynnika wypełnienia dla konwertera doładowania w celu uzyskania MPPT. Współczynniki tego kontrolera zostały udoskonalone w oparciu o poprzednie zestawy danych z wykorzystaniem natężenia promieniowania i temperatury. Algorytm opadania gradientu jest wykorzystywany do poprawy parametrów kontrolera ANN w celu uzyskania optymalnej odpowiedzi. Ważność systemu fotowoltaicznego wykorzystującego technikę MPPT opartą na sterowniku ANN jest dalej demonstrowana w serii testów eksperymentalnych w różnych warunkach otoczenia. Wyniki symulacji pokazują, w jaki sposób technika MPPT oparta na sterowniku ANN skuteczniej utrzymuje optymalne wartości mocy w porównaniu z technikami konwencjonalnymi.

Słowa kluczowe

EN

photovoltaic system; maximum power point tracking; artificial neural network

PL

system fotowoltaiczny; śledzenie maksymalnej mocy; sieć neuronowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 2
• Strony: 33--38
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Kumar Karri Hemanth

• Department of Electrical Engineering, Andhra university college of Engineering (A), Andhra university, Vishakhapatnam, India

• https://orcid.org/0000-0001-6198-999X

autor

Rao Gadi Venkata Siva Krishna

• Department of Electrical Engineering, Andhra university college of Engineering (A), Andhra university, Vishakhapatnam, India

• https://orcid.org/0000-0003-4314-4816

Bibliografia

• 1. A. Costa, De Souza, F. Cardoso Melo, T. Lima Oliveira and C. Eduardo Tavares, "Performance Analysis of the Computational Implementation of a Simplified PV Model and MPPT Algorithm", IEEE Latin AmericaTransactions, vol. 14, no. 2, pp. 792-798, Feb. 2016.
• 2. L. An and D. D. C. Lu, "Design of a Single-Switch DC/DC Converter for a PV-Battery-Powered Pump System With PFM+PWM Control", IEEE Transactions on Industrial Electronics, vol. 62, no. 2, pp. 910-921, Feb. 2015.
• 3. Barnam Jyoti Saharia, Munish Manas and Bani Kanta Talukdar, "Comparative Evaluation of Photovoltaic MPP Trackers: A Simulated Approach", Cogent Engineering Taylor and Francis Inc., vol. 3, pp. 1-17, 2016.
• 4. Zaheeruddin and Munish Manas, "Analysis of Design of technologies tariff Structures and regulatory policies for sustainable growth of the Smart grid” in Taylor and Francis's Energy Technology and Policy", Journal, vol. 2, no. 1, pp. 28-38, 2015.
• 5. A. Montecucco and A. R. Knox, "Maximum Power Point Tracking Converter Based on the Open-Circuit Voltage Method for Thermoelectric Generators", IEEE Transactions on Power Electronics, vol. 30, no. 2, pp. 828-839, Feb. 2015.
• 6. Munish Manas, "Development of preferential regulations transmission tariffs and critical technological components for the promotion of smart grid globally", Economics and Policy of Energy and the Environment Franco Angeli Inc (SCI Indexed), vol. 75, no. 2, pp. 107-130, 2015.
• 7. K. Ding, X. Bian, H. Liu and T. Peng, "A MATLAB-Simulink Based PV Module Model and Its Application Under Conditions of Non-uniform Insolation", IEEE Transactions on Energy Conversion, vol. 27, no. 4, pp. 864-872, Dec. 2012.
• 8. T. F. Wu, C. L. Kuo, K. H. Sun, Y. K. Chen, Y. R. Chang and Y. D. Lee, "Integration and Operation of a Single-Phase Bidirectional Inverter with Two Buck/Boost MPPTs for DC Distribution Applications", IEEE Transactions on Power Electronics, vol. 28, no. 11, pp. 5098-5106, Nov. 2013.
• 9. M. Rizwan, M. Jamil and D. P. Kothari, "Generalized Neural Network Approach for Global Solar Energy Estimation in India", IEEE Transactions on Sustainable Energy, vol. 3, no. 3, pp. 576-584, July 2012.
• 10. R. Y. Kim and J. S. Lai, "A Seamless Mode Transfer Maximum Power Point Tracking Controller for Thermoelectric Generator Applications", IEEE Transactions on Power Electronics, vol. 23, no. 5, pp. 2310-2318, Sept. 2008