PV fed boost converter efficiency improvement using neural networks and model predictive control

• Autorzy: Melouk Kheira , Della Krachai Mohamed , Della Krachai Saidia

Identyfikatory

DOI

10.15199/48.2025.02.41

Warianty tytułu

PL

Poprawa wydajności konwertera podwyższającego zasilanego energią fotowoltaiczną przy użyciu sieci neuronowych i sterowania predykcyjnego modelem

• Języki publikacji: EN

Abstrakty

EN

This paper presents a model predictive control (MPC) technique applied to a DC-DC boost converter powered by a photovoltaic ( PV ) generator. The control objective is to ensure the maximum power point tracking (MPPT) using neural networks and achieve a stable output voltage under varying environmental conditions. Photovoltaic systems are highly dependent on solar irradiance and temperature, which affect their output characteristics. The proposed method leverages predictive control algorithms to anticipate system behaviour and adjust the converter’s duty cycle in real-time, thereby improving the system’s overall efficiency and response time compared to conventional control methods. Simulation results validate the effectiveness of the proposed control scheme in terms of response time, voltage regulation, and robustness against environmental changes.

PL

W artykule przedstawiono technikę modelowego sterowania predykcyjnego (MPC) zastosowaną w przetwornicy podwyższającej˙ napięcie DC-DC zasilanej z generatora fotowoltaicznego (PV). Celem sterowania jest zapewnienie śledzenia punktu maksymalnej mocy (MPPT) przy użyciu sieci neuronowych i osiągnięcie stabilnego napięcia wyjściowego w zmiennych warunkach środowiskowych. Systemy fotowoltaiczne są w dużym˙ stopniu zależne˙ od natężenia promieniowania słonecznego i temperatury, które wpływają na ich charakterystykę wyjściową. Proponowana metoda wykorzystuje algorytmy sterowania predykcyjnego do przewidywania zachowania systemu i dostosowywania cyklu pracy przekształtnika w czasie rzeczywistym, poprawiając w ten sposób ogólną wydajność systemu i czas reakcji w porównaniu z konwencjonalnymi metodami sterowania. Wyniki symulacji potwierdzają skuteczność proponowanego schematu sterowania pod względem czasu reakcji, regulacji napięcia i odporności na zmiany środowiskowe.

Słowa kluczowe

EN

model predictive control; DC/DC boost converter; maximum power point tracking; artificial neural network

PL

modelowe sterowanie predykcyjne; konwerter podwyższający DC/DC; śledzenie punktu mocy maksymalnej; sztuczna sieć neuronowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2025
• Tom: R. 101, nr 2
• Strony: 177--181
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Melouk Kheira

• Faculty Electrical Engineering, Department of Automatics, University of Science and Technology of Oran. U.S.T.O.M.B, PO. Box 1505 El Menaouer USTO, Oran, Algeria

• https://orcid.org/0000-0002-9300-649X

autor

Della Krachai Mohamed

• Faculty Electrical Engineering, Department of Automatics, University of Science and Technology of Oran. U.S.T.O.M.B, PO. Box 1505 El Menaouer USTO, Oran, Algeria

• https://orcid.org/0000-0002-0899-8923

autor

Della Krachai Saidia

• Spatial Development Center, Algeria

• https://orcid.org/0000-0002-0710-1037

Bibliografia

• [1] Della Krachai. M, Melouk. k, Keddar. M: Investigating sineband hysteresis control of photovoltaic-grid connected inverter, International Journal of Power Electronics and Drive System (IJPEDS), 11(2), pp. 969 976, 2020.
• [2] Della Krachai. S, Boudghene Stambouli. A, Della Krachai. M, Bekhti: Experimental investigation of artificial intelligence applied in MPPT techniques, International Journal of Power Electronics and Drive System (IJPEDS), 10(4), pp. 2138 2147 , 2019.
• [3] KACIMI, Nora et al.: New improved hybrid MPPT based on neural network-model predictive control-kalman filter for photovoltaic system, Indonesian Journal of Electrical Engineering and Computer Science, 20(3), pp. 1230 1241, 2020.
• [4] Ma, C., Li, N., Li, S.: Maximum Power Point Tracking for Photovoltaic System Using Model Predictive Control, Intelligent Computing for Sustainable Energy and Environment ICSEE (2013), pp. 515 525, 2013.
• [5] Zhao, Y., An, A., Xu, Y. et al.: Model predictive control of gridconnected PV power generation system considering optimal MPPT control of PV modules, Prot Control Mod Power Syst, 6(32), pp. 2 12, 2021.
• [6] M. B. Shadmand, X. Li, R. S. Balog and H. A. Rub: Model predictive control of grid-tied photovoltaic systems: Maximum power point tracking and decoupled power control, First Workshop on Smart Grid and Renewable Energy (SGRE), pp. 1 6 , 2015.
• [7] Ahmed, M.; Harbi, I.; Kennel, R.; Rodríguez, J.; Abdelrahem, M.: Maximum Power Point Tracking-Based Model Predictive Control for Photovoltaic Systems: Investigation and New Perspective, Sensors, vol. 22, pp. 1 18, 2022.
• [8] M. Metry, S. Bayhan, R. S. Balog and H. A. Rub: Model predictive control for PV maximum power point tracking of singlephase submultilevel inverter, IEEE Power and Energy Conference at Illinois (PECI), pp. 1 8, 2016.
• [9] Irmak, E and Güler. N: A model predictive control based hybrid MPPT method for boost converters, International Journal of Electronics, vol. 107, no. 1, pp. 1 16, 2020.
• [10] Ravi K. M., Jyoti P. M., Ashish A. D.: MPC-based DC microgrid integrated series active power filter for voltage quality improvement in distribution system, International Journal of Circuit Theory and Applications, vol. 51, no. 3, pp. 1349 1371 , 2022.
• [11] Marahatta. A, Rajbhandari. Y,Shrestha. A, Phuyal. S, Thapa. A, Korba. P.: Diagnostic Model predictive control of DC/DC boost converter with reinforcement learning, Heliyon, vol. 83 , pp. 1 13, 2022.
• [12] Sowparnika. G.C, Sivalingam. A, Thirumarimurugan. T: Modeling and Control of Renewable Source Boost Converter using Model Predictive Controller, International Journal of Computer Application, vol. 5, no. 7, pp. 2250 1797, 2015.