Performance enhancement of pv system using artificial neural network (ANN) as a maximum power point tracking

• Autorzy: Bensiali Nadia , Benalia Nadia , Zerzouri Nora

Identyfikatory

DOI

10.15199/48.2023.04.45

Warianty tytułu

PL

Zwiększenie wydajności systemu fotowoltaicznego przy użyciu sztucznej sieci neuronowej (ANN) jako śledzenia punktu maksymalnej mocy

• Języki publikacji: EN

Abstrakty

EN

Since the generalization of the use of electricity, energy consumption, conversion and energy storage has led to research and development of new sources of supply. This interest has increased due to the depletion of fossil fuels, their impact on the environment and the waste they generate. Photovoltaic (PV) technology is an attractive solution as a replacement or complementary to conventional sources of electricity supply due to its many advantages. This work focuses on studying, modeling and designing of an advanced controller for a step up converter that uses an artificial neural network (ANN) as a maximum power point tracking (MPPT) algorithm to generate maximum power. The effectiveness was proved for climatic conditions variation. A comparative study between the proposed method and the conventional ones was carried out using Matlab/Simulink software.

PL

Od czasu uogólnienia wykorzystania energii elektrycznej jej zużycie, konwersja i magazynowanie energii doprowadziły do badań i rozwoju nowych źródeł zaopatrzenia. Zainteresowanie to wzrosło ze względu na wyczerpywanie się paliw kopalnych, ich wpływ na środowisko i generowane przez nie odpady. Technologia fotowoltaiczna (PV) jest atrakcyjnym rozwiązaniem jako zamiennik lub uzupełnienie konwencjonalnych źródeł zaopatrzenia w energię elektryczną ze względu na swoje liczne zalety. Praca ta koncentruje się na badaniu, modelowaniu i projektowaniu zaawansowanego sterownika do przetwornicy podwyższającej, która wykorzystuje sztuczną sieć neuronową (ANN) jako algorytm śledzenia punktu mocy maksymalnej (MPPT) do generowania maksymalnej mocy. Skuteczność została wykazana przy zmienności warunków klimatycznych. Badanie porównawcze proponowanej metody z metodami konwencjonalnymi przeprowadzono z wykorzystaniem oprogramowania Matlab/Simulink.

Słowa kluczowe

EN

solar energy; Step up Chopper; intelligent MPPT controller; artificial neural network

PL

energia słoneczna; Step up Chopper; inteligentny sterownik MPPT; sztuczna sieć neuronowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 4
• Strony: 262--265
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Bensiali Nadia

• LEA Laboratoire d’Electrotechnique d’Annaba, Badji Mokhtar Annaba University, Annaba 23000, Algeria

• https://orcid.org/0000-0001-7248-4823

autor

Benalia Nadia

• Badji Mokhtar Annaba University, Annaba 23000, Algeria

autor

Zerzouri Nora

• Badji Mokhtar Annaba University, Annaba 23000, Algeria

Bibliografia

• [1] K. L. Lian, J. H. Jhang and I. S. Tian, "A Maximum Power Point Tracking Method Based on Perturb-and-Observe Combined With Particle Swarm Optimization," in IEEE Journal of Photovoltaics, vol. 4, no. 2, pp. 626-633, March 2014.
• [2] Gupta A, Chauhan Y.K, Pachauri K. A comparative investigation of maximum power point tracking methods for solar PV systems. Solar Energy 2016; 136: 236-253.
• [3] K. S .Tey & S .Mekhilef ,“Modified incremental conductance MPPT algorithm to mitigateinaccurate responses under fast changing solar irradiation level,” Solar Energy., Vol.101,pp.333-342.inc, Mar.2014.
• [4] RI. Putri, S.Wibowo and M.Rifa’i,” Maximum power point tracking for photovoltaic using incremental conductance method,” Energy Procedia. ,Vol.68 pp.22-30, Apr.2015
• [5] A. A. Abdulrazzaq, A. H. Ali, Efficiency Performances of Two MPPT Algorithms for PV System With Different Solar Panels Irradiances, International Journal of Power Electronics and Drive System (IJPEDS) Vol. 9, No. 4, , pp. 1751-1764, December 2018.
• [6] S. Hadji J-P. Gaubert , F. Krim “Real-Time Genetic Algorithms-Based MPPT: Study and Comparison (Theoretical an Experimental) with Conventional Methods” Energies 2018, 11, 459; doi:10.3390/en11020459
• [7] A. K Rai, N. D.Kaushika, B. Singh, & N.Agarwal,” Simulation model of ANN based maximum power point tracking controller for solar PV system,” Solar Energy Materials and Solar Cells., Vol.95,no.2, pp.773-778,Feb.2011.
• [8] R. Khanaki, M. A. M . Radzi & M. H.Marhaban” Comparison of ANN and P&O MPPT methods for PV applications under changing solar irradiation,” presented In 2013 IEEE Conference on Clean Energy and Technology (CEAT) (pp. 287-292). IEEE. Nov,2013.
• [9] T. Salmi, M. Bouzguenda,A. Gastli, and A. Masmoudi, “Matlab/Simulink based modelling of solar photovoltaic cell,” Int J of Renewable Energy Research, vol. 2, no. 2, pp. 213–218, 2012.
• [10] S. Nema, R.K, G. Agnihotri, “Matlab/simulink based study of photovoltaic cells/modules/array and their experimental verification,” International Journal of Energy and Environment,vol. 1, no. 3, pp. 487–500, 2010.
• [11] .Ahmed J, Salam Z. An enhanced adaptive P&O MPPT for fast and efficient tracking under varying environmental conditions. IEEE Transactions on Sustainable Energy 2018; 9 (3): 1487-1496.
• [12] Ram, J.P., Babu, T.S., Rajasekar, N.: A comprehensive review on solar PV maximum power point tracking techniques. Renew. Sustain. Energy Rev. 67, 826–847 (2017)
• [13] Ram, J. Prasanth, T. SudhakarBabu, and N. Rajasekar. "A comprehensive review on solar PV maximum power point tracking techniques." Renewable and Sustainable Energy Reviews 67 (2017): 826-847.
• [14] M. Chellal, T. F. Guimaraes, and V. Leite. "Experimental evaluation of mppt algorithms: A comparative study." International Journal of Renewable Energy Research (IJRER) 11.1 (2021): 486-494.
• [15] J. Khanam and S.Y.Foo,“Neural networks technique for maximum power point tracking of photovoltaic array, ”in South east Con 2018, pp.1–4,IEEE,2018.
• [16] Rajan, K., Dhayalini , S., Sathiyamoorthy, Genetic Algorithm for the coordination of wind thermal dispatch, PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 90 NR 4/2014
• [17] H. Khabou, M. Souissi, and A. Aitouche, “MPPT implementation on boost converter by using T–S fuzzy method,” Math. Comput. Simul., vol. 167, pp. 119–134, 2020
• [18] H. Bouzeboudja, M. Maamri , M. Tandjaoui, The Use of Grey Wolf Optimizer (GWO) for Solving the Economic Dispatch Problems based on Renewable Energy in Algeria A case study of “Naama Site”, PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 95 NR 6/2019