Wyniki wyszukiwania - BazTech

1

Energy management system design for hybrid and intelligent light train

Pamuji Feby Agung, Dhiaulhaq Muhammad Zufar, Wibowo Rony Seto, Faurahmansyah Mohamad Angga, Iskandar Eka, Suwito, Effendi Mohammad Khoirul, Sudarmanta Bambang, Syafi’i Brilliant Alfan, Arumsari Nurvita, Fauzun

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 8

80--86

EN

Electric trains are mass transportation that is developing very rapidly along with technological developments and in line with the need for mobility from modern society. Currently, electric energy-based vehicles are a solution to reduce emissions to the environment. Electric trains generally use a source of electrical energy coming from the electrical grid which is then channeled along the railroad tracks through a system called a catenary. Limited infrastructure and the electric rail network is a problem in the electric train system in Indonesia. Therefore, it is necessary to have a hybrid traction system coupled with energy storage to accommodate the needs of electric trains on non-electrified railways. The hybrid traction system has the concept of combining more than one source of electrical energy as a source of traction energy from the driving motor on the electric train to be operated. The research will be carried out on the design and simulation of electric trains with a traction system hybrid generator in diesel, fuel cells, and batteries as a source of electrical energy. With the use of several energy sources, there will be differences in the characteristics of each type of electrical energy generation component in the system, this system requires an energy management system (EMS). Based on the results of the analysis, it can be concluded that EMS can regulate power division by making duty cycle changes to the EMS control. By using EMS it can be possible to regulate the output power based on the need for the load borne. EMS control can also regulate the process of charging and delivering power on the battery by controlling the bidirectional converter on the battery source.

PL

Pociągi elektryczne to transport masowy, który rozwija się bardzo szybko wraz z rozwojem technologicznym i zgodnie z potrzebą mobilności ze strony nowoczesnego społeczeństwa. Obecnie pojazdy napędzane energią elektryczną są rozwiązaniem ograniczającym emisje do środowiska. Pociągi elektryczne na ogół wykorzystują źródło energii elektrycznej pochodzącej z sieci elektrycznej, która jest następnie kierowana wzdłuż torów kolejowych przez system zwany siecią trakcyjną. Ograniczona infrastruktura i elektryczna sieć kolejowa stanowią problem w systemie kolei elektrycznych w Indonezji. Dlatego konieczne jest posiadanie hybrydowego systemu trakcyjnego sprzężonego z magazynowaniem energii, aby zaspokoić potrzeby pociągów elektrycznych na niezelektryfikowanych liniach kolejowych. Hybrydowy system trakcji ma koncepcję łączenia więcej niż jednego źródła energii elektrycznej jako źródła energii trakcyjnej z silnika napędowego pociągu elektrycznego, który ma być eksploatowany. Prowadzone będą badania nad projektowaniem i symulacją pociągów elektrycznych z generatorem hybrydowym układu trakcyjnego w oleju napędowym, ogniwami paliwowymi i bateriami jako źródłem energii elektrycznej. Przy zastosowaniu kilku źródeł energii wystąpią różnice w charakterystyce każdego rodzaju elementu wytwarzającego energię elektryczną w systemie, system ten wymaga systemu zarządzania energią (EMS). Na podstawie wyników analizy można stwierdzić, że EMS może regulować rozdział mocy, dokonując zmian w cyklu pracy układu sterowania EMS. Za pomocą EMS można regulować moc wyjściową w oparciu o zapotrzebowanie na przenoszone obciążenie. Sterowanie EMS może również regulować proces ładowania i dostarczania energii do akumulatora poprzez sterowanie dwukierunkową przetwornicą na źródle akumulatora.

2

Design and implementation of MPPT Fuzzy Logic controller for inverter connected to water pump

Pamuji Feby Agung, Saputra Kurniawan Dwi, Riawan Dedet Candra, Soedibyo Soedibyo, Suryoatmojo Heri, Ashari Mochamad, Arumsari Nurvita

Przegląd Elektrotechniczny

|

2022

|

R. 98, nr 8

146--153

EN

At present, renewable energy sources such as Photovoltaic (PV) are prevalent because the energy sources are unlimited and free of emissions. One example of its application is as a supply for water pumps. In this application, the value of the power produced by solar cells is very influential, because of the more optimal the power generated by solar cells, the more optimal the water that can be pumped by this water pump. However, PV is a non-linear energy source whose output power changes depending on irradiance and ambient temperature. Therefore we need a method to optimize the power released by the PV. This method is called MPPT (Maximum Power Point Tracking). Using MPPT with conventional algorithms such as Perturb and Observe (P&O) has a slow response and oscillations when in maximum power. In this study, an MPPT will be designed with the Fuzzy Logic Controller (FLC) algorithm to accelerate the system's response to load changes and reduce oscillations that occur when maximum power is available. From the results of research that has been done so as to get the MPPT FLC energy efficiency results with irradiation changes of 98.9% (simulation) or 97.62% (implementation) and load changes of 98.8% (simulation) or 96.51% (application). The use of MPPT FLC, when connected to a Water Pump, has an average total water flow more than without MPPT with a ratio of 1.58: 1 so that the use of MPPT with the FLC algorithm produces better response and energy efficiency.

PL

Obecnie dominują odnawialne źródła energii, takie jak fotowoltaika (PV), ponieważ źródła energii są nieograniczone i wolne od emisji. Jednym z przykładów jego zastosowania jest zasilanie pomp wodnych. W tej aplikacji bardzo ważna jest wartość energii wytwarzanej przez ogniwa słoneczne, ponieważ im bardziej optymalna moc wytwarzana przez ogniwa słoneczne, tym bardziej optymalna jest woda, którą ta pompa może przepompować. Jednak fotowoltaika jest nieliniowym źródłem energii, którego moc wyjściowa zmienia się w zależności od natężenia promieniowania i temperatury otoczenia. Dlatego potrzebujemy metody optymalizacji mocy uwalnianej przez PV. Ta metoda nazywa się MPPT (Maximum Power Point Tracking). Używanie MPPT z konwencjonalnymi algorytmami, takimi jak Perturb i Obserwacja (P&O), ma powolną reakcję i oscylacje przy maksymalnej mocy. W tym badaniu MPPT zostanie zaprojektowany z algorytmem Fuzzy Logic Controller (FLC), aby przyspieszyć reakcję systemu na zmiany obciążenia i zredukować oscylacje, które występują, gdy dostępna jest maksymalna moc. Z wyników badań przeprowadzonych w celu uzyskania wyników efektywności energetycznej MPPT FLC przy zmianach napromieniowania 98,9% (symulacja) lub 97,62% (wdrożenie) i zmianach obciążenia 98,8% (symulacja) lub 96,51% (aplikacja). Użycie MPPT FLC, po podłączeniu do pompy wodnej, ma średni całkowity przepływ wody większy niż bez MPPT ze stosunkiem 1,58:1, dzięki czemu użycie MPPT z algorytmem FLC zapewnia lepszą reakcję i wydajność energetyczną.

3

Application of artificial neural network for speed control of BLDC motor 90KW in electrical bus

Pamuji Feby Agung, Prihantari Kharisma Julieta, Riawan Dedet Candra, Asfani Dimas Anton, Suryoatmojo Heri, Guntur Harus L., Sudarmanta Bambang, Arumsari Nurvita

Przegląd Elektrotechniczny

|

2022

|

R. 98, nr 2

203--210

EN

There are many research on electric vehicles to reduce environmental pollution due to vehicles that use fossil fuels. The advantages of using a BLDC motor are high efficiency, high torque, reduced noise, long lifetime, and easy maintenance. Using of BLDC motors in electric vehicles is sometimes not optimal due to varying set points and presence of loads. Then a speed motor is needed to be controlled so the motor can work properly. In this research using the Artificial Neural Network (ANN) method. The ANN on this speed controller is practical as a 3-phase inverter input voltage control so the speed of BLDC motor can match the set point. In the simulation in this research, controlled based ANN is applied to electric buses with large torque, from the simulation it can be seen that Controlled based ANN can work well.

PL

Istnieje wiele badań dotyczących pojazdów elektrycznych mających na celu zmniejszenie zanieczyszczenia środowiska przez pojazdy wykorzystujące paliwa kopalne. Zalety stosowania silnika BLDC to wysoka sprawność, wysoki moment obrotowy, obniżony poziom hałasu, długa żywotność i łatwa konserwacja. Stosowanie silników BLDC w pojazdach elektrycznych czasami nie jest optymalne ze względu na różne nastawy i obecność obciążeń. Następnie konieczne jest sterowanie prędkością silnika, aby silnik mógł działać prawidłowo. W badaniach wykorzystano metodę Sztucznej Sieci Neuronowej (ANN). SSN na tym regulatorze prędkości jest praktycznym sterowaniem napięcia wejściowego falownika 3-fazowego, dzięki czemu prędkość silnika BLDC może być zgodna z wartością zadaną. W symulacji w niniejszych badaniach, kontrolowany SSN jest stosowany do autobusów elektrycznych o dużym momencie obrotowym, z symulacji widać, że SSN w oparciu o sterowanie może dobrze działać.

4

Comparison of BLDC motor controller design for electric vehicles using Fuzzy Logic controller and artificial neural network

Pamuji Feby Agung, Danier Deksaraka, Soedibyo, Sudarmanta Sudarmanta, Guntur Harus Laksana, Praskosa Prisma Riashuda, Waskito Ilham Setyo

Przegląd Elektrotechniczny

|

2021

|

R. 97, nr 6

1--9

EN

The existence of technologies such as electric motors such as the Brushless DC Motor become one of the solutions to replace the fossilfueled engine. In order for the BLDC motor to rotate at controlled speed, a closed system is needed which can correct the actual speed or error when the BLDC motor is spinning. In this final project the speed control method used is Pulse Width Modulation (PWM) and the actual speed feedback will be controlled using fuzzy logic controller so that the actual speed can be set according to the desired speed. In this paper, compared two control method FLC and artificial neural network (ANN). Therefore the simulation and implementation are made and the data obtained that the results of the implementation that have been made are approaching from the simulation results. The difference between the results of the implementation and the simulation is because when implementing the speed sensor used has an average error of 2.11% so that the resulting actual speed also varies. From the results of the implementation data, errors that occur up to 1.28%. Simulation result have an average error of 58.9% with ANN.

PL

Istnienie technologii, takich jak bezszczotkowy silnik prądu stałego, stało się jednym z powodów zastępujących silnik zasilany paliwem kopalnym. Aby silnik BLDC obracał się z kontrolowaną prędkością, potrzebny jest zamknięty system, który może skorygować rzeczywistą prędkość lub błąd, gdy silnik BLDC się obraca. W tym projekcie zastosowaną metodą sterowania prędkością jest modulacja szerokości impulsu (PWM), a rzeczywiste sprzężenie zwrotne prędkości będzie sterowane za pomocą sterownika logiki rozmytej, tak aby można było ustawić rzeczywistą prędkość zgodnie z żądaną prędkością. W artykule porównano dwie metody sterowania FLC i sztuczną sieć neuronową (ANN). Dlatego przeprowadzana jest symulacja i implementacja, a uzyskane dane wskazują, że wyniki wdrożeń, które zostały wykonane, zbliżają się do wyników symulacji. Różnica między wynikami implementacji a symulacją polega na tym, że podczas implementacji zastosowany czujnik prędkości ma średni błąd wynoszący 2,1%, więc wynikająca z tego rzeczywista prędkość również się zmienia. Z wyników danych wdrożeniowych błędy, które występują, sięgają 1,28%. Wynik symulacji ma średni błąd 58,9% z SSN.