This paper presents an integrated stand-alone wind / Photovoltaic (PV) system enhanced with storage system and the required controllers. The proposed scheme concerned with maximum electrical power extracting from the two renewable energy resources to maintain the DC bus with a fixed voltage, under different levels of wind speed and solar irradiation irrespective of the battery state of charge (SOC). To approach full utilization of the system components, proper power management strategy is implemented. The validity of the proposed scheme is confirmed through extensive simulation results under different operating conditions.
PL
W artykule przedstawiono zintegrowany, autonomiczny system wiatrowy / fotowoltaiczny (PV) wzbogacony o system magazynowania i wymagane sterowniki. Proponowany schemat dotyczył maksymalnej mocy elektrycznej wydobywanej z dwóch ´zródeł energii odnawialnej w celu utrzymania stałego napięcia na szynie DC, przy różnych poziomach prędkości wiatru i napromieniowania słonecznego, niezależnie od stanu naładowania akumulatora (SOC). Aby zbliżyć się do pełnego wykorzystania elementów systemu, wdrażana jest właściwa strategia zarządzania energią. Trafność proponowanego schematu jest potwierdzona wynikami szeroko zakrojonych symulacji w róznych warunkach eksploatacyjnych.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
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.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.