Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Przegląd Elektrotechniczny

2 2022

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: maximum power point tracker

Sortuj według:

Ogranicz wyniki do:

Stand-alone hybrid system for extracting maximum power and constant voltage under load variation

Rabab’ah Hana’ A., Anagreh Yaser N.

Przegląd Elektrotechniczny

2022

R. 98, nr 7

76--80

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.

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.

A RBF artificial neural network to predict a fuel cell maximum power point

Foughali Yahia, Mankour Mohamed, Sekour Mohamed, Azzeddine Hocine Abdelhak, Larbaoui Ahmed, Chaouch Djamel Eddine, Berka Mohammed

Przegląd Elektrotechniczny

2022

R. 98, nr 7

100--104

In this article, an artificial neural network (ANN) based maximum power point tracker (MPTT) for proton exchange membrane fuel cell (PEMFC) is proposed. For this purpose, a Radial Basis Function Artificial Neural Network (RBF ANN) is used to predict the voltage and the current of a fuel cell maximum power point at different fuel cell operating conditions. To train the proposed artificial neural network, a set of maximum power points defined by their corresponding current and voltage values is generated using a validated electrochemical fuel cell model. To ensure the validity of the ANN, we compare the results found by the ANN to those obtained using the electrochemical PEMFC model. The results show that the developed ANN can accurately and quickly predict current and voltage fuel cells at maximum power point for any operating conditions.

W tym artykule zaproponowano śledzenie maksymalnego punktu mocy (MPTT) oparte na sztucznej sieci neuronowej (ANN) dla ogniwa paliwowego z membraną do wymiany protonów (PEMFC). W tym celu wykorzystuje się sztuczną sieć neuronową Radial Basis Function (RBF ANN) do przewidywania napięcia i prądu punktu maksymalnej mocy ogniwa paliwowego w różnych warunkach pracy ogniwa paliwowego. Aby wytrenować proponowaną sztuczną sieć neuronową, przy użyciu sprawdzonego modelu elektrochemicznego ogniwa paliwowego generowany jest zestaw maksymalnych punktów mocy określonych przez odpowiadające im wartości prądu i napięcia. Aby zapewnić wiarygodność ANN, porównujemy wyniki uzyskane przez ANN z wynikami uzyskanymi przy użyciu elektrochemicznego modelu PEMFC. Wyniki pokazują, że opracowana SSN może dokładnie i szybko przewidywać prąd i napięcie ogniw paliwowych w punkcie maksymalnej mocy w dowolnych warunkach pracy.