Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Przegląd Elektrotechniczny

2 2024

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Sliding mode control based on PSO adaptive frequency decoupling for hybrid energy storage system with battery state of charge estimation

Benariba Hassan, Boumediene Abdelmadjid

Przegląd Elektrotechniczny

2024

R. 100, nr 1

165--171

This work investigates the frequency decoupling approach based energy management strategy for the storage system of electric vehicles composed from lithium-ion batteries and super-capacitors. The aim is to realize the high energy density output of the battery and high power density output of the super-capacitors. For that, a frequency decoupling is used to separate the low frequency content of power demand and distribute it to battery and rout its high frequencies into the super-capacitors. The cut-off frequency is adapted with PSO metaheuristic optimization algorithm. A first order sliding mode (FOSM) control of the DC bus voltage is presented. The simulation tests are effectuated to validate the effeteness of the proposed method. In final, an estimating of the state of charge SOC is introduced to determine the battery discharging capacity.

W pracy tej zbadano strategię zarządzania energią opartą na podejściu odsprzęgania częstotliwości w systemie magazynowania pojazdów elektrycznych składającym się z akumulatorów litowo-jonowych i superkondensatorów. Celem jest uzyskanie dużej gęstości energii wyjściowej akumulatora i dużej gęstości mocy superkondensatorów. W tym celu stosuje się oddzielenie częstotliwości w celu oddzielenia części zapotrzebowania na energię o niskiej częstotliwości i rozdzielenia jej do akumulatora oraz skierowania wysokich częstotliwości do superkondensatorów. Częstotliwość odcięcia jest dostosowywana za pomocą metaheurystycznego algorytmu optymalizacji PSO. Przedstawiono sterowanie napięciem szyny DC w trybie ślizgowym pierwszego rzędu (FOSM). Przeprowadza się badania symulacyjne w celu sprawdzenia skuteczności zaproponowanej metody. Na koniec wprowadza się ocenę stanu naładowania SOC w celu określenia zdolności rozładowania akumulatora.

Identification of the parameters of a photovoltaic cell using an improved genetic algorithm (GA) technique and particular swarm optimization (PSO)

Abed Hizia, Bouri Sihem, Benariba Hassan

Przegląd Elektrotechniczny

2024

R. 100, nr 11

25--31

Themodelingofaphotovoltaic cell predicts the behavior of the cell in various environmental contexts of the real world, the identification of the parameters of the photovoltaic cell is essential to simulate the behavior and to optimize the different characteristics of a photovoltaic cell (better energy management and good operating reliability). In this work, two intelligent algorithms were used and compared for the identification of the parameters of a photovoltaic cell. The proposed approach combines the simplicity of the equations of the explicit method with that of two meta-heuristic methods, namely the genetic algorithm (GA) and the particle swarm optimization algorithm (PSO). These techniques used for the identification of the parameters of the unknown model namely the photos run (Iph), the current of saturation (Is), the resistance series (Rs), and the factor of ideality (A) is last to govern the relation current- voltage of a solar cell. The objective is to create an objective function that aims to solve an optimization problem (find the optimal solution in terms of parameters), The panels studied in this work is the RTC France, and the characteristic curves of the panel are obtained using only the information provided by the manufacturer’s datasheet, thus avoiding the need to carry out experimental data. The performances and the precision of the proposed method are evaluated by applying the model to a diode with four unknown parameters, the combination of the explicit equations with Meta-heuristic techniques allows to obtain an excellent performance of optimization and a high precision of estimation of the results, The choice of the parameters PSO and GA is very important for a faster convergence of the algorithm.

Modelowanie ogniwa fotowoltaicznego przewiduje zachowanie ogniwa w różnych kontekstach środowiskowych świata rzeczywistego, identyfikacja parametrów ogniwa fotowoltaicznego jest niezbędna do symulacji zachowania i optymalizacji różnych charakterystyk ogniwa fotowoltaicznego (lepsze zarządzanie energią i dobra niezawodność działania). W tej pracy wykorzystano i porównano dwa inteligentne algorytmy do identyfikacji parametrów ogniwa fotowoltaicznego. Proponowane podejście łączy prostotę równań metody jawnej z prostotą dwóch metod meta heurystycznych, mianowicie algorytmu genetycznego (GA) i algorytmu optymalizacji roju cząstek (PSO). Techniki te służą do identyfikacji parametrów nieznanego modelu, mianowicie przebiegu zdjęć (Iph), prądu nasycenia (Is), szeregu rezystancji (Rs) i współczynnika idealności (A), aby ostate cznie określić relację prąd- napięcie ogniwa słonecznego. Celem jest stworzenie funkcji celu, która ma na celu rozwiązanie problemu optymalizacji (znalezienie optymalnego rozwiązania pod względem parametrów). Panele badane w tej pracy to RTC France, a krzywe charakterystyczne panelu uzyskano, korzystając wyłącznie z informacji dostarczonych przez kartę danych producenta, unikając w ten sposób konieczności przeprowadzania danych eksperymentalnych. Wydajność i precyzja proponowanej metody są oceniane poprzez zastosowanie modelu do diody o czterech nieznanych parametrach. Połączenie równań jawnych z technikami metaheurystycznymi pozwala uzyskać doskonałą wydajność optymalizacji i wysoką precyzję szacowania wyników. Wybór parametrów PSO i GA ma bardzo duże znaczenie dla szybszej zbieżności algorytmu.