This paper proposes an advanced topology for grid-connected photovoltaic systems (GCPVS) based on sliding mode control (SMC). The proposed topology exploits the generation and regeneration modes of the three-phase PWM rectifier well suited for high power quality. In addition, it has the advantage of eliminating the inverter and the diode rectifier stages used in the classical structure and replacing them by a PWM rectifier. For maximum power point tracking (MPPT) of the PV generator, DC-Link voltage control and direct power control (DPC), a sliding mode controllers (SMC) are used in order to obtain high accuracy and fast dynamic response against meteorological and load variations. To verify the effectiveness of the control applied on the proposed topology, a wide simulation results are carried out under MATLAB-SIMULINK environment for different operating conditions that confirm the feasibility of the proposed topology.
PL
W artykule zaproponowano zaawansowaną topologię systemów fotowoltaicznych podłączonych do sieci (GCPVS) w oparciu o sterowanie trybem ślizgowym (SMC). Proponowana topologia wykorzystuje tryby generowania i regeneracji trójfazowego prostownika PWM dobrze przystosowanego do wysokiej jakości energii. Dodatkowo ma tę zaletę, że eliminuje stosowane w klasycznej konstrukcji stopnie falownika i prostownika diodowego i zastępuje je prostownikiem PWM. Do śledzenia maksymalnego punktu mocy (MPPT) generatora fotowoltaicznego, sterowania napięciem DC-Link i bezpośredniego sterowania mocą (DPC), stosowane są kontrolery trybu ślizgowego (SMC) w celu uzyskania wysokiej dokładności i szybkiej odpowiedzi dynamicznej na zmiany pogody i obciążenia . Aby zweryfikować skuteczność zastosowanego sterowania na proponowanej topologii, przeprowadza się szerokie wyniki symulacji w środowisku MATLAB-SIMULINK dla różnych warunków pracy, które potwierdzają wykonalność proponowanej topologii.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
In this article, we develop a Maximum Power Point Tracker (MPPT) for a fuel cell system based on an Adaptive Neural Fuzzy Inference System (ANFIS). The system considered consists of a Proton Exchange Membrane fuel cell (PEMFC) connected to a resistive load via a boost converter, an ANFIS giving the reference signals (the voltage and the current values of the maximum power point whatever the operating conditions of the fuel cell), and a PI (Proportional integrator) controller with a Pulse Width Modulation (PWM) signal generator to tuning the duty cycle of the DC-DC boost converter. The ANFIS training database uses samples calculated using a validate fuel cell electrochemical model. The simulation results obtained using Matlab-Simulink package demonstrate the effectiveness of the proposed MPPT compared to conventional MPPT techniques in terms of static and dynamic performance.
PL
W tym artykule opracowujemy śledzenie punktu maksymalnej mocy (MPPT) dla systemu ogniw paliwowych opartego na Adaptive Neural Fuzzy Inference System (ANFIS). Rozważany system składa się z ogniwa paliwowego z membraną do wymiany protonów (PEMFC) połączonego z obciążeniem rezystancyjnym poprzez konwerter doładowania, ANFIS dający sygnały odniesienia (napięcie i wartości prądu maksymalnego punktu mocy, niezależnie od warunków pracy ogniwa paliwowego ) oraz sterownik PI (proporcjonalny integrator) z generatorem sygnału z modulacją szerokości impulsu (PWM) do dostrajania cyklu pracy przetwornicy podwyższającej DC-DC. Baza danych szkoleniowych ANFIS wykorzystuje próbki obliczone przy użyciu walidacyjnego modelu elektrochemicznego ogniw paliwowych. Wyniki symulacji uzyskane przy użyciu pakietu MATLAB-Simulink pokazują skuteczność proponowanego MPPT w porównaniu z konwencjonalnymi technikami MPPT pod względem wydajności statycznej i dynamicznej.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.