الگوریتم کنترل کننده عصبی - فازی برای بدست آوردن حداکثر نقطه قدرت ردیابی برای سیستم های فوتوولتائیک برای شرایط محیطی دینامیکی

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

الگوریتم کنترل کننده عصبی - فازی برای بدست آوردن حداکثر نقطه قدرت ردیابی برای سیستم های فوتوولتائیک برای شرایط محیطی دینامیکی

عنوان لاتین

NEURO-FUZZY CONTROLLER ALGORITHM FOR OBTAINING MAXIMUM POWER POINT TRACKING OF PHOTOVOLTAIC SYSTEM FOR DYNAMIC ENVIRONMENTAL CONDITIONS

در این مقاله، یک کنترل کننده عصبی فازی کارامد برای رسیدن به حداکثر نقطه توان ردیابی سیستم PV پیشنهاد شده است. راندمان کنترلر پیشنهادی تحت تاثیر یک الگوریتم تکاملی است. در اینجا، یک الگوریتم تپه نوردی پیشرفته برای بهینه سازی ارایه PV جریان و توان خروجی مربوطه استفاده شده است. خروجی تبدیل شده به مقدار جریان، ولتاژ و توان سیستم بستگی دارد. در الگوریتم تحقیقاتی تپه نوردی رایج، مقدار جریان و توان بر مبنای جستجوی تصادفی در زمان های لحظه ای مختلف بهینه سازی شده است. اما، در الگوریتم پیشرفته تپه نوردی، توان و مقدار جریان بر پایه ی تغییرات مقادیر بهینه می شوند. بنابراین، زمان جستجو الگوریتم در مقایسه با روش رایج جستجو کاهش می یابد. سپس، خروجی الگوریتم جستجو بر روی کنترل کننده عصبی فازی پیاده می شود. کنترل کننده عصبی فازی پیشنهاد شده، یک کنترلر ترکیبی است، که ترکیبی از شبکه عصبی مصنوعی و کنترل کننده فازی است. از این رو، خروجی هر دو تکنیک بر پایه متوسط عملگر ترکیب می شوند و خروجی ترکیبی بدست می آید. خروجی کنترلر ترکیبی حداکثر مقدار خروجی مبدل سیستم PV است. کنترل کننده پیشنهادی در صفحه کار MATLAB اجرا شد و عملکرد خروجی مورد بررسی قرار گرفت.

In this paper, an efficient Neuro-Fuzzy controller for attaining maximum power point tracking of PV systems is proposed. The efficiency of the proposed Neuro-Fuzzy controller is enhanced by an evolutionary algorithm. Here, an enhanced hill climbing algorithm is used for optimizing the PV array current and the respective output power. The converter output depends on the values of current, voltage, and power of the system. In conventional hill climbing search algorithm, the current and power values are optimized based on the random search at different time instant. But, in the enhanced hill climbing search algorithm, the power and current values are optimized based on the change of values. So, the searching time of the algorithm is reduced compared to conventional search algorithm. Then, the output of the search algorithm is applied to the neuro-fuzzy controller. The proposed Neuro-Fuzzy controller is a hybrid controller, which is the combination of artificial neural network and fuzzy controller. Then, the outputs of both techniques are hybridized based on the mean operator and the hybrid output is generated. The output of the hybrid controller is the maximum output of the converter of PV system. The proposed controller is implemented in MATLAB working platform and the output performance is evaluated