ردیابی نقطه بیشینه توان در سیستمهای خورشیدی با استفاده از مدلسازی پنل خورشیدی و کنترل کننده فازی عصبی تطبیقی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,705

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECOSE01_219

تاریخ نمایه سازی: 25 مهر 1393

چکیده مقاله:

ازمیان منابع مختلف انرژی امروزه انرژی خورشیدی بعنوان یک انرژی طبیعی که ارزان و فراوان پاک بی پایان و قابل دسترس درهمه جا می باشد درنظر گرفته میشود باتوجه به اینکه استفاده ازانرژی خورشیدی باکاهش روزافزون هزینه تولید و پیشرفت تکنولوژی ساخت آن بطور عام درسراسر دنیا ازجمله ایران به سرعت رو به افزایش است بکارگیری شیوه هایی که توان برداشتی ازتجهیزات خورشیدی را به حداکثر مقدارممکن برساند بسیارحائز اهمیت می باشد بطور کلی توان خروجی پانلهای خورشیدی خاصیت غیرخطی داشته و به میزان شدت تابش خورشیدی ودمای محیط بستگی دارد برای یک شدت تابش و دمای معین توان خروجی پانل خورشیدی بسته به ولتاژ دوسرآن متغیر است و حداکثر توان خروجی دریک ولتاژ مشخص ولتاژ نقطه توان بیشینه روی میدهد ازاین رو برای برداشت حداکثر انژی و توان ازپانلهای خورشیدی لازم است تا ازآنها درولتاژ متناظر باتوان بیشینه VMPPبهره برداری نمود بنابراین برای یافتن مقدار VMPP) و استحصال توان بیشینه ازپانلهای خورشیدی تحت شرایط جوی مختلف الگوریتمی کارامد مورد نیاز است دراین مقاله ازمیان روشهای مختلف بدست آوردن نقطه بهینه برای بدست آوردن حداکثر توان ازشبکه های فازی عصبی تطبیقی برای شبیه سازی مدل پنل خورشیدی و تولید ولتاژ نقطه حداکثرت وان که به عنوانولتاژ مرجع درحلقه کنترلی ایفای نقش می کند به همراه کنترلر ANFIS استفاده شده است که علاوه بربازده بالا و ردیابی دقیق نقطه حداکثر توان دارای نوسانات کم درحالت ماندگار نیز میباشد

کلیدواژه ها:

نویسندگان

علیرضا ثاقب صادقی

دانشجوی کارشناسی ارشد برق_کنترل دانشگاه آزاد اسلامی واحد مشهد

مهدی یعقوبی

استادیار گروه برق دانشگاه آزاد اسلامی واحد مشهد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • T. L. Kottas, Y. S. Boutalis, and A. D. Karlis, ...
  • D. Cruz Martins, R. Demonti and R. Ruther, "Analysis of ...
  • Moacyr Aureliano Gomes de Brito, Luigi Galotto, Jr., Leonardo Poltronieri ...
  • A. Pandey, N. Dasgupta, and A. K. Mukerjee, "A simple ...
  • W. Li, Y. Zheng, W. Li, Y. Zhao, and X. ...
  • W. L. Yu, T.-P. Lee, G.-H. Wu, Q. S. Chen, ...
  • V. V. R. Scarpa, S. Buzo, and G. Spiazzi, "Low ...
  • A. K. Abdelsalam, A. M. Massoud, S. Ahmed, and P. ...
  • G. C. Hsieh, H.-L. Chen, Y. Chen, C.-M. Tsai, and ...
  • R. A. Mastromauro, M. Liserre, T. Kerekes, and A. Dellaquila, ...
  • A. Mellit and S. A. Kalogirou, ،:Artificial intelligence techniques forphotovoltaic ...
  • T. Hiyama and K. Kitabayashi, "Neural network based estimation of ...
  • A. de Medeiros Torres, F. L. M. Antunes, and F. ...
  • A. AI-Amoudi and L. Zhang, "Application of radial bas function ...
  • S. Pre mrudeepreech acham and N. Patanapirom, "Solar-array modelling and ...
  • F. Ansari, S. Chaterjee, and A. Iqbal, "Fuzzy logic control ...
  • A. M. S. Aldobhani and R. John, "Maximum power point ...
  • Haitham Abu-Rub, Atif Iqbal, Sk. MoinAhmed, 11 Quasi-Z- Source Inverter-Based ...
  • TRANS ACTIONS ON S U STAINABLE ENERGY, VOL. 4, NO. ...
  • S. Haykin, Neural Network-A Comprhensive Foundation, 2nd ed.New York: Practice-Hall, ...
  • G. Chen and T. T. Pham, Introduction to Fuzzy Sets, ...
  • J. S. R. Jang, "ANFIS: Adaptive network based fuzzy inference ...
  • نمایش کامل مراجع