a low-cost maximum power point tracking system based on neural network inverse model controller

نظام تتبع نقطة القدرة القصوى منخفض التكلفة قائم على متحكم النموذج العكسي للشبكة العصبية

Clicks: 200
ID: 174274
2018
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Emerging

Ranked #29 of 42 articles by views in biology bulletin of the academy of sciences of the ussr

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
This work presents the design, modeling, and implementation of a neural network inverse model controller for tracking the maximum power point of a photovoltaic (PV) module. A nonlinear autoregressive network with exogenous inputs (NARX) was implemented in a serial-parallel architecture. The PV module mathematical modeling was developed, a buck converter was designed to operate in the continuous conduction mode with a switching frequency of 20 KHz, and the dynamic neural controller was designed using the Neural Network Toolbox from Matlab/Simulink (MathWorks, Natick, MA, USA), and it was implemented on an open-hardware Arduino Mega board. To obtain the reference signals for the NARX and determine the 65 W PV module behavior, a system made of a 0.8 W PV cell, a temperature sensor, a voltage sensor and a static neural network, was used. To evaluate performance a comparison with the P&O traditional algorithm was done in terms of response time and oscillations around the operating point. Simulation results demonstrated the superiority of neural controller over the P&O. Implementation results showed that approximately the same power is obtained with both controllers, but the P&O controller presents oscillations between 7 W and 10 W, in contrast to the inverse controller, which had oscillations between 1 W and 2 W.
يقدم هذا العمل تصميم ونمذجة وتنفيذ مُتحكِّم بالنموذج العكسي للشبكة العصبية لتتبع نقطة القدرة القصوى للوح كهروضوئي (PV). حيث نُفِّذت شبكة انحدار ذاتي غير خطية ذات مدخلات خارجية (NARX) في بنية تسلسلية-متوازية. كما تم تطوير النمذجة الرياضية للوح الكهروضوئي، وتصميم محول خافض للجهد (buck converter) ليعمل في نمط التوصيل المستمر بتردد تبديل يبلغ 20 كيلوهرتز، وصُمِّم المُتحكِّم العصبي الديناميكي باستخدام حزمة أدوات الشبكات العصبية (Neural Network Toolbox) من Matlab/Simulink (MathWorks, Natick, MA, USA)، ونُفِّذ على لوحة أردوينو ميغا (Arduino Mega) مفتوحة المصدر. وللحصول على الإشارات المرجعية لشبكة NARX وتحديد سلوك اللوح الكهروضوئي بقدرة 65 واط، استُخدم نظام مكوّن من خلية كهروضوئية بقدرة 0.8 واط، ومستشعر لدرجة الحرارة، ومستشعر للجهد، وشبكة عصبية ساكنة. ولتقييم الأداء، أُجريت مقارنة مع خوارزمية (P&O) التقليدية من حيث زمن الاستجابة والتذبذبات حول نقطة التشغيل. وأظهرت نتائج المحاكاة تفوق المُتحكِّم العصبي على خوارزمية (P&O). كما بيّنت نتائج التنفيذ العملي الحصول على القدرة نفسها تقريبًا باستخدام كلا المُتحكِّمين، إلا أن مُتحكِّم (P&O) أظهر تذبذبات تتراوح بين 7 واط و10 واط، على النقيض من المُتحكِّم العكسي الذي تراوحت تذبذباته بين 1 واط و2 واط.
Reference Key
algarn2018electronicsa Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Carlos Robles Algarín;Deimer Sevilla Hernández;Diego Restrepo Leal
Journal biology bulletin of the academy of sciences of the ussr
Year 2018
DOI
10.3390/electronics7010004
URL
http://www.mdpi.com/2079-9292/7/1/4
Keywords
dc-dc converter

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.