تشخیص و ردیابی نقطه بیشینه توان مولد فتوولتائیک به وسیله ی یک مدل محلی فازی عصبی
Identification and Maximum Power Point Tracking of Photovoltaic Generation by a Local Neuro-Fuzzy Model
چکیده: با گسترش سریع سیستم توزیع DC ، توجهات خاصی به مولدهای فتوولتائیک (PV) شده است. این مقاله، مسئله ردیابی نقطه بیشینه توان(MPPT) برای سیستم های PV با استفاده از یک شبکه محلی فازی عصبی (LNF) و الگوریتم بهینه سازی تندترین شیب(SD) را مورد بررسی قرار می دهد. روش پیشنهادی، به نام LNF + SD، ابتدا یک مدل دقیق برای سیستم PV با استفاده از شبکه LNF و از طریق داده های اندازه گیری تشخیص می دهد. سپس مدل PV تشخیص داده شده برای MPPT به وسیله ی الگوریتم بهینه سازی SD استفاده می شود. توانایی های عالی مدل سازی شبکه LNF پیشنهادی باعث ایجاد یک مدل قابل اعتماد و معتبر PV می شود که تغییرات ولتاژ، دما و تابشی را در نظر می گیرد. روش پیشنهادی با استفاده از چند تشخیص و شبیه سازی MPPT ارزیابی شده است. نتایج شبیه سازی دقت شبکه LNF در مدل سازی سیستم های PV را نشان می دهد. علاوه بر این، شبیه سازی ها برای بررسی عملکرد MPPT طی گذراهای تابشی انجام شده و راندمان بالای روش LNF + SD پیشنهادی برای کاربردهای MPPT را نشان داده است. عملکرد روش پیشنهادی MPPT، در حالی که آرایه PV بارها را از طریق مبدل های DC-DC تغذیه می کرد، نیز تجزیه و تحلیل شد. مقایسه ها نسب به روش های اغتشاش و مشاهده (P & O) و منطق فازی ، برتری روش پیشنهادی را نشان می دهد.