ارائه روش هدایت افزایشی با گام تطبیقی بر مبنای کنترل‌کننده عاطفی در دنبال‌کننده‌های بیشینه توان سلول‌های خورشیدی
محورهای موضوعی : مهندسی برق و کامپیوترسعید عظیمی سردری 1 , بهزاد میرزاییان دهکردی 2 , مهدی نیرومند 3
1 - دانشگاه اصفهان
2 - دانشگاه اصفهان
3 - دانشگاه اصفهان
چکیده مقاله :
روش‌های هدایت افزایشی مختلفی جهت دنبال‌کردن توان بیشینه در آرایه‌های فتوولتائیک مطرح شده است. انتخاب بهینه اندازه گام سرعت رسیدن به نقطه بهینه و دقت ردیابی را تعیین می‌کند. در این مقاله یک روش جدید برای دنبال‌کردن نقطه بیشینه توان معرفی خواهد شد که بر پایه روش هدایت افزایشی که یکی از روش‌های پایه و اولیه است و روش گرادیان کاهشی می‌باشد. در روش هدایت افزایشی اندازه گام مشخص‌کننده سرعت رسیدن به نقطه مورد نظر است، به این ترتیب که با یک گام ثابت بزرگ‌تر عمل دنبال‌کردن با سرعت بالاتری انجام می‌گیرد اما سیستم حول نقطه بیشینه توان نوسان خواهد کرد و دقت عمل پایین خواهد بود. همچنین با استفاده از گام کوچک‌تر مشکل نوسان حول نقطه هدف برطرف شده اما سرعت رسیدن به آن کاهش می‌یابد. هدف ایجاد یک موازنه بین دقت همگرایی و سرعت دنبال‌کردن می‌باشد. در این مقاله گام به صورت متغیر در نظر گرفته می‌شود به طوری که قابلیت افزایش یا کاهش مقدار خود را تحت شرایط مختلف دارد. پس از این که الگوریتم ولتاژ نقطه بهینه را پیدا می‌کند باید ضریب وظیفه کلید مبدل به گونه‌ای تنظیم گردد که ولتاژ خروجی آرایه برابر با ولتاژ بهینه باشد. برای این منظور معمولاً از کنترل‌کننده PI استفاده می‌شود که با تغییر شرایط ممکن است عملکرد مطلوبی از خود نشان ندهد. لذا در این مقاله از روش کنترلی عاطفی BELBIC به عنوان یک کنترل‌کننده هوشمند استفاده می‌شود. نتایج حاصل از شبیه‌سازی و نمونه آزمایشگاهی عملکرد مطلوب روش ارائه‌شده را نشان می‌دهد.
Many conventional incremental conductance (INC) methods are applied for maximum power point tracking (MPPT) of photovoltaic arrays. Where, the optimization step size determines the speed of MPPT. Fast tracking could be achieved with bigger increments but the system might not operate properly at the MPP and might become oscillated at this point; therefore, there is a trade-off between the time needed to reach the MPP and the oscillation error. This article is to present an adaptive optimization step size in the INC to improve solar array performance. To adjust the MPP in the photovoltaic (PV) operation point, brain emotional learning based intelligent controller (BELBIC) is applied as an adaptive optimization step size in the INC. This would considerably increase the system's accuracy. The effectiveness of this proposed method is verified by comparing its simulation and experimental results with the conventional methods in different operating conditions.
[1] E. Trishan and L. Patrick, "Comparison of photovoltaic array maximum power point tracking techniques," Trans. of Energy Conversion, vol. 22, no. 2, pp. 439-449, Jun. 2007.
[2] D. P. Hohmand and M. E. Ropp, "Comparative study of maximum power point tracking algorithm," in Proc. of the 28th IEEE Photovoltaic Specialists Conf., pp. 1699-1702, 15-22 Sept. 2000.
[3] C. Hua and C. Shen, "Comparative study of peak power tracking techniques for solar storage systems," in Proc. of the 13th Annual IEEE Applied Power Electronics Conf. and Exposition, APEC'98, vol. 2, pp. 697-685, 15-19 Feb. 1998.
[4] Y. Kim, H. Jo, and D. Kim, "A new peak power tracker for cost-effective photovoltaic power systems," in Proc. of the 31st Intersociety Energy Conversion Engineering Conf., IECEC'96, pp. 1673-1678, 11-16 Aug. 1996.
[5] J. H. R. Enslin, M. Wolf, and W. Swiegers, "Integrated photovoltaic maximum power point tracking converter," IEEE Trans. on Industrial Electronics, vol. 44, no. 6, pp. 769-773, Dec. 1997.
[6] A. Brambilla, M. Gambarara, A. Garutti, and F. Ronchi., "New approach to photovoltaic arrays maximum power point tracking," in Proc. of the 30th IEEE Power Electronics Conf., PESC'99, pp. 632-637, 1-1 Jul. 1999.
[7] T. Noguchi, S. Togashi, and R. Nakamoto, "Short-current pulse based adaptive maximum-power-point tracking for photovoltaic power generation system," in Proc. IEEE Int. Symp. Ind. Electron, ISIE'00, pp. 157-162, 4-8 Dec. 2000.
[8] S. Yuvarajan and S. Xu, "Photo-voltaic power converter with a simple maximum-power-point-tracker," in Proc. Int. Symp. Circuits Syst, ISCAS'03, pp. 399-402, 25-28 May 2003.
[9] N. Mutoh, T. Matuo, K. Okada, and M. Sakai, "Prediction-data-based maximum-power-point-tracking method for photovoltaic power generation systems," in Proc. 33rd Annual IEEE Power Electron. Spec. Conf., PESC'02, pp. 1489-1494, 23-27 Jun. 2002.
[10] S. L. Brunton, C. W. Rowley, S. R. Kulkarni, and C. Clarkson, "Maximum power point tracking for photovoltaic optimization using ripple-based extremum seeking control," IEEE Trans. on Power Electronics, vol. 25, no. 10, pp. 2531-2540, Oct. 2010.
[11] H. Koizumi and K. Kurokawa, "A novel maximum power point tracking method for PV module integrated converter," in Proc. of the IEEE 36th Power Electronics Specialists Conf., IECON'05, pp. 2081-2086, 6-10 Nov. 2005.
[12] K. H. Hussein, "Maximum photovoltaic power tracking: an algorithm for rapidly changing atmospheric conditions," IEE Proceedings of the Transmission and Distribution, vol. 142, no. 1, pp. 59-64, Jan. 1995.
[13] L. Bangyin, D. Shanxu, L. Fei, and X. Pengwei, "Analysis and improvement of maximum power point tracking algorithm based on incremental conductance method for photovoltaic array," in Proc. of the 7th Int, Conf. on Power Electronics and Drive Systems, PEDS'07, pp. 637-641, 27-30 Nov. 2007.
[14] S. Silvestre and A. Chouder, "Shading effects in characteristic parameters of PV modules," in Proc. Spanish Conf. on Electron Devices, pp. 116-118, 31 Jan.-2 Feb. 2007.
[15] M. R. Jamali, A. Arami, B. Hosseini, B. Moshiri, and C. Lucas, "Real time emotional control for anti-swing and positioning control of SIMO overhead travelling crane," International Journal of Innovative Computing, Information, and Control, vol. 4, no. 9, pp. 2333-2344, Sept. 2008.
[16] G. Bartolini, A. Pisano, and E. Usai, "Second-order sliding-mode control of container cranes," Automatica, vol. 38, 2002.
[17] R. M. Milasi, C. Lucas, B. N. Araabi, T. S. Radwan, and M. A. Rahman, "Implementation of emotional controller for interior permanent magnet synchronous motor drive," in Proc. IEEE/IAS 41st Annual Meeting: Industry Applications, pp. 8-12, Tampa, Florida, USA, 8-12 Oct. 2006.
[18] J. Moren and C. Balkenius, "A computational model of emotional learning in the amygdala: from animals to animals," in Proc. of 6th Int. Conf. on the Simulation of Adaptive Behavior, pp. 383-391, 2000.
[19] K. EdetBijoy and M. Mohammed, "An approach to reduce noise in speech signals using an intelligent system: BELBIC," An International J., vol. 5, no. 3, pp. 120-129, 2011.
[20] M. Salhi and R. El-Bachtiri, "Maximum power point tracking controller for PV systems using a PI regulator with boost DC/DC converter," ICGST-ACSE J., vol. 8, no. 3, pp. 21-27, Jan. 2009.
[21] M. Salhi and R. El-Bachtiri, "A maximum power point control photovoltaic system," in Proc. 18th Mediterranean Conf. on Control & Automation, MED'10, pp. 1579-1584, 23-25 Jun. 2010.
