混合动力ANN-GWO MPPT与基于MPC的逆变器控制,用于在部分遮阳条件下高效的电动汽车充电
Youness Hakam1,2, Hajar Ahessab1, Mohamed Tabaa2
1Research Laboratory of Physics and Engineers Sciences (LRPSI), Research Team in Embedded Systems, Engineering, Automation, Signal, Telecommunications and Intelligent Materials (ISASTM), Polydisciplinary Faculty (FPBM), Sultan Moulay Slimane University (USMS), Beni Mellal, Morocco.
结合人工神经网络 (ANN) 和灰狼优化 (GWO) 的新混合算法在部分遮阳下提高了光伏 (PV) 系统的效率. 这种先进的最大功率点跟踪 (MPPT) 提高了电动汽车的充电性能.
科学领域:
- 可再生能源系统可再生能源系统
- 在工程领域的人工智能.
- 电力电子 电力电子 电力电子
背景情况:
- 由于模块不匹配,光伏 (PV) 系统在部分遮阳条件下 (PSC) 遭受功率损失.
- 在不同辐射强度下从光伏系统中提取最大功率是具有挑战性的.
- 将光伏系统与电动汽车 (EV) 充电相集成,需要强大的控制策略.
研究的目的:
- 开发和验证一个混合人工神经网络-灰狼优化 (ANN-GWO) 最大功率点跟踪 (MPPT) 算法.
- 实施模型预测控制 (MPC) 以优化基于光伏的电动汽车充电中的单相逆变器操作.
- 为了提高光伏系统在部分遮阳下的动态跟踪效率和功率质量.
主要方法:
- 开发了一种混合ANN-GWO算法,将ANN的快速跟踪与GWO的强大优化相结合.
- 模型预测控制 (MPC) 用于逆变器控制,以确保稳定的电网集成和高效的电力传输.
- 拟议的系统是在德克萨斯仪器TMS320F28379D数字信号处理器 (DSP) 上实现的,用于实时验证.
主要成果:
- 混合ANN-GWO MPPT算法实现了超过9%的动态跟踪效率改进,并将跟踪时间减少了高达99.98%.
- 控制MPC可以将总波扭曲 (THD) 从2.56%降低到1.56%,显著提高功率质量.
- 基于DSP的实现证明了快速和稳定的功率跟踪,在模拟和实验中表现优于传统方法.
结论:
- 拟议的混合ANN-GWO MPPT和MPC逆变器控制有效地提高了在部分遮阳下以光伏驱动的EV充电性能.
- 该系统表现出卓越的跟踪效率,减少了波扭曲,并改善了响应时间.
- 实时实验验证证证实了拟议的控制策略的实际适用性和重大进展.
更多相关视频
09:00Indoor Experimental Assessment of the Efficiency and Irradiance Spot of the Achromatic Doublet on Glass ADG Fresnel Lens for Concentrating Photovoltaics
Published on: October 27, 2017
12:08Fabrication of High Contrast Gratings for the Spectrum Splitting Dispersive Element in a Concentrated Photovoltaic System
Published on: July 18, 2015
相关概念视频
Maximum Power Flow and Line Loadability
Generator Voltage Control
Maximum Power Transfer
By substituting the entire circuit with...
Conservation of AC Power
P-N junction
Control of Power Flow
