Сравнение методов P&O и ANFIS для отслеживания точки максимальной мощности фотоэлектрических модулей в составе электротехнических комплексов

Фотоэлектрическая энергия зависит от преобразования солнечного света в электричество. В последние годы цена на оборудование для солнечной электростанции резко снизилась, что привело к увеличению генерации фотоэлектрической энергии в последние годы. И повышение эффективности работы панелей является самой большой проблемой в солнечной энергетике.

ЦЕЛЬ. Разработать систему для максимизации выходной мощности фотоэлектрических панелей при изменении солнечного излучения и температурных условий.

МЕТОДЫ. В этом исследовании сравнивается два метода, которые позволяют повысить эффективность работы фотоэлектрических модулей, за счет определения точки максимальной мощности, ANFIS и P&O.

РЕЗУЛЬТАТЫ. В этой работе объясняется пошаговый процесс, моделирование и анализ возмущений и наблюдений с помощью ANFIS и P&O с использованием программного обеспечения MATLAB/Simulink. Метод P&O лучше работает в стабильных условиях, однако его эффективность резко падает при резких изменениях освещения. С другой стороны, ANFIS более устойчива к изменениям и способна адаптироваться к новым условиям, что делает ее более универсальным инструментом.

ЗАКЛЮЧЕНИЕ. Таким образом, при выборе подхода к отслеживанию точки максимальной мощности стоит учитывать множество факторов, включая условия эксплуатации, доступные ресурсы и цели. Метод P&O является отличным решением для менее требовательных условий и простых установок, в то время как ANFIS предоставляет решения для более сложных и динамичных приложений. Главное, что стоит подчеркнуть, это необходимость глубокой оценки ситуации и выбора наиболее подходящего метода для конкретных условий. Определение правильной стратегии может значительно улучшить работу фотоэлектрических модулей и повысить их общую эффективность в рамках электротехнических комплексов.

1. Liu F., Duan S., Liu F., Liu B., and Kang Y. A variable step size INC MPPT method for PV systems // IEEE Transactions on Industrial Electronics, vol. 55, no. 7, pp. 2622–2628, Jul. 2008.

2. Tyagi V. V, Rahim N. A. A., Rahim N. A., and Selvaraj J. A. L. Progress in solar PV technology: research and achievement // Renewable and Sustainable Energy Reviews, vol. 20, pp. 443– 461, 2013.

3. Mehmet Y. and Muhammedfatih C.. PSO Training Neural Network MPPT With CUK Converter Topology for Stand-Alone PV Systems Under Varying Load and Climatic Conditions // Türk Doğa Ve Fen Dergisi, vol. 13, no. 1, 2024, pp. 88-97.

4. Khan MJ, Pushparaj. A novel hybrid maximum power point tracking controller based on artificial intelligence for solar photovoltaic system under variable environmental conditions // Journal of Electrical Engineering & Technology. 2021; 16(4), 1879-1889.

5. Padmavathi N, Chilambuchelvan A, Shanker NR. Maximum power point tracking during partial shading effect in PV system using machine learning regression controller // Journal of Electrical Engineering & Technology. 2021; 16, 737-748.

6. Basha CH, Murali M. A new design of transformerless, non‐isolated, high step‐up DC‐DC converter with hybrid fuzzy logic MPPT controller // International Journal of Circuit Theory and Applications. 2022; 50(1), 272-297.

7. Гибадуллин, Р. Ф. Организация защищенной передачи данных в сенсорной сети на базе микроконтроллеров AVR // Кибернетика и программирование. 2018. № 6. С. 80-86.

8. Нуриев М. Г., Гизатуллин Р.М., Мухамадиев А.А. Исследование помехоустойчивости вычислительной техники при электромагнитных воздействиях через металлоконструкцию здания на основе физического моделирования // Журнал радиоэлектроники. 2019. № 4. С. 10.

9. Петров Т.И., Сафин А.Р., Низамиев М.Ф., Басенко В.Р. Применение генетического алгоритма при разработке программного обеспечения для перебора материалов при оптимизации синхронных двигателей // Вестник Казанского государственного энергетического университета. – 2022. – Т. 14, № 2(54). – С. 96-105.

10. Safin A., Kopylov A., Gibadullin R., Petrov T., Khusnutdinov R., Fedorov O. Thermal Model of a Linear Electric Machine // 2019 1st International Conference on Control Systems, Mathematical Modelling, Automation and Energy Efficiency (SUMMA), Lipetsk, Russia, 2019, pp. 426-428.

11. Сафин А.Р., Ившин И.В., Грачева Е.И., Петров Т.И. Разработка математической модели автономного источника электроснабжения с свободно-поршневым двигателем на базе синхронной электрической машины возвратно-поступательного действия с постоянными магнитами // Известия высших учебных заведений. Проблемы энергетики. – 2020. – Т. 22, № 1. – С. 38-48.

12. Tabachnikova T. V., Gracheva E. I., Naumov O. V., et al. Forecasting technical state and efficiency of electrical switching devices at electric complexes in oil and gas industry // IOP Conference Series: Materials Science and Engineering, Almetyevsk, Republic of Tatarstan, 2020. P. 012014.

13. Gracheva E., Toshkhodzhaeva M., Rahimov O., Dadabaev S., et. al. Modeling the Reliability of High-Voltage Power Transmission Lines Taking into Account the Influence of the Parameters of a Sharply Continental Climate // International Journal of Technology, 2020, vol. 11, iss. 8, 2020, P. 1557-1569.

14. Khan MJ, Pushparaj. A novel hybrid maximum power point tracking controller based on artificial intelligence for solar photovoltaic system under variable environmental conditions // Journal of Electrical Engineering & Technology. 2021; 16(4), 1879-1889.

15. Yılmaz M, Kaleli A, Çorapsız MF. Machine learning based dynamic super twisting sliding mode controller for increase speed and accuracy of MPPT using real-time data under PSCs // Renewable Energy. 2023; 219, 119470

16. Aygül K, Cikan M, Demirdelen T, Tumay M. Butterfly optimization algorithm based maximum power point tracking of photovoltaic systems under partial shading condition // Energy Sources, Part A: Recovery, Utilization, and Environmental Effects. 2023; 45(3), 8337-8355.

17. Bouarroudj N, Benlahbib B, Houam Y, Sedraoui M, Batlle VF, Abdelkrim T, et al. Fuzzy based incremental conductance algorithm stabilized by an optimal integrator for a photovoltaic system under varying operating conditions // Energy Sources, Part A: Recovery, Utilization, and Environmental Effects. 2021; 1-26.

18. Tokarev I.S. Development of parameters for an industry-specific methodology for calculating the electric energy storage system for gas industry facilities // Journal of Mining Institute. 2024. p. EDN UIZSOQ.