ارائه روش هدایت افزایشی با گام تطبیقی بر مبنای کنترل‌کننده عاطفی در دنبال‌کننده‌های بیشینه توان سلول‌های خورشیدی
محورهای موضوعی : electrical and computer engineeringسعید 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.