Zeitschrift für Kernenergiewissenschaft und Energieerzeugungstechnologie

Auf künstlichen neuronalen Netzwerken basierender fortschrittlicher Algorithmus für Photovoltaiksysteme der neuen Generation

Yogini Dilip Borole, Manoj Kumar Singh, Arvind Sharma, Hari Kumar Singh, Amarjeet Poonia und Hemavathi S

Aufgrund ihrer typischen Eigenschaften und ihres anspruchsvollen Betriebs ist die Photovoltaik derzeit eine der wichtigsten erneuerbaren Energiequellen. Die Leistung der Photovoltaik ist meist unregelmäßig und unvorhersehbar, wodurch die Lastseite die meiste Zeit über belastet wird. Die Stromerzeugung durch Photovoltaik (PV) hat im Vergleich zu anderen verfügbaren erneuerbaren Ressourcen an Beliebtheit gewonnen, da sie Vorteile wie einfache Verfügbarkeit, niedrige Kosten, vernachlässigbare Umweltverschmutzung und niedrigere Wartungskosten bietet. Um die drastischen Auswirkungen sich ändernder Umweltbedingungen auf die Leistung des PV-Systems zu minimieren, wurde in den meisten Bereichen die Technik des Maximum Power Point Tracking (MPPT) übernommen. Sie hilft dabei, die maximale Leistungsabgabe des Panels im Auge zu behalten, um die Gesamtenergieerzeugung zu steigern. Einfaches Design, niedrige Kosten, gute Leistungsmerkmale mit minimaler Leistungsvariabilität und die Möglichkeit, sich ändernde Bedingungen einfach und schnell zu überwachen, sind wichtige Merkmale von MPPT-Reglern. In der vorliegenden Studie wurde ein auf einem verbesserten neuronalen Netzwerk basierendes MPPT-System vorgeschlagen und entwickelt. Im Vergleich zu bestehenden Software-Computertechnologien und herkömmlichen Powerpoint-Überwachungsanordnungen weist das vorgeschlagene System eine geringere Übergangs- und Dauerzustandsreaktion auf. Es wurden umfangreiche Untersuchungen an einem eigenständigen Solar-Photovoltaiksystem für eine mehrdimensionale Leistungsanalyse durchgeführt. Die Ergebnisse wurden untersucht und erhebliche Änderungen wurden hervorgehoben, gefolgt von den erforderlichen Erklärungen.