بهبود راندمان سیستم فوتوولتائیک با استفاده از الگوریتم MMPTعصبی -ژنتیک با بکارگیری مدل بهبود یافته ای ازیک سلول سیلیکونی نمونه
محل انتشار: پانزدهمین کنفرانس دانشجویی مهندسی برق ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,014
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE15_294
تاریخ نمایه سازی: 3 آذر 1391
چکیده مقاله:
سیستم های فتوولتائیک PV به دلیل متغیربودن توان خروجی راندمان پایینی دارند الگوریتم های تعقیب نقطه توان ماکزیمم MPPT نقش مهمی دربهینه سازی راندمان خورشیدی دراین سیستم ها ایفا می کنند دراین مقاله با بهینه سازی ولتاژخروجی آرایه PV و درنتیجه افزایش راندمان الگوریتم MPPT راندمان سیستم PV را بهبود بخشیده ایم همچنین با معرفی مدل بهبود یافته ای ازیک سلول سیلیکونی نمونه به منظور تعقیب بهینه توان ماکزیمم MPP درهرشرایط جوی ازالگوریتم ترکیبی عصبی ژنتیک استفاده شده است به این صورت که با استفاده از داده های بهینه شده توسط الگوریتم ژنتیک GA شبکه عصبی مصنوعی ANN پیشنهادی آموزش داده شده است نتایج بدست آمده ازاین روش بیانگر دقت و سرعت بالای روش پیشنهادی درتعقیب MPP و همچنین افزایش راندمان ارایه PV است.
کلیدواژه ها:
آرایه فتوولتائیک PV ، الگوریتم ژنتیکGA ، تعقیب نقطه توان ماکزیمم MPPT ، سیستم PV ، شبکه عصبی مصنوعی ANN
نویسندگان
مهدی رجبی وینچه
دانشجوی کارشناس ارشد مهندسی برق
محسن کربعلی زاده
دانشجوی کارشناسی ارشد مهندسی برق
فاطمه محمدی
دانشجوی کارشناسی ارشد مهندسی مواد
غلامرضا عرب مارکده
دانشیاردانشگاه شهرکرد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :