Numer: 02/2025 Str. 197
Autorzy: Kheira Melouk , Mohamed Della-Krachai , Saida Della-Krachai :
Tytuł: Poprawa wydajności konwertera podwyższającego zasilanego energią fotowoltaiczną przy użyciu sieci neuronowych i sterowania predykcyjnego modelem
Streszczenie: W artykule przedstawiono technikę modelowego sterowania predykcyjnego (MPC) zastosowaną w przetwornicy podwyższającej˙ napięcie DC-DC zasilanej z generatora fotowoltaicznego (PV). Celem sterowania jest zapewnienie śledzenia punktu maksymalnej mocy (MPPT) przy użyciu sieci neuronowych i osiągnięcie stabilnego napięcia wyjściowego w zmiennych warunkach środowiskowych. Systemy fotowoltaiczne są w dużym˙ stopniu zależne˙ od natężenia promieniowania słonecznego i temperatury, które wpływają na ich charakterystykę wyjściową. Proponowana metoda wykorzystuje algorytmy sterowania predykcyjnego do przewidywania zachowania systemu i dostosowywania cyklu pracy przekształtnika w czasie rzeczywistym, poprawiając w ten sposób ogólną wydajność systemu i czas reakcji w porównaniu z konwencjonalnymi metodami sterowania. Wyniki symulacji potwierdzają skuteczność proponowanego schematu sterowania pod względem czasu reakcji, regulacji napięcia i odporności na zmiany środowiskowe.
Słowa kluczowe: Modelowe sterowanie predykcyjne, konwerter podwyższający DC/DC, śledzenie punktu mocy maksymalnej, sztuczne sieci neuronowe.