بهبود مدلسازی و کنترل سیستم فتوولتائیک تحت شرایط سایه جزئی و با استفاده از الگوریتم تکامل دیفرانسیل (DE ) و شبکه عصبی پیشخور ( FFNN)

بهبود کارایی، قابلیت اطمینان و افزایش طول عمر سیستم های فتوولتائیک (PV) برخی از مزایای ضروری توسعه یک سیستم کنترل موثر حداکثر توان نقطه ردیابی (MPPT). است. در این مطالعه یک رویکرد MPPT باهوش مبتنی بر الگوریتم تکامل تفاضلی (DE) و یک شبکه عصبی تطبیقی پیشخور (FFNN) برای رسیدگی به مسائل مختلف از متداول ترین الگوریتم های MPPT توسعه یافته است که بر عملکرد سیستم های PV از جمله راندمان تولید برق، زمان ردیابی و ناپایداری ها در اطراف Global Optima (GO) تاثیر می گذارد در نتیجه، به منظور تعیین مقادیر فراپارامترهای مناسب برای فرآیند بهینهسازی و آموزش، تکنیک ترکیبی پیشنهادی در بخش اول ارزیابی میشود. این مطالعه برای انواع امکانات پیکربندی FFNN است. پس از آن، بهترین مدل عصبی بهدستآمده بهعنوان یک کنترل کننده MPPT پیادهسازی می شود و یک ارزیابی عملکرد بین الگوریتم DE مبتنی بر شبکه عصبی پیشخور (DE-FFNN) و کارآمدترین تکنیکهای MPPT مورداستفاده انجام شده است .

کلیدواژه ها:

سیستم فتوولتائیک ، کنترل ، الگوریتم تکامل دیفرانسیل ، شبکه عصبی پیشخور ، توان نقطه ردیابی