ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Photovoltaic Nonlinear Characteristics Se—Out for Maximum Power Point Tracking based on Neural Network Algorithm

سال انتشار: 1396
کد COI مقاله: MUNCE01_003
زبان مقاله: انگلیسیمشاهد این مقاله: 177
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 14 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Photovoltaic Nonlinear Characteristics Se—Out for Maximum Power Point Tracking based on Neural Network Algorithm

Omid Esmaeelnia - Department of electrical engineering, Zanjan Branch, Islamic Azad University, Zanjan, Iran
Milad Taleb Hesami Azar - Young Researchers and Elite Club, Urmia Branch, Islamic Azad University, Urmia, Iran

چکیده مقاله:

MPPT algorithm are necessary because PV arrays have a non-linear voltage-current characteristic with a unique point where the power produces is maximum. In this paper we present a PV generator composed by four PV panel kaneka (60Watt) placed in series, and a neural network model developed by the authors. The aim of this study focuses on the application of the artificial neural network to extract the maximum power point of a photovoltaic generator the feeds a motor –pump group unit through a PWM inverter installed in the laboratory. The output of the ANN is the optimal voltage Vopt which is compared to the PV generator Vpv, then passed through an integrator to extract the stator frequency fs that are given to the PWM control of the DC-AC inverter to find out the sinusoidal reference voltage and the sampled wave. The training of the ANN is done and the whole technique is being simulated and studied using MATLAB software.

کلیدواژه ها:

MPPT, Artificial Neural Network, LM algorithm, PV system, MATLAB Simulink

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/700850/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Esmaeelnia, Omid and Taleb Hesami Azar, Milad,1396,Photovoltaic Nonlinear Characteristics Se—Out for Maximum Power Point Tracking based on Neural Network Algorithm,کنفرانس ملی رهیافت های نو در مهندسی برق و کامپیوتر,تهران,,,https://civilica.com/doc/700850

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396, Esmaeelnia, Omid؛ Milad Taleb Hesami Azar)
برای بار دوم به بعد: (1396, Esmaeelnia؛ Taleb Hesami Azar)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 4,588
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی