A hybrid modified grey wolf optimization-based perturb & observe MPPT under varying climatic conditions
Hibrit modifiye grey wolf optimizasyon tabanlı perturb & observe değişen iklim koşulları altında MPPT
- Tez No: 902891
- Danışmanlar: YRD. DOÇ. DR. MUSARİA KARİM MAHMOOD
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enerji Sistemleri Ana Bilim Dalı
- Bilim Dalı: Enerji Mühendisliği Bilim Dalı
- Sayfa Sayısı: 87
Özet
Fotovoltaik (PV) sistemlerin verimliliğinin arttırılması kritik bir önceliktir. Güneş modüllerinden optimum güç üretimi, değişen iklim koşullarında maksimum güç noktasında (MPP) çalışmayı gerektirir. Perturb and Observe (P&O) algoritması, verimliliği ve hızlı yakınsama süresiyle tanınan geleneksel bir Maksimum Güç Noktası İzleyicisidir (MPPT). Bununla birlikte P&O, Kısmi Gölgeleme Koşulları (PSC) altında zorluk yaşıyor ve genellikle Küresel MPP (GMPP) yerine Yerel MPP'lere (LMPP'ler) yakınsıyor ve böylece genel sistem verimliliğini düşürüyor. Bu tez, klasik P&O'yu P&O-MGWO olarak adlandırılan Modifiye Gri Kurt Optimizasyonu (MGWO) algoritmasıyla birleştiren hibrit bir MPPT yaklaşımını tanıtmaktadır. Bu hibrit yöntemde MGWO, arama alanını daraltarak ve yakınsamayı hızlandırarak ilk MPP izleme aşamalarını yönetir, ardından küresel zirveye son yakınsama için P&O gelir. P&O-MGWO algoritmasının performansı, MATLAB/SIMULINK simülasyonları kullanılarak P&O, değiştirilmiş bir P&O (MP&O), GWO ve hibrit bir P&O-GWO'ya karşı değerlendirilir. Sonuçlar, hibrit P&O-GWO ve P&O-MGWO algoritmalarının izleme verimliliği, salınımları azaltma, daha hızlı yakınsama, daha yüksek doğruluk ve daha kısa MPP erişim süresi açısından geleneksel P&O ve MP&O'yu geride bıraktığını göstermektedir. Önerilen hibrit algoritmalar, özellikle kısmi gölgeleme gibi zorlu koşullar altında PV sistem performansını önemli ölçüde artırarak daha verimli ve güvenilir güneş enerjisi üretimine katkıda bulunur.
Özet (Çeviri)
Enhancing the efficiency of photovoltaic (PV) systems is a critical priority. Optimal power production from solar modules necessitates operating at the maximum power point (MPP) under varying climatic conditions. The Perturb and Observe (P&O) algorithm is a traditional Maximum Power Point Tracker (MPPT) recognized for its efficiency and quick convergence time. However, P&O struggles under Partial Shading Conditions (PSC), often converging to Local MPPs (LMPPs) rather than the Global MPP (GMPP), thus reducing overall system efficiency. This thesis introduces a hybrid MPPT approach combining classical P&O with a Modified Grey Wolf Optimization (MGWO) algorithm called P&O-MGWO. MGWO manages the initial MPP tracking phases in this hybrid method, narrowing the search space and accelerating convergence, followed by P&O for final convergence to the global peak. The performance of the P&O-MGWO algorithms is assessed against P&O, a modified P&O (MP&O), GWO, and a hybrid P&O-GWO using MATLAB/SIMULINK simulations. Results show that the hybrid P&O-GWO and P&O-MGWO algorithms surpass conventional P&O and MP&O in tracking efficiency, reducing oscillations, faster convergence, higher accuracy, and shorter MPP attainment time. The proposed hybrid algorithms significantly enhance PV system performance, especially under challenging conditions like partial shading, contributing to more efficient and reliable solar energy generation.
Benzer Tezler
- Enhancement performance and efficiency of photovoltaic system based on hybrid maximum power point tracking
Başlık çevirisi yok
MINA TUQA MAHDI AL-MAYYAHI
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Gelişim ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF GÜRCAN ŞAHİN
- Hybrid modified grey wolf optimization-based modified incremental conductance MPPT for photovoltaic systems
Fotovoltaik sistemler için hibrit modifiye gery wolf optimizasyonu tabanlı modifiye artımsal iletkenlik MPPT
AHMAD MOHAMMAD NEZAM
Yüksek Lisans
İngilizce
2024
EnerjiAnkara Yıldırım Beyazıt ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSARIA KARIM MAHMOOD MAHMOOD
- Students performance system using recurrent neural network trained by modified grey wolf optimizer
Değiştirilen bozkurt optimizasyon yöntemi ile eğitilmiş yinelenen sinir ağı kullanan öğrenci performans sistemi
DOSTI ABBAS
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YALIN KILIÇ TÜREL
- Yapay zekâ kontrol yöntemleri ile iki-yönlü haptik-teleoperasyon robotik sistemlerinde kararlılık ve şeffaflığın artırılması
Increasing stability and transparency in bilateral haptic-teleoperation robotic systems with artificial intelligent control methods
TAYFUN ABUT
Doktora
Türkçe
2022
Makine MühendisliğiFırat ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. SERVET SOYGÜDER
- Yüksek boyutlu model gösterilimi ve çok değişkenliliği yükseltilmiş çarpımlar gösterilimi ile görüntü üzerindeki gürültüleri giderme
Image denoising via high dimensional model representation and enhanced multivariate product representation
SENA KAÇAR
Doktora
Türkçe
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA