Artificial neural network based maximum power point tracking algorithms in photovoltaic systems
Fotovoltaik sistemlerde yapay sinir ağları tabanlı maksimum güç noktası izleme algoritmaları
- Tez No: 936672
- Danışmanlar: PROF. DR. SELÇUK KILINÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 107
Özet
Artan dünya nüfusu ve bunun sonucunda ortaya çıkan enerji talebi, yenilenebilir enerji kaynaklarına olan ihtiyacı artırmıştır. Bu büyüyen enerji talebi, fotovoltaik (PV) sistemlere olan ilgiyi de artırmıştır. PV paneller, yenilenebilir enerji üretiminde önemli bir rol oynamaktadır. PV panellerinin çalışma verimliliğini artırmak için, maksimum güç noktasında çalışmaları gerekmektedir. PV panellerinin verimliliği, değişen ışınım ve sıcaklık gibi çevresel faktörlerden büyük ölçüde etkilenmektedir. Bu zorlukların üstesinden gelmek için, bu çalışma derin öğrenme teknikleri kullanılarak bir maksimum güç noktası takip sistemi uygulanmasını ele almaktadır. Pertürbasyon ve gözlem ve artımsal iletkenlik gibi geleneksel MPPT yöntemleri, hızla değişen koşullar altında maksimum güç noktasını etkin bir şekilde takip etmede sınırlamalara sahiptir. Bu araştırma PV panellerinin optimal çalışma gerilimini tahmin etmek için tasarlanmış derin öğrenme tabanlı bir maksimum güç noktası takibi algoritması sunmaktadır. Sunulan sistem, üç gizli katmana sahip ileri beslemeli bir sinir ağı kullanmakta olup, PV simülatöründen toplanan verilerle eğitilmiştir. Girişler ışınım ve sıcaklık, çıkış ise PV panel için optimal referans gerilimini tahmin etmektedir. Bir DA-DA buck dönüştürücü, enerjinin kararlı ve verimli bir şekilde transfer edilmesini sağlayarak bir kurşun-asit bataryayı şarj etmek için gerilimi düzenlemektedir. Simülasyon ve deneysel sonuçlar, önerilen sistemin geleneksel yöntemlere göre daha iyi performans gösterdiğini; maksimum güç noktasına daha hızlı yakınsama, daha az salınım ve daha yüksek enerji verimliliği sağladığını göstermektedir. Deneysel sonuçlar ayrıca bu yaklaşımın pratik güvenilirliğini doğrulamakta ve birçok yalnızca simülasyon temelli çalışmadan farklı bir noktaya koymaktadır. Bu çalışma, yapay zekanın yenilenebilir enerji sistemlerine entegrasyonunun performansı artırma potansiyelini ortaya koymaktadır.
Özet (Çeviri)
The increasing global population and the resulting energy demand have raised the need for renewable energy sources. This growing energy demand has also led to increased interest in photovoltaic systems. PV panels play a significant role in renewable energy production. To improve the operational efficiency of PV panels, they must operate at their maximum power point. The efficiency of PV panels is greatly influenced by environmental factors such as varying irradiance and temperature. To address these challenges, this study focuses on implementing a maximum power point tracking (MPPT) system using artificial neural network (ANN) techniques. Traditional MPPT methods, including perturb and observe and incremental conductance, have limits in efficiently tracking maximum power point under rapidly changing conditions. This research presents an ANN-based MPPT algorithm designed to predict optimal operating voltage of a PV panel. Presented system uses a feedforward neural network with three hidden layers, trained with data collected from a PV simulator. Inputs include irradiance and temperature, while the output predicts optimal reference voltage for the PV panel. A DC-DC buck converter regulates voltage for charging a lead-acid battery, ensuring stable and efficient energy transfer. Simulation and experimental results show the presented system performs better than conventional methods, achieving faster convergence, fewer oscillations around maximum power point, and higher energy efficiency. Experimental results also confirm the practical reliability of this approach, which sets it apart from many simulation-only studies. This study shows the potential of integrating artificial intelligence into renewable energy systems to improve performance.
Benzer Tezler
- Çift katmanlı düşürücü tip DC-DC çevirici tabanlı yeni bir adaptif mppt algoritması geliştirilmesiyle enerji verimliliğinin arttırılması
Increasing energy efficiency by developing a new adaptive mppt algorithm based on a two-legged interleaved DC-DC buck converter
SİNAN SARIKAYA
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CENK YAVUZ
- Maximum power point tracker design for photovoltaic panel with artificial neural network referenced PID control method
Yapay sinir ağı referanslı PID kontrol yöntemine sahip fotovoltaik panel için maksimum güç noktası izleyici tasarımı
ZEDAN SAEED MURAD MURAD
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SERHAT CAN
- Design and optimization of a state-of the-art solar pv system relying on maximum power point tracking of solar charge controller using artificial neural networks
Başlık çevirisi yok
RAGHAD AL-ANI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Maksimum güç noktası izleyicili ve UVM inverterli fotovoltaik sistemin yapay sinir ağları tabanlı kontrolü
ANN-based control of a PV system with maximum power point tracker and SVM inverter
AHMET AFŞİN KULAKSIZ
Doktora
Türkçe
2007
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RAMAZAN AKKAYA
- Implementation and evaluation maximum power point tracking (MPPT) based on adaptive neuro fuzzy inference systems for photovoltaic pv system
Başlık çevirisi yok
ABDELHAKIM ABOBAKIR EL AGORI
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Prof. Dr. MEHMET EMİN TACER