Enhancing maximum power point tracking in photovoltaic systems using model predictive control and reinforcement learning
Model öngörülü kontrol ve pekiştirmeli öğrenme kullanarak fotovoltaik izleme sistemlerinin geliştirilmesi
- Tez No: 970620
- Danışmanlar: PROF. DR. TOLGAY KARA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Aktif güç optmizasyonu, Enerji optimizasyon modeli, Fotovoltaik, Hibrit öğrenme, Maksimum güç noktası, Model öngörümlü denetim, Pekiştirmeli öğrenme, Simülasyon optimizasyonu, Active power optimization, Energy optimization model, Photovoltaic, Hybrid learning, Maximum power point, Model predictive control, Reinforcement learning, Simulation optimization
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, değişken çevresel koşullar ve kısmi gölgelenme durumlarında çalışan fotovoltaik (PV) sistemlerde Maksimum Güç Noktası Takibi (MPPT) performansını artırmak için hibrit bir akıllı kontrol stratejisi önermektedir. Önerilen yöntem, Model Öngörülü Kontrol (MPC) ile Pekiştirmeli Öğrenme (RL) tekniklerini entegre ederek, MPC'nin model tabanlı öngörü kabiliyeti ile RL'nin veriye dayalı uyarlanabilir karar alma yeteneklerini birleştirmektedir. Gerçek zamanlı performansa dayalı olarak kontrolörler arasında geçiş sağlayan bir anahtarlama mekanizması, sistemin değişken koşullarda hem kararlılık hem de uyum sağlayarak çalışmasını mümkün kılmaktadır. DC-DC buck dönüştürücü ile modellenmiş detaylı bir PV sistemi üzerinde yapılan simülasyonlar, hibrit kontrol yönteminin tek başına kullanılan MPC ve RL stratejilerine kıyasla üstün performans sergilediğini göstermektedir. Hibrit yapı, küresel maksimum güç noktasına daha hızlı yakınsama, kararlı durumda daha az salınım ve enerji hasadında artış sağlamıştır. Elde edilen bulgular, öngörü ve öğrenmeye dayalı tekniklerin birleştirilmesinin PV sistemlerinin dayanıklılığını ve verimliliğini artırmada etkili olduğunu ve yenilenebilir enerji uygulamalarında akıllı kontrol sistemlerinin gelişimine katkı sunduğunu ortaya koymaktadır.
Özet (Çeviri)
This thesis proposes a hybrid intelligent control strategy to enhance Maximum Power Point Tracking (MPPT) performance in photovoltaic (PV) systems operating under dynamic environmental and partial shading conditions. The method integrates Model Predictive Control (MPC) and Reinforcement Learning (RL), combining MPC's model-based predictive optimization with RL's adaptive, data-driven decisionmaking. A switching mechanism enables real-time selection between controllers based on system performance, ensuring both adaptability and stability across varying conditions. The hybrid control system was implemented and tested using a detailed simulation model of a PV system with a DC-DC buck converter. Simulation results show that the hybrid approach outperforms conventional MPC and RL strategies individually, demonstrating faster convergence to the global maximum power point, reduced steady-state oscillations, and improved energy harvesting efficiency. These findings highlight the potential of combining predictive and learning-based techniques to improve the robustness and efficiency of PV systems, contributing to the advancement of intelligent control in renewable energy applications.
Benzer Tezler
- Enhancing maximum power point tracking through ensemble learning techniques
Topluluk öğrenme teknikleri yoluyla maksimum güç noktası takipini geliştirme
HAYDER HUSAM MAHMOOD AL-MAYYAH
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ZAID HAMODAT
- Deep learning algorithm based maximum power tracking technique for PV system
Fotovoltaik sistemler için derin öğrenme algoritmasına dayalı maksimum güç noktası takip tekniği
LINA ABDULKAREEM HUSSEIN
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABBAS UĞURENVER
- Enhancing photovoltaic system performance through NARX-LSTM forecasting and neuro-controller based MPPT techniques
NARX-LSTM tahmın ve nöro-denetleyici temelli MPPT teknikleri vasıtasıyla fotovoltaık sistem performansının artırılması
OUBAH ISMAN OKIEH
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Fotovoltaik sistemlerde süperkapasitör entegrasyonu ile anlık güç desteği ve enerji kararlılığının sağlanması
Providing instantaneous power support and energy stability through supercapacitor integration in photovoltaic systems
YUSUF DAYAR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiIğdır ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FESİH KESKİN
- Power management of PV-battery system based on artificial intelligent techniques
Başlık çevirisi yok
BALSAM MAJEED HAMEED ALRUBAIE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN