هدف ، ﺭﺩﯾﺎﺑﯽ ﻧﻘﻄﻪ ﺣﺪﺍﮐﺜﺮ ﺗﻮﺍﻥ ﺳﻠﻮﻝ ﻫﺎﯼ ﺧﻮﺭﺷﯿﺪﯼ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﻨﻄﻖ ﻓﺎﺯﯼ و بهینه سازی آن با استفاده ازتکنیک PSO

در این مقاله، یک کنترلر فازی نامتقارن (FLC)[1]، برای ﺭﺩﯾﺎﺑﯽ ﻧﻘﻄﻪ ﺣﺪﺍﮐﺜﺮ ﺗﻮﺍﻥ ﺳﻠﻮﻝ ﻫﺎﯼ ﺧﻮﺭﺷﯿﺪﯼ (MPPT)[2]، ارائه شده است.دو روش طراحی توابع تعلق فازی (MF)[3]، منجر به ارتقاء اثر بخشی کنترلر فازی نامتقارن، برای ردیابی نقطه حداکثر توان می­شود. روش اول منجر به تعیین سریع، پارامترهای تابع تعلق ورودی در قیاس با منحنی توان-ولتاژ (P-V) سلول خورشیدی تحت شرایط استاندارد تست می­شود.

روش دوم از بهینه ­سازی مبتنی بر ازدحام ذرات (PSO)[4]، به منظور تعیین بهینه پارامترهای توابع تعلق فازی بهره می­برد. در روش PSO به تابع هزینه نیاز است. بنابراین روشی برای انتخاب تابع هزینه به منظور تامین نیازهای عملکردی سیستم فتولوتایی ارائه شده است. براساس نتایج شبیه­ سازی و عملی، کنترلر فازی نامتقارن دارای بیشترین ضریب تطبیق[۵] است که منجر به ردیابی موفق منحنی MPPT شده و در مقایسه با روش تغییر و مشاهده (P&O)[6] و کنترلر فازی متقارن، دقیق­تر است. در قیاس با روش­های مرسوم MPPT مبتنی بر منطق فازی، کنترلر فازی نامتقارن، پاسخ حالت گذرا و ردیابی منحنی MPPT را به ترتیب به میزان ۸/۲۵ درصد و ۹۸/۰ درصد در شرایط تست استاندارد (STC)[7]، بهبود می­دهد.

در این مقاله، الگوریتم MPPT  مبتنی بر منطق فازی ارائه شد. روش طراحی و پیاده­ سازی پیشنهادی با جزئیات بررسی شد. برای بهبود بیشتر عملکرد روش پیشنهادی، دو روش طراحی و تنظیم پارامترهای توابع تعلق ورودی بررسی شد. اولین روش برای تعیین مقادیر پارامترهای توابع تعلق ورودی براساس منحنی P-V سلول خورشیدی در شرایط استاندارد به کار می­رود. مزیت این روش، سادگی و تنظیم آسان قواعد و پارامترها می­باشد.در مقایسه با کنترلر فازی متقارن، زمان گذار و دقت ردیابی منحنی MPPT به ترتیب به اندازه ۲/۲۵ درصد و ۰۵/۰ درصد در شرایط استاندارد، بهبود یافته اند. کنترلر فازی متقارن قادر به ردیابی منحنی MPPT در شرایط تابش کم نیست اما کنترلر فازی غیرمتقارن بر این مسئله غلبه می­کند. روش دوم با به کارگیری تکنیک PSOبرای دستیابی به مقادیر بهینه توابع تعلق، همراه است.

ﺭﺩﯾﺎﺑﯽ ﻧﻘﻄﻪ ﺣﺪﺍﮐﺜﺮ ﺗﻮﺍﻥ ﺳﻠﻮﻝ ﻫﺎﯼ ﺧﻮﺭﺷﯿﺪﯼ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﻨﻄﻖ ﻓﺎﺯﯼ

و بهینه سازی آن با استفاده از تکنیک PSO

Optimization of a Fuzzy-Logic-Control-Based MPPT Algorithm Using the

Particle Swarm Optimization Technique

Published in:  Energies

Date of Publication: 2015

                            برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناسی ارشد کنترل

دانشگاه فردوسی مشهد

محتویات:

• اصل مقاله
• پیاده سازی با Matlab
• گزارش مقاله و توضیحات الگوریتم بهمراه نتایج (Word)
• پیوست سورس کد ( سیمولینک + M فایل)

توضیحات صوتی کد نیز موجود میباشد که در صورت نیاز و با پرداخت جداگانه ایمیل میشود

Papersim2015@gmail.com

دانلود فایل

[۱]Fuzzy Logic Controller

[۲]Maximum Power Point Tracking

[۳]Membership Function

[۴]Particle Swarm Optimization

[۵]Fitness

[۶]Perturb and Observe

[۷]Standard Test Condition