ردیابی نقطه توان ماکزیمم سیستم صد کیلووات خورشیدی به کمک شبکه ی عصبی، الگوریتم بهینه سازی ذرات وکنترلر MPC
تکرار نام مولف :
فریده بزنگانی
سال نشر :
1397
صفحه شمار:
65ص
یادداشت
چکیده:
امروزه به دلیل کاهش سوخت های فسیلی و اهمیت کاهش آلودگی زیست محیطی، استفاده از انرژی های نو اهمیت فراوانی دارد، که سرآمد آن ها انرژی خورشیدی می باشد. اهمیت راندمان این گونه سیستم ها غیرقابل انکار است به طوری که با استفاده از روش های بهینه سازی و الگوریتم های بهینه سازی می توان تاثیر بسیار زیادی در راندمان این سیستم ها گذاشت و باعث صرفه اقتصادی هرچه بیش تر این سیستم ها شد.
در این پایان نامه، شبیه سازی یک سیستم 100 کیلووات خورشیدی انجام پذیرفته است که قابلیت شبیه سازی سایه ی جزئی را با اعمال تابش های مختلف به سیستم خواهد داشت و سپس با استفاده از شبکه عصبی پرسپترون با وزن-دهی اولیه تصادفی و با وزن دهی اولیه به کمک الگوریتم بهینه سازی ذرات تخمین دقیقی از نقطه ماکزیمم توان در سیستم خورشیدی 100 کیلووات ارائه گردیده است که در هر دو حالت مقایسه ای بین نتایج انجام شده است.
به منظور کنترل سیستم و رساندن نقطه کار سیستم به میزان ماکزیمم توان از کنترلر پیش بین مدل با استفاده از مینیمم سازی یک تابع هزینه انتخابی استفاده شده است که موجب بهینه سازی هرچه بیش تر خروجی سیستم خورشیدی خواهد شد وسیستم را به نقطه کار ماکزیمم توان خواهد رساند. در نهایت نتایج حاصل با الگوریتم مرجع، آشفته و محاسبه در سیستم 100 کیلووات خورشیدی در حضور سایه جزئی مقایسه شده است