بهینه سازی تعقیب نقطه توان بیشینه در نیروگاه هیبریدی بادی- خورشیدی با کاهش اعوجاج هارمونیکی کل (thd) و استفاده از شبکه عصبی

مدیریت ناکارآمد توان در منابع تولید پراکنده مانند توربین‌های بادی و سیستم‌های فتوولتائیک، و همچنین راندمان پایین این سیستم‌ها، منجر به کاهش صرفه اقتصادی آن‌ها می‌شود. این پژوهش به بررسی مسئله تعقیب نقطه توان بیشینه (mppt) در یک نیروگاه هیبریدی بادی و خورشیدی پرداخته و تلاش می‌کند تا با در نظر گرفتن مشخصات لینک dc، نوسانات ولتاژ و جریان بار را کاهش دهد. ویژگی اصلی این تحقیق، تلفیق همزمان اثر سایه و نوسانات باد در کنترلر مشترک mppt بدون نیاز به سنسورهای اندازه‌گیری ولتاژ و جریان است. در این پژوهش، با استفاده از شبکه‌های عصبی مصنوعی (ann) و بهینه‌سازی پارامترهای آن با الگوریتم ازدحام ذرات (pso)، عملکرد ریزشبکه پیشنهادی شبیه‌سازی شد. مقاله شامل چند سناریوی برای مقایسه کنترلر mppt (شامل کنترلر هوشمند pso-ann، کنترلر ann و کنترلر p o) است. نتایج نشان می‌دهد که کنترلر پیشنهادی کارایی و راندمان بالایی در جستجوی نقطه توان بیشینه و کاهش اعوجاج‌های هارمونیکی دارد. استفاده از کنترلر عصبی بدون سنسورهای جریان و ولتاژ در نیروگاه‌ها، موجب پایداری سیستم در شرایط مختلف شده و قابلیت اطمینان سیستم را بهبود می‌بخشد.

optimal mppt and minimizing thd in hybrid solar and wind power plant by artificial intelligence

inefficient power management in distributed generation sources such as wind turbines and photovoltaic systems, along with their low efficiency, leads to reduced economic viability. this study addresses the issue of maximum power point tracking (mppt) in a hybrid wind-solar power plant and aims to reduce voltage and current fluctuations by considering the characteristics of the dc link. the main feature of this research is the simultaneous integration of shadow effects and wind fluctuations in the proposed mppt controller without the need for voltage and current sensors. using artificial neural networks (ann) and optimizing its parameters through the particle swarm optimization (pso) algorithm, the performance of the proposed microgrid was simulated. the paper includes several scenarios for comparing mppt controllers (including the intelligent pso-ann controller, ann controller, and p o controller). the results show that the proposed controller has high efficiency and performance in tracking the maximum power point and reducing harmonic distortions. using a neural controller without current and voltage sensors in power plants enhances system stability under various conditions and improves system reliability.