طراحی ‏mppt ‏ برای سیستم فتو ولتاییک به کمک هوش مصنوعی و ‏مقایسه آن با روش ‏p&o ‏ در شرایط تصادفی

در این تحقیق، یک روش هوش مصنوعی مبتنی بر منطق فازی برای ‏mppt‏ (ردیابی نقطه حداکثر توان) برای پنل فتوولتاییک، تحت ‏دمای متغیر از 10 درجه سانتیگراد تا 40 درجه سانتیگراد و تابش متغییراز 500 تا 1000 وات بر متر مربع بررسی و با یکی از روش های ‏کلاسیک این کار مقایسه شده و مزایا ومعایب آن ارایه شده است.این روش در این مطالعه 3‏^flc ‏_‏mppt‏ نام گذاری شده است. ‏ ولتاژ و جریان پنل های ‏pv‏ غیر خطی است و به شرایط محیطی مانند دما و تابش بستگی دارد بنابراین شرایط محیطی متغیر باعث ‏تغییر ولتاژ، جریان و همچنین تغییر حداکثر توان قابل دسترس پنل های ‏pv‏ می شود. همچنین برای افزایش راندمان لازم است پنل ‏های ‏pv‏ در نقطه حداکثر توان خودکارکنند. درهر شرایط محیطی، ‏mpp‏ منحصر به فردی وجود داشته و برای ردیابی آن روش های ‏زیادی مورد مطالعه قرار گرفته است. روش ‏flc‏_‏mppt‏ در این مطالعه بدلیل واکنش سریع آن به شرایط محیطی متغیر ترجیح داده ‏شده است. علاوه برآن این روش تحت تاثیر تغییر پارامترهای مدار نیز قرار نمی گیرد. ‏ برای شبیه سازی سیستم از نرم افزار ‏simulink‏ در ‏matlab r2022b‏ استفاده شده است. نتایج این مطالعه کارکرد‎ ‎‏ بهتر روش ‏هوش مصنوعی مبتنی بر منطق فازی (‏flc‏) برای رد یابی نقطه حداکثر توان در شرایط محیطی متغیر را نشان می دهد.‏

mppt design for photovoltaic system using artificial intelligence and its comparison with p&o method in random conditions

abstract in this research, an artificial intelligence method based on fuzzy logic controller for mppt ??(maximum power point tracking) for photovoltaic system, in variable temperature from 10 to 40 ?degrees celsius and variable radiation from 500 to 1000 w/m has been investigated. the result of ?the investigation is compared with one of the classic mppt methods and its advantages and ?disadvantages are presented. this method is named flc_mppt in this study.? the voltage and current of pv panels are non-linear and depend on environmental conditions ?such as temperature and radiation, so changing environmental conditions change the voltage, ?current and also change the maximum available power of pv panels. also, to increase the ?efficiency, it is necessary to automate the pv panels at the point of maximum power. in every ?environmental condition, there is a unique mpp and many methods have been studied to track it. ?flc_mppt method is preferred in this study due to its quick response to variable environmental ?conditions. in addition, this method is not affected by the change of circuit parameters?.? simulink software in matlab r2022b was used to simulate the system. the results of this study ?show the better performance of artificial intelligence method based on fuzzy logic? ?controller (flc) ?for tracking the maximum power point in variable environmental conditions.?