AI Summary & Key Takeaways
AI InsightSimulation results show that the proposed MPPT technique achieves higher performance in terms of tracking efficiency and convergence speed compared to both the IC-based MPPT and FL-based MPPT systems.
📌 3 Key Takeaways
Abstract
Rapid and abrupt changes in climatic conditions present a challenge to classical MPPT techniques as they drift from the MPP, resulting in loss of power. This paper presents a new MPPT technique based on a feed-forward artificial neural network (FFANN) and a direct control technique. In the proposed approach, FFAAN estimates the optimum value of the PV output voltage V_MPP, while the direct control technique achieves an optimal adjustment of the duty cycle making the operating point at MPP. To evaluate the performance of the proposed technique, the accurate electrical model of the system parts was built and simulated in MATLAB/Simulink environment. The simulation results are collected under rapidly changing climatic conditions. Simulation results show that the proposed MPPT technique achieves higher performance in terms of tracking efficiency and convergence speed compared to both the IC-based MPPT and FL-based MPPT systems. The results show that the proposed technique accurately estimates V_MPP, achieving a tracking efficiency of 99.9%, while the tracking efficiency is 94% when using FL-based MPPT and 91.5% when using IC-based MPPT. This demonstrates that the proposed technique exhibits superior performance under rapidly changing climatic conditions and increases energy production efficiency compared to classical techniques.
Özet
İklim koşullarındaki hızlı ve ani değişiklikler, klasik MPPT teknikleri için bir zorluk teşkil eder çünkü MPP'den uzaklaşır ve bu da güç kaybına neden olur. Bu makale, ileri beslemeli bir yapay sinir ağına (FFANN) ve bir doğrudan kontrol tekniğine dayanan yeni bir MPPT tekniği sunmaktadır. Önerilen yaklaşımda, FFAAN, PV çıkış geriliminin V_MPP optimum değerini tahmin ederken, doğrudan kontrol tekniği MPP'de çalışma noktasını oluşturan görev döngüsünün optimal bir ayarını gerçekleştirir. Önerilen tekniğin performansını değerlendirmek için sistem modeli MATLAB/Simulink ortamında oluşturulmuş ve simüle edilmiştir. Simülasyon sonuçları hızla değişen iklim koşulları altında toplanır. Simülasyon sonuçları, önerilen MPPT tekniğinin hem IC tabanlı MPPT hem de FL tabanlı MPPT sistemlerine kıyasla izleme verimliliği ve yakınsama hızı açısından daha yüksek performansa ulaştığını göstermektedir. Sonuçlar, önerilen tekniğin V_MPP'yi doğru bir şekilde tahmin ettiğini ve %99.9'luk bir izleme verimliliği elde ederken, FL tabanlı MPPT kullanıldığında %94 ve IC tabanlı MPPT kullanıldığında %91.5'lik bir izleme verimliliği sağladığını göstermektedir. Bu da önerilen tekniğin klasik tekniklere göre hızla değişen iklim koşullarında üstün performans sergilediğini ve enerji üretim verimliliğini artırdığını göstermektedir.