Printer Friendly

Artificial neural network in maximum power point tracking algorithm of photovoltaic systems/ Dirbtiniu neuronu tinklo taikymas didziausios galios tasko saules elementuose sekimo algoritme.

Ivadas

Per tris valandas i zemes pavirsiu patenka tiek saules energijos, kiek zmonija sunaudoja per visus metus. Nepaisant tokio didelio energijos srauto, tik nedidele jo dalis yra naudojama kaip atsinaujinantis energijos saltinis. Dalis sios energijos pasitelkus saules kolektorius panaudojama siltam vandeniui ruosti. Kita dalis fotovoltinese jegainese paverciama elektros energija.

Saules energijos, paverciamos elektros energija, kiekis pirmiausiai priklauso nuo paciu saules elementu (SE) tipo. Maziausia naudingumo koeficienta turi amorfiniai, plonasluoksniai, polikristaliniai, hibridiniai SE. Siuo metu vieni brangiausiu, taciau efektyviausiai gebanciu paversti saules energija elektros energija, yra monokristaliniai saules elementai.

Kiekvienais metais SE naudingumo koeficientas didinamas. Taciau kol kas placiai taikomi saules elementai, kuriu naudingumo koeficientas nevirsija 20 %.

Kitas labai svarbus veiksnys, lemiantis saules elementu efektyvuma, yra neprognozuojamai besikeiciancios ir niekuomet neatsikartojancios oro ir saules spinduliavimo salygos. Del sios priezasties negalime is anksto atskirais laiko intervalais numatyti saules elementu apkrovos.

Saules jegaine (SJ) dirba efektyviausiai, kai saules moduliu (SM) apkrova priderinama prie aplinkos salygu, tai yra sekamos didziausios galios. Taigi itin didele itaka turintis veiksnys, verciant saules energija i elektros energija, yra didziausios galios tasko sekimo (DGTS) irenginys. Nuo siame irenginyje panaudoto sekimo algoritmo priklauso, kaip greitai ir kaip tiksliai bus pasiektas atitinkamu laiko momentu didziausios galios taskas saules modulyje. Butina ivertinti tai, kad saules modulio didziausios galios tasko priklausomybe nuo saules energijos srauto bei aplinkos temperaturos yra netiesine ir eksploatacijos metu keiciasi. Todel nera galimybes is anksto nurodyti saules modulio varzos vertes atitinkamomis salygomis. Tai apsunkina DGT sekimo algoritmu darba.

Kadangi siuo metu saules elementai yra brangus, o ju efektyvumo koeficientas yra nedidelis, todel yra labai svarbu kaip imanoma tiksliau ir greiciau pasiekti DGT. Siam tikslui yra naudojami ivairus sekimo algoritmai, ieskoma nauju sekimo metodu. Taciau dauguma sekimo algoritmu yra gana leti arba netikslus.

Del sugebejimo spresti netiesines lygtis literaturoje vis dazniau minimi ir kaskart randantys vis naujas pritaikymo galimybes yra dirbtiniu neuronu tinklai. Dirbtiniu neuronu tinklai naudojami ir saules energetikoje.

Darbe siuloma naudoti dirbtiniu neuronu tinkla kaip papildoma iranki sekti DGT. Apmokytas DNT galetu greitai ir tiksliai aptikti didziausios galios taska saules jegainese bei neprarasti itin svarbios elektros energijos. Siam tyrimui naudojamas matematinis saules jegaines modelis su IncCond DGT sekimo algoritmu ir dirbtiniu neuronu tinklas.

Apejimo diodo itaka

Valdiklio darba saules jegainese apsunkina saules moduliuose esantys apejimo diodai. Apejimo diodai SM skirti apsaugoti saules elementams nuo perkaitimo, kai dalis modulio dirba seselyje. Kita apejimo diodo paskirtis yra padidinti saules jegaines nasuma, esant is dalies apsviestam saules moduliui. Taikant apejimo dioda modulis gali dirbti apeidamas seselyje esancius saules elementus ir taip islaikydamas geresnes energetines charakteristikas (Diaz-Dorado et al. 2010). Nesant apejimo diodo ir daliai modulio patekus i seseli, visas modulis dirba maziau apsviestu elementu darbo rezimu. Del sios priezasties saules jegaines nasumas labai sumazeja ir dalis saules energijos lieka nepanaudota.

Mineti apejimo diodo trukumai ir privalumai yra matomi 1 pav. Cia pavaizduotos dvieju saules moduliu darbo charakteristikos, kai viename ju yra apejimo diodas, o kitame--nera. Bruksnine linija atvaizduoja galios charakteristika, esant skirtingam saules galios srautui. Pirmoji bruksnine kreive yra galios charakteristika, kai i du saules modulius SM1 ir SM2 patenka vienodas saules galios srautas SM1 = SM2 = 1000 W/m2. Antroji kreive apibudina atveji, kai i SM1 moduli patenka 1000 W/[m.sup.2], o i SM2--600 W/[m.sup.2]. Trecioji charakteristika apibudina saules jegaines darba, kai i SM1 moduli patenka 1000 W/[m.sup.2], o i SM2--200 W/[m.sup.2] saules galios srautas. Istisines linijos yra saules moduliu voltamperiniu charakteristiku seima. Ketvirtoji kreive apibudina atveji, kai i abu saules modulius SM1 ir SM2 patenka vienodas saules galios srautas 1000 W/[m.sup.2]. Penktoji kreive atitinka voltamperine charakteristika, kai pirmas saules modulis (SM1) apsviestas 1000 W/[m.sup.2], o antras (SM2)--600 W/[m.sup.2]. Sestoji kreive apibudina atveji, kai SM1--1000 W/[m.sup.2], o SM2--200 W/[m.sup.2]. Juodas taskas zymi kiekvienos charakteristikos didziausios galios taska.

Is galios charakteristiku matyti, kad krintant skirtingiems saules galios srautams i atskirus saules modulius atsiranda keli lokalus DGT. Kai apsvietimo lygio skirtumas i atskirus saules modulius yra nedidelis, didesne galia SJ gaunama ties dvieju moduliu itampu suma. Kai saules galios srautas, tenkantis antrajam moduliui, siekia tik 200 W/[m.sup.2], akivaizdu, kad jegaine dirba efektyviau tik ties vieno SM isejimo itampa. Dirbant saules jegainei, charakteristikos vietos parinkima, tai yra darbo itampa, vykdo DGT sekimo algoritmas. Iprasti DGT sekimo algoritmai daznai nesugeba atskirti globalaus ir lokalaus didziausios galios tasku. Sekimo algoritmas, pasilikes dirbti lokaliame didziausios galios taske, padaro visos saules jegaines darba neefektyvu, nes dalis krintancios saules energijos nepanaudojama. Dalis zinomu sekimo algoritmu, pateke i viena is lokaliu DGT, nesugeba is jo iseiti ir lieka visam laikui. Tokiu atveju sistema tenka perkrauti ir prarasti nemazai laiko ir saules energijos.

Tyrimo metu buvo analizuojami didziausios galios tasko sekimo algoritmai ir tiriama dirbtiniu neuronu tinklo itaka DGT sekimui.

Modelio aprasymas

Dirbtiniu neuronu tinklo itakai DGT sekimui istirti naudojamas ankstesniuose tyrimuose sudarytas matematinis saules jegaines modelis (Vasarevicius, Pikutis 2012), kuris yra papildytas dirbtiniu neuronu tinklo bloku.

Strukturine sio modelio schema pateikta 2 pav. Modeli sudaro saules ir debesuotumo blokas, kurio generuojamas signalas artimas Lietuvoje krintanciam saules galios srautui. Saules galios srauto signalas siunciamas i saules modulio ir pavienio saules elemento blokus. SM blokas imituoja realu saules moduli, sudaryta is trisdesimt dvieju saules elementu. Priklausomai nuo norimu tirti darbo charakteristiku, sis blokas gali buti pakeistas saules moduliu masyvu. Salia saules modulio naudojamas pavienis saules elementas, kuris vykdo piranometro funkcija--matuoja krintancios saules galios srauto lygi. Lygiagreciai su saules elementu prijungus zinomo dydzio varza, sroves priklausomybe nuo saules galios srauto yra artima tiesiai. Si priklausomybe yra taikoma dirbtiniu neuronu tinklui mokyti bei jam dirbti toliau.

Saules modulio generuojama itampa [U.sub.FEM] siunciama i apkrova. Per ja teka SM srove [I.sub.FEM]. Pasirinktas didziausios galios tasko sekimo IncCond (Esram, Chapman 2007) algoritmas arba apmokytas dirbtiniu neuronu tinklas (Lee et al. 2010) keicia apkrovimo varzos dydi palaikydamas didziausios galios rezima. Sis DGTS algoritmas pasirinktas del galimybes stabiliai dirbti aptiktame didziausios galios taske. Tik esant stabiliam algoritmo darbui galimas kokybiskas DNT mokymas.

Dirbtiniu neuronu tinklo mokymas vyksta tuomet, kai IncCond algoritmas pasiekia didziausia galios taska. Tuomet i DNT bloka irasoma algoritmo aptikta apkrovos varzos verte esant tuo metu ismatuotoms modulio temperaturos bei salia esancio SE sroves vertems. Taip dirbtiniu neuronu tinklas yra mokomas, o aptikes artimas apmokytoms aplinkos salygas, pats parenka apkrovos varzos pokyti [DELTA][R.sub.ap2], kuris garantuoja optimalia apkrova (Hatti et al. 2010). Taigi letas IncCond algoritmas palaipsniui tampa nebenaudojamas, nes jo funkcijas vykdo dirbtiniu neuronu tinklas.

Saules jegaines modelis Matlab/Simulink terpeje

Pagal saules jegaines strukturine schema sudarytas matematinis saules jegaines modelis, igyvendintas Matlab/Simulink terpeje, pateiktas 3 pav.

Saules galios srauto bloke (SGS) sukuriamas signalas, imituojantis saules galios srauta, krintanti i saules moduli. Saules galios srauto signalui valdyti naudojami parametrai: pasvirimo kampas, albedo, metu diena, platuma, laikas, aukstis, ilguma, laiko juosta. Siais parametrais imituojamas SGS skirtingose zemes pavirsiaus vietose konkreciu laiku. Sukurtame modelyje imituojamas sviesiojo paros laiko saules galios srauto signalas, kurio trukme--14 valandu. Modelyje numatyta, kad saule teka 6:00 val., o leidziasi 20:00 val. Kadangi saules jegaines valdiklis efektyvus esant sudetingoms aplinkos salygoms, tai modelyje numatytas debesuotumo imitavimo blokas (Debesys). Sio bloko paskirtis chaotiskai slopinti generuojama SGS signala ir imituoti debesu slinkima danguje. SGS ir debesu bloku isejimu signalu suma siunciama i Gauso filtra. Taip gaunamas saules galios srauto signalas, imituojantis realias aplinkos salygas.

Sis signalas siunciamas i saules moduli ir pavieni saules elementa imituojancius modelio blokus. Tai imituoja i SM pavirsiu patenkanti saules galios srauta. Imituojant saules moduli ir pavieni saules elementa butina nurodyti ju pavirsiaus temperatura. Tyrimo metu laikyta, kad pavirsiaus temperatura nekinta ir lygi 25[degrees]C.

Saules jegaines valdikli modelyje imituoja 3 pav. desineje esantis IncCond algoritmo igyvendinimo blokas, skirtas didziausiam galios taskui sekti jegaineje ir dirbtiniu neuronu tinklui mokyti. DNT mokomas tik tuomet, kai IncCond algoritmas yra didziausiame galios taske arba esant itin mazai nuokrypai nuo didziausios galios tasko.

Kai dirbtiniu neuronu tinklas yra apmokytas, DGT sekima vykdo GRBF blokas. Sukurtas ir modelyje igyvendintas pasirinkimo algoritmo blokas parenka didziausios galios taskui sekti IncCond algoritma arba DNT. Jis 3 pav. pavadintas Pasirinkimo algoritmu.

Dirbtiniu neuronu tinklo itaka saules jegaines nasumui

Saules jegaines darbo efektyvumui tirti, esant skirtingiems saules modulio darbo rezimams, buvo generuotas saules galios signalas. I si signala buvo iterptas imituojantis debesuotuma triuksmas. Taip gautas jegainei testuoti skirtas signalas yra issaugotas modelio bloke Testo signalas. Sis signalas per jungikli JG1 buvo daug kartu siunciamas i saules jegaine.

4 pav. pateiktos saules jegaines darba apibudinancios charakteristikos, kai didziausios galios taskas sekamas tik IncCond algoritmu. 4 pav., a, pateiktas saules galios srautas ST, kai imituojant letai slenkancius debesis sukuriamos letai besikeiciancios aplinkos salygos (1 kreive) ir jegaines valdiklio parinktos apkrovos vertes atitinkamu laiko momentu (2 kreive). 4 pav., b, pateikta charakteristika vaizduoja valdiklio, valdomo IncCond algoritmu, gaminamos galios skirtuma nuo teorines idealios galios atitinkamu laiko momentu. Si charakteristika vaizduoja jegaines darbo efektyvuma--prarastos elektros energijos kieki.

Is 4 pav. matyti, kad algoritmas aptinka didziausios galios taska tik tuomet, kai saules galios srautas keiciasi letai. Kai SGS keiciasi greitai, algoritmas nesugeba per trumpa laika sumazinti arba padidinti apkrova. Todel priartejimo prie DGT metu yra prarandama dalis elektros energijos. Greitesniam DGT aptikimui siuloma naudoti savaime besimokanti dirbtiniu neuronu tinkla.

Saules jegaines darba apibudinancios charakteristikos, kai didziausios galios taskas sekamas IncCond algoritmu ir dirbtiniu neuronu tinklu, pateiktas 5 pav.

5 pav., b, kreive rodo, kad didziausi energijos nuostoliai gaunami laikotarpiu iki 13:00 val. Si laikotarpi didziaja laiko dali valdo IncCond algoritmas, nes DNT dar nera uztektinai ismokytas aptikti DGT. Kai dirbtiniu neuronu tinklas yra ismokytas, jis tik vienas pradeda valdyti valdikli. Tai atitinka kreives nuo 13:00 val. Siuo laikotarpiu apkrovos varza parenkama artima idealiai, o prarasti energijos kiekiai yra artimi nuliui. Be to, laikotarpiu iki 13 val., kai valdikli valde IncCond algoritmas ir DNT, kuris tuo metu dar buvo mokomas, prarasti energijos kiekiai buvo daug mazesni. Galios skirtumas nesieke 20 W.

6 pav. pateiktos saules jegaines darba debesuota diena, esant greitai slenkantiems debesims, apibudinancios charakteristikos, kai didziausios galios taskas sekamas IncCond algoritmu ir dirbtiniu neuronu tinklu. Is 6 pav. a ir b grafiku matyti, kad dirbtiniu neuronu tinklas apmokomas viena valanda ilgiau--valdiklio valdyma jis perima apie 14:00 val. Laikotarpiu iki 14 val., kai valdikli valde IncCond algoritmas ir DNT, kuris tuo metu dar buvo mokomas, prarasti energijos kiekiai buvo nedideli--prarasti elektros energijos kiekiai tik keleta kartu virsijo 20 W.

Isvados

1. Skirtingiems saules elementu tipams budingos nevienodos charakteristikos ir didziausios galios taskai. Todel reikalingas universalus DGT sekimo irenginys, kuris gebetu aptikti ir palaikyti DGT net intensyviai keiciantis SE darbo salygoms ir ju charakteristikoms.

2. I saules modulius jungiamas apejimo diodas ne tik sumazina prarandama elektros energijos kieki esant daliniam seseliui, bet gali suklaidinti valdikli ir padidinti prarandama elektros energijos kieki.

3. Saules galios srautui pradejus kisti greiciau IncCond algoritmas nespeja sekti didziausios galios tasko ir del to prarandama daug elektros energijos.

4. Savaime besimokancio dirbtiniu neuronu tinklo idiegimas i saules jegaines valdikli ir jo darbo derinimas su IncCond algoritmu leidzia greitai aptikti DGT net greitai besikeicianciomis aplinkos salygomis.

Caption: Fig. 1. 1-3 power and 4-6 current-voltage characteristics of two solar modules with bypass diodes

1 pav. Dvieju saules moduliu su apejimo diodais 1-3 galios ir 4-6 voltamperines charakteristikos

Caption: Fig. 2. Structural diagram of a mathematical model

2 pav. Matematinio modelio strukturine schema

Caption: Fig. 3. Matlab/Simulink model for observation of MPPT algorithms with artificial neural network

3 pav. Matlab/Simulink modelis DGT sekimo su dirbtiniu neuronu tinklu tyrimams

Caption: Fig. 4. Characteristics of solar power plant functioning during the cloudy day with slowly moving clowds, when maximum power point is tracked only using IncCond algorithm (a): 1--alteration of solar irradiance ST curve during daylight time; 2--chosen load resistance [R.sub.ap] curve using IncCond algorithm; b--[X.sub.p] difference of taken energy from solar module in comparison with case when load resistance corresponds maximum power point ideally

4 pav. Charakteristikos, apibudinancios saules jegaines darb? debesuot? dien?, esant letai slenkantiems debesims, kai didziausios galios taskas sekamas tik IncCond algoritmu (a): 1--saules galios srauto ST kitimo sviesiuoju paros metu kreive; 2--IncCond algoritmo parinktos apkrovos varzos [R.sub.ap] verciu kreive; b--is saules modulio paimtos energijos neatitiktis [X.sub.P] lyginant su atveju, kai apkrovos varza idealiai atitinka didziausios galios task?

Caption: Fig. 5. Characteristics of solar power plant functioning during the cloudy day with slowly moving clouds, when maximum power point is tracked with artificial neural network and IncCond algorithm (a): 1--alteration of solar irradiance ST curve during daylight time; 2--chosen load resistance [R.sub.ap] curve using artificial neural network and IncCond algorithm; b--[X.sub.P] difference of taken energy from solar modul in comparison with case when load resistance corresponds maximum power point ideally

5 pav. Charakteristikos, apibudinancios saules jegaines darb? debesuot? dien?, esant letai slenkantiems debesims, kai didziausios galios taskas sekamas dirbtiniu neuronu tinklu ir IncCond algoritmu (a): 1--saules galios srauto ST kitimo sviesiuoju paros metu kreive; 2--dirbtiniu neuronu tinklo ir IncCond algoritmo parinktos apkrovos varzos [R.sub.ap] verciu kreive; b--is saules modulio paimtos energijos neatitiktis [X.sub.P] lyginant su atveju, kai apkrovos varza idealiai atitinka didziausios galios task?

Caption: Fig. 6. Characteristics of solar power plant functioning during the cloudy day with fast moving clouds, when maximum power point is tracked with artificial neural network and IncCond algorithm (a): 1--alteration of solar irradiance ST curve during daylight time; 2--chosen load resistance [R.sub.ap] curve using artificial neural network and IncCond algorithm; b--[X.sub.P] difference of taken energy from solar modul in comparison with case when load resistance corresponds maximum power point ideally

6 pav. Charakteristikos, apibudinancios saules jegaines darb? debesuot? dien?, esant greitai slenkantiems debesims, kai didziausios galios taskas sekamas dirbtiniu neuronu tinklu ir IncCond algoritmu (a): 1--saules galios srauto ST kitimo sviesiuoju paros metu kreive; 2--dirbtiniu neuronu tinklo ir IncCond algoritmo parinktos apkrovos varzos [R.sub.ap] verciu kreive; b--is saules modulio paimtos energijos neatitiktis [X.sub.P] lyginant su atveju, kai apkrovos varza idealiai atitinka didziausios galios task?

http://dx.doi.org/ 10.3846/mla.2014.26

Literatura

Diaz-Dorado, E.; Suarez-Garcia, A.; Carrillo, C.; Cidras, J. 2010. Influence of the shadows in photovoltaic systems with different configurations of bypass diodes, in 2010 International Symposiumon Power Electronics, Electrical Drives, Automation and Motion (SPEEDAM), 14-16 June, 2010, Pisa, 134-139. http://dx.doi.org/104109/SPEEDAM.2010.5542226

Esram, T.; Chapman, P. L. 2007. Comparison of photovoltaic array maximum power point tracking techniques, IEEE Transactions on Energy Conversion 2(22): 439-449.

Hatti, M.; Meharrar, A.; Tioursi, M. 2010. Novel approach of maximum power point tracking for photovoltaic module neural network based, in EFEEA '10 International Symposium on Environment Friendly Energies in Electrical Applications, 2-4 November, 2010, Ghardaia, Algeria, 1-6.

Lee, H. H.; Dzung, P. Q.; Khoa, L. D.; Phuong, L. M.; Vu, N. T. D. 2010. The new maximum power point tracking algorithm using ANN-based solar PV systems, in IEEE Tencon 2010, IEEE RegionConference, 21-24 November, 2010, Fukuoka, 2179-2184. http://dx.doi.org/10.1109/TENCON.2010.5686721

Vasarevicius, D.; Pikutis, P. 2012. Matematinis saules energijos srauto modelis didziausios galios tasko saules elementuose sekimo algoritmams tirti, Mokslas--Lietuvos ateitis 4(1): 9-12.

Modestas Pikutis

Vilniaus Gedimino technikos universitetas

El. pastas modestas.pikutis@dok.vgtu.lt

----------

Please note: Illustration(s) are not available due to copyright restrictions.
COPYRIGHT 2014 Vilnius Gediminas Technical University
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2014 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Pikutis, Modestas
Publication:Science - Future of Lithuania
Article Type:Report
Geographic Code:4EXLT
Date:Apr 1, 2014
Words:2521
Previous Article:Conversion of an ordinary n bicycle into an electric bike and related research/ Dviracio perdarymas i elektrini ir jo tyrimas.
Next Article:Analysis of active harmonic compensation algorithms for grid-connected photovoltaic inverters/ Aktyvusis harmoniku kompensavimas saules elektriniu...
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters