2

علوم و تحقیقات بروجردي واحد ـالمـگاه آزاد اسـدانشکنترل گرايش برق گروه

: عنوان به منظور ردگیری نقطه ANFISبکارگیری کنترل کننده ی

ی توان ماکزیمم در سلول های خورشیدی

: استا د را هنما

مهدی یعقوبیدكتر اقای

:استاد مشاور

اقای دکتر سعید طوسی زاده

:ارائهمحمد سولکی آلمه جوقی

1392زمستان

3

فهرست:

مقدمه ومعرفی سیستمهای فتوولتائیک -1

توصیف مسئله -2

مدلسازی ریاضی سیستم فتوولتائیک- 3

مروری بر کارهای گذشته- 4

معرفی روش پیشنهادی)کنترل کننده عصبی- فازی(- 5

نتایج شبیه سازی بررسی- 6

پیشنهادهای پژوهش- 7

4

مقدمه انرژی خورشیدی بزرگترین منبع بی پایان انرژی است. برای روشن

شدن این موضوع کافیست اشاره نماییم که انرژی حاصل از تابش یک ساعت خورشید که بر سطح زمین می رسد انرژی الزم تمام

وسایل الکتریکی در تمام کره ی زمین را به مدت یک سال فراهم می کند

عملکرد سیستم فتوولتائیک خورشیدی به پارامترهای محیطی مانند.تابش خورشید، دما، سرعت باد و سایه بستگی دارد

افزایش نگرانی در مورد بحران انرژی و آلودگی های زیستمحیطی و گرم شدن زمین از عوامل گرایش به منابع مناسبی از

انرژی بوده است از طرف دیگر پیاده سازی آسان، قابلیت اطمینان باال، هزینه تعمیر و نگهداری کم، نداشتن هزینه سوخت، نداشتن

نویز، از مزایای استفاده ازسیستم های فتوولتائیک می باشد

5

توصیف مساله: به دلیل بازده کمی که سلول های خورشیدی نسبت به

هزینه اولیه در زمینه ی تولید انرژی دارند، دست یابی به حداکثر بازده در سیستم سلول های خورشیدی از طریق

شناسایی نقطه ی توان ماکزیمم از اهمیت باالیی برخودار است

تولید داده برای آموزش و آزمودن سیستم مساله در ایناز طریق معادالت ریاضی مربوط به سلول خورشیدی و

همچنین مدار معادل سلول خورشیدی صورت گرفته است تاثیر دو پارامتر محیطی میزان تابش و دما ، در

مشخصه های شبیه سازی شده در نظر گرفته شده است

6

منـحنی جریان-ولـتاژ ـسلول خورشیدی

نقطه ی توان ماکزیمم به مکان راه اندازی روی منحنی ولتاژ-جریان بستگی دارد

7

تغییرات توان سلول خورشیدی با دما

8

تغییرات توان در سلول های خورشیدی با تابش

9

بلوک دیاگرام سیستم ردگیری نقطه ی توان ماکزیمم

10

شبکه عصبی

شبکه های عصبی تعداد زیادی از عناصر پردازشی داخلیبا قابلیت پردازش باال دارند.

شبکه های عصبی دارای پردازنده های موازی توزیع شدهایی هستند، بنابراین این شبکه ها توانایی یادگیری، یادآوری

و تعمیم یک نتیجه از روی الگوها و داده ها را دارند

11

منطق فازی برای تمامی سیستم های فیزیکی بدست آوردن مدل دقیق

و پیاده کردن فرمول های ریاضی و معادالت منجر به پیچیدگی در ساختار سیستم، اثر غیرخطی، عدم قطعیت و

غیره می شود مساله یافتن توابع تعلق مناسب و قواعد فازی اغلب

بدست می فرایندی خسته کننده است که از آزمون و خطا. آید

سیستم های فازی به آسانی می توانند از داده های مبهماستفاده کنند و نتیجه شان را در قالب متن به شکل واقعیت

های زبانی بیان می کنند اما توانایی یادگیری از محیط را ندارند

12

مدل سازی فازی-عصبی شبکه ی تطبیقی ایی که در اینجا مورد نظر است یک نوع

خاصی از شبکه ی عصبی پیش خور با قابلیت یادگیری است. ساختار شبکه شامل گره ها و مسیرهای ارتباطی

است که گره ها را بهم متصل می کند، در این شبکه بخشی یا تمام گره ها تطبیق پذیر هستند

13

ســازی ال مــدل در هــا یــه فازی-عصبی

الیه ورودی هاالیه فازی سازالیه ی قواعدالیه هنجارسازیالیه غیرفازی ساز

14

ANFISخاصیت های مدل سازی

سیستم فازی مرتبه صفرم و یا یکم است دارای خروجی تکی است که با استفاده از غیرفازی ساز

میانگین وزندار بدست می آید. تمامی توابع تعلق خروجی باید از یک نوع باشند و می تواننند خطی یا ثابت باشند.

هیچ قاعده ی مشترکی ندارد، خروجی های متفاوت نمیتوانند تابع تعلق خروجی یکسانی را مشترک شوند، توابع تعلق خروجی های باید از نظر تعداد برابر با تعداد قواعد

باشند. برای هر قاعده وزن برابر واحد است

15

(P&Oمرور کارهای گذشته)

.در این روش آشفتگی کمی به سیستم اعمال می گردداین آشفتگی باعث ایجاد تغییر در توان سلول خورشیدی

می گردد. اگر توان در اثر اشفتگی افزایش بیابد آشفتگی در همان مسیر اولیه ادامه می یابد. این عملیات تا رسیدن به نقطه ی توان ماکزیمم ادامه می یابد و بعد از آن است

که با اعمال آشفتگی توان کاهش می یابد بنابراین جهت اعمال آشفتگی تغییر می کند تا دوباره به نقطه ی توان

ماکزیمم برسیم

16

17

(INCمرور کارهای گذشته)

18

ANFIS ردیابی نقطه ی توان ماکزیمم با ایiiiل هiiiاکزیمم در پنiiiوان مiiiه تiiiابی نقطiiiام در ردیiiiاولین گ

خورشiiیدی بدسiiت آوردن نقiiاطی اسiiت کiiه در آن تiiوان پنiiل خورشiیدی بiه حiداکثر مقiدار خiود می رسiد. بنiابراین نخسiتین کiاری کiه بایiد انجiام بگiیرد شiبیه سiازی پنiل خورشiیدی و بiه دنبiال آن بدسiiت آوردن مشخصiiات نقiiاطی اسiiت کiiه در آن پنiiل

خورشیدی حداکثر توان را تولید می کند نجشiوزش و سiرای آمiروجی بiای ورودی و خiداده هANFIS

مورد استفاده قرار می گیرند روجی وiiای ورودی-خiiت آوردن این داده هiiا بدسiiایت بiiدر نه

داده هiایی پیش بیiنی و یiا تخمین زده می ANFISاسiتفاده از شiوند کiه در قسiمت کنiترل کننiده ی فiازی مiورد اسiتفاده قiرار

می گیرند.

19

ساختار سلول خورشیدی

20

نقطه ی توان ماکزیمم بدون کنترل کننده

21

داده های آموزش وانiیزان تiدید مiیرات شiل تغیiه دلیiاتی بiرح تحقیقiدر این ط

مiاکزیمم در طiول مiدت زمiان کوتiاه داده هiای آمiوزش و آزمiون بiه بiرای آمiوزش 2640 تiا 1این صiورت انتخiاب می شiوند کiه از داده

بiرای آزمiودن سیسiتم 3800 تiا 2641سیسiتم و سiپس از داده داده بiiرای آمiiوزش 2640اسiiتفاده می شiiود در نتیجiiه ی آن

داده بiرای آزمiودن سیسiتم بدسiت می آینiد تiا 1160سیسiتم و تiiوان پیش بیiiنی شiiده توسiiط سیسiiتم شناسiiایی شiiده حiiداکثر

انطباق را با داده های اصلی داشته باشد

22

تنظیمات آموزشتوابع تعلق برای آموزشاندازه ی گام تعدادepochهابهینه سازی روش استفاده شده در آموزشنوع توابع تعلق خروجی

23

مقایسه نتایج پیش بینی شده با نتایج واقعی

24

طراحی کنترل کننده فازی

در سیستم پنل خورشیدی کنترل نقطه ی توان ماکزیمم صورت می از طریق کنترل کردن زمان وظیفه مبدل

گیرد. د زمان وظیفه را در مبدل کنترل بایکنترل کننده ی فازی

نمایدورودی های کنترل کننده ی فازی از آزادی در انتخاب

عمل برخودار هستیم. در این طرح تحقیقاتی از خطا و مشتق خطا به عنوان ورودی های کنترل کننده ی فازی

استفاده می نماییم

25

توابع تعلق در کنترل کننده ی فازی

26

جدول قواعد فازیE ↓ \ CE → NB NS ZE PS PB

NB ZE ZE PB PB PB

NS ZE ZE PS PS PS

ZE PS ZE ZE ZE NS

PS NS NS NS ZE ZE

PB NB NB NB ZE ZE

27

کنترل کننده ی فازی در سیمولینک

28

خروجی کنترل کننده ی فازی

29

نتیجه گیری روش های کنترلی هوشمند برای سیستم هایی که دارای

معادالت پیچیده هستند معموال نتایج مناسبی را به دنبال دارند در این میان روش به منظور شناسایی سیستم ها

از قابلیت های بیشتری نسبت به روش های فازی و یا عصبی تنها برخودار است از جمله می توان به توانایی یادگیری سیستم و یا قابلیت ردگیری سیستم با مقادیر

مبهمی از ورودی اشاره نمود.

30

پیشنهادهای پژوهشبiه زیiر مiوارد تحقیiق ادامiه زمینه هiای گشiودن جهت عنiوان زمینه هiایی بiاز و مناسiب بiرای انجiام کار هiای آتی

پیشنهاد می گردد:

یزانiم ماننiد اضiافی پارامترهiای گiرفتن نظiر در رطوبت و سرعت باد

دiتولی بiرای سiازی بهینiه هiای الگiوریتم از اسiتفاده داده هایی کارا تر

و هiا ورودی بiرای مختلفی تعلiق توابiع از اسiتفاده مدل سازی شدهANFISخروجی سیستم

31

با تشکر از توجه شما