Verbesserung der dynamischen Effizienz von photovoltaischen Erzeugungssystemen mittels adaptivem Typ-2-Fuzzy-Neurales Netzwerk über das EN 50530-Testverfahren

Zusammenfassung In den letzten Jahren sind photovoltaische Erzeugungssysteme (PGSs) aufgrund der vorgeschlagenen Methoden zur Verbesserung der dynamischen Effizienz recht beliebt geworden. Für eine genauere Bewertung der tatsächlichen dynamischen Leistung in PGSs ist ein dynamischer Test zur Effizienz der maximalen Leistungspunktverfolgung (MPPT), der auf einem internationalen Testverfahren wie dem europäischen Verfahren EN 50530 basiert, von wesentlicher Bedeutung. Das variierende Gradient- irradiance-Profil im EN 50530-Testverfahren führt zu Unsicherheiten in PGSs, die zu instabilen Betriebsbedingungen für PGSs führen. Es ist eine herausfordernde Aufgabe, einen stabilen Betrieb für PGSs bereitzustellen. Um dieses Problem zu überwinden, wird eine effektive MPPT-Methode basierend auf einem adaptiven Typ-2-Fuzzy-Neurales Netzwerk (AT2FNN) vorgeschlagen, die speziell für die dynamische Leistung von PGSs unter Verwendung des EN 50530-Testverfahrens entwickelt wurde. Die dynamische Effizienzleistung der vorgeschlagenen Methode wird anhand von vergleichenden Simulationsstudien mit herkömmlichen MPPT-Methoden wie Perturb and Observe (P&O) und Incremental Conductance (IC) in der Matlab/Simulink-Umgebung analysiert. Die durchschnittliche dynamische Effizienz von PGSs wird als Leistungsparameter in der vorliegenden Studie verwendet. Die numerischen Ergebnisse, die aus vergleichenden Simulationsstudien gewonnen wurden, zeigen, dass die vorgeschlagene Methode die durchschnittliche dynamische Effizienz im Vergleich zu den MPPT-Methoden IC und P&O um fast 4,3 % bzw. 9,2 % verbessert hat. Die durchschnittliche dynamische Effizienzleistung von PGS wurde durch die vorgeschlagene Methode erheblich verbessert.