Key points are not available for this paper at this time.
La dépendance des modules photovoltaïques (PV) aux niveaux de température et d'irradiation façonne leur comportement non linéaire connu ; par conséquent, le suivi du point de puissance maximum (MPPT) est obligatoire. Les techniques MPPT traditionnelles, comme Perturb and Observe (P&O) et Incremental Conductance (IncCond), offrent un rendement acceptable avec un compromis entre précision et rapidité d'opération. De plus, un fonctionnement modéré est remarqué dans des conditions environnementales rapidement changeantes. Au contraire, un réseau de neurones artificiels (ANN) entraîné hors ligne est considéré comme une technique d'estimation précise, rapide et robuste. Dans cet article, une technique MPPT basée sur un ANN entraîné hors ligne en deux étapes est proposée, où deux ANN en cascade sont utilisés. Le premier estime les niveaux de température et d'irradiance à partir des signaux de tension et de courant du module, tandis que l'autre réseau détermine le point de fonctionnement optimal à partir de la température et de l'irradiance, estimées par le premier ANN. La technique proposée offre des performances améliorées même dans des conditions environnementales rapidement changeantes, sans nécessité de mesure de température/irradiance, en plus de réduire les ensembles de formation nécessaires en raison de la structure en cascade de l'ANN présentée.
Elobaid et al. (Mon,) ont étudié cette question.