افزایش تاب آوری سایت های مخابراتی با استفاده ازکنترل هوشمند مولدخورشیدی بهینه شده تحت شرایط دما و تابش متغییر

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد خمین، مرکزی، ایران

2 دانشکده فنی و مهندسی دانشگاه آزاد اسلامی ، تهران ، ایران

چکیده

مولد خورشیدی در سامانه‌های مرتبط با پدافند نوین کابردهای زیادی دارد. یک نوع کاربرد مهم و اساسی این نوع مولد تأمین انرژی پایدار برای سایت‌های مخابراتی و افزایش تاب آوری آن‌ها در هنگام حوادث و بحران‌های مختلف است. استفاده از مولد خورشیدی بهینه و کنترل شده تحت شرایط محیطی متغییر و در راستای افزایش تاب آوری سایت‌های مخابراتی از اهداف اصلی این تحقیق می‌باشد. بنابراین تحت شرایط دما و تابش متغیر نقطه حداکثر توان مشخصه مولد خورشیدی با هدف افزایش راندمان، ردیابی و کنترل می‌شود. در این تحقیق از روش برنامه‌نویسی پویا(DPM) با تلفیق الگوریتم ایجاد اغتشاش و مشاهده (P&O) و الگوریتم عددی معروف (نیوتن - رافسون) استفاده شده است. به روش برنامه‌نویسی پویا و بر اساس داده‌های به‌دست آمده از اندازه‌گیری تحت شرایط دما و تابش متغیر تحلیل انجام شده، سپس تصمیم هوشمند گرفته می‌شود. راندمان به‌دست آمده با کارهای تحقیقی دیگر مقایسه شده که مقدار راندمان  به‌دست آمده در این مقاله از همه بیشتر می‌باشد.کمیت‌ها و پارامترها به دو روش شبیه‌سازی با متلب و اندازه‌گیری عملی به‌دست آمده که به‌صورت نمودار و جدول ارائه شده‌اند. درصد خطای نسبی ردیابی نقطه حداکثر توان مشخصه مولد خورشیدی بسیار کوچک است.   

کلیدواژه‌ها


عنوان مقاله [English]

Increasing the Resilience of Telecommunication Sites by Intelligent Control of the Optimized Solar Generators under Variable Temperature and Radiation Conditions

نویسندگان [English]

  • Hadi Azizi-Monfared 1
  • Mohamad Ghanbari Sabagh 2
1 Doctoral Student of Islamic Azad University Khomein Central Branch of Iran
2 Assistant Professor of Islamic Azad University, North Tehran Branch - Faculty of Engineering
چکیده [English]

Solar generators have many applications in the field of modern defense systems. An important and fundamental application of this type of generator is to provide sustainable energy for telecommunication sites as well as increase their resilience during various accidents and crises.  The use of optimal and controlled solar generators under variable environmental conditions in order to increase the resilience of telecommunication sites is one of the main objectives of this research. Therefore, under variable temperature and radiation conditions the maximum power point characteristic of the solar generator is tracked and controlled with the aim of increasing efficiency. In this research, the dynamic programming method (DPM) is used by combining the perturbation and observation (P&O) algorithm and the famous Newton-Raphson numerical algorithm. The analysis is performed by the dynamic programming method, based on the data obtained from the measurement under variable temperature and radiation conditions, and then an intelligent decision is made. The efficiency obtained in this article has been compared with the other research works and shown to be the highest. Quantities and parameters have been obtained through both MATLAB simulations and practical measurements, and presented in the form of figures and tables. The percentage of relative error in tracking the maximum power point characteristic of the solar generator is very small.

کلیدواژه‌ها [English]

  • Resilience of Telecommunication Sites
  • Intelligent Control of Solar Generator
  • Increasing Efficiency
  • Maximum Power Point Traking of Generator

Smiley face

  1. Gaga, A.; Errahimi, F.; Es-Sbai, N. “Design and Implementation of MPPT Solar System Based on the Enhanced P&O Algorithm Using Labview”; Int. Renewable and Sustainable Energy Conf. (IRSEC), 2014, 203-208.
  2. Al-Barazanchi, S. A. M.; Vural, A. M. “Modeling and Intelligent Control of a Stand-Alone PV-Wind-Diesel-Battery hybrid system”; Int. Conf. on Control, Instrumentation, Communication and Computational Tech. (ICCICCT), 2015, 423-430.
  3. Sheng, S.; Li, P.; Tsu, C.-T.; Lehman, B. “Optimal Power Flow Management in a Photovoltaic Nanogrid with Batteries”; IEEE Energy Conversion Congress and Exposition (ECCE), 2015, 4222-4228.
  4. Chetanakumar Hadimani, ; Raju, A. B.; Radha, R.; Jyoti, R. “Photovoltaic Based PMDC Motor  Drive System Using MPPT”; Second Int. Conf. on Cognitive Computing and Information Proc. (CCIP), 2016, 1-6.
  5. Anddoulssi, R.; Draou, A.; Jerbl, H.; Alghonamy, A.; Khlal, B. “Non Linear Control of a Photovoltaic Water Pumping System”; Energy Renewabe Procedia. 2013, 42, 13, 328-336.
  6. Choudhary, P.; Mahendra, S. N. “Feedback Control and Simulation of DC-DC Buk Converter for Solar Photovoltaic Array”; IEEE Uttar Pradesh Section Int. Conf. on Electrical, Computer and Electronics Eng. (UPCON), 2016, 591-596.
  7. Bálský, M.; Bayer, R. “Electrical and Heat Performance of Solar Concentrator with Tracking System”; Int. Scientific Conf. on Electric Power Eng. (EPE), 2016, 1-6.
  8. Magee, C. L.; Benson, C. L. “On Improvement Rates for Renewable Energy Technologies: Solar PV, Wind Turbines, Capacitors, and Batteries”; Renwable Energy, 2014, 68, 745-751. 
  9. Alegria,; Brown, T.; Minear, E.; Lasseter, R. “CERTS Microgrid Demonstration with Large-Scale Energy Storage and Renewable Generation”; IEEE Tans. on Smart Grid, 2013, 5, 937-943.
  10. Wandhare, R. G.; Agarwal, V. “Novel Stability Enhancing Control Strategy for Centralized PV-Grid Systems for Smart Grid Applications”; IEEE Trans. on Smart Grid, May 2014, 5, 1389-1396.
  11. Iovine, A.; Siad, S. B.; Damm, G.; De Santis, E.; Di Benedetto, M. D. “Nonlinear Control of a DC MicroGrid for the Integration of Photovoltaic Panels”; IEEE Trans. on Automation Sci. and Eng. April 2017, 14, 524-535.
  12. Banaei, M. R.; Alizadeh, R. “Simulation-Based Modeling and Power Management of All-Electric Ships Based on Renewable Energy Generation Using Model Predictive Control Strategy”; IEEE Intelligent Transportation Syst. Mag. Summer 2016, 8, 90-103.
  13. Piazza, M. C. Di; Luna, M.; Tona, G. L.; Piazza, A. D. “Improving Grid Integration of Hybrid PV-Storage Systems Through a Suitable Energy Management Strategy”; IEEE Trans. on Industry App. 2019, 55, 60-68.              
  14. Li, L.; Xiong, G.; Yuan, X.; Zhang, J.; Chen, J. “Parameter Extraction of Photovoltaic Models Using a Dynamic Self-Adaptive and Mutual- Comparison Teaching-Learning-Based Optimization”; IEEE Access, 2021, 9, 52425-52441.                                 
  15. Perez, F.; Iovine, A.; Damm, G.; Galai-Dol, L.; Ribeiro, F. “Stability Analysis of a DC MicroGrid for a Smart Railway Station Integrating Renewable Sources”; IEEE Trans. on Control Syst. Tech. Sept.  2020, 28, 1802-1816.
  16. Belkassmi, Y.; Rafiki, A.; Gueraoui, K.; Elmaimouni, ; Tata, O.; Hassanain,  N. “Modeling and Simulation of Photovoltaic Module Based on one Diode Model Using Matlab/Simulink”;  Int. Conf. on Eng. & MIS (ICEMIS),  2017, 1-6.
  17. Faber, J.; Raath, J.; Vermaak, H. “MPPT Photovoltaic Test Instrument with Data Logging Capabilities”; Pattern Recognition Association of South  Africa  and  Robotics and Mechatronics (PRASA-RobMech), 2017,  193-196.
  18. Nayan, M. F.; Ullah, S. M. S.; Saif, N. “Comparative Analysis of PV Module Efficiency for Different Types of Silicon Materials Considering  the Effects of  Environmental Parameters”; Int. Conf. on Electrical Eng.  and  Information  Communication Tech. (ICEEICT),  2016,  1-6.
  19. Sarquis Filho, E. A.; Costa, F. F.; Tahim, A. P. N.;Lima, A. C. d. C. “Photovoltaic Panel Simulation  Based on  Individual  Cell  Condition”;  IEEE  Energy  Conversion Congress and Exposition (ECCE), 2016, 1-7.
  20. Nayan, M. F.; Ullah, S. M. S. “Modelling of Solar Cell  Characteristics  Considering the  Effect of Eelectrical and Environmental  Parameters”;   Conf. on Green Energy and Tech. (ICGET), 2015, 1-6.
  21. Abbassi, A.; Dami, A. ; Jemli,  M. “Parameters Identification of  Photovoltaic Mmodules Based on Numerical  Approach  for  the  Single-Diode Model”; Int. Conf. on Green Energy Conversion Syst. (GECS),  2017, 1-7.