MPPT unter Bedingungen und Konditionen teilweise Beschattung mit AI-Techniken

In diesem Buch wird das lernende neuronale Netz mit tiefer Radialbasisfunktion vorgestellt, das MPPT für PV-Module zur Erzielung maximaler Leistung ermöglicht. Außerdem wird das D-RBFN mit der vorgeschlagenen BOosted-Salp-Schwarm-Optimierung (BOSS) trainiert, um die Nachführgeschwindigkeit zu reduzieren und die Effizienz zu verbessern. Der BOSS-Optimierungsalgorithmus beseitigt das Problem des lokalen Optimums im konventionellen Salp-Schwarm-Optimierungsalgorithmus, indem er den Wert des Kontrollparameters ändert, der nicht nur auf der maximalen Anzahl von Generationen basiert, sondern auch von den Eigenschaften des Problems abhängt. Die Leistung des vorgeschlagenen BOSS-D-RBFN-Reglers wird unter dynamisch wechselnden Bestrahlungsstärken und zwei verschiedenen Fällen von Teilverschattung analysiert. Außerdem wird die Leistung der BOSS-D-RBFN-Methode mit dem Stand der Technik verglichen, einschließlich der auf neuronalen Netzen basierenden MPPT-Methode, der auf Fuzzy-Logik basierenden MPPT-Methode, der auf P&O basierenden MPPT-Methode, der auf inkrementellem Leitwert basierenden MPPT-Methode und der auf evolutionären Algorithmen basierenden MPPT-Methode in Bezug auf den Prozentsatz der Oszillation, die Einschwing- und Nachführzeit, die erzielte maximale Leistung und die Effizienz.