Yapay zeka temelli maksimum güç noktası takibi

Abstract

Çağımızda temiz bir enerji kaynağı olarak fotovoltaik (PV) güç sistemleri göze çarpmaktadır. Bu güç sistemlerinde verimin henüz istenilen düzeyde olmaması bu alanda verimi arttırmaya yönelik çalışmaların önemini arttırmıştır. Verimde, PV panellerinden gelen gerilim, akım, güç ve yükseltici (boost) çeviricinin doluluk-boşluk oranı olan D değeri olmak üzere bu dört parametre oldukça belirleyicidir. Bu tez çalışmasında literatürde sıklıkla klasik P&O algoritması kullanıldığından MATLAB/SIMULINK‘te bulunan şebeke bağlantılı 100 kW PV sistem modeli üzerinde P&O algoritması 2 saniye yürütülmüş ve 20 farklı marka güneş panelinin doluluk-boşluk oranı olan D değeri kaydedilmiştir. MATLAB nntool üzerinde Levenberg-Marquardt algoritması ile (20 x 54609 x 3) boyutlu V-I ve D değerlerinden oluşan veri kümesi kullanılarak öğrenme gerçeklenmiştir. Bu öğrenme 428 epokta 0.00626 ortalama karesel hata ile sonuçlanmıştır. LSTM için 2 giriş tek çıkışlı, 80 gizli katmanlı, öğrenme seçeneği olarak “ADAM” algoritmalı, 250 epoklu bir mimari seçilerek öğrenme gerçeklenmiştir. MATLAB/SIMULINK’te öğrenilen bu veriler yine MATLAB/SIMULINK’te simüle edilip çalıştırılarak verim karşılaştırması yapılmıştır. Bu çalışma ile PV sistemlerde derin öğrenme kullanılarak tasarlanan yapay zeka tabanlı MPPT sistemlerinin klasik MPPT algoritmalarına göre daha verimli bir güç sağladığı ve bu alanda yapılacak çalışmalara da rehber olabileceği düşünülmektedir.Photovoltaic (PV) power systems stand out as a clean energy source in our age. The fact that the efficiency of these power systems is not yet at the desired level has increased the importance of efforts to increase efficiency in this field. In efficiency, these four parameter; voltage, current, power coming from the PV panels and the D value, which is the duty cycle of the boost converter, are quite determinant. In this thesis study, since the classical P&O algorithm is frequently used in the literature, the P&O algorithm was run 2 seconds on the grid-connected 100 kW PV system model in MATLAB / SIMULINK, and the D values of 20 different brands of solar panels were recorded. Learning was realized using the data set consisting of (20 x 54609 x 3) dimensional V-I and D values with the Levenberg-Marquardt algorithm on MATLAB nntool. This learning resulted in 0.00626 mean square error in 428 eppoints. For LSTM, an architecture with 2 inputs, one output, 80 hidden layers, with "ADAM" algorithm as the learning option, and 250 epochs was chosen and the learning was realized. These data learned in MATLAB / SIMULINK were simulated and run in MATLAB / SIMULINK and efficiency comparison was made. As a result, In PV systems, artificial intelligence-based MPPT systems designed using deep learning provide more efficient power than classical MPPT algorithms. This study is thought to be a guide for the studies to be done in this field.