MPPT unter Bedingungen und Konditionen teilweise Beschattung mit AI-Techniken

In diesem Buch wird das lernende neuronale Netz mit tiefer Radialbasisfunktion vorgestellt, das MPPT f r PV-Module zur Erzielung maximaler Leistung erm glicht. Au erdem wird das D-RBFN mit der vorgeschlagenen BOosted-Salp-Schwarm-Optimierung (BOSS) trainiert, um die Nachf hrgeschwindigkeit 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 ndert, der nicht nur auf der maximalen Anzahl von Generationen basiert, sondern auch von den Eigenschaften des Problems abh ngt. Die Leistung des vorgeschlagenen BOSS-D-RBFN-Reglers wird unter dynamisch wechselnden Bestrahlungsst rken und zwei verschiedenen F llen von Teilverschattung analysiert. Au erdem wird die Leistung der BOSS-D-RBFN-Methode mit dem Stand der Technik verglichen, einschlie lich 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 evolution ren Algorithmen basierenden MPPT-Methode in Bezug auf den Prozentsatz der Oszillation, die Einschwing- und Nachf hrzeit, die erzielte maximale Leistung und die Effizienz.