인공 신경망과 퍼지를 이용한 최대 전력점 추적을 위한 모델

김태오; 하은규; 김창복

doi:10.14801/jkiit.2019.17.9.19

주제분류

...

저널정보

한국정보기술학회
한국정보기술학회논문지 학술저널
한국정보기술학회논문지 제17권 제9호(JKIIT, Vol.17, No.9)
2019.9 19 - 30 (12page)
DOI : 10.14801/jkiit.2019.17.9.19

저자정보

김태오 (가천대학교)
하은규 (가천대학교)
김창복 (가천대학교)

이용수
내서재: 0

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

태양광 발전은 일사량 및 온도 등 외부변화에 따른 안정적이고 효율적인 최대 전력 출력 전력점을 추적하기 위한 MPPT 알고리즘이 필요하다. 본 연구는 인공 신경망을 이용하여 기존 MPPT 알고리즘보다 신속하게 MPP를 추적할 수 있는 모델을 구현하였다. 제안 모델은 인공 신경망의 학습 데이터를 위해 다양한 일사량과 온도의 조합에 대해서 기존 MPPT 알고리즘으로 MPP의 전류와 전압을 찾았다. 획득한 MPP 데이터는 입력노드를 일사량과 온도로 출력 노드를 전류와 전압으로 하여 학습하였다. 실험결과 일사량과 온도 변화가 있는 0~0.3t 구간에서 추적시간은 기존 알고리즘인 P&O와 InC 그리고 Fuzzy는 각각 0.428t, 0.49t 그리고 0.4076t이였으며, 제안 모델은 0.32511t로서 기존 알고리즘 보다 0.1t 이상 신속하게 MPP를 추적하였다.

Photovoltaic power generation requires MPPT algorithm to track stable and efficient maximum power output power point according to external changes such as solar radiation and temperature. This study implemented a model that could track MPP more quickly than original MPPT algorithm using artificial neural network. The proposed model finds the current and voltage of MPP using the original MPPT algorithm for various combinations of insolation and temperature for training data of artificial neural networks. The acquired MPP data was learned using the input node as insolation and temperature and the output node as the current and voltage. The Experiment results show tracking time of the original algorithms P&O, InC and Fuzzy were respectively 0.428t, 0.49t and 0.4076t for the 0t~0.3t range, and MPP tracking time of the proposed model was 0.32511t and it is 0.1t faster than the original algorithms.

#photovoltaic #mppt #neural network #perturbation and observation #incremental conductance #fuzzy