Designing and simulating neural networks for maximum power point tracking and active/reactive power control in grid-connected PV systems

Bu tez, şebekeye bağlı Foto Voltaik (PV) sistemin yönetiminde Sinir Ağının (NN) uygulanmasını araştırmaktadır. Bu çalışma, YSA yeteneklerini kullanarak PV sistemlerinin performansını ve güvenilirliğini artırmayı amaçlamaktadır. Tezin ilk bölümü olan MATLAB/Simulink kullanılarak kontrolör modellemesi, hava koşullarına bağlı olarak değişen güneş ışınımı yoğunluğuna dinamik olarak uyum sağlamak üzere tasarlanmış, NN tabanlı bir Maksimum Güç Noktası Takipçisi (MPPT) kontrol sistemi tasarlar ve uygular. aynı zamanda radyasyon yoğunluğundaki dalgalanmalara rağmen voltajı 260 V'tan 350 V'a yükseltir. Elde edilen sonuç, yükseltici dönüştürücünün NN'nin rehberliğinde çalışırken PV voltajını etkili bir şekilde yükselttiğini ve belli bir seviyede tuttuğunu göstermektedir. Son bölümde aktif ve reaktif güç kontrolü tartışılmaktadır. Algoritma yerel reaktif güç kompanzasyonu sağlayarak ekonomik açıdan uygun hale getirir. Önerilen kontrol yönteminin beş farklı performans senaryosu denenmiş olup, NN kontrolörü dikkate değer bir esneklik göstermekte ve yük ve radyasyondaki dalgalanmalara hızlı bir şekilde uyum sağlamaktadır. Paralel bağlanmaları nedeniyle 230V evirici voltajı şebeke voltajına eşdeğerdi. Tüm çalışma koşulları altında şebeke akımının Toplam Harmonik Bozulması (THD) %1,86'nın altında ölçülmüştür. Ayrıca NN'nin başarı oranının %99'un üzerinde olduğu gözlemlenmiştir. Bu tez, NN kullanarak yenilenebilir enerji uygulamalarındaki NN'nin potansiyeli hakkında fikir vermekte, daha sürdürülebilir ve istikrarlı bir enerji şebekesinin geliştirilmesine katkıda bulunmakta ve şebeke ile entegre olabilecek entegre bir sistem elde edilmesine katkıda bulunmaktadır.