Yapay zeka temelli maksimum güç noktası takibi

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.