Artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS): application for a photovoltaic system under unstable environmental conditions

Der Artikel befasst sich mit der Anwendung künstlicher neuronaler Netzwerke (ANN) und adaptiver Neuro-Fuzzy-Inferenzsysteme (ANFIS) zur Optimierung photovoltaischer Systeme unter instabilen Umweltbedingungen. Zunächst werden die grundlegenden Prinzipien der Umwandlung photovoltaischer Energie und die Herausforderungen durch Umweltschwankungen vorgestellt. Die Autoren diskutieren die Grenzen traditioneller Maximum Power Point Tracking (MPPT) -Algorithmen wie Perturb and Observe (P & O) und Incremental Conductance (InC), die mit Stabilität, Reaktionszeit und Oszillationen zu kämpfen haben. Der Artikel stellt dann die Entwicklung von KI-basierten Controllern vor, insbesondere ANN und ANFIS, um diese Probleme anzugehen. Diese Regler nutzen Strahlungsstärke und Temperatur als Eingangsparameter, um die Ausgangsspannung zu regulieren und eine präzisere und stabilere Stromgewinnung zu gewährleisten. Die Autoren modellieren und testen diese Regler mit einem eigenständigen PV-System und vergleichen ihre Leistung mit konventionellen Methoden unter verschiedenen atmosphärischen Bedingungen. Die Studie unterstreicht das Potenzial künstlicher Intelligenz zur Steigerung der Effizienz und Zuverlässigkeit von Photovoltaiksystemen und bietet vielversprechende Möglichkeiten für zukünftige Forschung und praktische Anwendungen im Sektor der erneuerbaren Energien.