دانلود شبیه سازی مقاله روش MPPT مبتنی بر شبکه عصبی RBF برای سیستم توربین بادی

پروژه MPPT مبتنی بر شبکه عصبی RBF

استفاده از انرژی باد، به عنوان یک منبع انرژی تجدیدپذیر و سبز، سریعاً در سالهای گذشته، افزایش یافته است. طبق گزارش جهانی انرژی باد برای 2013، ارائه شده توسط شورای جهانی انرژی باد (GWEC)، ظرفیت انرژی باد نصبی جدید در سراسر جهان، در سال گذشته 35289 مگاوات بوده است و در دسته انرژی تجدید پذیر، مقیاس اول خود را حفظ کرده است. بازار انرژی باد چین، در هر دوی ظرفیت تجمعی و ظرفیت نصبی جدید، بزرگترین می باشد. در پنج سال گذشته، ظرفیت انرژی باد نصب شده جدید، بیش از 10% نرخ سالانه، افزایش خواهد یافت. انرژی باد، هنوز یک منبع انرژی نویدبخش در آینده است. بنابراین، پژوهش در مورد سیستم توربین باد، از اهمیت زیادی برخوردار است. سرعت متغیر، گام متغیر، در سیستم توربین باد، سهم زیادی از بازار را در بر می گیرد، بخصوص در مولدهای توان بالا، که این بخاطر مزیت قابلیت اطمینان زیاد و بازده زیاد است. هنگامی که سرعت باد، بین سرعت اسمی و سرعت cut-in به نام «منطقه کم باد» (LWR) می باشد، چالش اصلی این دسته از توربین های باد، ردیابی نقطه توان بیشینه (MPP) با تنظیم سرعت روتور است. درحالی که در «منطقه پر باد» (HWR) که سرعت باد از مقدار اسمی فراتر می رود و به سرعت cut-out نمی رسد، مسئله اساسی، محدود کردن توان جذب چرخ باد با تغییر دادن زاویه گام می باشد. با توجه به حد توان در HWR، این پروژه عمدتاً برای استخراج توان به LWR تمرکز می کند. با بهبود بازده در lWR، توان کل در کل منطقه باد را افزایش خواهد داد.

در این پروژه، یک کنترل MPPT که برروی یک کنترلر گشتاور و گام نصب شده است، برای سیستم توربین باد، ارائه شده است. کنترلر گشتاور ارجاع شده، که براساس RBFNN توسعه یافته است، تنها به TSR بهینه وابسته است. و برای اعتباریابی و نشان دادن عملکرد کنترل MPPT پیشنهادی، دو شرایط مختلف باد ثابت و احتمالی، در روش شبیه سازی همزمان FAST و Matlab/Simulink، تست شده اند. قابل توجه اینکه تحت باد ثابت، مولد سرعت می تواند به مقدار بهینه منتاظر خود، دست پیدا کند. درحالی که تحت شرایط باد احتمالاتی، نوسانات سرعت خروجی، در یک دامنه معین قابل قبول، حفظ می شوند. پایداری کل روش پیشنهادی را می توان تحت شرایط ورودی باد تکه ای ثابت یا احتمالاتی، بین LWR و HWR، تضمین کرد.

برای اجرای شبیه سازی بهتر است تا از ورژن 2018 استفاده شود.

این شبیه سازی در محیط نرم افزار متلب (MATLAB) انجام شده و در ادامه نیز تعدادی از تصاویر مربوط به شبیه سازی و خروجی های آن قرار داده شده است: