Details

Спрос на интеграцию возобновляемых источников энергии, в частности солнечной фотоэлектрической генерации, в энергосистемы стремительно растет. Солнечная энергия является экологически чистым, вечным источником энергии, который не выделяет парниковых газов. Исследования по отслеживанию точки максимальной мощности (MPPT) для солнечных панелей имеют решающее значение для Пакистана, страны с богатыми солнечными ресурсами. Эффективные методы MPPT могут улучшить производительность солнечных панелей, особенно в изменяющихся погодных условиях и при затенении, делая солнечную энергию более доступной и доступной. Внедрение методов MPPT может ускорить развертывание солнечных энергосистем в отдаленных районах, обеспечивая чистой электроэнергией малообеспеченные сообщества и стимулируя социально-экономическое развитие страны. Это исследование фокусируется на создании контроллера MPPT для фотоэлектрических систем с использованием технологии искусственных нейронных сетей (ANN) и сравнивает его производительность с традиционными подходами, такими как Perturb & Observe и Modified Perturb & Observe с помощью моделирования MATLAB/SIMULINK.

The demand for integrating renewable energy sources, specifically solar PV generation, into power systems is increasing rapidly. Solar energy is an eco-friendly, everlasting power source that does not emit greenhouse gases. Research on maximum power point tracking (MPPT) for solar panels is crucial for Pakistan, a country with abundant solar resources. Efficient MPPT techniques can improve the performance of solar panels, especially under varying weather conditions and shading effects, making solar energy more affordable and accessible. Implementing MPPT methods can accelerate the deployment of solar power systems in remote areas, providing clean electricity to underserved communities and boosting the countrys socio-economic development. This study focuses on creating an MPPT controller for PV systems using artificial neural network (ANN) technology and compares its performance with traditional approaches like Perturb & Observe and Modified Perturb & Observe through MATLAB/SIMULINK simulations.

• ABSTRACT
• TABLE OF CONTENTS
• INTRODUCTION
• CHAPTER 1
• 1. A solar cell
  • 1.1. A solar cell working principle
  • 1.2. Solar cell equivalent circuit
  • 1.3. Open circuit voltage, short circuit current and maximum power point
  • 1.4. Fill factor
  • 1.5. Temperature and irradiance
  • 1.1.
  • 1.2.
  • 1.3.
  • 1.4.
  • 1.5.
  • 1.6.
  • 1.6. Types of solar cell
    • 1.6.1. Monocrystalline silicon
    • 1.6.2. Polycrystalline silicon
    • 1.6.3. Amorphous and thin-film silicon
    • 1.6.4. Photovoltaic modules
• CHAPTER 2
• 2. LITERATURE OVERVIEW.
  • 2.1. Overview of Solar Power Plants in Pakistan
    • 2.1.1 Quaid-e-Azam Solar Park, Bahawalpur
    • 2.1.2 The Zorlu Solar Power Plant, Thatta
    • 2.1.3 Gharo Solar Power Plant
  • 2.2 Maximum power point tracking (MPPT)
  • 2.3 MPPT control algorithm performance parameters
    • 2.3.1 The dynamic response
    • 2.3.2 The Stability
    • 2.3.3 Efficiency in tracking
    • 2.3.4 Maximum Power Point Tracking Techniques
  • 2.4 Conventional MPPT Techniques
    • 1.
    • 2.
    • 2.4
    • 2.4.1 Perturb and observe (P&O) Technique
    • 2.4.2 Modified Perturb and observe (P&O) Technique
    • 2.4.3 Incremental Conductor MPPT Technique
    • 2.4.4 Hill-Climbing MPPT Technique
    • 2.4.5 Constant-Voltage MPPT Technique
  • 2.5 Soft Computing MPPT Technique
    • 2.5.1 Fuzzy Logic Control MPPT
    • 2.5.2 Artificial Neural Network Technique
    • 2.5.3 Adaptive Neuro-Fuzzy Interference System Technique
• CHAPTER 3
• 3. DC-DC CONVERTERS
  • 3.1. Topologies
  • 3.2. Buck Converter
  • 3.3. Boost Converter
  • 3.4. Buck-Boost Converter
  • 3.5. Full-Bridge Converter
• CHAPTER 4
• 4. SIMULATION AND RESULTS
  • 3.
  • 4.
  • 4.1. Conventional P&O Technique
    • 4.1.1. Conventional P&O Technique Methodology
    • 4.1.2. PV model
    • 4.1.3 Boost converter design
    • 4.1.4 Final Results of Conventional P&O Technique
  • 4.2 Modified P&O MPPT techniques
    • 4.2.1 Modified P&O MPPT Techniques Methodology
    • 4.2.2 Modified P&O PV model simulation
    • 4.2.3 Final Results of Modified P&O Technique
  • 4.3 Artificial Neural Network Controller MPPT Technique
    • 4.3.1 ANN Technique Method
    • 4.3.2 ANN PV model simulation
    • 4.3.3 Final Results of ANN Technique
• CHAPTER 5
• 5. ENERGY, ECONOMIC, AND ENVIRONMENTAL BENEFITS OF THE PV SYSTEM
  • 5.1. Energy Benefits
  • 5.2. Economic Benefits
  • 5.3. Environmental Benefits
• CHAPTER 6
• 6. COMPARISON AND CONCLUSION
  • 5
  • 6.1. Benefit of P&O, Modified P&O and ANN MPPT Algorithms
  • 6.2. Comparison of P&O, Modified P&O and ANN MPPT Algorithms
  • 6.3. Conclusion
• REFERENCES
  • Appendix A
  • A.1 MATLAB Script and Functions
  • A.1.1 MATLAB script for calculating the Inductor, Capacitor and Resistor Value
  • A.1.2 MATLAB Functions script for P&O Algorithm
  • A.1.3 MATLAB Functions script for Modified P&O Algorithm
  • Appendix B
  • B.1.1 ANN based MPPT MATLAB SIMULINK