procyberВестник кибернетикиProceedings in Cybernetics1999-7604Бюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры «Сургутский государственный университет»10.35266/1999-7604-2023-1-52-58procyber-504Research ArticleТЕХНИЧЕСКИЕ НАУКИEngeneeringИНТЕЛЛЕКТУАЛЬНАЯ МОДЕЛЬ МАКСИМИЗАЦИИ ГЕНЕРИРУЕМОЙ МОЩНОСТИ РЕКОНФИГУРИРУЕМОЙ СОЛНЕЧНОЙ ЭЛЕКТРОСТАНЦИИINTELLIGENT MODEL FOR MAXIMIZING THE GENERATED POWER OF A RECONFIGURABLE SOLAR POWER PLANThttps://orcid.org/0000-0002-3023-0195ЭнгельЕ. А.EngelE. A.

кандидат технических наук, доцент

E-mail: ekaterina.en@gmail.com

Candidate of Sciences (Engineering), Associate ProfessorE-mail: ekaterina.en@gmail.com

https://orcid.org/0000-0002-7216-6398ЭнгельН. Е.EngelN. E.

бакалавр

E-mail: nikita.en@gmail.com

Bachelor’s Degree Student

E-mail: nikita.en@gmail.com

Хакасский государственный университет имени Н. Ф. Катанова, АбаканРоссияKatanov State University of Khakassia, AbakanRussian Federation2023280420232215258Copyright © Энгель Е.А., Энгель Н.Е., 20232023Энгель Е.А., Энгель Н.Е.Engel E.A., Engel N.E.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vestcyber.ru/jour/article/view/504

Задача слежения за точкой глобальной максимальной мощности реконфигурируемой солнечной электростанции при частичном затенении сопряжена с глобальной оптимизацией. Традиционные алгоритмы отслеживания точки максимальной мощности не обеспечивают глобальный максимум мощности солнечной электростанции в режиме реального времени из-за медленного процесса сходимости. Модель максимизации генерируемой мощности реконфигурируемой солнечной электростанции разработана в виде модифицированной нечеткой глубокой нейросети на основе модифицированного опти-мизатора квантовых многомерных частиц роя, которая включает в себя: сверточный блок, рекуррентные нейросети и нечеткие блоки. Обрабатывая сигналы датчиков и изображения массива солнечных панелей, настроенная модифицированная нечеткая глубокая нейросеть генерирует опорное напряжение и матрицу электрических взаимосвязей массива солнечных панелей параллельно-последовательного соединения, максимизирующие его мощность при неоднородной инсоляции, демонстрируя следующие преимущества в сравнении с моделью реконфигурируемой солнечной электростанции на основе оптимизатора роя частиц: робастность, лучшую эффективность и скорость слежения.

The global maximum power point tracking of a solar power plant in partial shading demands a global optimization. Standard algorithms for tracking of maximum power point do not provide for a maximum global power of a solar power plant during real time mode due to low convergence. A model of maximizing the generated power of a reconfigurable solar power plant was developed as a modified fuzzy deep neural network based on the modified quantum-behaved particle swarm optimizer. This neural network consists of the following: convolutional units, recurrent neural networks, and fuzzy units. By processing the sensor signals and images of the solar array, the set modified fuzzy deep neural network generates a reference voltage and an electrical interconnection matrix of the parallel-serial solar array, maximizing its power under non-uniform insolation. The neural network demonstrates such advantages as robustness, better efficiency, and tracking speed in comparisonwith the model of a reconfigurable solar power plant based on the particle swarm optimization.

слежение за точкой максимальной мощностинечеткая нейронная сетьреконфигурируемая солнечная электростанцияmaximum power point trackingfuzzy neural netreconfigurable solar plantReferencesOsmani K., Haddad A., Jaber H. et. al. Mitigating the Effects of Partial Shading on PV System’s Performance through PV Array Reconfiguration: A Review. Thermal Science and Engineering Progress. 2022. Vol. 31. P. 101280.Osmani K., Haddad A., Jaber H. et. al. Mitigating the Effects of Partial Shading on PV System’s Performance through PV Array Reconfiguration: A Review. Thermal Science and Engineering Progress. 2022. Vol. 31. P. 101280.Проект энергостратегии Российской Федерации на период до 2035 года // М-во энергетики Рос. Федерации : офиц. сайт. URL: https://minenergo. gov.ru/view-pdf/1920/104837 (дата обращения: 15.11.2022).Проект энергостратегии Российской Федерации на период до 2035 года // М-во энергетики Рос. Федерации : офиц. сайт. URL: https://minenergo. gov.ru/view-pdf/1920/104837 (дата обращения: 15.11.2022).Lakshika K. A. H., Boralessa M. A. K. S., Perera M. K. et. al. Reconfigurable Solar Photo- voltaic Systems: A review. Heliyon. 2020. Vol. 6, No. 11. P. E05530.Lakshika K. A. H., Boralessa M. A. K. S., Perera M. K. et. al. Reconfigurable Solar Photo- voltaic Systems: A review. Heliyon. 2020. Vol. 6, No. 11. P. E05530.Baka M., Manganiello P., Soudris D., Catthoor F. A Cost-Benefit Analysis for Reconfigurable PV Modules under Shading. Solar Energy. 2019. Vol. 178. P. 69–78.Baka M., Manganiello P., Soudris D., Catthoor F. A Cost-Benefit Analysis for Reconfigurable PV Modules under Shading. Solar Energy. 2019. Vol. 178. P. 69–78.Ajmal A. M., Ramachandaramurthy V. K., Tomar A. et. al. Optimal Dynamic Reconfiguration of Large-Scale PV Plant under Partial Shading Conditions Based on Two Reconfigurable Stages. Int Trans Electr Energ Syst. 2021. Vol. 31, No. 10. P. e12746.Ajmal A. M., Ramachandaramurthy V. K., Tomar A. et. al. Optimal Dynamic Reconfiguration of Large-Scale PV Plant under Partial Shading Conditions Based on Two Reconfigurable Stages. Int Trans Electr Energ Syst. 2021. Vol. 31, No. 10. P. e12746.Ibrahim S. A., Nasr A., Enany M. A. Maximum Power Point Tracking Using ANFIS for a Reconfigu-rable PV-Based Battery Charger under Non-Uniform Operating Conditions. IEEE Access. 2021. Vol. 9. P. 114457‒114467.Ibrahim S. A., Nasr A., Enany M. A. Maximum Power Point Tracking Using ANFIS for a Reconfigu-rable PV-Based Battery Charger under Non-Uniform Operating Conditions. IEEE Access. 2021. Vol. 9. P. 114457‒114467.Энгель Е. А., Энгель Н. Е. Система слежения за точкой максимальной мощности фотоэлектрического массива на основе модифицированной нечеткой нейросети // Вестник кибернетики. 2019. № 3. С. 14–25.Энгель Е. А., Энгель Н. Е. Система слежения за точкой максимальной мощности фотоэлектрического массива на основе модифицированной нечеткой нейросети // Вестник кибернетики. 2019. № 3. С. 14–25.Энгель Е. А., Энгель Н. Е. Интеллектуальная система слежения за точкой максимальной мощности фотоэлектрического массива // Вестник Кибернетики. 2020. № 4. С. 21–27.Энгель Е. А., Энгель Н. Е. Интеллектуальная система слежения за точкой максимальной мощности фотоэлектрического массива // Вестник Кибернетики. 2020. № 4. С. 21–27.

The authors declare that there are no conflicts of interest present.