Система слежения за точкой максимальной мощности фотоэлектрического массива на основе модифицированной нечеткой нейросети
https://doi.org/10.34822/1999-7604-2019-3-14-25
Аннотация
Рассматривается задача слежения за точкой максимальной мощности фотоэлектриче ского массива. Разработана система слежения на основе модифицированной нечеткой нейросети. В сравнении с существующими нечеткими нейросетями модифицированная нечет кая нейросеть содержит рекуррентные нейросети, одна из которых аппроксимирует многомер ные функции принадлежности модифицированной нечеткой нейросети на основе эксперимен тальных данных. Для создания оптимальной архитектуры модифицированной нечеткой нейросети разработан модифицированный многомерный алгоритм роя частиц, инициализиру ющий начальное положение лучшей частицы роя и ее размерности методом Нгуена – Видроу и сочетающий этапы глобальной оптимизации многомерными частицами роя с этапами гради ентного спуска алгоритмом Левенберга – Марквардта. Разработанная система слежения за точкой максимальной мощности фотоэлектрического массива на основе модифицированной нечеткой нейросети в условиях случайных возмущений апробирована в ходе эксперименталь ного моделирования в среде Octave. Результаты экспериментального моделирования демон стрируют робастность и эффективность системы слежения за точкой максимальной мощности фотоэлектрического массива на основе модифицированной нечеткой нейросети в сравнении со стандартными моделями управления с ПИД-контроллером на основе алгоритма возмуще ния и наблюдения, возрастающей проводимости.
Ключевые слова
нечеткая нейросеть,
рекуррентная нейросеть,
система управления,
слежение за точкой максимальной мощности фотоэлектрического массива
При поддержке: Исследование выполнено при финансовой поддержке РФФИ и Республики Хакасия в рамках научного проекта № 19-48-190003.
Об авторах
Е. А. Энгель
Хакасский государственный университет им. Н. Ф. Катанова
Россия
Россия
г. Абакан
Н. Е. Энгель
Хакасский государственный университет им. Н. Ф. Катанова
Россия
Россия
г. Абакан
Список литературы
1. Проект энергостратегии Российской Федерации на период до 2035 года : офиц. сайт Министерства энергетики Российской Федерации. 2019. URL: https://minenergo.gov.ru (дата обращения: 10.10.2019).
2. Об энергосбережении и о повышении энергетической эффективности и о внесении изменений в отдельные законодательные акты Российской Федерации : федер. закон от 23.11.2009 № 261-ФЗ : принят Государственной Думой 11 ноября 2009 года.
3. Макаров И. М., Лохин В. М., Манько С. В, Романов М. П., Ситников М. С. Устойчивость интеллектуальных систем автоматического управления // Информационные технологии. 2013. № S2. C. 1–32.
4. Karami N., Moubayed N., Outbib R. General Review and Classification of Different MPPT Techniques // Renewable and Sustainable Energy Reviews. 2017. Vol. 68. P. 1–18.
5. Jang J.-S. R. ANFIS: Adaptive-network-based Fuzzy Inference System // IEEE Transactions on Systems, Man and Cybernetics. 1993. Vol. 23, No. 3. P. 665–685.
6. Prokhorov D. V., Feldkamp L. A., Tyukin I. Y. Adaptive Behavior with Fixed Weights in RNNs: An Overview // Proceedings of the 2002 International Joint Conference on Neural Networks. 2002. Vol. 3. P. 2018–2022.
7. Kiranyaz S., Ince T., Yildirim A., Gabbouj M. Evolutionary Artificial Neural Networks by Multi-dimensional Particle Swarm Optimization // Neural Networks. 2009. Vol. 22, Is. 10. P. 1448–1462.
8. Levenberg K. A Method for the Solution of Certain Non-Linear Problems in Least Squares // Quarterly of Applied Mathematics. 1944. Vol. 2, No. 2. P. 164–168.
9. Nguyen D., Widrow B. Improving the Learning Speed of 2-layer Neural Networks by Choosing Initial Values of the Adaptive Weights // Proceedings of the International Joint Conference on Neural Networks. 1990. Vol. 3. P. 21–26.
10. Энгель Е. А. Метод построения эффективной системы обработки информации на основе нечетко-возможностного алгоритма // XV Всерос. науч.-технич. конференция «Нейроинформатика – 2013» : сб. науч. тр. В 3-х ч. 2013. М. : МИФИ, 2013. Ч. 3. С. 139–149.
Рецензия
Для цитирования:
Энгель Е.А., Энгель Н.Е. Система слежения за точкой максимальной мощности фотоэлектрического массива на основе модифицированной нечеткой нейросети. Вестник кибернетики. 2019;(3 (35)):14-25. https://doi.org/10.34822/1999-7604-2019-3-14-25
For citation:
Engel E.A., Engel N.E. Photovoltaic Array Maximum Power Point Tracking System Based on Modified Fuzzy Neural Network. Proceedings in Cybernetics. 2019;(3 (35)):14-25. (In Russ.) https://doi.org/10.34822/1999-7604-2019-3-14-25
Просмотров:
213
Послать статью по эл. почте 