ارائه روش بهينه‌شده و جديد تعقيب نقطه ماكزيمم توان سلول‌هاي خورشيدي با استفاده از شبكه عصبي

Providing an optimized and new method for tracking the maximum power point of solar cell power using the neural network

نياز به جايگزيني انرژي‌هاي پاك به‌جاي انرژي فسيلي، به دلايل بي‌شماري كه براي آن وجود دارد، انسان را به سوي استفاده از انرژي‌هاي تجديدپذير ازجمله انرژي خورشيدي سوق داده است. اما آنچه در اين ميان اهميت ويژه‌اي دارد، پيدا كردن روش‌هايي جهت دريافت ماكزيمم توان از مبدل¬هاي اين انرژي‌ها مي‌باشد. در اين مقاله بابيان برخي از كاربردهاي شبكه‌هاي عصبي، روش‌هاي جديدي را درجهت دريافت ماكزيمم توان از سلول و شيبه سازي سلول ارائه شده است. از فوايد اين روش‌ها مي‌توان به بهينه‌سازي و هوشمند كردن سيستم، تخمين پارامترهاي ساختمان داخلي سلول و مواد سازنده‌ي سلول به‌صورت رياضي و دقت بيشتر در تخمين نقطه توان ماكزيمم و سرعت رديابي بالاتر در سلول‌هاي خورشيدي اشاره نمود. در پايان شبيه‌سازي تمام موارد فوق با استفاده از نرم‌افزار MATLAB به‌صورت بسيار دقيقي انجام‌شده است.

The need for substituting clean energies with fossil fuels has led humans to use renewable energies, including solar energy for its numerous reasons. But what is important here is finding ways to maximize the power of these energy converters. In this paper, new methods have been developed to obtain maximum power from cell and cell simulation by describing some of the applications of neural networks. The advantages of these methods include system optimization, estimation of the parameters of internal structure of cell and cellular components in a mathematical way, more precision in estimating the maximum power point and higher tracking speed in solar cells. Eventually, all of the above mentioned items have been simulated very accurately using MATLAB software.