URI | http://purl.tuc.gr/dl/dias/E619DEF3-2055-4BA4-BE9A-DD97E466BA35 | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.83331 | - |
Γλώσσα | en | - |
Μέγεθος | 152 pages | en |
Τίτλος | Σχεδίαση ηλεκτρονικού συστήματος ελέγχου για την μεγιστοποίηση της παραγωγής ενέργειας φωτοβολταϊκών συστοιχιών, βασισμένου σε τεχνικές τεχνητής νοημοσύνης | el |
Τίτλος | Design of an electronic control system for maximizing the energy production of photovoltaic arrays, based on artificial intelligence techniques | en |
Δημιουργός | Kalogerakis Christos | en |
Δημιουργός | Καλογερακης Χρηστος | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Koutroulis Eftychios | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Κουτρουλης Ευτυχιος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Lagoudakis Michail | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Λαγουδακης Μιχαηλ | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Kalaitzakis Konstantinos | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Καλαϊτζακης Κωνσταντινος | el |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
Περίληψη | The subject of this thesis is the design of an electronic energy management system for maximizing the power generated by a photovoltaic (PV) array. For that purpose, an innovative Maximum Power Point Tracking (MPPT) algorithm was developed, which is based on reinforcement learning, in order to operate the PV array at the Maximum Power Point (MPP) under uniform and non-uniform incident solar irradiation conditions. The PV system under study consists of an MPPT control unit, a DC/DC Boost-type power converter and a battery. For the implementation of the MPPT control system, four different Q-learning-based MPPT methods and a Particle Swarm Optimization-based (PSO) MPPT method were implemented. The Qlearning-based MPPT algorithms were simulated for multiple alternative shading patterns of the PV array and their performance was compared to that of the PSO-based MPPT method. The simulation results demonstrated that the Q-learning-based methods exhibit faster convergence to the global MPP (GMPP) than the PSO-based MPPT method when an appropriate learning process has been applied before their execution.
| en |
Τύπος | Διπλωματική Εργασία | el |
Τύπος | Diploma Work | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
Ημερομηνία | 2019-10-01 | - |
Ημερομηνία Δημοσίευσης | 2019 | - |
Θεματική Κατηγορία | MPPT | en |
Θεματική Κατηγορία | Photovoltaic system | en |
Θεματική Κατηγορία | Power electronics | en |
Θεματική Κατηγορία | Q-learning | en |
Θεματική Κατηγορία | Reinforcement learning | en |
Βιβλιογραφική Αναφορά | Χρήστος Καλογεράκης, "Σχεδίαση ηλεκτρονικού συστήματος ελέγχου για την μεγιστοποίηση της παραγωγής ενέργειας φωτοβολταϊκών συστοιχιών, βασισμένου σε τεχνικές τεχνητής νοημοσύνης ", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2019 | el |
Βιβλιογραφική Αναφορά | Christos Kalogerakis, "Design of an electronic control system for maximizing the energy production of photovoltaic arrays, based on artificial intelligence techniques", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2019 | en |