Enhanced Performance of an Asynchronous Motor Drive with a New Modified Adaptive Neuro-Fuzzy Inference System-Based MPPT Controller in Interfacing with dSPACE DS-1104

2017 ◽  
Vol 19 (6) ◽  
pp. 1950-1965 ◽  
Author(s):  
B. Pakkiraiah ◽  
G. Durga Sukumar
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Asynchronous Motor ◽  
Motor Drive ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Mppt Controller

scholarly journals Adaptive Neuro-Fuzzy Inference System-Based Maximum Power Tracking Controller for Variable Speed WECS

Energies ◽  
2021 ◽  
Vol 14 (19) ◽  
pp. 6275
Author(s):  
Abrar Ahmed Chhipa ◽  
Vinod Kumar ◽  
R. R. Joshi ◽  
Prasun Chakrabarti ◽  
Michal Jasinski ◽  
...  
Keyword(s):  
Wind Speed ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Maximum Power ◽  
Membership Functions ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Fuzzy Input ◽  
Wide Range ◽  
Mppt Controller

This paper proposes an adaptive neuro-fuzzy inference system (ANFIS) maximum power point tracking (MPPT) controller for grid-connected doubly fed induction generator (DFIG)-based wind energy conversion systems (WECS). It aims at extracting maximum power from the wind by tracking the maximum power peak regardless of wind speed. The proposed MPPT controller implements an ANFIS approach with a backpropagation algorithm. The rotor speed acts as an input to the controller and torque reference as the controller’s output, which further inputs the rotor side converter’s speed control loop to control the rotor’s actual speed by adjusting the duty ratio for the rotor side converter. The grid partition method generates input membership functions by uniformly partitioning the input variable ranges and creating a single-output Sugeno fuzzy system. The neural network trained the fuzzy input membership according to the inputs and alter the initial membership functions. The simulation results have been validated on a 2 MW wind turbine using the MATLAB/Simulink environment. The controller’s performance is tested under various wind speed circumstances and compared with the performance of a conventional proportional–integral MPPT controller. The simulation study shows that WECS can operate at its optimum power for the proposed controller’s wide range of input wind speed.

Aplikasi Peramalan Kebutuhan Beban Listrik Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)

2017 ◽  
Vol 3 (1) ◽  
pp. 36-48
Author(s):  
Erwan Ahmad Ardiansyah ◽  
Rina Mardiati ◽  
Afaf Fadhil
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
Neuro Fuzzy

Prakiraan atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang dihasilkan. Ini menentukan  agar tidak terjadi beban berlebih yang menyebabkan pemborosan atau kekurangan beban listrik yang mengakibatkan krisis listrik di konsumen. Oleh karena itu di butuhkan prakiraan atau peramalan yang tepat untuk menghasilkan energi listrik. Teknologi softcomputing dapat digunakan  sebagai metode alternatif untuk prediksi beban litrik jangka pendek salah satunya dengan metode  Adaptive Neuro Fuzzy Inference System pada penelitian tugas akhir ini. Data yang di dapat untuk mendukung penelitian ini adalah data dari APD PLN JAWA BARAT yang berisikan laporan data beban puncak bulanan penyulang area gardu induk majalaya dari januari 2011 sampai desember 2014 sebagai data acuan dan data aktual januari-desember 2015. Data kemudian dilatih menggunakan metode ANFIS pada software MATLAB versi b2010. Dari data hasil pelatihan data ANFIS kemudian dilakukan perbandingan dengan data aktual dan data metode regresi meliputi perbandingan anfis-aktual, regresi-aktual dan perbandingan anfis-regresi-aktual. Dari perbandingan disimpulkan bahwa data metode anfis lebih mendekati data aktual dengan rata-rata 1,4%, menunjukan prediksi ANFIS dapat menjadi referensi untuk peramalan beban listrik dimasa depan.

Sign in / Sign up

Export Citation Format

Share Document