Adaptive Neuro-Fuzzy Inference System Application for The Identification of a Photovoltaic System and The Forecasting of Its Maximum Power Point

2018 ◽  
Author(s):  
El Hadji Mbaye Ndiaye ◽  
Alphousseyni Ndiaye ◽  
Mahamadou Abdou Tankari ◽  
Gill Lefebvre
Keyword(s):  
System Application ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Maximum Power ◽  
Photovoltaic System ◽  
Maximum Power Point ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Power Point

Performance Evaluation of Various Adaptive Neuro Fuzzy Inference System Based Maximum Power Point Tracking for Photovoltaic System

2015 ◽  
Vol 785 ◽  
pp. 215-219
Author(s):  
Ammar Hussein Mutlag ◽  
Hussein Shareef ◽  
Azah Mohamed ◽  
Jamal Abd Ali ◽  
Maytham S. Ahmed
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Maximum Power Point Tracking ◽  
Maximum Power ◽  
Maximum Power Point ◽  
Inference System ◽  
Point Tracking ◽  
Power Point Tracking ◽  
Neuro Fuzzy ◽  
Power Point

The maximum output power of a photovoltaic (PV) system with a DC-DC converter depends mainly on the solar irradiance (G) and the temperature (T). Therefore, a maximum power point tracking (MPPT) mechanism is required to improve the overall system. The conventional MPPT approaches such as the perturbation and observation (P&O) technique have difficulty in finding true maximum power point. Thus various intelligent MPPT systems such as fuzzy logic controllers (FLC) are recently introduced. In FLC based MPPT, selecting the type of the membership function (MF) and the number of the fuzzy sets (FS) is critical for better performance. Thus, in this paper various adaptive neuro fuzzy inference system (ANFIS) is utilized to automatically tune the FLC membership functions instead of adopting the trial and error method. To find suitable MF for FLC, ANFIS is developed in MATLAB/Simulink and the effect of different types MF investigated. Simulation result shows that the FLC with triangular MF and seven FS give the best result. The evaluation indices used in this study includes the maximum extracted energy, minimum standard deviation of the error, and minimum mean square error.

scholarly journals PENGOPTIMALAN ENERGI TERBARUKAN MENGGUNAKAN MAXIMUM POWER POINT TRACKING BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM DAN PHOTOVOLTAIC BERBASIS DYE SENTIZED SOLAR CELL (DSSC)

2019 ◽  
Vol 9 (1) ◽  
pp. 95
Author(s):  
Abil Huda Huda ◽  
Hadi Santoso
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Maximum Power Point Tracking ◽  
Maximum Power ◽  
Maximum Power Point ◽  
Inference System ◽  
Point Tracking ◽  
Power Point Tracking ◽  
Neuro Fuzzy ◽  
Power Point

Saat ini bahan bakar fosil berupa minyak bumi dan batu-bara masih menjadi sumber energi yang paling banyak digunakan dalam proses pembangkitan tenaga listrik. Bahan bakar fosil tersebut tidak dapat diperbarui dan jumlahnya semakin menipis seiring dengan berjalannya waktu. Karena kebutuhan energi listrik semakin hari semakin meningkat, sumber energi alternatif terutama sumber energi terbarukan menjadi semakin dibutuhkan. (Sankarganesh, R. & Thangvel).Salah satu sumber energi terbarukan adalah Photovoltaic (PV) yang memanfaatkan energi cahaya matahari. Sumber energi ini memiliki kelebihan yaitu bersih dan tersedia di alam dalam jumlah yang melimpah (Soedibyo, Priananda, C. W. & Haikal, M. A).Sejak ditemukannya PV, teknologi ini terus berkembang hingga saat ini telah ditemukan beberapa jenis sel surya. Pada tahun 1991, seorang ilmuan asal Swis, Michael Gratzel menemukan salah satu jenis sel surya yang memanfaatkan kandungan organik tumbuhan. Temuannya tersebut dikenal dengan Dye Sensitized Solar Cell (DSSC). Prinsip kerja DSSC adalah memanfaatkan eksitasi elektron oleh foton pada cahaya matahari yang mengenai bagian sensitif dari tumbuhan yang disebut dengan dye (O’regan dan Gratzel).Permasalahan dalam penggunaan PV, tak terkecuali jenis DSSC saat ini adalah efisiensinya yang masih rendah dengan biaya yang tinggi. Kebutuhan penggunaan PV yang semakin meningkat mendorong berbagai penelitian mengenai peningkatan efisiensi pada sistem PV. Terdapat tiga faktor yang mempengaruhi efisiensi sistem PV. Pertama adalah material PV. Kedua adalah efisiensi konverter dan efisiensi algoritma Maximum Power Point Tracking (MPPT) (Devi, M. L. & Chilambarasan, M).Adaptive Neuro Fuzzy Inference System (ANFIS) merupakan metode yang menggunakan jaring syaraf tiruan (Neural Network) untuk mengimplementasikan Fuzzy Inference System (FIS) atau sistem inferensi fuzzy. Keunggulan sistem inferensi fuzzy adalah dapat menerjemahkan pengetahuan dari pakar dalam bentuk aturan-aturan, namun biasanya dibutuhkan waktu yang lama untuk menetapkan fungsi keanggotaannya. Oleh sebab itu dibutuhkan teknik pembelajaran dari jaringan syaraf tiruan untuk mengotomatisasi proses tersebut sehingga dapat mengurangi waktu pencarian, hal tersebut menyebabkan metode ANFIS sangat baik untuk diterapkan pada MPPT (Tarek, B., Said, D., & Benbouzid, M.E.H).Penelitian ini mengoptimalkan sistem photovoltaic menggunakan DSSC untuk sisi material, Cuk converter untuk sisi converter dan metode ANFIS sebagai MPPT (Maximum Power Point Tracking) yang mengontrol Cuk converter untuk aplikasi sistem PV.

A Novel Technique for Maximum Power Point Tracking of a Photovoltaic Based on Sensing of Array Current Using Adaptive Neuro-Fuzzy Inference System (ANFIS)

2016 ◽  
Vol 17 (5) ◽  
pp. 547-554
Author(s):  
Helmy M. El-Zoghby ◽  
Ahmed F. Bendary
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Maximum Power Point Tracking ◽  
Maximum Power ◽  
Maximum Power Point ◽  
Inference System ◽  
Point Tracking ◽  
Power Point Tracking ◽  
Neuro Fuzzy ◽  
Power Point

Abstract Maximum Power Point Tracking (MPPT) is now widely used method in increasing the photovoltaic (PV) efficiency. The conventional MPPT methods have many problems concerning the accuracy, flexibility and efficiency. The MPP depends on the PV temperature and solar irradiation that randomly varied. In this paper an artificial intelligence based controller is presented through implementing of an Adaptive Neuro-Fuzzy Inference System (ANFIS) to obtain maximum power from PV. The ANFIS inputs are the temperature and cell current, and the output is optimal voltage at maximum power. During operation the trained ANFIS senses the PV current using suitable sensor and also senses the temperature to determine the optimal operating voltage that corresponds to the current at MPP. This voltage is used to control the boost converter duty cycle. The MATLAB simulation results shows the effectiveness of the ANFIS with sensing the PV current in obtaining the MPPT from the PV.

scholarly journals Pemodelan dan Simulasi Maximum Power Point Tracking Menggunakan Adaptive Neuro Fuzzy Inference System pada Aplikasi Fotovoltaik dengan Konverter Cuk

2019 ◽  
Vol 5 (1) ◽  
pp. 25-29
Author(s):  
Abil Huda
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Maximum Power Point Tracking ◽  
Maximum Power ◽  
Maximum Power Point ◽  
Inference System ◽  
Point Tracking ◽  
Power Point Tracking ◽  
Neuro Fuzzy ◽  
Power Point

Penelitian ini menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS) dalam pemodelan Maximum Power Point Tracking (MPPT) untuk mengontrol konverter Cuk sehingga fotovoltaik (PV) menghasilkan daya maksimum.  Sistem ini menggunakan Fotovoltaik 200 W dan konverter Cuk dengan desain teganganterhubung beban. Dari hasil penelitian, PV dapat menghasilkan daya maksimum dengan variasi iradiasi dan temperatur pada kondisi statis. ANFIS dapat bekerja dengan baik dalam menjejak titik daya maksimum atau sebagai kontrol MPPT pada sistem PV terhadap perubahan iradiasi dan temperatur dalam kondisi statis. Akurasi daya PV terhadap daya maksimum pada kondisi variasi iradiasi dan temperatur berada di atas 90%.

scholarly journals Design of an Efficient Maximum Power Point Tracker Based on ANFIS Using an Experimental Photovoltaic System Data

Electronics ◽  
2019 ◽  
Vol 8 (8) ◽  
pp. 858 ◽  
Author(s):  
Sadeq D. Al-Majidi ◽  
Maysam F. Abbod ◽  
Hamed S. Al-Raweshidy
Keyword(s):  
Fuzzy Inference ◽  
Experimental Tests ◽  
Climatic Conditions ◽  
Maximum Power ◽  
Training Data ◽  
Photovoltaic System ◽  
Maximum Power Point ◽  
Inference System ◽  
Photovoltaic Array ◽  
Power Point

Maximum power point tracking (MPPT) techniques are a fundamental part in photovoltaic system design for increasing the generated output power of a photovoltaic array. Whilst varying techniques have been proposed, the adaptive neural-fuzzy inference system (ANFIS) is the most powerful method for an MPPT because of its fast response and less oscillation. However, accurate training data are a big challenge for designing an efficient ANFIS-MPPT. In this paper, an ANFIS-MPPT method based on a large experimental training data is designed to avoid the system from experiencing a high training error. Those data are collected throughout the whole of 2018 from experimental tests of a photovoltaic array installed at Brunel University, London, United Kingdom. Normally, data from experimental tests include errors and therefore are analyzed using a curve fitting technique to optimize the tuning of ANFIS model. To evaluate the performance, the proposed ANFIS-MPPT method is simulated using a MATLAB/Simulink model for a photovoltaic system. A real measurement test of a semi-cloudy day is used to calculate the average efficiency of the proposed method under varying climatic conditions. The results reveal that the proposed method accurately tracks the optimized maximum power point whilst achieving efficiencies of more than 99.3%.

Sign in / Sign up

Export Citation Format

Share Document