Improving solar power system's efficiency using artificial neural network

Other Title(s)

تحسين كفاءة أنظمة الطاقة الشمسية باستخدام تقنية الشبكات العصبية الاصطناعية

Dissertant

al-Farra, Muhammad Ibrahim Ahmad

Thesis advisor

al-Ayidi, Hatim Ali

University

Islamic University

Faculty

Faculty of Engineering

Department

Electrical Engineering Department

University Country

Palestine (Gaza Strip)

Degree

Master

Degree Date

2018

Arabic Abstract

تعد موارد الطاقة المتجددة هي أفضل طريقة للحد من استخدام الوقود الأحفوري (البترول والفحم والغاز الطبيعي) لإنتاج الطاقة الكهربائية و أيضا لتقليل انبعاث ثاني اكسيد الكربون الضار بالبيئة.

الطاقة الشمسية هي واحدة من أهم مصادر الطاقة المتجددة و تعتبر مصدر جيد لتوليد الكهرباء، فهي طاقة نظيفة و متاحة على نطاق واسع على مدار العام.

ت قدم هذه الأطروحة حلا لقطاع غزة المحاصر، الذي يعاني من نقص مزمن في الطاقة بسبب الحصار الإسرائيلي المفروض عليه، لذلك استخدام الطاقة الشمسية كنظام احتياطي لتوليد الكهرباء و بنك البطاريات لتخزين الطاقة يعتبر بديلا جيد لاستخدام مولدات الديزل.

تستخدم الخلايا الشمسية لتحويل اشعة الشمس الساقطة عليها مباشرة الى طاقة كهربائية.

تتمثل المشكلة الرئيسية في استخدام الخلايا الكهروضوئية أنه مع تغير الظروف الجوية يتغير الجهد الكهربي المنتج و بالتالي فإن الطاقة القصوى الناتجة تتغير.

و بسبب ارتفاع تكلفة الانظمة الشمسية، لذلك فلابد من استغلالها بشكل جيد و إنتاج الطاقة القصوى منها من خلال استخدام متحكم الشبكات العصبية.

تقترح هذه الأطروحة متحكم الشبكات العصبية الاصطناعية لتتبع النقطة التي تكون عندها القدرة اقصى ما يمكن من خلال تعديل دورة التشغيل لتضمين عرض النبضة (PWM) لمحول التيار المستمر رافع الجهد للحصول على الطاقة القصوى من الخلايا الشمسية في جميع الأوقات.

قدمت الأطروحة تصميم كامل لنظام الخلايا الشمسية مع المتحكم باستخدام برنامج الماتلاب SIMULINK))، صممت الخلايا الكهروضوئية لمحاكاة عملها في الواقع و ربطها مع تقنية تتبع اقصى نقطة للقدرة باستخدام متحكم الشبكات العصبية الاصطناعية لذلك تم انشاء نموذج الشبكات العصبية الاصطناعية و تدريبه و اختبار اداءه.

بعد ذلك تم مقارنة نتائج نظام التحكم المصمم مع نتائج نظام الخلايا الشمسية المرتبطة مباشرة بدون تقنية تتبع اقصى نقطة، و قياس أداء النظام عن طريق تغيير الإشعاع الشمسي و درجة حرارة نموذج الكهروضوئية.

تشير النتائج إلى أن متحكم الشبكات العصبية الاصطناعية لتتبع نقطة اقصى قدرة لديه استجابة سريعة للمتغيرات و أكثر كفاءة، مما يعني ضمان نقل الطاقة إلى النظام بأقصى طاقة.

و تبين النتيجة أن الوحدة الكهروضوئية المرتبطة مباشرة بدون تقنية تتبع نقطة اقصى قدرة لها كفاءة أقل بسبب عدم التوافق بين الوحدة الكهروضوئية و الحمل.

English Abstract

Renewable energy resources are the best way to reduce the use of conventional fossil fuel energy resources, like petroleum, coal, and natural gas to produce energy and also reduce carbon dioxide emission.

Solar energy is one of the renewable energy resources and can be used to produce electricity, which is clean and available throughout the year.

This thesis offers a solution to the besieged Gaza Strip, which suffered from a chronic lack of energy due to the Israeli blockade, by using of solar PV as a backup system, and a battery-bank as a storage system as a good alternative for using diesel generators.

The sunlight is immediately changed into electric power by using solar PV cells.

The major problem of the PV is that with changing of atmospheric conditions, the voltage is changing, and so the maximum power is changing.

We know that PV systems are still very expensive; therefore, an Artificial Neural Network (ANN) controller is aimed to secure the conveyance of the maximum power to the system.

This controller is designed to produce the maximum power from the PV module.

This thesis uses an ANN controller, that utilizes Maximum Power Point Tracking (MPPT) technique to increase the efficiency of converting solar energy into electrical energy by modifying the duty cycle of Pulse Width Modulation (PWM) for the boost converter to obtain the MPP from solar cells at all times.

A PV module is applied and their components are individually modeled in the MATLAB / SIMULINK program to simulate a real PV system behavior, then an MPPT technique, including DC/DC boost converter was designed.

Then an artificial neural network controller was designed and trained.

After that, this controller is compared with the direct connected System (DCS) without an MPPT controller.

The system performance is measured by changing solar radiation and temperature of the PV module.

The outcomes indicate that MPPT ANN has a fast response to the variability (irradiation and temperature) and is more efficient than DCS, which means more power transfer to the system.

The outcome shows that the photovoltaic module directly associated without MPPT technique has less efficiency than DCS because of the mismatch between the photovoltaic module and the load.

Main Subjects

Electronic engineering

Topics

• Solar energy
• Neural networks(Computer science)

No. of Pages

83

Table of Contents

• APA
• MLA
• AMA

Language

English

Data Type

Arab Theses

Record ID

BIM-903398