یک تیم تحقیقاتی به رهبری محققان هندی، یک سیستم شارژ خودروهای الکتریکی (EV) هوشمند را توسعه داده است که پانل های فتوولتائیک (PV) ، سلول های سوخت غشا متبادل پروتون (PEM) ،ذخیره انرژی باتریهسته این سیستم یک کنورتر تقویت Z منبع با استفاده از الگوریتم ANFIS برای دستیابی به حداکثر ردیابی نقطه قدرت (MPPT) است.
بر خلاف سیستم های سنتی تک فلوئور یا هیبریدی، این رویکرد کنترل هوشمند و مدیریت چند انرژی را برای اطمینان از شارژ کارآمد، پایدار و قابل اعتماد خودروهای هوشمند ترکیب می کند.تحقیقات آینده به میکرو شبکه های انرژی جدید DC با قابلیت های وسیله نقلیه به شبکه (V2G) گسترش می یابد، امکان یکپارچه سازی هوشمندتر اکوسیستم انرژی برای EV را فراهم می کند.
تیم تحقیقاتی از MATLAB / Simulink 2021a برای شبیه سازی سیستم استفاده کردند که شامل دو واحد شارژ سریع 50 کیلو وات، یک سیستم PV 186 کیلو وات با حداکثر قدرت، یک سیستم باتری سرب اسید،و یک سیستم ذخیره سازی انرژی مبتنی بر هیدروژن که شامل یک ژنراتور هیدروژن 176kVA است، شش ماژول سلول سوخت 66kW، و یک مخزن هیدروژن 450kg.
این سیستم دستگاه های مختلفی را با استفاده از یک کنورتر منبع Z (ZSC) ادغام می کند. یک شبکه مقاومت سیستم PV، باتری و شبکه را به هم متصل می کند.کنورتر دو مجموعه از سوئیچ های کنترل شده همزمان استفاده می کند، دیودهای ورودی و خروجی و خازن ها، و می توانند در حالت هدایت مداوم یا قطع کار کنند.
روش MPPT مبتنی بر ANFIS از ولتاژ PV، جریان و درجه حرارت به عنوان ورودی استفاده می کند و چرخه کار را برای کنترل یک کنورتر لاندسمن DC-DC برای پیگیری حداکثر نقطه قدرت خارج می کند.از طریق آموزش گسترده، ANFIS قوانین مبهم را بهینه می کند، خطاها را کاهش می دهد و برای کنترل در زمان واقعی مناسب است.
آزمایشات با استفاده از نمونه های اولیه آزمایشگاهی، از جمله یک سلول سوخت با ولتاژ خروجی 100V و جریان 30-40A، یک کنورتر DC-DC با ولتاژ خروجی 1000-1100V و جریان 30A، تایید شد.و باتری با ولتاژ خروجی 120 ولتاشتباهات شبیه سازی شده و اندازه گیری شده در حدود 0.8٪ تا 3٪ بودند.
نتایج نشان می دهد: "نمونه سازی نشان می دهد که سیستم می تواند ولتاژ را از 110V به 150V افزایش دهد و خروجی پایدار حدود 1100V/30A را حفظ کند، با جریان PV در 500A پایدار است.ولتاژ خروجی سلول سوخت در 110V باقی می ماند، جریان از 40A به 25A کاهش می یابد و باتری حالت شارژ 60٪ (SOC) را در خروجی 120V حفظ می کند. نمونه اولیه سخت افزار ، بر اساس میکروکنترلر DSPIC30F4011 ،به کارایی MPPT 98 می رسد..7٪، خطای تنظیم ولتاژ ± 1.5٪، انحراف قدرت کمتر از 2٪ و ولتاژ شبکه و تحریف هارمونیک کل جریان (THD) به ترتیب 500V و 13A،مطابق با استانداردهای IEEE 519. "
در مقایسه با الگوریتم های سنتی، این ANFIS MPPT به طور قابل توجهی بهبود کارایی ردیابی و عملکرد پویا در شرایط نوسان نور خورشید.پیکربندی سیستم هیبریدی از انتظارات فراتر می رود، با حفظ ثبات شبکه و شارژ بدون وقفه علیرغم نوسانات در انرژی های تجدید پذیر و تقاضای بار متفاوت.
یک تیم تحقیقاتی به رهبری محققان هندی، یک سیستم شارژ خودروهای الکتریکی (EV) هوشمند را توسعه داده است که پانل های فتوولتائیک (PV) ، سلول های سوخت غشا متبادل پروتون (PEM) ،ذخیره انرژی باتریهسته این سیستم یک کنورتر تقویت Z منبع با استفاده از الگوریتم ANFIS برای دستیابی به حداکثر ردیابی نقطه قدرت (MPPT) است.
بر خلاف سیستم های سنتی تک فلوئور یا هیبریدی، این رویکرد کنترل هوشمند و مدیریت چند انرژی را برای اطمینان از شارژ کارآمد، پایدار و قابل اعتماد خودروهای هوشمند ترکیب می کند.تحقیقات آینده به میکرو شبکه های انرژی جدید DC با قابلیت های وسیله نقلیه به شبکه (V2G) گسترش می یابد، امکان یکپارچه سازی هوشمندتر اکوسیستم انرژی برای EV را فراهم می کند.
تیم تحقیقاتی از MATLAB / Simulink 2021a برای شبیه سازی سیستم استفاده کردند که شامل دو واحد شارژ سریع 50 کیلو وات، یک سیستم PV 186 کیلو وات با حداکثر قدرت، یک سیستم باتری سرب اسید،و یک سیستم ذخیره سازی انرژی مبتنی بر هیدروژن که شامل یک ژنراتور هیدروژن 176kVA است، شش ماژول سلول سوخت 66kW، و یک مخزن هیدروژن 450kg.
این سیستم دستگاه های مختلفی را با استفاده از یک کنورتر منبع Z (ZSC) ادغام می کند. یک شبکه مقاومت سیستم PV، باتری و شبکه را به هم متصل می کند.کنورتر دو مجموعه از سوئیچ های کنترل شده همزمان استفاده می کند، دیودهای ورودی و خروجی و خازن ها، و می توانند در حالت هدایت مداوم یا قطع کار کنند.
روش MPPT مبتنی بر ANFIS از ولتاژ PV، جریان و درجه حرارت به عنوان ورودی استفاده می کند و چرخه کار را برای کنترل یک کنورتر لاندسمن DC-DC برای پیگیری حداکثر نقطه قدرت خارج می کند.از طریق آموزش گسترده، ANFIS قوانین مبهم را بهینه می کند، خطاها را کاهش می دهد و برای کنترل در زمان واقعی مناسب است.
آزمایشات با استفاده از نمونه های اولیه آزمایشگاهی، از جمله یک سلول سوخت با ولتاژ خروجی 100V و جریان 30-40A، یک کنورتر DC-DC با ولتاژ خروجی 1000-1100V و جریان 30A، تایید شد.و باتری با ولتاژ خروجی 120 ولتاشتباهات شبیه سازی شده و اندازه گیری شده در حدود 0.8٪ تا 3٪ بودند.
نتایج نشان می دهد: "نمونه سازی نشان می دهد که سیستم می تواند ولتاژ را از 110V به 150V افزایش دهد و خروجی پایدار حدود 1100V/30A را حفظ کند، با جریان PV در 500A پایدار است.ولتاژ خروجی سلول سوخت در 110V باقی می ماند، جریان از 40A به 25A کاهش می یابد و باتری حالت شارژ 60٪ (SOC) را در خروجی 120V حفظ می کند. نمونه اولیه سخت افزار ، بر اساس میکروکنترلر DSPIC30F4011 ،به کارایی MPPT 98 می رسد..7٪، خطای تنظیم ولتاژ ± 1.5٪، انحراف قدرت کمتر از 2٪ و ولتاژ شبکه و تحریف هارمونیک کل جریان (THD) به ترتیب 500V و 13A،مطابق با استانداردهای IEEE 519. "
در مقایسه با الگوریتم های سنتی، این ANFIS MPPT به طور قابل توجهی بهبود کارایی ردیابی و عملکرد پویا در شرایط نوسان نور خورشید.پیکربندی سیستم هیبریدی از انتظارات فراتر می رود، با حفظ ثبات شبکه و شارژ بدون وقفه علیرغم نوسانات در انرژی های تجدید پذیر و تقاضای بار متفاوت.
