Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Σχεδίαση ηλεκτρονικού συστήματος ελέγχου για την μεγιστοποίηση της παραγωγής ενέργειας φωτοβολταϊκών συστοιχιών, βασισμένου σε τεχνικές τεχνητής νοημοσύνης

Kalogerakis Christos

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/E619DEF3-2055-4BA4-BE9A-DD97E466BA35-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.83331-
Γλώσσαen-
Μέγεθος152 pagesen
ΤίτλοςΣχεδίαση ηλεκτρονικού συστήματος ελέγχου για την μεγιστοποίηση της παραγωγής ενέργειας φωτοβολταϊκών συστοιχιών, βασισμένου σε τεχνικές τεχνητής νοημοσύνης el
ΤίτλοςDesign of an electronic control system for maximizing the energy production of photovoltaic arrays, based on artificial intelligence techniquesen
ΔημιουργόςKalogerakis Christosen
ΔημιουργόςΚαλογερακης Χρηστοςel
Συντελεστής [Επιβλέπων Καθηγητής]Koutroulis Eftychiosen
Συντελεστής [Επιβλέπων Καθηγητής]Κουτρουλης Ευτυχιοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Lagoudakis Michailen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Λαγουδακης Μιχαηλel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Kalaitzakis Konstantinosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Καλαϊτζακης Κωνσταντινοςel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
Ακαδημαϊκή ΜονάδαTechnical University of Crete::School of Electrical and Computer Engineeringen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
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
ΤύποςΔιπλωματική Εργασίαel
ΤύποςDiploma Worken
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2019-10-01-
Ημερομηνία Δημοσίευσης2019-
Θεματική ΚατηγορίαMPPTen
Θεματική ΚατηγορίαPhotovoltaic systemen
Θεματική ΚατηγορίαPower electronicsen
Θεματική ΚατηγορίαQ-learningen
Θεματική ΚατηγορίαReinforcement learningen
Βιβλιογραφική ΑναφοράΧρήστος 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, 2019el
Βιβλιογραφική ΑναφοράChristos 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, 2019en

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά