![Ιδρυματικό Αποθετήριο [SANDBOX]](images/dias.logo.png "Ιδρυματικό Αποθετήριο [SANDBOX]"){kind=logo}
Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/29C60773-6D3E-472A-B26D-A47CDC95D535 | - |
| Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.88151 | - |
| Γλώσσα | en | - |
| Μέγεθος | 157 pages | en |
| Μέγεθος | 6.3 megabytes | en |
| Τίτλος | Development of a system for maximizing the power production of photovoltaic arrays based on reinforcement learning | en |
| Τίτλος | Ανάπτυξη συστήματος μεγιστοποίησης της παραγωγής ισχύος φωτοβολταϊκών συστοιχιών βασισμένου σε ενισχυτική μάθηση | el |
| Δημιουργός | Bountoukos Theodoros | en |
| Δημιουργός | Μπουντουκος Θεοδωρος | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Koutroulis Eftychios | en |
| Συντελεστής [Επιβλέπων Καθηγητής] | Κουτρουλης Ευτυχιος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Lagoudakis Michail | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Λαγουδακης Μιχαηλ | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Kalaitzakis Konstantinos | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Καλαϊτζακης Κωνσταντινος | el |
| Εκδότης | Πολυτεχνείο Κρήτης | el |
| Εκδότης | Technical University of Crete | en |
| Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
| Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
| Περίληψη | The global demand for energy is rising rapidly and conventional methods of producing energy contribute to global warming. Renewable energy sources are able to solve these problems. Solar energy produced by photovoltaic arrays is considered to be amongst the major renewable energy sources, abundantly available. The photovoltaic arrays however yield very low efficiency under non-uniform incident solar irradiance operating conditions. The subject of this thesis is the development of an electronic system for maximizing the power production of photovoltaic arrays. For that reason, a reinforcement learning-based global Maximum Power Point Tracking algorithm was developed. The PV system developed in this thesis consists of an MPPT control unit, a DC/DC Boost converter and two batteries as load. For the implementation of the MPPT control unit, a Q-learning algorithm, as well as a Particle Swarm Optimization (PSO) algorithm were developed. The Q-learning algorithm under study was used in multiple experiments for alternative shading patterns of the PV array and its performance was compared to that of the PSO algorithm. The experimental results demonstrated that the Q-learning MPPT algorithm converged faster and more accurately to the Global MPP than the PSO MPPT algorithm when an appropriate learning process was applied. | en |
| Περίληψη | Η παγκόσμια ζήτηση ενέργειας αυξάνεται ραγδαία και οι συμβατικές μέθοδοι παραγωγής ενέργειας προκαλούν σημαντικές επιπτώσεις στο περιβάλλον. Οι Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ) είναι σε θέση να συμβάλλουν στην επίλυση αυτών των προβλημάτων. Μεταξύ των εναλλακτικών τύπων ΑΠΕ, η εγκατάσταση φωτοβολταϊκών συστημάτων παραγωγής ηλεκτρικής ενέργειας έχει επεκταθεί σημαντικά τα τελευταία χρόνια. Όμως, η παραγωγή ενέργειας των φωτοβολταϊκών συστημάτων επηρεάζεται από την ανομοιόμορφη πρόσπτωση ηλιακής ακτινοβολίας στις φωτοβολταϊκές συστοιχίες (πχ. όταν ενσωματώνονται σε κτήρια). Σε αυτή τη διπλωματική εργασία αναπτύχθηκε ένα ηλεκτρονικό σύστημα για τη μεγιστοποίηση της παραγωγής ισχύος των φωτοβολταϊκών συστοιχιών, στο οποίο η διαδικασία της μεγιστοποίησης ισχύος (Maximum Power Point Tracking, MPPT) πραγματοποιείται με τεχνική μηχανικής μάθησης. Για την πειραματική αξιολόγηση, σε πραγματικές συνθήκες λειτουργίας, της μεθόδου MPPT που αναπτύχθηκε, κατασκευάστηκε πειραματικό πρωτότυπο φωτοβολταϊκό σύστημα αποτελούμενο από φωτοβολταϊκά πλαίσια, μετατροπέα ισχύος DC/DC και μικροηλεκτρονική μονάδα ελέγχου MPPT. Τα πειραματικά αποτελέσματα έδειξαν ότι ο αλγόριθμος MPPT βασισμένος σε μηχανική μάθηση ο οποίος υλοποιήθηκε σε αυτή τη διπλωματική εργασία, επιτυγχάνει ταχύτερη εύρεση του σημείου μέγιστης παραγωγής ισχύος της φωτοβολταϊκής συστοιχίας κατά 41-53% σε σύγκριση με συμβατικό αλγόριθμο MPPT. | el |
| Τύπος | Διπλωματική Εργασία | el |
| Τύπος | Diploma Work | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2021-01-26 | - |
| Ημερομηνία Δημοσίευσης | 2021 | - |
| Θεματική Κατηγορία | Reinforcement learning | en |
| Θεματική Κατηγορία | Q-learning | en |
| Θεματική Κατηγορία | Power electronics | en |
| Θεματική Κατηγορία | Photovoltaic system | en |
| Θεματική Κατηγορία | MPPT | en |
| Βιβλιογραφική Αναφορά | Theodoros Bountoukos, "Development of a system for maximizing the power production of photovoltaic arrays based on reinforcement learning", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2021 | en |
| Βιβλιογραφική Αναφορά | Θεόδωρος Μπουντούκος, "Ανάπτυξη συστήματος μεγιστοποίησης της παραγωγής ισχύος φωτοβολταϊκών συστοιχιών βασισμένου σε ενισχυτική μάθηση", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2021 | el |
Copyright © DIAS 2013
