MPPT in condizioni di ombreggiamento parziale con tecniche di intelligenza artificiale

Questo libro presenta una rete neurale a base radiale profonda basata sull'apprendimento di MPPT per il modulo fotovoltaico per ottenere la massima potenza. Inoltre, la D-RBFN viene addestrata utilizzando la proposta BOosted salp swarm optimization (BOSS) per ridurre la velocità di inseguimento e migliorare l'efficienza. L'algoritmo di ottimizzazione BOSS elimina il problema degli ottimismi locali nell'algoritmo di ottimizzazione dello sciame salp convenzionale modificando il valore del parametro di controllo, che non si basa solo sul numero massimo di generazioni, ma dipende anche dalle caratteristiche del problema. Le prestazioni del controllore BOSS-D-RBFN proposto sono analizzate in condizioni di variazione dinamica dell'irraggiamento e in due diversi casi di ombreggiamento parziale. Inoltre, le prestazioni del metodo BOSS-D-RBFN sono state confrontate con quelle dei metodi più avanzati, tra cui l'MPPT basato su reti neurali, l'MPPT basato su logica fuzzy, l'MPPT basato su P&O, la conduttanza incrementale e l'MPPT basato su algoritmi evolutivi, in termini di percentuale di oscillazione, tempo di assestamento e inseguimento, potenza massima ottenuta ed efficienza.