Центр сопряженного мониторинга окружающей среды и природных ресурсов
«Мониторинг. Наука и технологии» Рецензируемый и реферируемый научно-технический журнал
Меню раздела «МНТ»
ГЛАВНАЯ
цели и задачи
Перечень ВАК
ВЫПУСКИ
2021
выпуск №1
выпуск №2
статья #01
статья #02
статья #03
статья #04
статья #05
статья #06
статья #07
статья #08
статья #09
статья #10
статья #11
статья #12
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
все выпуски
АВТОРАМ
этика
порядок рецензирования
правила для авторов
ПОДПИСКА
О ЖУРНАЛЕ
главный редактор
редакционный совет
редакционная коллегия
документы
свидетельство
issn
ENG
Меню разделов
ГЛАВНАЯ
Раздел: «ЦЕНТР»
Раздел: «МНТ»
Раздел: «СБОРНИК»
Раздел: «MST»

Литвин Н.В., Власова В.Д., Гаран А.Г.
Нечеткая математическая модель мощности солнечной батареи
Fuzzy mathematical model of the power of a solar battery
УДК:
621.311
Аннотация:
Цель - разработать нечеткую математическую модель мощности солнечной батареи, которая описывает зависимость ее величины от внешних и конструктивных факторов, что позволит оптимизировать систему поддержки принятия решений в процессе управления электросетью. Методы - систематизация, моделирование, синтез, прогнозирование, обобщение, нечеткий регрессионный анализ, индукция, дедукция. Новизна полученных в ходе исследования результатов заключается в построении математической модели мощности солнечной батареи любой плоскости и разработке алгоритма отслеживания ее максимальной точки в нечеткой форме. Результаты работы. В процессе исследования установлено, что в условиях неопределенности информации о режимных параметрах работы солнечных батарей для моделирования алгоритмов управления напряжением и мощностью целесообразно использовать нечеткую логику. Построенная в статье нечеткая математическая модель мощности солнечной батареи и алгоритм отслеживания точки максимальной мощности может применяться для автоматизации процесса управления энергоснабжением любых объектов, которые используют разнотипные автономные источники энергии.
Ключевые
слова:
солнечная батарея, мощность, нечеткая логика, модель, управление, неопределенность
Abstracts:
The paperfocuses on the consideration of urgent problems associated with the implementation of data mining technologies in the control loops, diagnostician and monitoring of technical systems, in particular solar batteries. The purpose of the work is to develop a fuzzy mathematical model of the solar battery power describingits dependence on external and design factors. The methods have been used of system analysis, generalization and systematization, fuzzy regression analysis, modeling, and forecasting. The results obtained: the necessity and feasibility of using the theory of fuzzy logic and neural network modeling to calculate the electrical parameters of a photovoltaic system have been substantiated. This model makes it possible to maintain a full cycle of processing information about the power of a solar battery under various operating modes and transform the derived data into knowledge in the process of choosing an effective battery operation mode. The novelty of these data lies in the mathematical model construction of the solar battery power in any planeand tracking its maximum point in a fuzzy form.
Keywords:
solar battery, power, fuzzy logic, model, control, uncertainty

Текст статьи Текст статьи
559,6 кБ
Скачать

вернуться к списку статей

Авторы статьи:
ЛИТВИН
Наталья Владимировна
NVLitvin@mephi.ru
кандидат технических наук, доцент кафедры физики, Волгодонский инженерно-технический институт - филиал национального исследовательского ядерного университета «МИФИ»
ВЛАСОВА
Валерия Дмитриевна
студентка магистратуры, Волгодонский инженерно-технический институт - филиал национального исследовательского ядерного университета «МИФИ»
ГАРАН
Александра Григорьевна
студентка 2 курса, Волгодонский инженерно-технический институт - филиал национального исследовательского ядерного университета «МИФИ»
Список литературы:
1.
Иванов С.Н., Кушнарев П.И. Оценка разведанности запасов твердых полезных ископаемых // Недропользование XXI век. 2019. №2 (78). С. 82-91.
2.
Climate change and sustainable development: mitigation and adaptation. Dalia Streimikiene, Asta Mikalauskiene. Boca Raton: CRC Press. 2021. 298 р.
3.
Low carbon energy technologies in sustainable energy systems. Edited by Grigorios L. Kyriakopoulos. Amsterdam: AcademicPress. 2021. 326 р.
4.
Duranay Mehmet. Experimental efficiency analysis of a solar panel electricity generation system using planar reflection. IET renewable power generation. 2021. Volume 15. Number 3. Pp. 521-531.
5.
Дандыбаев С.Т. Нечеткие множества с нечеткими функциями принадлежности // Теория и практика современной науки. 2021. №1 (67). С. 130-133.
6.
Singh Bhim. Performance Analysis of Solar PV Array and Battery Integrated Unified Power Quality Conditioner for Microgrid Systems. IEEE transactions on industrial electronics. 2021. Volume 68. Number 5. Pp. 4027-4035.
7.
Каганов В.И. Повышение мощности и КПД солнечных электростанций при пониженном солнечном излучении // Энергетик. 2020. №4. С. 28-31.
8.
Mukund R. Patel Wind and solar power systems: design, analysis, and operation. Boca Raton: CRC Press. 2021. 371 р.
9.
Мыцык Г.С., Тин А.З., Хейн З.Х., Эрмиш Д.С. Синтез инверторов напряжения повышенной мощности для солнечных электростанций // Новое в российской электроэнергетике. 2020. №2. С. 31-47.
10.
Hassan M. A framework for the performance evaluation of household rooftop solar battery systems. International journal of electrical power & energy systems. 2021. Volume 125. Pр. 34-42.
11.
Pali Bahadur Singh. Uninterrupted sustainable power generation at constant voltage using solar photovoltaic with pumped storage. Sustainable energy technologies and assessments. 2021. Volume 42. Pр. 198-205.
12.
Пучков П.А., Осипов О.И. Стабилизация напряжения сети при работе солнечного инвертора // Приводы и компоненты машин. 2020. №1-2 (35). С. 16-18.
13.
Jiang Lisheng. Mixed fuzzy least absolute regression analysis with quantitative and probabilistic linguistic information. Fuzzy sets and systems. 2020. Vol. 387. Pp. 35-48.
14.
Hao Pei-Yi. Dual possibilistic regression analysis using support vector networks. Fuzzy sets and systems. 2020. Volume 387. Pp. 1-34.
15.
Смирнов А.В., Кочаков В.Д. Влияние погодных факторов на работу солнечной электростанции на тонкопленочных фотоэлектрических модулях // Прикладная физика. 2020. №3. С. 90-94.
 
МНТ Выпуски 2021 Выпуск №2 Статья #09
© ООО «ЦСМОСиПР», 2021
Все права защищены
Яндекс.Метрика
  +7(926) 067-59-67
  +7(963) 406-99-55