Zespół badawczy kierowany przez indyjskich naukowców opracował „inteligentny” system ładowania pojazdów elektrycznych (EV), który integruje panele fotowoltaiczne (PV), ogniwa paliwowe z membraną wymiany protonów (PEM), magazynowanie energii w akumulatorach i superkondensatory. Sercem systemu jest przetwornica podwyższająca Z-source wykorzystująca algorytm ANFIS do osiągnięcia maksymalnego śledzenia punktu mocy (MPPT).
W przeciwieństwie do tradycyjnych systemów jedno-PV lub hybrydowych, to podejście łączy inteligentne sterowanie i zarządzanie wieloma źródłami energii, aby zapewnić wydajne, stabilne i niezawodne ładowanie inteligentnych EV. Przyszłe badania zostaną rozszerzone na nowe mikro-sieci DC z możliwościami vehicle-to-grid (V2G), umożliwiającymi inteligentniejszą integrację ekosystemu energetycznego dla EV.
Zespół badawczy wykorzystał MATLAB/Simulink 2021a do symulacji systemu, który obejmuje dwie jednostki szybkiego ładowania o mocy 50kW, system PV o mocy szczytowej 186kW, system akumulatorów kwasowo-ołowiowych oraz system magazynowania energii na bazie wodoru, składający się z generatora wodoru o mocy 176kVA, sześciu modułów ogniw paliwowych o mocy 66kW i zbiornika wodoru o pojemności 450kg.
System integruje różne urządzenia za pomocą przetwornicy Z-source (ZSC). Sieć impedancji łączy system PV, akumulator i sieć. Przetwornica wykorzystuje dwa zestawy synchronicznie sterowanych przełączników, diody wejściowe i wyjściowe oraz kondensatory i może pracować w trybie ciągłym lub nieciągłym.
Metoda MPPT oparta na ANFIS wykorzystuje napięcie, prąd i temperaturę PV jako dane wejściowe i wyprowadza współczynnik wypełnienia w celu sterowania przetwornicą podwyższającą DC-DC Landsmana w celu maksymalnego śledzenia punktu mocy. Poprzez obszerne szkolenia, ANFIS optymalizuje reguły rozmyte, redukuje błędy i nadaje się do sterowania w czasie rzeczywistym.
Eksperymenty zostały zweryfikowane za pomocą prototypów laboratoryjnych, w tym ogniwa paliwowego o napięciu wyjściowym 100V i prądzie 30-40A, przetwornicy DC-DC o napięciu wyjściowym 1000-1100V i prądzie 30A oraz akumulatora o napięciu wyjściowym 120V. Symulowane i zmierzone błędy mieściły się w zakresie 0,8%-3%.
Wyniki pokazują: „Symulacje pokazują, że system może podwyższyć napięcie z 110V do 150V i utrzymać stabilne wyjście około 1100V/30A, przy czym prąd po stronie PV jest stabilizowany na poziomie 500A. Napięcie wyjściowe ogniwa paliwowego pozostaje na poziomie 110V, prąd spada z 40A do 25A, a akumulator utrzymuje 60% stan naładowania (SOC) przy wyjściu 120V. Prototyp sprzętowy, oparty na mikrokontrolerze DSPIC30F4011, osiąga sprawność MPPT na poziomie 98,7%, błąd regulacji napięcia ±1,5%, odchylenie mocy mniejsze niż 2% oraz całkowite zniekształcenie harmoniczne (THD) napięcia i prądu po stronie sieci odpowiednio 500V i 13A, zgodnie ze standardami IEEE 519.”
W porównaniu z tradycyjnymi algorytmami, ten ANFIS MPPT znacznie poprawia wydajność śledzenia i wydajność dynamiczną w warunkach zmiennego nasłonecznienia. Ponadto konfiguracja systemu hybrydowego przekracza oczekiwania, utrzymując stabilność sieci i nieprzerwane ładowanie pomimo wahań energii odnawialnej i zmiennego zapotrzebowania na obciążenie.
Zespół badawczy kierowany przez indyjskich naukowców opracował „inteligentny” system ładowania pojazdów elektrycznych (EV), który integruje panele fotowoltaiczne (PV), ogniwa paliwowe z membraną wymiany protonów (PEM), magazynowanie energii w akumulatorach i superkondensatory. Sercem systemu jest przetwornica podwyższająca Z-source wykorzystująca algorytm ANFIS do osiągnięcia maksymalnego śledzenia punktu mocy (MPPT).
W przeciwieństwie do tradycyjnych systemów jedno-PV lub hybrydowych, to podejście łączy inteligentne sterowanie i zarządzanie wieloma źródłami energii, aby zapewnić wydajne, stabilne i niezawodne ładowanie inteligentnych EV. Przyszłe badania zostaną rozszerzone na nowe mikro-sieci DC z możliwościami vehicle-to-grid (V2G), umożliwiającymi inteligentniejszą integrację ekosystemu energetycznego dla EV.
Zespół badawczy wykorzystał MATLAB/Simulink 2021a do symulacji systemu, który obejmuje dwie jednostki szybkiego ładowania o mocy 50kW, system PV o mocy szczytowej 186kW, system akumulatorów kwasowo-ołowiowych oraz system magazynowania energii na bazie wodoru, składający się z generatora wodoru o mocy 176kVA, sześciu modułów ogniw paliwowych o mocy 66kW i zbiornika wodoru o pojemności 450kg.
System integruje różne urządzenia za pomocą przetwornicy Z-source (ZSC). Sieć impedancji łączy system PV, akumulator i sieć. Przetwornica wykorzystuje dwa zestawy synchronicznie sterowanych przełączników, diody wejściowe i wyjściowe oraz kondensatory i może pracować w trybie ciągłym lub nieciągłym.
Metoda MPPT oparta na ANFIS wykorzystuje napięcie, prąd i temperaturę PV jako dane wejściowe i wyprowadza współczynnik wypełnienia w celu sterowania przetwornicą podwyższającą DC-DC Landsmana w celu maksymalnego śledzenia punktu mocy. Poprzez obszerne szkolenia, ANFIS optymalizuje reguły rozmyte, redukuje błędy i nadaje się do sterowania w czasie rzeczywistym.
Eksperymenty zostały zweryfikowane za pomocą prototypów laboratoryjnych, w tym ogniwa paliwowego o napięciu wyjściowym 100V i prądzie 30-40A, przetwornicy DC-DC o napięciu wyjściowym 1000-1100V i prądzie 30A oraz akumulatora o napięciu wyjściowym 120V. Symulowane i zmierzone błędy mieściły się w zakresie 0,8%-3%.
Wyniki pokazują: „Symulacje pokazują, że system może podwyższyć napięcie z 110V do 150V i utrzymać stabilne wyjście około 1100V/30A, przy czym prąd po stronie PV jest stabilizowany na poziomie 500A. Napięcie wyjściowe ogniwa paliwowego pozostaje na poziomie 110V, prąd spada z 40A do 25A, a akumulator utrzymuje 60% stan naładowania (SOC) przy wyjściu 120V. Prototyp sprzętowy, oparty na mikrokontrolerze DSPIC30F4011, osiąga sprawność MPPT na poziomie 98,7%, błąd regulacji napięcia ±1,5%, odchylenie mocy mniejsze niż 2% oraz całkowite zniekształcenie harmoniczne (THD) napięcia i prądu po stronie sieci odpowiednio 500V i 13A, zgodnie ze standardami IEEE 519.”
W porównaniu z tradycyjnymi algorytmami, ten ANFIS MPPT znacznie poprawia wydajność śledzenia i wydajność dynamiczną w warunkach zmiennego nasłonecznienia. Ponadto konfiguracja systemu hybrydowego przekracza oczekiwania, utrzymując stabilność sieci i nieprzerwane ładowanie pomimo wahań energii odnawialnej i zmiennego zapotrzebowania na obciążenie.
