دانلود ترجمه مقاله یادگیری تقویتی عمیق برای ردیابی نقطه توان حداکثر در سیستم های فتوولتائیک

1. مقدمه 2. مدل‌سازی پنل‌های فتوولتائیک 3. رویکرد یادگیری تقویتی عمیق برای MPPT 4. نتایج شبیه‌سازی و آزمایشی 5. نتیجه‌گیری

چکیده – نقاط حداکثر توان (MPPs) پنل‌های فتوولتائیک (PV) با شرایط جوی (تابش خورشیدی، دمای محیط، شرایط سایه‌اندازی و غیره) تغییر می‌کنند. پلتفرم‌های شبیه‌سازی به طور گسترده توسط مهندسان و دانشمندان برای ایجاد مدل‌ها، تحلیل داده‌ها و توسعه الگوریتم‌های ردیابی نقطه حداکثر توان (MPPT) سیستم‌های فتوولتائیک استفاده می‌شوند. با این حال، رفتاری که الگوریتم در شبیه‌سازی‌ها توسعه می‌دهد معمولاً خاص به ویژگی‌های مدل‌هاست. راهبردهایی که در شبیه‌سازی‌ها موفق هستند ممکن است با موفقیت به دنیای واقعی منتقل نشوند، زیرا خطاهای مدل‌سازی و نویز حسگرها وجود دارد. در این مقاله، یک مدل دینامیکی از سیستم فتوولتائیک صرفاً بر اساس برگه اطلاعات سازندگان ایجاد می‌کنیم. یک راهبرد انتقال شبیه‌سازی به واقعیت برای ردیابی نقطه حداکثر توان سیستم‌های فتوولتائیک پیشنهاد می‌شود. با تصادفی‌سازی پویای محیط‌ها برای عامل در طول آموزش، سیاست پیشنهادی می‌تواند با شرایط جوی بسیار متفاوت سازگار شود. شبیه‌سازی‌ها نشان می‌دهند که راهبرد پیشنهادی می‌تواند هنگامی که روی پنل‌های واقعی فتوولتائیک مستقر می‌شود، سطح عملکرد مشابهی را حفظ کند.

The maximum power points (MPPs) of photovoltaic (PV) panels vary with atmospheric conditions (solar irradiance, ambient temperature, shading conditions, etc.). Simulation platforms are widely used by engineers and scientists to create models, analyze data, and develop algorithms for the maximum power point tracking (MPPT) of PV systems. However, the behavior, which the algorithm develops in simulations, is usually specific to the characteristics of the models. Strategies that succeed in simulations may not be victoriously transferred to the real world because the modeling errors and sensor noise. In this paper, we create a dynamic model of the PV system only based on the data-sheet from manufacturers. A sim-to-real transfer strategy is proposed for the maximum power point tracking of PV systems. By dynamically randomizing the environments for the agent during the training, the proposed policy can adapt to very different atmospheric conditions. Simulations show that the proposed strategy can maintain a similar level of performance when deployed on the real PV panels.

ترجمه این مقاله در 10 صفحه آماده شده و در ادامه نیز صفحه 5 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.