تأمین انرژی روشنایی کشتی با استفاده از سلول خورشیدی همراه با ردیاب هوشمند مبتنی بر کنترل فازی

نوع مقاله: پژوهشی

نویسندگان

استادیار دانشکده مهندسی برق دانشگاه علوم دریایی امام خمینی)ره(، نوشهر، ایران

چکیده

انرژی خورشیدی به عنوان منبع جایگزین انرژی در کل جهان پذیرفته شده است. در این مقاله با استفاده از سلول های خورشیدی و سیستم ردیاب هوشمند خورشیدی دو محوره طراحی و ساخته شده، انرژی مورد نیاز برای سیستم روشنایی کشتی تأمین می شود. در طراحی سیستم با توجه به شدت و جهت وزش بادهای سنگین، سیستم کنترلی بین دریافت حداکثر انرژی از خورشید و آسیب ندیدن بخش مکانیکی و ماژول های خورشیدی مصالحه ای انجام داده و در صورتیکه شدت وزش باد از حد تحمل سلول های خورشیدی بیشتر باشد، دریافت انرژی را فدای آسیب ندیدن سیستم و سلامت آن می کند. برای سیستم کنترلی از الگوریتم کنترل فازی و برای به حرکت در آوردن سلول های خورشیدی از یک موتور DC و یک موتور پله ای استفاده شده است. نتایج نشان می دهد با عملکرد صحیح سیستم کنترلی خطای عملکرد بخصوص در ساعات بعدازظهر و ابتدای روز، نسبت به حالت بدون کنترل و با استفاده از کنترلر PID کاهش یافته است.

کلیدواژه‌ها

عنوان مقاله [English]

Ship Lighting Production Using Solar Cells with Intelligent Tracking System Based on Fuzzy Control

نویسندگان [English]

  • hamid malekizadeh
  • Majid Aghababaee
teacher
چکیده [English]

Solar energy has been accepted as an alternative source of energy worldwide recently. Current researches and markets have shown that Solar Photovoltaic (PV) is the fastest growing and most promising form of renewable energy used in generating electricity. This paper presents an intelligent sun tracking system in which photo-resistors (sensors) are used to determine the direction of the sunlight along with wind sensors to specify the direction of the wind. Due to their high performance and low expense, these sensors have been preferred and used. This system generate the requested electrical energy to used in light systems in a ship. An algorithm based on fuzzy logic is designed to implement the controlling system considering all the various meteorological conditions. The results show that with the correct operation of the control system, the performance error, especially in the afternoon and early afternoon, has decreased relative to the uncontrolled mode and the PID controller.

کلیدواژه‌ها [English]

  • Solar Energy
  • two axis tracker
  • fuzzy control
  • step motor

مراجع

[1] Ndiaye, E.H.M.; Ndiaye, A.; Tankari, M.A.; Lefebvre, G., 2018. Adaptive Neuro-Fuzzy Inference System Application for The Identification of a Photovoltaic System and The Forecasting of Its Maximum Power point. 7th International Conference on Rrenewable Energy Research and Applications. Oct. 14-17, 2018. Paris, France.

[2] Yaramasu, V., Rivera, M., Dekka, A., Rodriguez, J., 2019. Predictive Control of Four-Leg Converters for Photovoltaic Energy Systems. Solar Photovoltaic Power Plants. Power Systems. Springer, Singapore. DOI https://doi.org/10.1007/978-981-13-6151-7_3.

 [3] Padmanathan, K., Govindarajan, U., Vigna, Ramachandaramurthy, K., Rajagopalan, A., Pachaivannan, N., Sowmmiya, U., Padmanaban, S., Holm-Nielsen, J.B., Xavier, S., Periasamy, S.K., 2019.A sociocultural study on solar photovoltaic energy system in india: stratification and policy implication. Journal of Cleaner Production, 216(1): 461-481.

]4[ درویشی بلورانی، ع.؛ پاک­طینت، ه.؛ و ابراهیمی، آ. 1393. برآورد ارزش اقتصادی تنظیم زاویه­ی تیلت پنل­های خورشیدی بر مقدار بهینه با استفاده از داده­های سنجش از دور. فصل­نامه مطالعات اقتصاد انرژی. سال دهم، شماره40، صفحات 109-95 .

[5] Nayak, H.K., Kumar, M., Prasad, N., Behera, R.R., 2011. Fabrication and Experimental Study on Two-Axis Solar Tracking. International Journal of Applied Research in Mechanical Engineering. 1(1): 123–126.

 [6] Sabir, M.M., and Tariq, A., 2016. Optimal PID controller design through swarm intelligence
algorithms for sun tracking system. Applied Mathematics and Computation. 274 (3) 690–699.

 [7] Leiner, R., 2007. Research solar power boat-data management and online visualization. IEEE, 26-28 Sept. 2007 Windhoek, South Africa.

 [8] Saini, J.S., and Singh, Y.P., 1999. Use of Causal Knowledge in Real-Time Fuzzy Logic Controller. IEEE Transactions on Industry Application. 35(3): 554–560, May-June1999.

 [9] Pomares, H., Rojas, I., Gonzalez, J., Damas, M., Pino, B., Prieto, A., 2004. Online Global Learning in Direct Fuzzy Controllers. IEEE Transactions on Fuzzy Systems. 12(2):218–229.

 [10] Begovich, O., Sanchez, E.N., Maldonado, M., 2002. Takagi-Sugeno Fuzzy Scheme for Real-Time Trajectory Tracking of an Underactuated Robot. IEEE Transactions on Control Systems Technology. 10(1): 14–20.

 

[11] Antari, J., Iqdour, R., Zeroual, A., 2006. Forecasting the Wind Speed Process using Higher Order Statistics and Fuzzy Systems. Revue des Energies Renouvelables, 9(4): 237–251.

فصلنامه علوم و فناوری دریا

دوره 24، شماره 93
بهار 1399
صفحه 10-17

فایل ها

اشتراک گذاری

ارجاع به این مقاله

آمار