Intelligent Model Based Predicative Controller for DC-DC Converter in Photovoltaic Systems

Article Type:
Research/Original Article (دارای رتبه معتبر)
The DC-DC converters are one of the most widely used power electronics infrastructure in the modern systems including renewable generations. With development of DC-DC converters, the control system of the DC-DC converters role is becoming more and more. To this end, model predictive control (MPC) is known as one of the potential solutions. Although MPC is an easily implemented control system, it needs a high computational complexity due to the dependency on solving an iterative optimization problem. To overcome this problem, this study develops an artificial intelligence-based on one-dimensional convolutional neural network (1D-CNN) based MPCs. While 1D-CNN benefits from the inherent strong feature extraction/selection capability and lower computational complexity than other deep methods, it still cannot properly track the dynamic changes due to fixed weights during the training process. Thus, this paper integrates the dynamic weighting training process and proposed dynamic weighing 1D-CNN for the implementation of intelligent MPC for the DC-DC converters. The numerical results show an efficient performance of the proposed system and also verifies the superiority of the proposed method in comparison with the conventional MPC and several state-of-the arts shallow and deep-based MPC for the DC-DC converters in terms of the total harmonic distortion (THD).
International Journal of Smart Electrical Engineering, Volume:12 Issue: 3, Summer 2023
157 to 164  
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!