کنترل فازی پیل سوختی پلیمری به منظور جذب ماکزیمم توان
الموضوعات :
زهرا نجاتی
1
,
فرید شیخ‌الاسلام
2
,
حمید محمودیان
3
1 - کارشناس ارشد /دانشگاه آزاد اسلامی، واحد نجف‌آباد
2 - استاد /دانشگاه صنعتی اصفهان
3 - دانشکده برق، واحد نجف آباد، دانشگاه آزاد اسلامی
الکلمات المفتاحية: پیل سوختی پلیمری, کنترل فازی, ماکزیمم توان, TSK,
ملخص المقالة :
پیل‌سوختی پلیمری از نقطه نظر طراحی و کارکرد یکی از جذابترین انواع پیل‌سوختی است. این نوع از پیل‌های سوختی در مقایسه با انواع دیگر پیل‌سوختی، برای یک حجم و وزن معلوم، توان بیشتری تولید می‌کند. با این حال یکی از موانع گسترش استفاده از این سیستم‌ها راندمان پایین آن‌ها می‌باشد. در این مقاله سعی بر آن است که برای غلبه بر راندمان پایین پیل سوختی پلیمری از تعقیب نقطه ماکزیمم توان استفاده گردد. با توجه به مشخصه جریان-توان پیل سوختی، که یک منحنی غیر خطی و دارای یک نقطه ماکزیمم می‌باشد و با استفاده از کنترلر فازی و انتخاب مناسب توابع عضویت ورودی و خروجی سعی بر آن است که سیستم همواره در نقطه ماکزیمم توان کار کند. برای این منظور از یک چاپر بین پیل سوختی و بار استفاده می‌شود و برای تنظیم سیکل کاری موج اعمالی به آن یک کنترل‌کننده فازی نوع 1TSK به کار برده می‌شود که ورودی های آن شیب منحنی جریان- توان و تغییرات شیب می‌باشد. نتایج نشان می‌دهد این کنترل کننده عملکرد مناسبی دارد و در مقایسه با روش کنترلی اغتشاش و مشاهده سریع‌تر می‌باشد.
[1] A.H. Fathi, S. Hoseinnia, R. Roshandel. "A novel isolated DC/DC converter for fuel cell powered load , IEEE/ EPEC, pp. 1-6, Montreal, QC, 22-23 Oct. 2009.
[2] T. Esram, P.L. Chapman,"Comrarision of photovoltaic array maximum power point tracking techniques", IEEE Trans. on Energy Conversion, Vol. 22, Issue 2, pp. 439-449, 2007.
[3] A. Al Nabulsi, R. Dhaouadi,"Fuzzy logic controller based perturb and observe maximum power point tracking", ICREPQ, Santiago de Compostela (Spain), 28th to 30th March, 2012.
[4] A. Giustiniani, "Enhancing polymeric electrolytemembrane fuel cell control by means of the perturb andobserve technique", Fuel Cell Sci Technol, Journal of Fuel Cell Science and Technology , American Society of Mechanical Engineers,pp. 11021-11031, 2010.
[5] C.A. Ramos-Paja, G. Spagnuolo, G. Petrone, R. Giral, A. Romero, "Fuel cell MPPT for fuel consumption optimization", IEEE/ ISCAS,pp.2199 – 2202, Paris, 2010.
[6] Sh. Abdi, K. Afshar, N. Bigdeli, S. Ahmadi, "A novel approach for robust maximum power point tracking of PEM fuel cell generator using sliding mode control approach", Int. Jou. Elec. Sci., pp. 4192 – 4209, Imam Khomeini International University,Qazvin, Iran, 2012.
[7] F.A. Inthamoussou, R.J. Mantz, Hernán De Battista," Flexible power control of fuel cells using sliding mode techniques", Jou. of Power Sources, Elsevior,Vol. 205, pp. 281-289, 1 May 2012.
[8] Y.H Liu, Chun-Liang Liu, Jia-Wei Huang, Jing-Hsiau Chen," Neural-network-based maximum power point tracking methods for photovoltaic systems operating under fast changing environments", Solar Energy, Sciencedirect,Vol. 89, pp. 42–53, National Taiwan University of Science and Technology, March 2013.
[9] S. Rahman, "Two-loop controller for maximizing performance of a grid-connected photovoltaic-fuel cell hybrid power plant", IEEE Trans. on Energy Conversion, Vol. 13, Issue3, pp. 276-281, Sep. 1998.
[10] I. Soltani, M. Sarvi, H. Marefatjou,"An intelligent, fast and robust maximum power point tracking for proton exchange membrane fuel cell", World Applied Programming, Vol. 3, Issue 7, pp. 264-281, July 2013.
[11] C. Spiegel, "PEM fuel cell modeling and simulation using MATLAB", Elsevier, chapter 7, pp. 197-241, 2008.
[12] Liping Fan, Jun Zhang, Yi Liu, Xiaolin Shi, "Improved model predictive control for a proton exchange membrane fuel cell", Int. Jou. Electrochem. Sci., pp. 8734 – 8744, 2012.
[13] A. Rezazadeh, M. Sedighizadeh, M. Karimi, "Proton exchange membrane fuel cell control using a predictive control based on neural network", Int. Jou. of Com. and Elect. Eng., Vol.2, No.1,pp. 81-85, Singapore, 2010.
[14] P.C. Chen, "Robust voltage tracking control for proton exchange membrane fuel cells", Energy Conversion and Managemnt, Vol. 65, pp. 408-419, Jan. 2013.
[15] M.H. Rashid, "Power electronics handbook", Second ed, Elsevior, chapter 13, pp. 245-259, 2011.
[16] J. Yen, L. Wang, Ch. Wayne Gillespie, "Improving the Interpretability of TSK Fuzzy Models by Combining Global Learning and Local Learning", IEEE Trans. on Fuzzy Sys., Vol. 6, Issue 4,pp.530-537, Texas A&M University, College Station, 1998.
_||_