Neural network based MPPT control of SEPIC and boost converters for solar PV system

The solar energy is one of the renewable energy sources that plays a very important part in our daily life nowadays. The solar power harvesting system usually consists of solar panels and inverters. The inverter consists of the many subsystems; solar charge controller is one among them because the name suggests, solar charge controller plays an important role in harvesting maximum energy from the sun’s irradiation. This thesis emphasizes on solar charge controller area, which analyzes theoretical study on the photovoltaic (PV) module characteristics and Maximum Power Point Tracking (MPPT) capability. This study uses real irradiation data to investigate the PV module characteristics and the MPPT algorithm in MATLAB. The simulations in MATLAB software are to verify the Boost & Single Ended Primary Inductor Converter (SEPIC) circuit with Perturb & Observe (P&O) MPPT, Incremental Conductance (INC) & Artificial Neural Network Based algorithm methods respectively. This simulation provides an information on the charge controller capability to provide an output power as close as the input power on the variation of the solar irradiation intensity and temperature. This simulation provides an information on how the different MPPT algorithms reacts to change of solar irradiation and how long it takes for this MPPT to track the Maximum Power Point (MPP). The Boost &SEPIC simulation analysis is to determine the losses within their circuits respectively at designed working frequency parameters and component selections. This experiment also contributes to the knowledge on the switching and conduction losses, where in reality it depends on many parameters. In Boost converter circuit (lossless converter), the efficiency can reach as high as 98% at maximum solar irradiation. By comparison, given the identical components with the same value, the simulated SEPIC circuits can obtain an efficiency of 97.12%.

L'energia solare è una delle fonti di energia rinnovabile che svolge un ruolo molto importante nella nostra vita quotidiana al giorno d'oggi. Il sistema di raccolta dell'energia solare di solito è costituito da pannelli solari e inverter. L'inverter è costituito dai numerosi sottosistemi; il regolatore di carica solare è uno di questi perché il nome suggerisce, il regolatore di carica solare svolge un ruolo importante nella raccolta della massima energia dall'irradiazione del sole. Questa tesi pone l'accento sull'area del regolatore di carica solare, che analizza lo studio teorico sulle caratteristiche del modulo fotovoltaico (PV) e sulla capacità di Maximum Power Point Tracking (MPPT). Questo studio utilizza dati di irradiazione reali per studiare le caratteristiche del modulo fotovoltaico e l'algoritmo MPPT in MATLAB. Le simulazioni nel software MATLAB sono per verificare il circuito Boost & Single Ended Primary Inductor Converter (SEPIC) con i metodi perturb & Observe (P&O) MPPT, Incremental Conductance (INC) e Artificial Neural Network Based rispettivamente. Questa simulazione fornisce informazioni sulla capacità del regolatore di carica di fornire una potenza di uscita vicina alla potenza in ingresso sulla variazione dell'intensità e della temperatura dell'irradiazione solare. Questa simulazione fornisce informazioni su come i diversi algoritmi MPPT reagiscono al cambiamento dell'irraggiamento solare e quanto tempo ci vuole per questo MPPT per tracciare il punto di massima potenza (MPP). L'analisi di simulazione Boost & SEPIC è quella di determinare le perdite all'interno dei loro circuiti rispettivamente in funzione dei parametri di frequenza di lavoro progettati e delle selezioni dei componenti. Questo esperimento contribuisce anche alla conoscenza delle perdite di commutazione e conduzione, dove in realtà dipende da molti parametri. Nel circuito del convertitore Boost (convertitore senza perdita), l'efficienza può raggiungere il 98% alla massima irradiazione solare. A confronto, dati i componenti identici con lo stesso valore, i circuiti SEPIC simulati possono ottenere un'efficienza del 97,12%.