Neural network maximum power point tracking control algorithm for fast-changing conditions on Mars' surface

Power resources for space exploration are typically limited due to size and weight requirements imposed for the payload. This leads to the necessity of having high performances especially when it comes to designing a solar energy generation system which requires a control system for extracting the maximum power. To optimally operate solar arrays on the martian surface, a control algorithm is needed. In this work, a maximum power point tracking algorithm based on neural networks is proposed and implemented. In order to perform the tracking, the system needs information regarding the environment (mainly temperature and dust concentration values) and the solar radiation on the surface. Moreover, a model for the solar array is necessary to understand the behavior of the power output in a changing environment. These information are retrieved from existing models which are then integrated in the simulation framework. The performances of the neural network controller are evaluated comparing them with a classical Perturb & Observe method which is a widely used MPPT control strategy. The simulation is carried out in MATLAB and Simulink, considering the power requirements for a rotorcraft-based mission. The power requirements are obtained from the extit{Ingenuity} specifications with margins (+40%), considering three flights per day with an extended duration of 15 minutes (Nominal duration is 2 minutes for Ingenuity). This leads to an energy request of E_{tot} = 2962.5 Wh/day for the design considered. With an array area of A_{array} =4.3458 m^2 the simulation shows that nominal operations can be performed only for a limited time frame due to high dust concentration combined with low irradiation values during the winter months.

Le risorse energetiche per l'esplorazione spaziale sono in genere limitate a causa dei requisiti imposti al payload in termini di dimensioni e massa. Per questo motivo, è necessario ottenere sempre performance ottimali, in particolar modo quando si tratta di progettare un sistema di potenza ad energia solare che richieda un sistema di controllo per l'estrazione della potenza massima. Per operare in maniera ottimale pannelli solari sulla superficie marziana, è necessario quindi un algoritmo di controllo. In questo lavoro è proposto e implementato un algoritmo di ricerca del punto massimo di potenza basato su reti neurali. Per inseguire il punto di massima potenza, il sistema necessita di informazioni sull'ambiente circostante (principalmente temperatura e concentrazione di polveri nell' atmosfera) e sulla radiazione solare. Inoltre, per comprendere la dinamica dell'output di potenza in un ambiente soggetto a molte variazioni, è necessario un modello che rappresenti i pannelli solari. Queste informazioni sono ottenute da modelli esistenti tra loro integrati all'interno della simulazione. Le prestazioni dell'algoritmo basato su reti neurali sono valutate confrontandole con un classico metodo Perturb Observe, solitamente impiegato per queste applicazioni di controllo MPPT. La simulazione è realizzata in MATLAB e Simulink, considerando i requisiti di potenza per una missione basata su droni. Tali requisiti sono ottenuti dalle specifiche di Ingenuity con un margine (+40%) e considerando tre voli al giorno con una durata estesa a 15 minuti (ad oggi la durata nominale è di circa 2 minuti per Ingenuity). Ciò porta ad una richiesta di energia pari a E_{tot} = 2962.5 Wh/day per il design considerato. Con un'area dei pannelli pari a A_{array} =4.3458 m^2, la simulazione mostra che operazioni nominali possono essere portate a termine solo in un lasso di tempo limitato a causa dell'effetto combinato delle alte concentrazioni di polveri e dei bassi valori di irraggiamento durante i mesi invernali.