Design and Implementation DC/DC Luo Converter Controlled by Adaptive Fractional PI and P&O MPPT
Notice bibliographique
Résumé
This research aims to enhance the efficiency of photovoltaic systems by proposing two innovative methods for maximum power point tracking (MPPT).We used the beluga whale optimization (BWO) algorithm, so we can adjust the gain of the PI controller.Volatility around MPP and failure accuracy under rapidly changing isolation are among the known drawbacks of traditional MPPT algorithms.To overcome these drawbacks, we proposed a theory that combines Perturb and Observe (P&O) with BWO, based on the controller of proportional integration (PI) and fractional order proportional integration (FOPI).The study compares the new techniques with existing traditional algorithms such as P&O and IC in terms of their efficiency, complexity and ease of implementation.Simulation tests conducted using Matlab indicate that the proposed hybrid FOPI-BWO method achieves an average tracking efficiency of about 97.05% and a voltage gain of 2.348, in the PI-BWO method it achieves an efficiency of 96.12% and a voltage gain of 2.322, and the IC-MPPT theory achieves an efficiency of 95.5% and a voltage gain of 2.261., while the P&O-MPPT theory achieved an efficiency of 94.02% and a voltage gain of 2.241.It is clear that the two proposed algorithms perform better than traditional algorithms in terms of energy overshoot, ripple, and response time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».