IMPROVEMENT OF POWER QUALITY IN SOLAR PHOTOVOLTAIC WATER PUMP DRIVEN BY BLDC MOTOR WITH GRID USING ANN, pp. 200-210
Notice bibliographique
Résumé
The integration of renewable energy sources into the grid offers a promising avenue for reducing losses and addressing power factor issues.However, the presence of non-linear loads introduces harmonics into the current waveform.In this study, we propose the integration of Solar Photovoltaic (PV) with Maximum Power Point Tracking (MPPT) and a Boost Converter into the DC link of a three-phase inverter powering a three-phase Brushless DC (BLDC) motor, with the primary objective of enhancing reliability in water pumping systems under both grid-connected and islanding conditions.We achieve bidirectional power flow between the single-phase grid source and the solar PV system using a Unit Vector Template (UVT).Additionally, we employ an Artificial Intelligencebased Controller, specifically Artificial Neural Networks (ANNs), to reduce Total Harmonic Distortion (THD) and improve power factor.Through comparative analysis with existing methods in the literature, we demonstrate the superior performance of our proposed techniques.By using the proposed ANN method, the THD is reduced to 1.68 and 1.87 and the harmonic spectrum is improved to10.19 and 9.93 compared to PI controller.The entire system is simulated using MATLAB software, providing a comprehensive evaluation of its functionality and efficacy.
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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».