基于自适应神经模糊推理系统的电网集成太阳能光伏充电站能量管理方法及其对电能质量的提升作用 苏古纳卡·马米达拉、 耶拉普拉加达·文卡塔·帕万·库马尔和 西瓦卡维·纳加·文卡塔·布拉马雷斯瓦拉·拉奥

《World Electric Vehicle Journal》:Adaptive Neuro-Fuzzy-Inference-System-Based Energy Management in Grid-Integrated Solar PV Charging Station with Improved Power Quality Sugunakar Mamidala, Yellapragada Venkata Pavan Kumar and Sivakavi Naga Venkata Bramareswara Rao

【字体: 大 中 小 】 时间:2026年03月09日 来源:World Electric Vehicle Journal 3.3

编辑推荐:

   摘要

  

摘要

随着电动汽车和可再生能源的快速发展,人们需要具备良好能量管理能力和电能质量的可靠充电基础设施。然而,传统的控制器如比例积分控制器和模糊逻辑控制器存在动态响应慢、对不同光照条件的适应能力差、能量管理不均衡、电能质量低以及总谐波失真度较高的问题。为克服这些缺陷,本研究提出了一种自适应神经模糊推理系统控制器,用于实现电动汽车充电站中的能量平衡管理并提升电能质量。该控制器结合了模糊推理系统和神经网络,其中模糊推理系统能够在光伏条件变化时实现最佳的最大功率点跟踪与稳定控制,而神经网络则可优化光伏系统、储能电池、电动汽车与电网之间的电力流动。整个系统在MATLAB/Simulink环境中进行了仿真,其中包括容量为2kW的光伏系统、容量为10kWh的储能电池以及容量为4kWh的电动汽车电池,它们通过双向DC/DC转换器相连。在500V直流母线与440V电网之间还连接有一个30kVA的双向逆变器及LCL滤波器,从而实现双向电力传输。仿真结果表明,与传统比例积分控制器和模糊逻辑控制器相比,所提出的ANFIS控制器在保持直流母线电压稳定、提升动态响应速度、提高可再生能源利用率、将效率提升至98.86%、将电压和电流的总谐波失真度分别降至4.65%和2.15%、减轻电网负担以及优化能量管理方面都具有显著优势。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号