文献

J-GLOBAL ID：202002220357173156   整理番号：20A2145422

ニューラルネットワークによる最大電力追跡【JST・京大機械翻訳】

Maximum Power Tracking by Neural Network

著者 (4件)： Roy Rajib Baran (Primeasia University,Department of Electrical and Electronic Engineering,Dhaka,Bangladesh) ,  Cros Jerome (University of Laval,Department of Electrical and Computer Engineering,Quebec,Canada) ,  Nandi Anup (Primeasia University,Department of Electrical and Electronic Engineering,Dhaka,Bangladesh) ,  Ahmed Towsif (Primeasia University,Department of Electrical and Electronic Engineering,Dhaka,Bangladesh)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICRITO  ページ： 89-93  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 発電のための再生可能エネルギー源の利用は,温室効果ガス排出削減のために世界中で次第に増加している。異なる潜在的再生可能資源の中で,太陽エネルギーは発電の最も豊富な源である。太陽電池の効率は太陽エネルギーと周囲温度の放射電力に大きく依存する。太陽電池からの最大電力の抽出のためのMPPT(最大電力点追跡)を用いることによって,太陽電池の低効率を克服することができる。MPPTには様々な技術が使用されているが,人工知能のような先進技術の利用は,太陽電池の最大電力を利用する場合,より良い性能のために実装できる。本論文では,太陽PV(光起電力)システムのためのANN(人工ニューラルネットワーク)ベースのMPPT技術を提案した。MatlabSimulinkを用いて,3層から成るフィードフォワードトポロジーベースANNを設計した。入力層は,2つのニューロンを持ち,一方,隠れと出力層は,それぞれ5つと1つのニューロンを持つ。提案したANNベースのMPPTモデルの2つのサブブロックがあり,第1のブロックはニューラルネットワークを持たないが,第2のブロックはニューラルネットワークを有する。シミュレーション結果に従って,ANNベースのMPPT制御装置は,ニューラルネットワークなしでMPPT制御装置より良い性能を提供する。シミュレーション結果から電圧対電流および電圧対電力のような特性曲線は,人工ニューラルネットワークがMPPTのために実装できることを意味する。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 光起電力 ,  シミュレーション ,  太陽 ,  太陽電池 ,  電圧 ,  電流 ,  *電力 ,  ニューロン ,  *ニューラルネットワーク ,  太陽エネルギー ,  放射電力 ,  人工知能 ,  特性曲線
準シソーラス用語： 最大電力点追従 ,  *ピーク電力 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ニューラルネットワーク ,  最大電力 ,  追跡