Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin

Νέα / Ανακοινώσεις / Συζητήσεις

Ανακοίνωση Παρουσίασης Διπλωματικής Εργασίας Αχιλλαδέλη Νικολάου Σχολής ΗΜΜΥ

  • Συντάχθηκε 22-07-2013 12:57 από Eleni Stamataki Πληροφορίες σύνταξης

    Email συντάκτη: estamataki<στο>tuc.gr

    Ενημερώθηκε: -

    Ιδιότητα: σύνταξη/αποχώρηση υπάλληλος.
    Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών
    Πρόγραμμα Προπτυχιακών Σπουδών

    ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

    ΝΙΚΟΛΑΟΥ ΑΧΙΛΛΑΔΕΛΗ

    με θέμα

    Βελτιστοποίηση ελέγχου ηλεκτρονικών μετατροπέων ισχύος τύπου Active-NPC
    Control Optimization of Active-NPC power electronic converters

    Τετάρτη 24 Ιουλίου 2013, 12πμ
    Αίθουσα 2041, Κτίριο Επιστημών, Πολυτεχνειούπολη

    Εξεταστική Επιτροπή

    Επίκουρος Καθηγητής Ευτύχιος Κουτρούλης (επιβλέπων)
    Καθηγητής Κωνσταντίνος Καλαϊτζάκης
    Καθηγητής Γεώργιος Σταυρακάκης


    Περίληψη

    Τα συνδεδεμένα στο ηλεκτρικό δίκτυο φωτοβολταϊκά συστήματα (ΦΒ) αποτελούν ένα σημαντικό τμήμα των ανανεώσιμων πηγών ενέργειας. Έχοντας ως σκοπό τη βελτίωση της αποδοτικότητας, της αξιοπιστίας και τη μείωση του κόστους των ΦΒ συστημάτων, πολλές τοπολογίες, με τις αντίστοιχες στρατηγικές τους διαμόρφωσης εύρους παλμών (PWM), έχουν προταθεί στη βιβλιογραφία.
    Στην παρούσα διπλωματική εργασία, προτείνεται μια νέα μέθοδος με σκοπό την εξαγωγή των βέλτιστων γωνιών και της βέλτιστης στρατηγικής, ώστε η καταναλισκόμενη ισχύς να κατανέμεται καλύτερα στους ημιαγωγούς της εξετάζουσας τοπολογίας αντιστροφέα και να ελαχιστοποιείται η συνολική κατανάλωση ισχύος. Η διαδικασία της βελτιστοποίησης υλοποιήθηκε με τη χρήση των γενετικών αλγορίθμων του Matlab Global Optimization Toolbox. Ο γενετικός αλγόριθμος κατασκευάζει ένα διάνυσμα που περιλαμβάνει τις γωνίες μεταγωγής της τάσης εξόδου του αντιστροφέα και μια πιθανή στρατηγική. Στη συνέχεια το Simulink προσομοιώνει το κύκλωμα, εξάγει τις απώλειες ισχύος και μέσω του Matlab υπολογίζεται το ολικό άθροισμα και το άθροισμα των τετραγώνων των διαφορών των απωλειών ισχύος κάθε ημιαγωγικού στοιχείου. Αυτές είναι και οι αντικειμενικές συναρτήσεις του γενετικού αλγορίθμου. Μέσω αυτής της επαναληπτικής διαδικασίας, ο γενετικός αλγόριθμος αποφασίζει και επιλέγει τις βέλτιστες γωνίες μετάβασης της τάσης εξόδου του αντιστροφέα και τη βέλτιστη στρατηγική, ώστε η κατανομή να είναι η καλύτερη δυνατή και η κατανάλωση ισχύος να είναι η ελάχιστη.
    Τα αποτελέσματα της προτεινόμενης μεθόδου δείχνουν ότι ο συνδυασμός της ανίχνευσης των γωνιών μεταγωγής και η επιλογή της κατάλληλης στρατηγικής οδηγούν σε μείωση και σε καλύτερη κατανομή της ισχύος σε σχέση με τις προηγούμενες προτεινόμενες μεθόδους της βιβλιογραφίας. Ειδικότερα, έχοντας ως αντικειμενική συνάρτηση το ολικό άθροισμα της κατανάλωσης ισχύος, η μέθοδος είχε ως αποτέλεσμα από 5.18% ως 20.51% λιγότερες απώλειες. Για την αντικειμενική συνάρτηση που αναφέρεται στην κατανομή ισχύος στους ημιαγωγούς του Active-NPC αντιστροφέα, ο γενετικός αλγόριθμος μείωσε την τιμή της συνάρτησης από 176% έως 1.43% σε σχέση με τις προηγούμενες προτεινόμενες PWM στρατηγικές.

    Abstract

    The grid-connected photovoltaic (PV) systems are an important part of renewable energy sources. In order to improve the efficiency, the reliability and the low prices of the PV systems many inverter topologies and respectively many SPWM strategies have been proposed to overcome problems and to find more effective approaches.
    In this thesis, a new method is proposed to drive the Active-NPC inverter topology in order to derive the angles and strategies that distribute better the power losses among the power semiconductors and consume less power. Genetic algorithms of the Matlab Global Optimization Toolbox are used to optimize the power losses distribution and the total losses of the Active-NPC inverter topology. They are used to create an array of firing angles of the inverter output voltage waveform and a possible strategy. Then, Simulink simulates the circuit, exports the power losses every power semiconductor and Matlab computes the minimum sum of the square differences of power losses between all devices and the total sum of them, which are the objective functions of the algorithm. Through this iterative model, genetic algorithm decides which set of angles and strategy should be extracted, in order to have more balanced and less power losses in the Active-NPC inverter semiconductors.
    The results of the method indicate that the combination of angles detection and strategy selection produce less and more balanced power losses. Having as objective function the total power losses, resulted in less power losses from 5.18% up to 20.51%. For the power losses distribution, the corresponding function value was reduced by 176% up to 1.43% with respect to the past-proposed SPWM strategies.

    Συνημμένα:

© Πολυτεχνείο Κρήτης 2012