ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА МАКСИМИЗАЦИИ ВЫРАБАТЫВАЕМОЙ СОЛНЕЧНОЙ ЭЛЕКТРОСТАНЦИЕЙ ЭЛЕКТРОЭНЕРГИИ Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

ТЕХНИЧЕСКИЕ НАУКИ

УДК 004.89:620.92

ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА МАКСИМИЗАЦИИ ВЫРАБАТЫВАЕМОЙ СОЛНЕЧНОЙ ЭЛЕКТРОСТАНЦИЕЙ ЭЛЕКТРОЭНЕРГИИ

Энгель Екатерина Александровна,

кандидат технических наук, доцент

Энгель Никита Евгеньевич,

студент

Хакасский государственный университет им. Н. Ф. Катанова (г. Абакан)

Данная статья является продолжением авторского исследования в области интеллектуальных систем максимизации вырабатываемой солнечной электростанцией электроэнергии в аспекте их проектирования как программы для ЭВМ. Для указанной программы создана диаграмма классов на языке UML средствами Microsoft Visio. Разработанный модуль архитектуры интеллектуальной системы максимизации вырабатываемой солнечной электростанцией электроэнергии гарантирует гибкость спроектированной программы для ЭВМ, простоту модификации и добавления новых модулей.

Ключевые слова: интеллектуальные системы, модифицированная нечёткая нейросеть, солнечная электростанция, система максимизации выработки электроэнергии, программа для ЭВМ, язык UML.

INTELLIGENT SYSTEMS FOR MAXIMIZING ELECTRICITY GENERATED BY

A SOLAR POWER PLANT

Engel Ekaterina Alexandrovna,

D. E. of Technical Sciences, Associate Professor

Engel Nikita Evgenievich,

student

Katanov Khakass State University (Abakan)

This article shows the authors' research in the field of an intelligent system that maximizes electricity output generated by a solar power plant, considering aspects of its design as a computer program. A class diagram in UML language was created for the mentioned program by means of Microsoft Visio. The developed module of the intellectual system architecture maximizing electricity generated by a solar power station guarantees flexibility of the designed computer program, simple modification and an to add new modules.

Keywords: intelligent systems, modified fuzzy neural network, solar power plant, maximization system of power generation, computer program, UML language.

Солнечные электростанции (СЭС) являются практически неисчерпаемым и экологически чистым источником получения электроэнергии. Кроме того, выработка электроэнергии СЭС относится к перспективным технологиям возобновляемой энергетики и обеспечивает энергоэффективность - одно из приоритетных направлений развития науки и технологий в РФ [1]. Интеллектуальная система максимизации вырабатываемой солнечной электростан-

цией электроэнергии соответствует таким технологическим платформам, как «Интеллектуальная энергетическая система России» и «Малая распределённая энергетика».

В данной статье нами продолжается обсуждение результатов исследования в области интеллектуальных систем, связанных с максимизацией вырабатываемой СЭС электроэнергии и проектированием таких систем как программы для ЭВМ [2-4]. В рамках предыдущего иссле-

дования авторами был разработан интеллектуальный алгоритм максимизации вырабатываемой СЭС электроэнергии на основе модифицированной нечёткой нейросети [2]. В ходе экспериментального моделирования нами апробирована и верифицирована разработанная интеллектуальная система максимизации вырабатываемой СЭС электроэнергии на основе модифицированной нечёткой нейросети. Названная система имеет такое преимущество в сравнении со стандартными системами максимизации выработки электроэнергии [2], как эффективная и робастная максимизация вырабатываемой солнечной электростанцией электроэнергии в реальном времени при воздействии неопределённостей различного рода.

Солнечные электростанции включают систему scada, предусматривающую запись архива многочисленных данных с датчиков аппаратной части. Указанные данные представляют собой bigdata, однако эти данные не используются для повышения эффективности работы солнечных электростанций. Интеллектуальные же методы обеспечивают автоматическую обработку указанных данных для повышения эффективности систем управления солнечной электростанции. Создание программного обеспечения (ПО), реализующего автоматические интеллектуальные методы жизненного цикла солнечной электростанции, чрезвычайно важно для развития солнечной энергетики. Солнечные электростанции работают при постоянно меняющихся климатических условиях и случайных воздействиях, поэтому классические методы максимизации выработки электроэнергии малоэффективны, в то время как интеллектуальные методы обеспечивают требуемую эффективность [5-6].

В работе [2] описаны разработанные в Simulink МаАаЬ интеллектуальные методы максимизации выработки электроэнергии фотоэлектрическими объектами. Результаты экспериментального моделирования выявили их эффективность в сравнении со стандарт-

ными системами максимизации выработки электроэнергии при неопределённостях различного рода. Внедрение же разработанных Simulink Matlab моделей для солнечной электростанции невозможно, поскольку программный продукт (I II I) Simulink Matlab имеет очень высокую стоимость. Готовые решения для солнечных электростанций включают предустановленное низкоуровневое программное обеспечение инвертора, реализующее один из наиболее популярных алгоритмов слежения за точкой максимальной мощности - возмущения и наблюдения. Анализ систем максимизации вырабатываемой СЭС электроэнергии, проведённый в рамках открытых источников, выявил отсутствие недорогого ПО, реализующего интеллектуальные системы максимизации выработки электроэнергии СЭС.

Архитектура интеллектуальной системы максимизации вырабатываемой солнечной электростанцией электроэнергии имеет модульную структуру, гарантирующую её гибкость, простоту модификации и добавления новых модулей. Ядром системы является интеллектуальный регулятор MPPT солнечной электростанции на основе модифицированной нечёткой нейросети. Иначе говоря, модуль солнечной электростанции является внешним модулем, предусматривающим замену, например, модулем ветрогенератора. Архитектура интеллектуальной системы максимизации вырабатываемой СЭС электроэнергии включает три модуля и реализована в Microsoft Visio как схема (рис. 1).

Ядро разработанного ПО - интеллектуальный регулятор MPPT солнечной электростанции на основе модифицированной нечёткой нейросети. Рисунок 2 отражает диаграмму классов системы максимизации вырабатываемой солнечной электростанцией электроэнергии в нотации UML средствами Microsoft Visio, имеющую многоуровневую иерархию и включающую 7 классов.

Рис. 1. Архитектура интеллектуальной системы максимизации выработки электроэнергии СЭС

Рис. 2. Диаграмма классов интеллектуальной системы максимизации выработки электроэнергии СЭС

Суперкласс спроектированного ПО - модифицированная нечёткая нейросеть с соответствующими методами её жизненного цикла [1]. Интеллектуальный регулятор является дочерним классом указанного суперкласса. Детальное описание разработанной архитектуры интеллектуальной системы максимизации вырабатываемой солнечной электростанцией электроэнергии выходит за рамки объёма настоящей статьи.

Таким образом, интеллектуальная система максимизации вырабатываемой солнечной электростанцией электроэнергии спроектирована как программа для ЭВМ. Разработана модульная архитектура интеллектуальной системы максимизации вырабатываемой солнечной электростанцией электроэнергии, гарантирующая гибкость спроектированной программы для ЭВМ, простоту модификации и добавления новых модулей.

Библиографический список

1. Проект энергостратегии Российской Федерации на период до 2035 года. URL: https://mmenergo.gov.ru/view-pdf/1920/104837 (дата обращения: 10.10.2019).

2. Engel E. A., Engel N. E. Photovoltaic System Control Model on the Basis of a Modified Fuzzy Neural Net // Advances in Neural Computation, Machine Learning, and Cognitive. Series "Studies in Computational Intelligence": collection of conference materials "Neuroinformatics 2019"; eds B. Kryzhanovsky, W. Dunin-Barkowski, V. Redko, Y. Tiumentsev. Springer, Cham, 2020 Research III. Vol. 856. P. 45-52.

3. Энгель Е. А. Интеллектуальная система управления фотоэлектрическим энергокомплексом на базе адаптивного ней-роконтроллера // Энергобезопасность и энергосбережение. 2015. № 2. С. 32-38.

4. Энгель Н. Е., Энгель Е. А. Модернизация программного модуля загрузки данных для интеллектуальной модели // Вестник Хакасского государственного университета им. Н. Ф. Катанова. 2018. № 23. С. 25-30.

5. Nabil Karami, Nazih Moubayed, Rachid Outbib. General review and classification of different MPPT Techniques // Renewable and Sustainable Energy Reviews. 2017. Vol. 68. P. 1-18.

6. Ali, Ali Nasr Allah; Saied, Mohamed H.; Mostafa, M. Z.; Abdel- Moneim, T. M. A survey of maximum PPT techniques of PV systems. A Survey of Maximum PPT techniques of PV Systems. IEEE Xplore, 2012. P. 1-17.

Исследование выполнено при финансовой поддержке РФФИ и Республики Хакасия в рамках научного проекта

№ 19-48-190003.

© Энгель Е. А., Энгель Н. Е., 2020