تقویت طراحی مبدل DC-DC برای بهبود عملکرد و پایداری پیل سوختی با استفاده از الگوریتم کنترل پیش‌بینی مدل و بهینه‌سازی کرم شب تاب

نوع مقاله : مقاله پژوهشی

چکیده

مبدل های DC-DC نقش مهمی در سیستم های تولید برق پیل سوختی ایفا می کنند و به عنوان رابط بین پیل سوختی و بار عمل می کنند. مبدل های تقویت کننده به دلیل توانایی آنها در افزایش ولتاژ ورودی محبوبیت پیدا کرده اند. با این حال، عملکرد و کارایی مبدل‌های DC-DC در سیستم‌های قدرت پیل سوختی چالش‌های مهمی را ایجاد کرده است. این مطالعه استفاده از کنترل پیش بینی مدل (MPC) و الگوریتم بهینه سازی کرم شب تاب (FA) را برای طراحی و کنترل مبدل های تقویت کننده DC-DC به کارآمدترین روش پیشنهاد می کند. در ابتدا، تحلیل پایداری و تکنیک‌های مدل‌سازی دقیق برای بهینه‌سازی ویژگی‌های مبدل‌های تقویت‌کننده DC-DC در سیستم‌های تولید برق پیل سوختی مورد استفاده قرار گرفت. متعاقباً، روش کنترل پیش‌بینی، با استفاده از الگوریتم بهینه‌سازی فایرفلای، برای بهبود عملکرد مبدل در شرایط مختلف استفاده شد. نتایج سیستم کنترل طراحی شده با روش های مرسوم مقایسه شد. هر دو کنترل پیش بینی و الگوریتم بهینه سازی فایرفلای در طراحی و فرآیندهای کنترل مبدل های تقویت کننده DC-DC در پیل سوختی ادغام شدند. بر اساس نتایج شبیه‌سازی و ارزیابی‌های پایداری، استفاده از الگوریتم فایرفلای و کنترل پیش‌بینی منجر به بهبود قابل‌توجهی شد و بازده سیستم را تقریباً 4.7% افزایش داد. این یافته‌ها اثربخشی رویکرد پیشنهادی را در افزایش عملکرد مبدل‌های تقویت‌کننده DC-DC در پیل سوختی نشان می‌دهد.

کلیدواژه‌ها

موضوعات

مراجع

  1. Fan, Z. Tu, and S. H. Chan, “Recent development of hydrogen and fuel cell technologies: A review,” Energy Rep., vol. 7, pp. 8421–8446, 2021.
  2. Wang, D. F. R. Diaz, K. S. Chen, Z. Wang, and X. C. Adroher, “Materials, technological status, and fundamentals of pem fuel cells–a review,” Mater. today, vol. 32, pp. 178–203, 2020.
  3. Mekhilef, R. Saidur, and A. Safari, “Comparative study of different fuel cell technologies,” Renewable Sustainable Energy Rev., vol. 16, no. 1, pp. 981–989, 2012.
  4. Rajabi, F. M. Shahir, and R. Sedaghati, “New unidirectional step-up dc-dc converter for fuel-cell vehicle: Design and implementation,” Electr. Power Syst. Res., vol. 212, p. 108653, 2022.
  5. Jarin, S. Akkara, S. S. Mole, A. Manivannan, and A. I. Selvakumar, “Fuel vehicle improvement using high voltage gain in dc-dc boost converter,” Renewable Energy Focus, vol. 43, pp. 228–238, 2022.
  6. Zhou, Q. Zhang, and J. Li, “Topology and control of fuel cell generation converters,” Energ., vol. 16, no. 11, p. 4525, 2023.
  7. Cho and J.-S. Lai, “High-efficiency multiphase dc–dc converter for fuel-cell-powered truck auxiliary power unit,” IEEE Trans. Veh. Technol., vol. 62, no. 6, pp. 2421–2429, 2012.
  8. Kirubakaran, S. Jain, and R. Nema, “The pem fuel cell system with dc/dc boost converter: Design, modeling and simulation,” Int. J. recent trends Eng., vol. 1, no. 3, pp. 157–161, 2009.
  9. N. Esfahani, M. Delshad, and M. B. Tavakoli, “A new family of soft single switched dc-dc converters with lossless passive snubber,” Majlesi J. Electr. Eng., vol. 14, no. 2, pp. 51–59, 2020.
  10. A. Abbas, T. A. Abdul-Jabbar, A. A. Obed, A. Kersten, M. Kuder, and T. Weyh, “A comprehensive review and analytical comparison of non-isolated dc-dc converters for fuel cell applications,” Energ., vol. 16, no. 8, p. 3493, 2023.
  11. Narayanaswamy and S. Mandava, “Non-isolated multiport converter for renewable energy sources: A comprehensive review,” Energ., vol. 16, no. 4, p. 1834, 2023.
  12. Hayat, D. Sibtain, A. F. Murtaza, S. Shahzad, M. S. Jajja, and H. Kilic, “Design and analysis of input capacitor in dc–dc boost converter for photovoltaic-based systems,” Sustainability, vol. 15, no. 7, p. 6321, 2023.
  13. Guiza, D. Ounnas, S. Youcef, and A. Bouden, “Pid based on a single artificial neural network algorithm for dc-dc boost converter,” Indones. J. Electr. Eng. Comput. Sci., vol. 31, no. 1, pp. 160–169, 2023.
  14. Sivakumar, M. J. Sathik, P. Manoj, and G. Sundararajan, “An assessment on performance of dc–dc converters for renewable energy applications,” Renewable Sustainable Energy Rev., vol. 58, pp. 1475–1485, 2016.
  15. Rehman, I. Al-Bahadly, and S. Mukhopadhyay, “Multiinput dc–dc converters in renewable energy applications–an overview,” Renewable Sustainable Energy Rev., vol. 41, pp. 521–539, 2015.
  16. P. Siwakoti, F. Blaabjerg, and P. C. Loh, “Quasi-y-source boost dc–dc converter,” IEEE Trans. Power Electron., vol. 30, no. 12, pp. 6514–6519, 2015.
  17. Kumar and D. Kumar, “A systematic review on firefly algorithm: past, present, and future,” Arch. Comput. Methods Eng., vol. 28, pp. 3269–3291, 2021.
  18. K. Joyo, Y. Raza, K. Kadir, K. Naidu, S. F. Ahmed, and S. Khan, “Firefly optimised pid control for upper extremity rehabilitation robot,” in 2019 IEEE Int. Conf. Smart Instrum. Meas. Appl. (ICSIMA), pp. 1–5, IEEE, 2019.
  19. Jain, S. Sharma, and S. Sharma, “Firefly algorithm,” Nat.-Inspired Algorithms Appl., pp. 157–180, 2021.
  20. Zhang, S. Li, and K. Jermsittiparsert, “Optimal design of a proton exchange membrane fuel cell-based combined cooling, heating, and power system by an enhanced version of farmland fertility optimizer,” Energy Sources Part A, pp. 1–20, 2020.
  21. -H. Chen, Y.-W. Li, C.-C. Lin, M.-H. Chang, A. Saravanakumar, and L. H. Saw, “Multi-objective optimization design for pressure uniformity in a proton exchange membrane fuel cell stack,” Int. J. Energy Res., vol. 46, no. 13, pp. 18947–18963, 2022.
  22. Fister, I. Fister Jr, X. Yang, and J. Brest, “A comprehensive review of firefly algorithms. swarm and evolutionary computation, 13, 34-46,” 2013.
  23. Ali, M. A. Othman, M. N. Husain, and M. H. Misran, “A review of firefly algorithm,” ARPN J. Eng. Appl. Sci., vol. 9, no. 10, pp. 1732–1736, 2014.
  24. Alaswad, A. Omran, J. R. Sodre, T. Wilberforce, G. Pignatelli, M. Dassisti, A. Baroutaji, and A. G. Olabi, “Technical and commercial challenges of proton-exchange membrane (pem) fuel cells,” Energ., vol. 14, no. 1, p. 144, 2020.
  25. Sun, Y. Jin, L. Pan, J. Shen, and K. Y. Lee, “Efficiency analysis and control of a grid-connected pem fuel cell in distributed generation,” Energy Convers. Manage., vol. 195, pp. 587–596, 2019.
  26. Daud, R. Rosli, E. Majlan, S. Hamid, R. Mohamed, and T. Husaini, “Pem fuel cell system control: A review,” Renewable Energy, vol. 113, pp. 620–638, 2017.
  27. Ma, M. Lin, T.-E. Lin, T. Lan, X. Liao, F. Maréchal, Y. Yang, C. Dong, L. Wang, et al., “Fuel cell-battery hybrid systems for mobility and off-grid applications: A review,” Renewable Sustainable Energy Rev., vol. 135, p. 110119, 2021.
  28. Ferahtia, A. Djeroui, H. Rezk, A. Houari, S. Zeghlache, and M. Machmoum, “Optimal control and implementation of energy management strategy for a dc microgrid,” Energy, vol. 238, p. 121777, 2022.
  29. A. Sinha, M. Z. Ansari, A. K. Shukla, T. Choudhary, et al., “Comprehensive review on integration strategies and numerical modeling of fuel cell hybrid system for power & heat production,” Int. J. Hydrogen Energy, 2023.
  30. Jamuna and S. Saravanan, “Sustainable future of transport and stationary applications using hydrogen fuel cell technology,”
  31. Wu, J. Yao, P. Zhu, F. Yang, X. Meng, S. Kurko, and Z. Zhang, “Study of mw-scale biogas-fed sofc-wgs-tsapemfc hybrid power technology as distributed energy system: Thermodynamic, exergetic and thermo-economic evaluation,” Int. J. Hydrogen Energy, vol. 46, no. 19, pp. 11183–11198, 2021.
  32. Yan, G. Wang, Z. Lu, P. Tan, T. H. Kwan, H. Xu, B. Chen, M. Ni, and Z. Wu, “Techno-economic evaluation and technology roadmap of the mwe-scale sofc-pemfc hybrid fuel cell system for clean power generation,” J. Cleaner Prod., vol. 255, p. 120225, 2020.
  33. K. Bhuyan, P. K. Hota, and B. Panda, “Power quality analysis of a grid-connected solar/wind/hydrogen energy hybrid generation system,” Int. J. Power Electron. Drive Syst., vol. 9, no. 1, p. 377, 2018.
  34. Chitsaz, M. A. Haghghi, and J. Hosseinpour, “Thermodynamic and exergoeconomic analyses of a proton exchange membrane fuel cell (pemfc) system and the feasibility evaluation of integrating with a proton exchange membrane electrolyzer (peme),” Energy Convers. Manage., vol. 186, pp. 487–499, 2019.
  35. T. Lopez, Adaptive robust model predictive control for nonlinear systems. PhD thesis, Massachusetts Institute of Technology, 2019.
  36. Zhang, S. Tian, and X. Lin, “Recent advances and applications of ai-based mathematical modeling in predictive control of hybrid electric vehicle energy management in china,” Electron., vol. 12, no. 2, p. 445, 2023.
  37. Schwenzer, M. Ay, T. Bergs, and D. Abel, “Review on model predictive control: An engineering perspective,” Int. J. Adv. Manuf. Technol., vol. 117, no. 5-6, pp. 1327–1349, 2021.
  38. Cuevas, F. Fausto, and A. González, New Advancements in Swarm Algorithms: Operators and Applications. Springer, 2020.
  39. -S. Yang and X.-S. He, “Why the firefly algorithm works?,” Nat.-Inspired Algorithms Appl. Optim., pp. 245–259, 2018.
  40. -S. Yang and A. Slowik, “Firefly algorithm,” in Swarm intell. algorithms, pp. 163–174, CRC Press, 2020.
  41. K. Kumari, A. Srinivas, S. A. Abhay, and K. Nandikol, “Execution of firefly optimization algorithm in dc-dc landsman converter to control microgrid voltage,” in AIP Conf. Proc., vol. 2455, AIP Publishing, 2022.
  42. Ravindrababu, G. Saraswathi, and K. Sudha, “Design of upfc-pss using firefly algorithm for stability improvement of multi machine system under contingency,” Majlesi J. Electr. Eng., vol. 13, no. 2, pp. 21–39, 2019.
مجله بهره برداری و اتوماسیون در مهندسی قدرت
دوره 11، سیستم های قدرت پایدار، مدیریت انرژی و گرمایش جهانی
شماره ویژه: سیستم های قدرت پایدار، مدیریت انرژی و گرمایش جهانی
بهمن 1401

فایل ها

سابقه مقاله

  • تاریخ دریافت: 22 مهر 1402
  • تاریخ بازنگری: 08 آبان 1402
  • تاریخ پذیرش: 17 آبان 1402

هم رسانی

ارجاع به این مقاله

آمار