Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Reseaux de neurones artificiels pour l'optimisation des systemes PV
Univ Europeenne - EAN : 9783639609318
Édition papier
EAN : 9783639609318
Paru le : 1 nov. 2018
55,90 €
52,99 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783639609318
- Réf. fournisseur : 2273424
- Editeur : Univ Europeenne
- Date Parution : 1 nov. 2018
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 132
- Format : H:229 mm L:152 mm E:8 mm
- Poids : 205gr
- Interdit de retour : Retour interdit
- Résumé : Aujourd'hui, l'énergie solaire photovoltaïque est largement utilisée dans beaucoup d'applications industrielles et domestiques. Dans le cadre de l'exploitation de cette énergie, nous sommes intéressés dans cet ouvrage à l'amélioration de la modélisation du générateur photovoltaïque (GPV) ainsi que l'amélioration du rendement de ce dernier par le contrôle de la poursuite du point de la puissance maximale (MPPT) utilisant l'intelligence artificielle. A cet effet, nous avons appliqué en premier lieu les réseaux de neurones artificiels (ANNs) pour la modélisation du GPV du type BP SX150S. Cependant, la tâche d'entraînement et la tâche de validation ont été considérées pour construire le modèle neuronal du GPV. Utilisant toujours l'approche neuronale, la loi de commande MPPT est aussi obtenue assurant une absorption optimale de la puissance issue du GPV vers une charge de type batterie d'accumulateur. Une série de simulations est illustrée montant l'efficacité des techniques neuronales dans la modélisation et la commande MPPT par rapport à la commande classique de perturbation et d'observation (P&O).
