PV fed boost converter efficiency improvement using neural networks and model predictive control

This paper presents a model predictive control (MPC) technique applied to a DC-DC boost converter powered by a photovoltaic ( PV ) generator. The control objective is to ensure the maximum power point tracking (MPPT) using neural networks and achieve a stable output voltage under varying environmental conditions. Photovoltaic systems are highly dependent on solar irradiance and temperature, which affect their output characteristics. The proposed method leverages predictive control algorithms to anticipate system behaviour and adjust the converter’s duty cycle in real-time, thereby improving the system’s overall efficiency and response time compared to conventional control methods. Simulation results validate the effectiveness of the proposed control scheme in terms of response time, voltage regulation, and robustness against environmental changes.

---

W artykule przedstawiono technikę modelowego sterowania predykcyjnego (MPC) zastosowaną w przetwornicy podwyższającej˙ napięcie DC-DC zasilanej z generatora fotowoltaicznego (PV). Celem sterowania jest zapewnienie śledzenia punktu maksymalnej mocy (MPPT) przy użyciu sieci neuronowych i osiągnięcie stabilnego napięcia wyjściowego w zmiennych warunkach środowiskowych. Systemy fotowoltaiczne są w dużym˙ stopniu zależne˙ od natężenia promieniowania słonecznego i temperatury, które wpływają na ich charakterystykę wyjściową. Proponowana metoda wykorzystuje algorytmy sterowania predykcyjnego do przewidywania zachowania systemu i dostosowywania cyklu pracy przekształtnika w czasie rzeczywistym, poprawiając w ten sposób ogólną wydajność systemu i czas reakcji w porównaniu z konwencjonalnymi metodami sterowania. Wyniki symulacji potwierdzają skuteczność proponowanego schematu sterowania pod względem czasu reakcji, regulacji napięcia i odporności na zmiany środowiskowe.