An optimised design modelling of a neural network based greenhouse management system using solar energy and rectifier antenna

Abstract

Los recursos energéticos renovables son ampliamente utilizados en varias aplicaciones en tiempo real, que utilizan la energía solar, eólica, pilas de combustible, etc. Por ello, la estrategia de gestión y control de la energía mejora los resultados. El enfoque convencional utiliza Quantum Tunneling PSO para la optimización y se gestiona con varias utilidades en el sistema de red eléctrica. El trabajo utilizó las ondas solares y EM para el esquema de gestión de energía y utilizó el parámetro de control por el algoritmo de optimización. El inconveniente del método convencional es que la utilización del sistema híbrido y la conmutación se realiza con una selección aleatoria y no es capaz de utilizar los recursos híbridos de múltiples matrices. El trabajo de investigación propuesto se realiza con la energía solar con seguimiento MPPT y EM con rectenna y con la ayuda del modelo de red neuronal, las generaciones de señales PV y RF se almacenan como matriz y en base al ciclo de trabajo de conmutación de la función de optimización de enjambre de partículas propuesto, el convertidor de refuerzo actúa para proporcionar el suministro a la red. A través del control del inversor, el modelo se alimenta de la red, que utiliza el control PI con la generación de señales PWM. En función de la demanda y de la utilidad de la red, la compensación LC mejora el rendimiento del convertidor de refuerzo. La generación de la señal FV y RF se utiliza en la utilidad continua y obtiene el circuito de red sin demanda. En comparación con el enfoque propuesto y el existente, el modelo de gestión de invernaderos propuesto obtiene mejores resultados. El modelo de simulación general se realiza con MATLAB 2018a.