An optimised design modelling of a neural network based greenhouse management system using solar 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.