Sebuah tim peneliti yang dipimpin oleh peneliti India telah mengembangkan sistem pengisian kendaraan listrik (EV) "pintar" yang mengintegrasikan panel fotovoltaik (PV), sel bahan bakar membran penukar proton (PEM), penyimpanan energi baterai, dan superkapasitor. Inti dari sistem ini adalah konverter dorong Z-source menggunakan algoritma ANFIS untuk mencapai pelacakan titik daya maksimum (MPPT).
Berbeda dengan sistem PV tunggal atau hibrida tradisional, pendekatan ini menggabungkan kontrol cerdas dan manajemen multi-energi untuk memastikan pengisian EV pintar yang efisien, stabil, dan andal. Penelitian di masa depan akan berkembang ke jaringan mikro DC energi baru dengan kemampuan vehicle-to-grid (V2G), yang memungkinkan integrasi ekosistem energi yang lebih cerdas untuk EV.
Tim peneliti menggunakan MATLAB/Simulink 2021a untuk mensimulasikan sistem tersebut, yang mencakup dua unit pengisian cepat 50kW, sistem PV daya puncak 186kW, sistem baterai timbal-asam, dan sistem penyimpanan energi berbasis hidrogen yang terdiri dari generator hidrogen 176kVA, enam modul sel bahan bakar 66kW, dan tangki hidrogen 450kg.
Sistem mengintegrasikan berbagai perangkat menggunakan konverter Z-source (ZSC). Jaringan impedansi menghubungkan sistem PV, baterai, dan jaringan. Konverter menggunakan dua set sakelar yang dikontrol secara sinkron, dioda input dan output, dan kapasitor, dan dapat beroperasi dalam mode konduksi kontinu atau diskontinu.
Metode MPPT berbasis ANFIS menggunakan tegangan, arus, dan suhu PV sebagai input dan mengeluarkan siklus kerja untuk mengontrol konverter Landsman dorong DC-DC untuk pelacakan titik daya maksimum. Melalui pelatihan ekstensif, ANFIS mengoptimalkan aturan fuzzy, mengurangi kesalahan, dan cocok untuk kontrol waktu nyata.
Eksperimen divalidasi menggunakan prototipe laboratorium, termasuk sel bahan bakar dengan tegangan output 100V dan arus 30-40A, konverter DC-DC dengan tegangan output 1000-1100V dan arus 30A, dan baterai dengan tegangan output 120V. Kesalahan yang disimulasikan dan diukur berada dalam rentang 0,8%-3%.
Hasil menunjukkan: "Simulasi menunjukkan bahwa sistem dapat meningkatkan tegangan dari 110V menjadi 150V dan mempertahankan output stabil sekitar 1100V/30A, dengan arus sisi PV distabilkan pada 500A. Tegangan output sel bahan bakar tetap pada 110V, arus turun dari 40A menjadi 25A, dan baterai mempertahankan keadaan pengisian (SOC) 60% pada output 120V. Prototipe perangkat keras, berdasarkan mikrokontroler DSPIC30F4011, mencapai efisiensi MPPT 98,7%, kesalahan regulasi tegangan ±1,5%, penyimpangan daya kurang dari 2%, dan distorsi harmonik total (THD) tegangan dan arus sisi jaringan masing-masing 500V dan 13A, sesuai dengan standar IEEE 519."
Dibandingkan dengan algoritma tradisional, MPPT ANFIS ini secara signifikan meningkatkan efisiensi pelacakan dan kinerja dinamis di bawah kondisi sinar matahari yang berfluktuasi. Lebih lanjut, konfigurasi sistem hibrida melebihi ekspektasi dengan mempertahankan stabilitas jaringan dan pengisian tanpa gangguan meskipun terjadi fluktuasi energi terbarukan dan variasi permintaan beban.
Sebuah tim peneliti yang dipimpin oleh peneliti India telah mengembangkan sistem pengisian kendaraan listrik (EV) "pintar" yang mengintegrasikan panel fotovoltaik (PV), sel bahan bakar membran penukar proton (PEM), penyimpanan energi baterai, dan superkapasitor. Inti dari sistem ini adalah konverter dorong Z-source menggunakan algoritma ANFIS untuk mencapai pelacakan titik daya maksimum (MPPT).
Berbeda dengan sistem PV tunggal atau hibrida tradisional, pendekatan ini menggabungkan kontrol cerdas dan manajemen multi-energi untuk memastikan pengisian EV pintar yang efisien, stabil, dan andal. Penelitian di masa depan akan berkembang ke jaringan mikro DC energi baru dengan kemampuan vehicle-to-grid (V2G), yang memungkinkan integrasi ekosistem energi yang lebih cerdas untuk EV.
Tim peneliti menggunakan MATLAB/Simulink 2021a untuk mensimulasikan sistem tersebut, yang mencakup dua unit pengisian cepat 50kW, sistem PV daya puncak 186kW, sistem baterai timbal-asam, dan sistem penyimpanan energi berbasis hidrogen yang terdiri dari generator hidrogen 176kVA, enam modul sel bahan bakar 66kW, dan tangki hidrogen 450kg.
Sistem mengintegrasikan berbagai perangkat menggunakan konverter Z-source (ZSC). Jaringan impedansi menghubungkan sistem PV, baterai, dan jaringan. Konverter menggunakan dua set sakelar yang dikontrol secara sinkron, dioda input dan output, dan kapasitor, dan dapat beroperasi dalam mode konduksi kontinu atau diskontinu.
Metode MPPT berbasis ANFIS menggunakan tegangan, arus, dan suhu PV sebagai input dan mengeluarkan siklus kerja untuk mengontrol konverter Landsman dorong DC-DC untuk pelacakan titik daya maksimum. Melalui pelatihan ekstensif, ANFIS mengoptimalkan aturan fuzzy, mengurangi kesalahan, dan cocok untuk kontrol waktu nyata.
Eksperimen divalidasi menggunakan prototipe laboratorium, termasuk sel bahan bakar dengan tegangan output 100V dan arus 30-40A, konverter DC-DC dengan tegangan output 1000-1100V dan arus 30A, dan baterai dengan tegangan output 120V. Kesalahan yang disimulasikan dan diukur berada dalam rentang 0,8%-3%.
Hasil menunjukkan: "Simulasi menunjukkan bahwa sistem dapat meningkatkan tegangan dari 110V menjadi 150V dan mempertahankan output stabil sekitar 1100V/30A, dengan arus sisi PV distabilkan pada 500A. Tegangan output sel bahan bakar tetap pada 110V, arus turun dari 40A menjadi 25A, dan baterai mempertahankan keadaan pengisian (SOC) 60% pada output 120V. Prototipe perangkat keras, berdasarkan mikrokontroler DSPIC30F4011, mencapai efisiensi MPPT 98,7%, kesalahan regulasi tegangan ±1,5%, penyimpangan daya kurang dari 2%, dan distorsi harmonik total (THD) tegangan dan arus sisi jaringan masing-masing 500V dan 13A, sesuai dengan standar IEEE 519."
Dibandingkan dengan algoritma tradisional, MPPT ANFIS ini secara signifikan meningkatkan efisiensi pelacakan dan kinerja dinamis di bawah kondisi sinar matahari yang berfluktuasi. Lebih lanjut, konfigurasi sistem hibrida melebihi ekspektasi dengan mempertahankan stabilitas jaringan dan pengisian tanpa gangguan meskipun terjadi fluktuasi energi terbarukan dan variasi permintaan beban.
