Please use this identifier to cite or link to this item: http://cmuir.cmu.ac.th/jspui/handle/6653943832/66792
Full metadata record
DC FieldValueLanguage
dc.contributor.authorRati Wongsathan"en_US
dc.date.accessioned2019-09-17T08:55:04Z-
dc.date.available2019-09-17T08:55:04Z-
dc.date.issued2562en_US
dc.identifier.citationวารสารวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่ 26, 2 (พ.ค.-ส.ค. 2562), 190-202en_US
dc.identifier.issn2672-9695en_US
dc.identifier.urihttp://researchs.eng.cmu.ac.th/UserFiles/File/Journal/26_2/17.pdfen_US
dc.identifier.urihttp://cmuir.cmu.ac.th/jspui/handle/6653943832/66792-
dc.descriptionวารสารวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่ (Engineering Journal Chiang Mai University) เป็นวารสารที่ตีพิมพ์บทความวิชาการในลักษณะบทความวิจัย และบทความปริทัศน์ที่มีคุณภาพสูง ทางด้านวิศวกรรมศาสตร์ วิทยาศาสตร์ และเทคโนโลยี รวมถึงสาขาอื่นที่เกี่ยวข้อง โดยมีเนื้อหาที่เป็นองค์ความรู้พื้นฐานจนกระทั่งการนำไปใช้ประโยชน์ ทั้งในแง่ทฤษฎี การวางแผน การทดลอง การออกแบบ หรือการพัฒนาอุปกรณ์และการจำลองการทำงานของระบบ หรือกระบวนการต่างๆ เป็นต้น ได้รับการยอมรับอยู่ในฐานข้อมูล Thailand Citation Index (TCI) กลุ่มที่ 1 สาขาวิทยาศาสตร์และเทคโนโลยีen_US
dc.description.abstractThis paper proposes an optimal integrated neural network controller (NNC) based on maximum power point tracking (MPPT) technique and voltage regulation (VR) for a PV charging system with lead-acid battery through the constant current and constant voltage (CC-CV) charge, denoted by NNCCC/NNC-CV. The proposed controller is optimized through the hybrid multi-objective genetic algorithm and back-propagation algorithm (hMOGA/BPA). By means of this optimization, the number of system parameters is significantly reduced while maintaining high MPPT and VR accuracy. After determining the NN parameters using the hMOGA/BP, the performances of charging control against rapidly changing ambient solar irradiance and module temperature are evaluated in terms of the tradeoff between transient response, stabilized MPPT and VR accuracy, charging time, and energy utilization and charging efficiency. As results, the proposed charge controller outperforms the non-optimal NNC and on/off controller. Furthermore, validation of charging control under weather variations (i.e. fine, rainy, and cloudy), several criteria are assessed to verify the performance of the proposed NNC.en_US
dc.language.isoEngen_US
dc.publisherคณะวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่en_US
dc.subjectCharge controlleren_US
dc.subjectMPPTen_US
dc.subjectMOGAen_US
dc.subjectNeural network controlleren_US
dc.subjectPV charging systemen_US
dc.titleAn Optimal Neural Network Controller for a PV Charging System using the MOGA/BPAen_US
Appears in Collections:CMUL: Journal Articles

Files in This Item:
There are no files associated with this item.


Items in CMUIR are protected by copyright, with all rights reserved, unless otherwise indicated.