RNN-INTEGRATED MODEL PREDICTIVE CONTROL FOR FUEL CELL AND SOLAR-POWERED HYBRID ELECTRIC VEHICLES

RNN-INTEGRATED MODEL PREDICTIVE CONTROL FOR FUEL CELL AND SOLAR-POWERED HYBRID ELECTRIC VEHICLES

This paper presents an innovative Hybrid Electric Vehicle (HEV) configuration utilizing a fuel cell as the primary energy source and an onboard Photovoltaic (PV) array as a supplementary source. The system features an advanced Model Predictive Control (MPC) enhanced by a Recurrent Neural Network (RN...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2024
Автори: Divya, G., Venkata Padmavathi , S.
Формат: Стаття
Мова:English
Опубліковано: Institute of Renewable Energy National Academy of Sciences of Ukraine 2024
Теми:
Hybrid Electric Vehicle (HEV)
Recurrent Neural Network (RNN)
Fuel Cell
Induction Motor Control
Electro-lyzer
Renewable Energy Integration
Speed Control
MATLAB/SIMULINK Simulation.
Онлайн доступ:https://ve.org.ua/index.php/journal/article/view/483
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Vidnovluvana energetika

Репозитарії

Vidnovluvana energetika
id veorgua-article-483
record_format ojs
institution Vidnovluvana energetika
baseUrl_str
datestamp_date 2024-12-10T11:11:49Z
collection OJS
language English
topic Hybrid Electric Vehicle (HEV)
Recurrent Neural Network (RNN)
Fuel Cell
Induction Motor Control
Electro-lyzer
Renewable Energy Integration
Speed Control
MATLAB/SIMULINK Simulation.
spellingShingle Hybrid Electric Vehicle (HEV)
Recurrent Neural Network (RNN)
Fuel Cell
Induction Motor Control
Electro-lyzer
Renewable Energy Integration
Speed Control
MATLAB/SIMULINK Simulation.
Divya, G.
Venkata Padmavathi , S.
RNN-INTEGRATED MODEL PREDICTIVE CONTROL FOR FUEL CELL AND SOLAR-POWERED HYBRID ELECTRIC VEHICLES
topic_facet Hybrid Electric Vehicle (HEV)
Recurrent Neural Network (RNN)
Fuel Cell
Induction Motor Control
Electro-lyzer
Renewable Energy Integration
Speed Control
MATLAB/SIMULINK Simulation.
Гібридний електричний транспортний засіб (HEV)
рекурентна нейронна мережа (RNN)
паливний елемент
управління індукційним двигуном
електролізер
інтеграція відновлюваних джерел енергії
контроль швидкості
симуляція в MATLAB/SIMULINK.
format Article
author Divya, G.
Venkata Padmavathi , S.
author_facet Divya, G.
Venkata Padmavathi , S.
author_sort Divya, G.
title RNN-INTEGRATED MODEL PREDICTIVE CONTROL FOR FUEL CELL AND SOLAR-POWERED HYBRID ELECTRIC VEHICLES
title_short RNN-INTEGRATED MODEL PREDICTIVE CONTROL FOR FUEL CELL AND SOLAR-POWERED HYBRID ELECTRIC VEHICLES
title_full RNN-INTEGRATED MODEL PREDICTIVE CONTROL FOR FUEL CELL AND SOLAR-POWERED HYBRID ELECTRIC VEHICLES
title_fullStr RNN-INTEGRATED MODEL PREDICTIVE CONTROL FOR FUEL CELL AND SOLAR-POWERED HYBRID ELECTRIC VEHICLES
title_full_unstemmed RNN-INTEGRATED MODEL PREDICTIVE CONTROL FOR FUEL CELL AND SOLAR-POWERED HYBRID ELECTRIC VEHICLES
title_sort rnn-integrated model predictive control for fuel cell and solar-powered hybrid electric vehicles
title_alt RNN-ПОКРАЩЕНА МОДЕЛЬ ПРОГНОЗОВАНОГО КЕРУВАННЯ ДЛЯ ГІБРИДНИХ ЕЛЕКТРИЧНИХ ТРАНСПОРТНИХ ЗАСОБІВ З ПАЛИВНИМИ ЕЛЕМЕНТАМИ ТА ФОТОЕЛЕКТРИЧНИМИ ДЖЕРЕЛАМИ ЕНЕРГІЇ
description This paper presents an innovative Hybrid Electric Vehicle (HEV) configuration utilizing a fuel cell as the primary energy source and an onboard Photovoltaic (PV) array as a supplementary source. The system features an advanced Model Predictive Control (MPC) enhanced by a Recurrent Neural Network (RNN) to manage the induction motor efficiently. Key components include a PV array, a fuel cell, and an electrolyzer. The PV array supplements the fuel cell during optimal sunlight conditions, while excess energy during idle periods is converted to hydrogen via the electrolyzer and stored in a hydrogen tank for future use. A quadratic bidirectional buck-boost converter (QBBC) regulates voltage, ensuring compatibility between energy sources and the motor. The system’s performance is evaluated under various sunlight and speed conditions, with the RNN-based MPC compared to an Artificial Neural Network-based MPC (ANN-MPC) and a traditional Proportional-Integral (PI) controller. An incremental conductance algorithm is implemented for Maximum Power Point Tracking (MPPT) to optimize PV power extraction. The RNN model predicts motor speed, enhancing control precision. Simulations in MATLAB/SIMULINK reveal that the RNN-based MPC outperforms ANN-MPC and PI controllers, demonstrating improved efficiency and speed control. This work contributes to advancing intelligent and energy-efficient HEV technologies.
publisher Institute of Renewable Energy National Academy of Sciences of Ukraine
publishDate 2024
url https://ve.org.ua/index.php/journal/article/view/483
work_keys_str_mv AT divyag rnnintegratedmodelpredictivecontrolforfuelcellandsolarpoweredhybridelectricvehicles
AT venkatapadmavathis rnnintegratedmodelpredictivecontrolforfuelcellandsolarpoweredhybridelectricvehicles
AT divyag rnnpokraŝenamodelʹprognozovanogokeruvannâdlâgíbridnihelektričnihtransportnihzasobívzpalivnimielementamitafotoelektričnimidžerelamienergíí
AT venkatapadmavathis rnnpokraŝenamodelʹprognozovanogokeruvannâdlâgíbridnihelektričnihtransportnihzasobívzpalivnimielementamitafotoelektričnimidžerelamienergíí
first_indexed 2024-12-15T20:52:37Z
last_indexed 2024-12-15T20:52:37Z
_version_ 1818541117926277120
spelling veorgua-article-4832024-12-10T11:11:49Z RNN-INTEGRATED MODEL PREDICTIVE CONTROL FOR FUEL CELL AND SOLAR-POWERED HYBRID ELECTRIC VEHICLES RNN-ПОКРАЩЕНА МОДЕЛЬ ПРОГНОЗОВАНОГО КЕРУВАННЯ ДЛЯ ГІБРИДНИХ ЕЛЕКТРИЧНИХ ТРАНСПОРТНИХ ЗАСОБІВ З ПАЛИВНИМИ ЕЛЕМЕНТАМИ ТА ФОТОЕЛЕКТРИЧНИМИ ДЖЕРЕЛАМИ ЕНЕРГІЇ Divya, G. Venkata Padmavathi , S. Hybrid Electric Vehicle (HEV), Recurrent Neural Network (RNN), Fuel Cell, Induction Motor Control, Electro-lyzer, Renewable Energy Integration, Speed Control, MATLAB/SIMULINK Simulation. Гібридний електричний транспортний засіб (HEV), рекурентна нейронна мережа (RNN), паливний елемент, управління індукційним двигуном, електролізер, інтеграція відновлюваних джерел енергії, контроль швидкості, симуляція в MATLAB/SIMULINK. This paper presents an innovative Hybrid Electric Vehicle (HEV) configuration utilizing a fuel cell as the primary energy source and an onboard Photovoltaic (PV) array as a supplementary source. The system features an advanced Model Predictive Control (MPC) enhanced by a Recurrent Neural Network (RNN) to manage the induction motor efficiently. Key components include a PV array, a fuel cell, and an electrolyzer. The PV array supplements the fuel cell during optimal sunlight conditions, while excess energy during idle periods is converted to hydrogen via the electrolyzer and stored in a hydrogen tank for future use. A quadratic bidirectional buck-boost converter (QBBC) regulates voltage, ensuring compatibility between energy sources and the motor. The system’s performance is evaluated under various sunlight and speed conditions, with the RNN-based MPC compared to an Artificial Neural Network-based MPC (ANN-MPC) and a traditional Proportional-Integral (PI) controller. An incremental conductance algorithm is implemented for Maximum Power Point Tracking (MPPT) to optimize PV power extraction. The RNN model predicts motor speed, enhancing control precision. Simulations in MATLAB/SIMULINK reveal that the RNN-based MPC outperforms ANN-MPC and PI controllers, demonstrating improved efficiency and speed control. This work contributes to advancing intelligent and energy-efficient HEV technologies. Ця робота представляє інноваційну конфігурацію гібридного електричного транспортного засобу (HEV), що використовує паливний елемент як основне джерело енергії та вбудовану фотоелектричну (PV) панель як додаткове джерело. Система оснащена вдосконаленим прогнозуючим управлінням на основі моделей (Model Predictive Control, MPC), посиленим рекурентною нейронною мережею (RNN), для ефективного керування індукційним двигуном. Основні компоненти включають PV-панель, паливний елемент та електролізер. PV-панель доповнює роботу паливного елемента за оптимальних умов освітлення, а надлишкова енергія у періоди простою перетворюється на водень за допомогою електролізера та зберігається в водневому баку для подальшого використання. Квадратичний двонаправлений понижуючо-підвищуючий перетворювач (QBBC) регулює напругу, забезпечуючи сумісність між джерелами енергії та двигуном. Продуктивність системи оцінюється за різних умов освітлення та швидкості, а MPC на основі RNN порівнюється з MPC на основі штучної нейронної мережі (ANN-MPC) та традиційним пропорційно-інтегральним (PI) контролером. Для відстеження точки максимальної потужності (Maximum Power Point Tracking, MPPT) впроваджений алгоритм інкрементальної провідності, щоб оптимізувати витяг енергії з PV-панелі. Модель RNN прогнозує швидкість двигуна, підвищуючи точність управління. Симуляції в MATLAB/SIMULINK показують, що MPC на основі RNN перевершує ANN-MPC та PI-контролери, демонструючи кращу ефективність і контроль швидкості. Ця робота сприяє розвитку інтелектуальних та енергоефективних технологій HEV. Institute of Renewable Energy National Academy of Sciences of Ukraine 2024-12-10 Article Article application/pdf https://ve.org.ua/index.php/journal/article/view/483 10.36296/1819-8058.2024.4(79).17-28 Возобновляемая энергетика; № 4(79) (2024): Scientific and applied Journal renewable energy ; 17-28 Відновлювана енергетика; № 4(79) (2024): Науково-прикладний журнал Відновлювана енергетика; 17-28 Vidnovluvana energetika ; No. 4(79) (2024): Scientific and applied Journal renewable energy ; 17-28 2664-8172 1819-8058 10.36296/1819-8058.2024.4(79) en https://ve.org.ua/index.php/journal/article/view/483/392 Copyright (c) 2024 Vidnovluvana energetika

Схожі ресурси