Prihlásenie

Žák Samuel : Adaptívne riadenie systémov zberu energie z prostredia [Dizertačná práca] Žilinská univerzita v Žiline, Fakulta riadenia a informatiky, Katedra technickej kybernetiky Školitel’: doc. Ing. Peter Ševčík, PhD. FRI ŽU v Žiline, 2018. SK V prírode je množstvo rozmanitých javov, ktoré môžu slúžit’ ako zdroj energie. Súčasná úroveň technológií dokáže do istej miery zachytit’ a premenit’ ich energiu do využitel’nej podoby. L’udstvo dlhý čas pokrývalo väčšinu svojich energetických potrieb z vyčerpatel’ných fosílnych zdrojov. Ich dlhodobé vedl’ajšie vplyvy podnecujú zvýšenie využívania iných - obnovitel’ných - zdrojov. Integráciu obnovitel’ných zdrojov z prostredia do každodenného života v súčasnosti najviac brzdí riadiaca elektronika. Nekonzistentný výkon, obmedzená dostupnost’ či iné komplikácie mnohých zdrojov taktiež zužujú okruh, kde je možné aplikovat’ získavanie energie z prostredia. Niektoré z týchto problémov je ale možné riešit’ kombinovaným využívaním viacerých zdrojov súčasne. Nároky na správu napájania systému s takýmito heterogénnymi zdrojmi presahujú možnosti existujúcich riadiacich algoritmov. Práca rozvíja ideu riadenia vychádzajúceho zo strojového učenia. Navrhovaný riadiaci algoritmus má k dispozicií spočiatku prázdny priestor, ktorého parametre sú všetky dôležité vlastnosti prostredia, a ktorého bunky obsahujú hodnoty riadiacich parametrov. Nastavenie hodnôt v bunke priestoru tak, aby systém spĺňal všetky požiadavky, prebieha pomocou optimalizačných algoritmov. Každý systém sa teda pred implementáciou musí najprv “naučit’” ovládat’ pripojené obvody a zdroje. Obsah práce začína analýzou požiadaviek ciel’ových aplikácií, potenciálnych zdrojov energie a vlastností DC-DC meničov. Na základe dostupných informácií sú vytvorené modely výkonových strát vybraných obvodov, ktoré demonštrujú možnú výhodnost’ navrhovaného riadenia. Analytická čast’ končí definíciou niekol’kých výpočtovo jednoduchých optimalizácií a ich testom na modelom vypočítaných priestoroch. Druhá kapitola sa venuje syntéze dostupných informácií a požiadaviek, výsledkom čoho je popis vlastností a aplikovatel’nosti navrhovaného riadenia. Tretia kapitola obsahuje experimentálne testy kl’účových vlastností riadenia na reálnom systéme. Kl’účové slová : heterogénny paralelný systém, zber energie z prostredia, internet vecí, DCDC konvertor, adaptívne riadenie, strojové učenie

Žák Samuel : Adaptive control of energy harvesting systems [Disertation thesis] University of Žilina, Faculty of Management Science and Informatics, Department of Technical Cybernetics Tutor: doc. Ing. Peter Ševˇcík, PhD. Žilina, 2018. EN Nature offers a variety of phenomena that the mankind is able to use as a power source. Fossil fuels have been a dominant resource covering the power needs of the mankind for a long time now. The pressure from long term side effects of fossil fuel use motivates the development of other - renewable - power sources. Present integration of renewable power sources into everyday life is constrained by power management electronics. Inconsistent and seldom available power output, common to many renewable power sources, is also an important limiting factor. While some of these issues can be resolved by the conjunction of multiple power sources in one system, the control complexity of such system exceeds the abilities of a simple regulator. The thesis develops control algorithm based on machine learning. The core of the algorithm is a space. Its parameters are the values of ambient properties affecting the system - voltages, currents, temperatures etc. The cells of the space hold values of controlled parameters, which satisfy all requirements under given values of ambient parameters. However, this space is not filled by analytical computation. It is rather filled by an optimization algorithm working with a particular implementation of heterogeneous parallel system. The contents of the thesis start with analysis of : the power needs of selected applications, the potential power sources, the properties of existing DC-DC converters. The gathered information is then used to synthetize mathematical models of power loss of selected DC-DC converter topologies. Mathematical models are used to evaluate the feasibility of heterogeneous parallel power management system and to test the performance of basic optimisation methods. Next sections describe necessary requirements and features of designed control algorithm. Thesis ends with practical experiments demonstrating key properties of the algorithm. Keywords : heterogeneous parallel system, energy harvesting, internet of things, DC-DC converter, adaptive control, machine learning 5