BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20250121T090321Z
LAST-MODIFIED:20250121T090321Z
DTSTAMP:20260508T173100Z
UID:1778250660@tuc.gr
SUMMARY:Παρουσίαση Μεταπτυχιακής Εργασίας κ.
  Εμμανουήλ Λιουδάκη - Σχολή ΗΜΜΥ
LOCATION:
DESCRIPTION:https://www.tuc.gr/el/to-polytechnei
 o/ilektronikes-ypiresies/imerologio/
 imerologio-ekdiloseon-1?tx_tucevents
 2_tuceventsdisplay%5Baction%5D=show&
 tx_tucevents2_tuceventsdisplay%5Bcon
 troller%5D=Event&tx_tucevents2_tucev
 entsdisplay%5Bevent%5D=7458&cHash=91
 30d51470c606d3ebb1373c7a6e6ea8\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων 
 Μηχανικών και Μηχανικών Υπολογιστών\
 n Πρόγραμμα Μεταπτυχιακών Σπουδών\n 
 ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ\n 
 Εμμανουήλ Λιουδάκη\n με θέμα\n Ρύθμι
 ση της παραγωγής ισχύος φωτοβολταϊκώ
 ν μετατροπέων DC/AC\n Regulation of 
 the power production of photovoltaic
  DC/AC converters\n Εξεταστική Επιτρ
 οπή\n Καθηγητής Ευτύχιος Κουτρούλης 
 (επιβλέπων)\n Αναπληρωτής Καθηγητής 
 Κωνσταντίνος Γυφτάκης\n Επίκουρος Κα
 θηγητής Γεώργιος Πέππας\n Περίληψη\n
  Η διαρκώς αυξανόμενη ζήτηση ηλεκτρι
 κής ενέργειας στις σύγχρονες κοινωνί
 ες, σε συνδυασμό με το αυξανόμενο κό
 στος των ορυκτών καυσίμων αποτελούν 
 δυο από τους κυριότερους παράγοντες 
 που οδήγησαν στη ραγδαία αύξηση του 
 μεριδίου συμμετοχής των φωτοβολταϊκώ
 ν (Φ/Β) συστημάτων στα σύγχρονα δίκτ
 υα παραγωγής και διανομής ηλεκτρικής
  ενέργειας. Αυτό μπορεί να επηρεάσει
  την ευστάθεια της συχνότητας του δι
 κτύου, αφού η παραγωγή ενέργειας των
  Φ/Β συστημάτων μεταβάλλεται χρονικά
 , ακολουθώντας τη στοχαστική μεταβολ
 ή της ηλιακής ακτινοβολίας. H ευστάθ
 εια της συχνότητας του δικτύου μπορε
 ί να ενισχυθεί ρυθμίζοντας την παραγ
 ωγής ισχύος των διασυνδεδεμένων Φ/Β 
 συστημάτων σε μια συγκεκριμένη τιμή 
 αναφοράς, με την εφαρμογή ενός αλγορ
 ίθμου Flexible Power Point Tracking 
 (FPPT). Σε περιπτώσεις όπου ορισμένα
  από τα πλαίσια μιας Φ/Β συστοιχίας 
 σκιάζονται (π.χ. λόγω γειτονικών κτη
 ρίων), η εφαρμογή ενός αλγορίθμου Gl
 obal FPPT (GFPPT) εξασφαλίζει την απ
 οδοτική ρύθμιση της παραγωγής ισχύος
  του Φ/Β συστήματος. Στην εργασία αυ
 τή παρουσιάζεται ένας νέος αλγόριθμο
 ς GFPPT βασισμένος στην ενισχυτική μ
 άθηση. Αφού εξετάστηκε η απόδοσή του
  σε ένα αυτόνομο Φ/Β σύστημα φόρτιση
 ς μπαταριών, τροποποιήθηκε ώστε να ε
 ίναι εφαρμόσιμος σε ένα Φ/Β αντιστρο
 φέα διασυνδεδεμένο στο δίκτυο, με In
 ternet of Things (IoT) συνδεσιμότητα
 , ο οποίος ελέγχεται απομακρυσμένα μ
 έσω διεπαφής Wi-Fi. Σε αυτή την περί
 πτωση, ο αλγόριθμος εκπαιδεύτηκε πρι
 ν εφαρμοστεί στο πραγματικό σύστημα,
  για να εξασφαλιστεί ότι η ποιότητα 
 της εγχεόμενης στο δίκτυο ισχύος θα 
 είναι ικανοποιητική και ότι θα επιτε
 υχθεί γρήγορη σύγκλιση στην ισχύ ανα
 φοράς από τις πρώτες ώρες λειτουργία
 ς του συστήματος. Τα πειραματικά απο
 τελέσματα της εφαρμογής του προτεινό
 μενου αλγορίθμου GFPPT στα δυο συστή
 ματα έδειξαν ότι είναι αποδοτικότερο
 ς από υπάρχοντες αλγορίθμους GFPPT π
 ου έχουν προταθεί στη βιβλιογραφία. 
 Ακολούθως, αναπτύχθηκε ένας αλγόριθμ
 ος GFPPT βασισμένος σε νευρωνικό δίκ
 τυο και συγκρίθηκε με τον προαναφερθ
 έντα. Τα πειραματικά αποτελέσματα έδ
 ειξαν ότι ενώ και οι δυο αλγόριθμοι 
 εκπαιδεύτηκαν χρησιμοποιώντας το ίδι
 ο σύνολο δεδομένων, ο αλγόριθμος που
  βασίζεται στο νευρωνικό δίκτυο δεν 
 μπορεί να εγγυηθεί την ελαχιστοποίησ
 η των απωλειών ισχύος του αντιστροφέ
 α κατά τη διαδικασία ρύθμισης της πα
 ραγωγής ισχύος του.\n Abstract\n The
  continuously increasing demand of e
 lectric energy in modern societies, 
 along with the increasing cost of fo
 ssil fuels are two of the main facto
 rs that led to a rapid increase on t
 he share of photovoltaic (PV) system
 s in modern electricity generation a
 nd transmission grids. This may affe
 ct the grid frequency stability, sin
 ce the energy production of PV syste
 ms varies over time, following the s
 tochastic variation of solar irradia
 nce. Grid frequency stability can be
  improved by regulating the output p
 ower of grid-connected PV systems to
  a specific reference value with the
  application of a Flexible Power Poi
 nt Tracking (FPPT) algorithm. In cas
 es where some of the modules of a PV
  array are shaded (e.g., due to neig
 hboring buildings), the application 
 of a Global FPPT (GFPPT) algorithm e
 nsures efficient regulation of the P
 V system’s power production. In this
  thesis a novel reinforcement learni
 ng-based GFPPT algorithm is presente
 d. After examining its performance o
 n a standalone PV battery charging s
 ystem, it was modified to be applica
 ble on a grid-connected PV inverter 
 with Internet of Things (IoT) connec
 tivity, which is remotely controlled
  via a Wi-Fi interface. In this case
  the algorithm had been trained befo
 re being applied to the real system,
  to ensure satisfying grid-injected 
 power quality and quick convergence 
 to the reference power from the firs
 t operation hours of the system. The
  experimental results of applying th
 e proposed GFPPT algorithm on both s
 ystems showed that it is more effici
 ent than the existing GFPPT algorith
 ms that have been presented in the l
 iterature. A neural network-based GF
 PPT algorithm was also developed and
  compared with the aforementioned GF
 PPT method. The experimental results
  showed that while both algorithms h
 ad been trained on the same dataset,
  the neural network-based algorithm 
 cannot guarantee the minimization of
  the PV inverter power losses during
  the process of regulating its power
  production.\n Meeting ID: 967 8767 
 2714\n Password: 259569\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20250123T100000
DTEND:20250123T110000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR