지구환경보호 문제에 대해 신재생에너지 시스템은 그동안 계속 발전해 왔다. 널리 고려된 태양광발전(PV) 시스템은 태양열을 전기로 전환하고, 환경오염으로 인한 화석연료의 소비를 현저하게 감소시킨다. 게다가 에너지 변환 효율을 개선하기 위해 태양 전지에 신소재를 도입하여, 다양한 기상 조건에서 최대 전력점(MPP)에서 PV 시스템의 효율적인 작동을 보장하기 위해 최대 전력점 추적(MPPT) 알고리즘이 개발되었다. 본 논문에서는 최적화 제어 문제를 다루기 위한 미래 도구로서 강화 학습과 딥러닝(DRL)이라는 이름의 딥러닝의 통합이 제안되고 있다. 여러 분야에서 심층 강화 학습(DRL)의 성공에 따라, 특히 부분 차광 조건(PSC)에서 PV 시스템의 MPP를 수확하기 위해 심층 Q 네트워크(DQN)와 심층 결정론적 정책 구배(DDPG)가 제안된다. 별도의 상태와 행동공간만으로 운영되는 강화학습(RL) 기반 방식과는 달리, 본 논문에서 채택된 방식은 연속적인 상태공간을 다루기 위해 사용된다. 본 연구에서는, DQN. DDPG가 연속적인 작업 공간을 처리하는 동안 개별 작업 공간에서 문제를 해결한다. 제안된 방법은 타당성 분석을 위해 MATLAB/Simulink에서 시뮬레이션을 하였다. 다양한 입력 조건 하에서 고전적인 Perturb 및 관찰(P&O) MPPT 방법과의 비교를 통해 추가 시험이 검증을 위해 수행 된다. 본 연구의 시뮬레이션 결과를 바탕으로 제안된 방법의 성능이 탁월하고 효율적이어서 향후 적용 가능성을 보여준다.

제 1편 : MATLAB 기본편
1. MATLAB 기본사용편 003
1.1 MATLAB 시작하기 003
명령창(command Window)에서의 입력 005
도움말(Help)의 이용 007
1.2 입력 오류의 수정 008
계산의 중지 009
MATLAB 종료하기 009
1.3 연산과 변수의 할당 009
연산자 우선순위 011
내장함수 012
1.4 데이터의 표현 013
1.5 변수의 처리 015
변수 이름 015
clear 명령어 016
특수변수와 정수 017
whos 명령어 017
1.6 벡터와 행렬 018
벡터 018
행렬 023
스크린 출력과 억제 024
1.7 랜덤(Random)수와 복소수 025
랜덤 수 025
복소수 027
1.8 기호를 이용한 연산 028
기호식에서의 치환 029
1.9 코드 파일 030
스크립트 코드 파일 030
코멘트의 추가 032
함수 코드 파일 033
사용자 정의함수 036
1.10 간단한 그래프의 생성 037
ezplot을 이용한 그래프 037
plot을 이용한 그래프 039
3차원 그래프 042
1.11 MATLAB과 엑셀(Excel)의 접속 043
엑셀 데이터 불러오기 043
데이터 가져오기 옵션 046
스크립트 생성 옵션 049
함수 생성 옵션 049
생성된 데이터를 엑셀파일로 저장하기 050

제 2편 : 연구논문
A Deep Reinforcement Learning-Based MPPT Control for PV Systems under Partial Shading Condition

1. Introduction 51
2. Modelling of PV Module under PSC 53
3. PV System Introduction 55
4. Deep Reinforcement Learning based MPPT Control 56
5. Simulation and Results 60
6. Performance under PSC 65
7. Conclusions 68
8. References 70