The interest in electric vehicle (EVs) components such as battery, battery chargers, and battery management systems is increasing in parallel with the spread of electric vehicles. One of the most critical of these components is battery chargers. Battery chargers are equipped with DC-DC converters with high efficiency, low cost, and wide output voltage range. In order to provide reliable operation of the battery charger, it is of great importance that the DC-DC converters are operated with a robust and stable controller as well as designed optimally. In this paper, a design method for a CLLC resonant converter-based bidirectional dc-dc converter (BiDC) is presented for a battery charger. The resonant converter, whose design details are presented, suggests a resonant system to be used in battery chargers with fewer components than the CLLLC converter, and similar voltage gain characteristics for bidirectional power flow operations compared to the LLC converter. The design procedure highlights performing the soft switching operation and determining the resonant tank parameters. In addition, the forward mode and reverse mode gain equations required for the system to operate in the desired output voltage range have been presented. The design procedures have been validated with a CLLC BiDC model with ratings of 1 kW, 400 V input / 300-450 V output in the PSIM environment. The performance results reveal that the zero voltage switching (ZVS) has been performed for primary-side MOSFETs under a wide load range.

This paper proposes a novel intelligent energy management framework for a hybrid DC microgrid integrating photovoltaic (PV), wind, hydro, and fuel cell sources with a hybrid energy storage system (battery and supercapacitor). To overcome the efficiency and complexity limitations of conventional multi-converter architectures, a unified system was developed using two coordinated multi-port converters (MPC) connected to a common DC bus. A Particle Swarm Optimization-tuned Adaptive Neuro-Fuzzy Inference System (PSO-ANFIS) was implemented to determine the optimal fuel cell reference power by processing real-time renewable generation, storage states of charge (SOC), and load demands. The proposed architecture was rigorously validated in MATLAB/Simulink using an extensive dataset comprising 25,000 operating scenarios. The results demonstrate that the PSO-ANFIS controller achieves a high prediction accuracy with a testing root mean square error (RMSE) of 0.0201 pu, representing a 12% performance improvement over traditional methods within only 10 optimization iterations. The integrated MPC framework effectively coordinates diverse energy sources; the supercapacitor manages fast transients up to -4.5 kW, while the battery stabilizes steady-state power variations. This system ensures an uninterrupted supply to a 6-kW critical load and adaptive management of non-critical loads under highly fluctuating environmental conditions. By combining hardware-level multi-port integration with an AI-driven supervisory strategy, this work significantly enhances renewable energy utilization and microgrid reliability, offering a robust and scalable solution for modern decentralized power systems.

Bu makale, genetik algoritma kullanarak LLC rezonans dönüştürücülerin optimizasyonu üzerine kapsamlı bir çalışmayı sunmaktadır. Lr, Lm ve Cr rezonans parametrelerinin hassas bir şekilde ayarlanması yüksek güç dönüşüm verimliliği elde etmek için hayati önem taşırken, LLC rezonans dönüştürücülerin etkinliği de büyük ölçüde bu sürece bağlıdır. Dönüştürücünün karmaşık ve doğrusal olmayan işleyişi nedeniyle, geleneksel tasarım teknikleri bu parametreleri optimize etmekte sıklıkla başarısız olur. Bu çalışmada bu zorluğun üstesinden gelmek için, dönüştürücünün etkinliğini en üst düzeye çıkaran ideal çözümlerin arayışında parametre uzayını akıllıca araştıran genetik algoritmalar temelli bir optimizasyon stratejisi uygulanmıştır. Süreç, optimizasyon sorununun formülasyonunu, genetik algoritmanın uygulanmasını ve benzetim sonuçlarının incelenmesini içermektedir. Benzetim sonuçları göstermiştir ki toplamda bu adımlar, optimize edilmiş tasarımların geleneksel seçeneklerden daha üstün olduğunu göstermektedir. Benzetim sonuçlarına göre, sistem verimliliği %96,8 olarak elde edilmiştir. Sonuçlar, genetik algoritmaların LLC rezonans dönüştürücü performansını büyük ölçüde iyileştirebileceğini ve güç elektroniği tasarımcıları için güçlü araçlar sağladığını göstermektedir. Bu araştırmanın, güvenilir ve etkili güç dönüşümü gerektiren çeşitli endüstri uygulamalarında kullanım bulabilecek daha dayanıklı ve verimli güç sistemlerinin oluşturulması için etkileri vardır.