太阳能光伏系统中基于ANFIS的最大功率点跟踪控制器研究

可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报5（2018）11基于ANFIS整定系统的光伏太阳能水泵最大功率点跟踪S. 穆罕默德？沙班Ab u El-Sebaha，b， Pierre Bekhitc，a阿拉伯科学技术和海运学院工程和技术学院开罗校区机械工程系，埃及b埃及吉萨电子研究所电力电子和能源转换系c埃及吉萨高等工程学院机电工程系接收日期：2018年1月30日;接收日期：2018年2月10日;接受日期：2018年2月10日在线发售2018年摘要太阳能光伏（PV）系统是一种清洁和自然补充的能源。PV板具有代表最大可用功率的唯一点，该点取决于环境条件，例如温度和辐照度。因此，最大功率点跟踪（MPPT）对于最大效率是必要的。本文讨论了基于自适应神经模糊推理系统（ANFIS）的光伏水泵系统最大功率点跟踪的研究。在不同的辐照和温度条件下，进行了系统的性能与无MPPT之间的比较。基于ANFIS的控制器在所有辐照度和温度水平下都具有快速响应和高效率，使其成为光伏组件等非线性系统的强大技术。© 2018 电 子 研 究 所 （ ERI ） 。 Elsevier B. V. 制 作 和 托 管 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：MPPT; ANFIS; Boost变换器; PMDC泵1. 介绍根据联合国的数据，2017年4月世界人口达到约75亿人，由于建筑物和交通工具数量的增加，这将导致能源消耗显着增加目前，建筑物消耗总能量的40%和总电力消耗的51%（Ahmad等人， 2017年）。建筑物在制冷、供暖、热水、照明和烹饪等操作中消耗能源。 （Ma等人， 2017年）。 化石燃料*通讯作者。电子邮件地址：Sameh. aast.edu（S.Shabaan），Mohamedibrahi32@aast.edu（M.I.Abu El-Sebah），berooo88@hotmail.com（P. Bekhit）.电子研究所（ERI）负责同行评审https://doi.org/10.1016/j.jesit.2018.02.0022314-7172/© 2018电子研究所（ERI）。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。12S. Shabaan等人/电气系统与信息技术学报5（2018）11占全球能源消耗的87%（Efe Biresselioglu和Yelkenci，2016年），70%的发电依赖于燃烧化石燃料，98%的氢工业生产依赖于它（Muradov，2017年）。到2020年，燃烧化石燃料导致的二氧化碳排放量将增加约356亿公吨（Zaman和Abd-el。Moemen，2017年）和黑碳（BC），主要由化石燃料和生物燃料的不完全燃烧产生的纯碳组成，吸收所有波长的光，因此称为黑色并将太阳辐射重新辐射为热量（Healy等人， 2017年）是全球变暖的主要因素，并造成环境污染，影响人类健康。因此，有一种严肃的方法来减少这些气体在大气中的排放，方法是增加使用以多种形式存在的可再生能源，包括太阳能热、光伏（PV）、水力、地热、风能、海洋和生物质，生物质由于其可用性而被列为石油和煤炭之后的第三种能源（Trninic等人， 2016年）。 它们是清洁的，自然补充，排放很少或没有温室气体，不影响人类健康。近年来，由于不断降低成本，高水平的投资和技术进步，光伏成为增长最快的市场之一光伏系统具有许多优点，如低运营和维护成本，可靠的系统，免费能源，高可用性，可以安装在偏远地区，无噪音，但其主要缺陷是市场上系统可用性的限制，高度 依 赖 技 术 开 发 ， 需 要 大 面 积 安 装 ， 依 赖 太 阳 辐 照 度 ， 初 始 成 本 高 （ Vasconcelos Sampaio 和AguirreGonzález，2017）。光伏系统具有非线性特性。在功率-电压（P-V）曲线上有一个点，称为最大功率点（MPP），在该点处光伏阵列产生最大输出功率。光伏系统的最大功率点取决于太阳辐射、温度和负载阻抗，因此有必要持续跟踪这一点。因此，需要最大功率点跟踪（MPPT）技术来维持PV阵列在该点处操作（FawzyEl-Khatib等人， 2017年）。在过去的几十年里，已经开发了许多方法来寻找MPP并发表。这些技术在许多方面不同，例如所需的传感器，复杂性，成本，有效性范围，易于实施和收敛速度。 这些技术可以分为五组（Karami等人， 2017年）。 第一组是具有恒定参数的跟踪技术：基于模型的技术;需要关于模型特征的先验信息。这些技术包括（恒定电压法、开路电压法、短路电流法、开路电压先导PV电池法、温度梯度（TG）算法、温度参数（TP）法、第二组是跟踪技术与试验和错误：最广泛使用的技术。它们是迭代方法，从任意解开始，通过改变影响解的单个参数来寻求更好的解。迭代将继续进行，直到无法进行任何改进（Jately和Arora，2017）。这些技术包括扰动观测法、固定扰动步长的改进型扰动观测法、自适应扰动的常规扰动观测法、自适应扰动的改进型扰动观测法、单电流光伏法、光伏输出无传感器控制法、三点权值比较法、直流侧电容下垂控制、在线MPP搜索算法、阵列重构法。第三组是具有测量和比较的跟踪技术：这些技术基于感测外部参数，例如辐照度、温度、PV电流和PV电压，并将它们与预先已知的MPP进行比较。这些算法的缺点是存储数据需要大量内存（Joshi和Arora，2017）。 查找表法、负载电流或负载电压最大化、线性电流控制法是这些技术的例子。第四组是数学计算的跟踪技术：这些数值方法提供了接近精确解的估计 将最小量的误差引入到计算中，并且MPP被认为是要跟踪的最优解（Amir等人，2016年）。这些方法的示例是（基于状态的MPPT方法、曲线拟合方法、线性重定向坐标方法、滑动控制方法、微分方法、电流扫描方法、增量电导方法、dP/dV或dP/dI反馈控制、可变步长增量电导方法、可变步长增量电阻方法、β方法、寄生电容（PC）方法、IMPP和VMPP计算方法、纹波相关控制、调制方法）。最后一组是智能预测跟踪技术：这些方法通过使用智能学习过程（如模糊逻辑控制、神经网络和生物群追逐算法）来预测MPP的位置每种技术都有自己的优点和缺点。表1比较了一些不同的MPPT技术在所使用的传感器的数量和类型以及因此的实现成本、跟踪速度和稳定性方面的差异。S. Shabaan等人/电气系统与信息技术学报5（2018）1113布吕格exp[qVoc] −1≤ ≤××NPARNPARNs K aTRp（）Rp）的表达式QET refKa不表1不同MPPT技术的优点和缺点（采用Karami等人，（2017））。#跟踪方法A/D传感器速度稳定性周期调谐1恒定电压一V快速不稳定是的2开路电压一V快速不稳定是的3扰动和观测A/DV C慢不稳定没有4线性重定向坐标DV C慢稳定没有5曲线拟合DV快速不稳定是的6dP/dV或dP/dI反馈控制DV C慢稳定没有7增量电导DV C慢稳定没有8模糊逻辑控制DV C非常快非常稳定没有9神经网络DV C非常快非常稳定没有10生物群追逐算法DV C非常快非常稳定没有2. 光伏的建模和特性太阳能系统的模拟节省了在真实系统上做实验所需的时间和金钱。我们可以研究改变任何参数对整个系统的影响，比较不同的系统，跟踪能量转换并详细识别整个系统的损失，但模拟具有一些缺点，因为模型准备时间长，每个模拟模型都是唯一的，该模型的结果不能用于分析另一个模型（Kikolski，2017）。 PV模块由串联和并联连接的电池的组合组成。串联连接的电池增加输出电压，而并联连接的电池增加输出电流。PV模块的（1）-（4）（KC 200GT，2017）。I=Np<$Ipv−Np<$Is[exp（q（V+ Rs I））−1]−V+ Rs I（一）Ipv=[ Isc+ Ki（ T-Tref）]*G（2）T3T参考值1−1ΣIrs=IscNs KaT（四）其中Ipv是光电流; Is是二极管的反向饱和电流; q是电子电荷（1.60217646 10- 19 C）; k是玻尔兹曼常数（1.3806503 10- 真实值，单位为开尔文（K）; a为二极管理想系数（1 a 2）; Np是并联电池的数量; Ns是串联电池的数量; Isc是STC时的电池短路电流; Ki是STC时的电池短路电流温度系数。STC; T是电池工作温度; Tref是电池参考温度;G是太阳辐照度水平（KW/m2）; Irs是反向饱和电流; Eg是电池中半导体的带隙能量（1.1eV）。作为PV模块，PV阵列由串联和并联的多个互连的光伏模块组成。光伏阵列的I-V特性由方程给出。（5）（KC200GT，2017）.I=Npar<$Ipv−Npar<$Is[exp（q（V+ Rs I（Nser））Nser K a T）−1]−V+ Rs I（Nser）恩塞尔·恩帕尔（五）其中Npar是并联模块的数量; Nser是串联模块的数量。选用KC200GTS光伏组件作为MATLAB仿真模型。该模块由54个多晶硅太阳能电池串联而成，STC最大功率为200 W表2说明了STC对该模块的配置图图1示出了由等式2描述的单个二极管Rp模型的等效电路。（1）图图2通过MATLAB示出了PV模块的电路模型，而图3示出了PV模块的电路模型。图3 -5分别示出了模块电流、Vta和光电流的Simulink模型。Is= Irs（（三）14S. Shabaan等人/电气系统与信息技术学报5（2018）11−表2KC200GTS光伏组件数据表（KC200GT，2017）。变量值Pmax 200 W（+10%/5%）Vmax 26.3 VImax 7.61 AIsc 8.21 AVoc 32.9 VVoc的温度系数为−1.23×10−1 V/oCIsc温度系数3.18× 10−3 A/oCFig. 1. 单二极管Rp模型。图二.用MATLAB建立了光伏组件的电路模型。图三. 模块电流的Simulink模型。见图4。 VTA的Simulink模型使用MATLAB Simulink使用图中的模型进行仿真。 6研究了辐照和温度对光伏组件性能的影响。首先，在25 ℃的恒温下进行不同程度的辐照图图7和图8分别示出了在400、600、800和1000 W/m2的不同辐照水平下组件的I-V和V-P特性。据观察，S. Shabaan等人/电气系统与信息技术学报5（2018）1115图五. 光电流的Simulink模型见图6。 光伏组件的Simulink模型。见图7。I–V characteristics at constant temperature and variable irradiance电流显著增加，并且输出电压适度增加，这导致输出功率随着辐照度水平的增加而增加为了研究温度对模块性能的影响，在100 ℃下采用不同水平的温度。1000 W/m2的恒定辐照度。图9显示了模块分别在25 ℃、35 ℃、45 ℃和55 ℃不同温度水平下的结果表明，随着温度的升高，输出电流略有增加，输出电压显著下降，输出功率总体下降。16S. Shabaan等人/电气系统与信息技术学报5（2018）11见图8。P–V characteristics at constant temperature and variable irradiance见图9。I–V characteristics at constant irradiance and variable temperature3. ANFIS结构和调整3.1. ANFIS结构自适应神经模糊推理系统（ANFIS）是一种人工智能方法，它结合了模糊逻辑和人工神经网络的优点，使其成为非线性和复杂系统的强大技术（Rezakazemi等人，2017年）。ANFIS结构由五层组成，如图10所示。它们是输入层（模糊层）、模糊化层（产品层）、推理过程层（归一化层）、解模糊化层和最终输出层（Sen等人，2017年;Im等人，2018年）。每层的功能如下所示：（AbolfazlHosseini和PaeenAfra k oti，2017年;raboki c′和J o vi c′，2017年;Zare和Koch，2018年;Baghban等人， 2017年）。第1层：将输入转换为模糊值。该层中的每个节点由隶属函数Ai组成。层1的第i个节点的输出根据等式给出（六）：oi，1=µAi（x1）（6）其中Oi，1是第1层的第i个节点的输出; X1是输入节点i; Ai是与该节点相关联的语言变量。S. Shabaan等人/电气系统与信息技术学报5（2018）1117×Σ--Σ=n见图10。ANFIS结构（采用自AbolfazlHosseini和PaeenRankoti（2017））。表3训练数据集的样本。Number辐照度（W/m2）温度（℃）输出功率（W）120015240.5256220020234.1192320025227.7175420030221.3214520035214.9322620040208.5511720045202.1794820050195.8187920055189.47031020060183.13591120065176.8174第2层：产品层，该层的输出提供了隶属函数的权重，这些权重是其输入的副产品。例如，w2 = A2（x1）A4（x2）。第3层：归一化层提供网络的规则库，每个权重根据等式由总权重的总和归一化。（七）：焕光（七）Wi−1wi第4层：在该层中，执行输出的解模糊化，该层中的节点的输出为Eq.（八）：oi=wi×fi=wi×（pi x1+qi x2+ri）（8）其中wi是前一层的输出，pi、qi、ri是应该在学习机制中计算的参数集。第5层：输出层计算系统的总体输出，如等式（9）：f（x1，x2）=wi×fi（9）我3.2. ANFIS整定ANFIS模型以温度和辐照度为输入，给出了在这些工作条件下的最大可用功率的精确值。训练数据集是通过改变温度从15° C到65° C，步长为5° C，辐照度从100 W/m2到1000 W/m2，步长为50 W/m2。训练数据的样本如表3所示。 ANFIS使用209个数据集，2000个epoch进行训练。 图图11示出了由以下生成的ANFIS结构：MATLAB的采用基于Sugeno型推理系统的最小二乘法和反向传播梯度下降法相结合的混合优化方法进行产量18S. Shabaan等人/电气系统与信息技术学报5（2018）11DT见图11。用MATLAB生成的ANFIS结构。4. PMDC太阳能水泵光伏水泵系统一般分为直流或交流电机水泵系统。在DC电动机泵送系统中的模块和泵之间的中间转换器可用于寻求最大功率，而AC泵送系统需要DC-AC逆变器以将模块的DC输出功率转换成可变电压/可变频率电源（Periasamy 等人， 2015 年）。直流电机 泵送系统使用 传统的带刷直 流电机和无刷直 流电机（BLDC），而交流泵送系统使用感应和同步交流电机（Sontake和Kalamkar，2016）。通常，离心泵用于PV泵送系统，其效率从25%变化到35%（Chandel等人， 2017年）。 离心泵在低扬程和高排放条件下运行。它的吸力相对较差，经常发生汽蚀其他类型的泵使用正排量和潜水泵。容积泵具有良好的吸入功率，因此当总吸入压头高但排放量低时，它们是合适的选择潜水泵提供高扬程和高流量。不存在气蚀问题，但存在腐蚀问题和密封损坏（Li等人，2017年）。描述永磁直流电动机（PMDC）电压和转矩的方程在方程中给出（10）和（11）。此外，离心泵负载方程如等式2所示（12）（IbrahimandIbrahim，2013）.Va=Ia Ra+LadIa+k3w（10）DWT=A3 +B 1 w+ J dt +T负载（11）Tload = A1 + ∈ w 1。八（十二）其中Va是电枢电压（V）; Ia是电枢电流（A）; Ra是电枢电阻（▲）; La是电枢电感（H）; k3是反电动势常数（N m A−1）; w是转子速度（rpm）; T是电机转矩（N m）; A3是电机摩擦常数（N m）; B1是阻尼常数（N m s rad−1）; J是转子惯性（kg m2）; Tload是负载转矩（N m）; A1是负载摩擦常数（N m）;∈是负载转矩常数（N m s rad−1）。S. Shabaan等人/电气系统与信息技术学报5（2018）1119见图12。光伏阵列直接耦合到直流电机泵负载的Simulink。图十三.带直流电机泵负载的ANFIS MPPT系统的仿真。5. 仿真及结果MATLAB仿真在不同辐照度和温度水平下对ANFIS MPPT算法和光伏系统与直流泵电机负载的直接耦合进行了对比测试。图12为光伏阵列直接耦合直流电机泵的Simulink电路图，图13为ANFIS MPPT系统的Simulink电路图。对直接耦合和ANFIS MPPT光伏阵列连接到直流电机泵负载进行了仿真，在变化的辐照度和恒定的温度下实现 图图14示出了在900 W/m 2和25 ° C的恒定温度下使用ANFIS的PV功率的MPPT的瞬态性能。表4显示了在不同辐照度水平和恒定温度下使用ANFIS的直流泵的直流电机速度、其扭矩和负载功率的性能，而表5显示了直接耦合期间的相同结果表6说明了在不同温度水平和恒定温度下使用ANFIS的直流泵的直流电机速度、其扭矩和负载功率的性能。辐照度ANFIS具有更快的旋转速度，这将导致更多的水泵，因为在离心泵中取决于电机速度。20S. Shabaan等人/电气系统与信息技术学报5（2018）11见图14。基于ANFIS的光伏电源瞬态响应。表4在不同辐照度和恒定温度下使用ANFIS的泵性能辐照度（W/m2）温度（℃）电机转速（r.p.m）泵扭矩（N m）负载功率（W）10002514515.85410029002514255.6919568002513915.475895.57002513425.171814.66002512664.726985002511504.073545.240025997.93.294379.430025815.62.475231.5表5在不同辐照度和恒定温度下直接耦合期间的泵性能辐照度（W/m2）温度（℃）电机转速（r.p.m）泵扭矩（N m）负载功率（W）1000258332.546243.590025827.52.523239.680025821.22.497235.370025813.92.466230.360025805.22.43224.450025794.42.386217.340025780.32.329208.230025759.92.248195.66. 结论本文介绍了光伏系统的最大功率点跟踪的研究及其应用的直流泵负载在不同的辐照和温度条件下。基于单二极管Rp模型的光伏组件建模实现了与数据手册信息的良好用MATLAB软件对带直流电机泵的光伏发电系统进行了最大功率点跟踪与直接耦合系统的仿真比较结果表明，由于光伏组件与负载之间的不匹配，MPPT确保PV和S. Shabaan等人/电气系统与信息技术学报5（2018）1121表6在不同温度水平和恒定辐照度下使用ANFIS的泵性能辐照度（W/m2）温度（℃）电机转速（r.p.m）泵扭矩（N m）负载功率（W）6003012564.656683.26003512424.583665.36004012284.502645.46004512124.413624.16005011964.317601.56005511764.2165786006011574.1125546006511374.004529.6通过控制DC-DC升压转换器的占空比来最大化功率传输的负载另一方面，它表明，MPPT技术增加了太阳能输出功率从20.1%到82.7%以上的直接耦合。不同类型的MPPT算法已被审查。对ANFIS MPPT算法进行了仿真，实现了最大功率传输。与直接耦合相比，ANFIS算法在效率方面表现出更好的性能ANFIS响应速度快，振荡少，在所有辐照度水平下输出功率的增益都很高从电机转速的角度进行了进一步的比较，结果表明，采用ANFIS算法的系统比直接耦合的系统可以泵送更多的水。引用Abolfazl Hosseini，Seyed，Paeen Muskoti，Iman Esmaili，2017.VVER-1000堆芯中子噪声源重构的自适应神经模糊推理系统（ANFIS）Ann.Nucl.Energy105（July），36-44.Ahmad，J.，拉里贾尼，H.，伊曼纽尔河，Mannion，M.，Javed，A.，Phillipson，M.，2017. 基于新随机神经网络预测器的大型非住宅建筑能源需求预测。在：2017年度IEEE国际系统会议（SysCon），蒙特利尔，QC，加拿大，pp。1比6阿米尔，A.，Selvaraj，J.，Rahim，N.A.，2016年。 MPP跟踪算法研究：重点研究数值方法技术。 雷内·W 坚持住。 EnergyRev. 62（September），350-371.Baghban，Alireza，Sasanipour，Jafar，Haratipour，Pouya，Alizad，Mehdi，Ayouri，Masih Vafaee，2017.活性碳上鼠李糖脂穿透曲线的ANFIS建模。化学工程研究设计部126（October），67-75.Chandel，S. S.，Nagaraju Naik，M.，Chandel，Rahul，2017. 直接耦合光伏水泵系统性能研究综述及实例分析。雷内·W 坚持住。EnergyRev. 76（September），163-175.Efe Biresselioglu，Mehmet，Yelkenci，Tezer，2016. 化石燃料价格、生产和消费之间因果关系的研究：面板数据方法。Energy102（May），44-53.Fawzy El-Khatib，Mohamed，Shaaban，S.，Abu El-Sebah，Mohamed I.，2017. 提出一种先进的光伏太阳能泵系统最大功率点跟踪控制。SolarEnergy158（December），321-331.希利，R.M.，索沃沃特，美国，苏，Y.，Debosz，J.，Noble，M.，Jeong，C.- H、王建民，Hilker，N.，埃文斯，G.J.，Doerksen，G.，琼斯，K.，穆尼奥斯，A.，2017. 安大略省化石燃料和生物质燃烧黑碳的环境测量和源解析。大气层。 在维龙。 161（July），34-47.易卜拉欣阁下Ibrahim，Mahmoud，2013.光伏水泵系统模糊最大功率跟踪控制在：IEEE控制工程和通信技术国际会议（ICCECT），12月，第100页。150-155Im，Dongkyun，Choi，Sung-Uk，Choi，Byungwoong，2018. 基于ANFIS方法的鱼类群落物理生境模拟。Ecological43（January），73-83.Jately，V，阿罗拉，S.，2017. 在快速变化的环境条件下从光伏系统中提取最大功率的双跟踪技术的发展。Energy133（August），557-571.Joshi，Puneet，Arora，Sudha，2017. 太阳能光伏系统最大功率点跟踪方法综述。雷内·W 坚持住。EnergyRev.70（April），1154-1177.KC200GT太阳能电池数据表。在线提供http://store.affordable-solar.com/store/discontinued-unavailable-solar-panels/kyocera-kc200gt-200watt-solar-panel.（2017年8月15日查阅）。Karami，Nabil，Mamarayed，Nazih，Outbib，Rachid，2017.对MPPT技术进行了综述和分类。 雷内·W 坚持住。 EnergyRev. 68（February（Part1）），1-18.Kikolski，Mateusz，2017.使用模拟模型研究生产情景。 Procedia工程182，321-328。李桂强，金，易，阿克拉姆，M.W.，Chen，Xiao，2017.太阳能光伏水泵系统的研究与现状。雷内·W 坚持住。 EnergyRev. 79（Nov），440-458.Ma，Jia-Jun，Du，Gang，Zhang，Zeng-Kai，Wang，Pei-Xing，Xie，Bai-Chen，2017. 天津市某典型大型建筑物能耗和CO2排放的寿命周期分析Build. 在维龙。117（May），36-48.22S. Shabaan等人/电气系统与信息技术学报5（2018）11Muradov，Nazim，2017.化石燃料制氢低至接近零CO2：现状与展望. Int. J. Hydrogen Energy 42（May（20）），1408-14058.Periasamy，Packiam，Jain，N.K.，辛格IP2015年。 光伏水泵系统发展综述。 雷内·W 坚持住。 EnergyRev.43（March），918-925.randokic'，Aleksanda，Jo vic'，Srd基于ANFIS方法的农业和工业对经济健康影响的评价。 Phys. 答：统计。 机甲Appl.479（August），396-399.Rezakazemi，Mashallah，Dashti，Amir，Asghari，Morteza，Shirazian，Saeed，2017. 采用ANFIS、PSO-ANFIS、GA-ANFIS对H2选择性混合基质膜进行建模。Int.J.HydrogenEnergy42（June（22）），15211-15225.Sen，Binayak，Mandal，Uttam Kumar，Mondal，Sankar Prasad，2017. 基于ANFIS的Inconel690切削性能参数预测智能系统的先进Navisphere--元启发式方法的一个透视。测量109（十月），9-17。Sontake，Vessel Chand，Kalamkar，Vilas R.，2016年。太阳能光伏水泵系统--综合评述。雷内·W 坚持住。EnergyRev.59（June），1038-1067.我知道了，先生。，Stojiljko vic′，D.，约沃沃维奇，A.，扬·凯斯，G.，2016年。生物质气化技术研究现状。在：2016年第四届国际研讨会对环境友好的能源和应用（EFEA），贝尔格莱德，pp. 1-8号。VasconcelosSampaio，PriscilaGon cal v es，AguirreGonzález，MarioOrestes，2017. 光伏太阳能：概念框架工作。 任ew。坚持住。 EnergyRev. 74（July），590-601.扎曼哈立德阿卜杜勒Moemen，Mitwali，2017. 能源消耗、二氧化碳排放与经济发展：可持续增长的替代性和合理性环境假设的评估。Reviews（July），1119-1130.Zare，Mohammad，Koch，Manfred，2018. 用ANFIS-和混合Wavelet-ANFIS/模糊C-均值（FCM）聚类模型模拟和预测地下水位波动：在棉兰老平原的应用J.Hydro-Environ. Res.18（February），63-76.