Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos Com Sombreamento Parcial

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Gasperacco, Wellington
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Espírito Santo
BR
Mestrado em Engenharia Elétrica
Centro Tecnológico
UFES
Programa de Pós-Graduação em Engenharia Elétrica
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Artificial Neural Network
Solar Energy
MPPT, partial shading
Controlador de carga MPPT
MPPT
Redes Neurais Artificiais
Energia solar
Sombras e sombreados
Redes neurais (Computação)
Sistemas de energia fotovoltaica
Sistemas Elétricos de Potência
621.3
Link de acesso: http://repositorio.ufes.br/handle/10/9579
Resumo: In photovoltaic panels, the maximum power point depends on the levels of solar irradiance and temperature. Determining the maximum power value is a complex task, especially when the irradiance is not uniform, i.e. when there is partial shading on the panel. This work applies an artificial neural network (ANN) to identify the point of operation with maximum power in photovoltaic panels under different conditions of shading (solar radiation), total or partial. The solar irradiance (given in W / m²), temperature (° C) and the open circuit voltage of the panel (V) are used as inputs for training and RNA testing. The information sought at the output of the artificial neural network is the voltage value (V) to be imposed to operate at maximum power. In the study, by simulation, an MLP (Multiple Layer Perceptron) type RNA was developed with two hidden layers of 13 neurons each. For ANN training were used 554 samples of parameters, and 92 for verification, generated from a model developed in Matlab / Simulink® software. The results of the tests returned an error rate around 6%, showing that the artificial neural network with the proposed approach can be an efficient solution to detect the maximum power point in several shadowing situations.
id UFES_7ee7bd91237ac6ea284417a747aa9712
oai_identifier_str oai:repositorio.ufes.br:10/9579
network_acronym_str UFES
network_name_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
repository_id_str
spelling Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos Com Sombreamento ParcialArtificial Neural NetworkSolar EnergyMPPT, partial shadingControlador de carga MPPTMPPTRedes Neurais ArtificiaisEnergia solarSombras e sombreadosRedes neurais (Computação)Sistemas de energia fotovoltaicaSistemas Elétricos de Potência621.3In photovoltaic panels, the maximum power point depends on the levels of solar irradiance and temperature. Determining the maximum power value is a complex task, especially when the irradiance is not uniform, i.e. when there is partial shading on the panel. This work applies an artificial neural network (ANN) to identify the point of operation with maximum power in photovoltaic panels under different conditions of shading (solar radiation), total or partial. The solar irradiance (given in W / m²), temperature (° C) and the open circuit voltage of the panel (V) are used as inputs for training and RNA testing. The information sought at the output of the artificial neural network is the voltage value (V) to be imposed to operate at maximum power. In the study, by simulation, an MLP (Multiple Layer Perceptron) type RNA was developed with two hidden layers of 13 neurons each. For ANN training were used 554 samples of parameters, and 92 for verification, generated from a model developed in Matlab / Simulink® software. The results of the tests returned an error rate around 6%, showing that the artificial neural network with the proposed approach can be an efficient solution to detect the maximum power point in several shadowing situations.Nos painéis fotovoltaicos, o ponto depotência máxima depende dos níveis de irradiância solar e temperatura. Determinar o valor de máxima potência é uma tarefa complexa,em especial, quando airradiância não é uniforme, istoé, quando há sombreamento parcial no painel. Este trabalho aplica uma rede neural artificial (RNA) para identificação do ponto de operação com potência máxima em painéis fotovoltaicos em diferentes condições desombreamento, seja ele total ou parcial. Utiliza-se como parâmetros de entrada no treinamento e teste da RNA a irradiância solar (dada em W / m²), temperatura (°C) e a tensão de circuito aberto do painel (V). A informação buscada na saída da rede neural artificial é o valor de tensão (V) a impor para operar em máxima potência. No estudo, por simulação, foi desenvolvida uma RNA do tipo MLP (Perceptronde Múltiplas Camadas) com duas camadas ocultas de 13 neurônios cada. Foram utilizadas 554 amostras de parâmetros para o treinamento da RNA, e 92 para comprovação, gerados a partir de um modelo desenvolvido no software Matlab/Simulink®. Os resultados dos testes retornaram uma taxa de erro em torno de 6%, mostrando que a rede neural artificial com a abordagem proposta pode ser uma solução eficiente para detecção do ponto de máxima potência em diversas situações de sombreamento.Universidade Federal do Espírito SantoBRMestrado em Engenharia ElétricaCentro TecnológicoUFESPrograma de Pós-Graduação em Engenharia ElétricaFardin, Jussara FariasSimonetti, Domingos Sávio LyrioCosta, Wagner Teixeira daSantos, Walbermark Marques dosGasperacco, Wellington2018-08-02T00:00:46Z2018-08-012018-08-02T00:00:46Z2018-02-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisTextapplication/pdfhttp://repositorio.ufes.br/handle/10/9579porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFES2024-12-09T22:14:07Zoai:repositorio.ufes.br:10/9579Repositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestriufes@ufes.bropendoar:21082024-12-09T22:14:07Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false
dc.title.none.fl_str_mv Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos Com Sombreamento Parcial
title Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos Com Sombreamento Parcial
spellingShingle Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos Com Sombreamento Parcial
Gasperacco, Wellington
Artificial Neural Network
Solar Energy
MPPT, partial shading
Controlador de carga MPPT
MPPT
Redes Neurais Artificiais
Energia solar
Sombras e sombreados
Redes neurais (Computação)
Sistemas de energia fotovoltaica
Sistemas Elétricos de Potência
621.3
title_short Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos Com Sombreamento Parcial
title_full Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos Com Sombreamento Parcial
title_fullStr Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos Com Sombreamento Parcial
title_full_unstemmed Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos Com Sombreamento Parcial
title_sort Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos Com Sombreamento Parcial
author Gasperacco, Wellington
author_facet Gasperacco, Wellington
author_role author
dc.contributor.none.fl_str_mv Fardin, Jussara Farias
Simonetti, Domingos Sávio Lyrio
Costa, Wagner Teixeira da
Santos, Walbermark Marques dos
dc.contributor.author.fl_str_mv Gasperacco, Wellington
dc.subject.por.fl_str_mv Artificial Neural Network
Solar Energy
MPPT, partial shading
Controlador de carga MPPT
MPPT
Redes Neurais Artificiais
Energia solar
Sombras e sombreados
Redes neurais (Computação)
Sistemas de energia fotovoltaica
Sistemas Elétricos de Potência
621.3
topic Artificial Neural Network
Solar Energy
MPPT, partial shading
Controlador de carga MPPT
MPPT
Redes Neurais Artificiais
Energia solar
Sombras e sombreados
Redes neurais (Computação)
Sistemas de energia fotovoltaica
Sistemas Elétricos de Potência
621.3
description In photovoltaic panels, the maximum power point depends on the levels of solar irradiance and temperature. Determining the maximum power value is a complex task, especially when the irradiance is not uniform, i.e. when there is partial shading on the panel. This work applies an artificial neural network (ANN) to identify the point of operation with maximum power in photovoltaic panels under different conditions of shading (solar radiation), total or partial. The solar irradiance (given in W / m²), temperature (° C) and the open circuit voltage of the panel (V) are used as inputs for training and RNA testing. The information sought at the output of the artificial neural network is the voltage value (V) to be imposed to operate at maximum power. In the study, by simulation, an MLP (Multiple Layer Perceptron) type RNA was developed with two hidden layers of 13 neurons each. For ANN training were used 554 samples of parameters, and 92 for verification, generated from a model developed in Matlab / Simulink® software. The results of the tests returned an error rate around 6%, showing that the artificial neural network with the proposed approach can be an efficient solution to detect the maximum power point in several shadowing situations.
publishDate 2018
dc.date.none.fl_str_mv 2018-08-02T00:00:46Z
2018-08-01
2018-08-02T00:00:46Z
2018-02-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufes.br/handle/10/9579
url http://repositorio.ufes.br/handle/10/9579
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv Text
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Espírito Santo
BR
Mestrado em Engenharia Elétrica
Centro Tecnológico
UFES
Programa de Pós-Graduação em Engenharia Elétrica
publisher.none.fl_str_mv Universidade Federal do Espírito Santo
BR
Mestrado em Engenharia Elétrica
Centro Tecnológico
UFES
Programa de Pós-Graduação em Engenharia Elétrica
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
instname:Universidade Federal do Espírito Santo (UFES)
instacron:UFES
instname_str Universidade Federal do Espírito Santo (UFES)
instacron_str UFES
institution UFES
reponame_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
collection Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)
repository.mail.fl_str_mv riufes@ufes.br
_version_ 1834479088892379136

Registros relacionados