Aplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cuk

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Arruda, Luiz Fernando Marquez
Orientador(a): Lessa, Moisés Ferber de Vieira
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/226926
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Joinville, Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos, Joinville, 2021.
id UFSC_d2a08ced7440487607458d1489af8fb8
oai_identifier_str oai:repositorio.ufsc.br:123456789/226926
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaArruda, Luiz Fernando MarquezLessa, Moisés Ferber de VieiraGreff, Diego Santos2021-08-23T14:05:03Z2021-08-23T14:05:03Z2021372695https://repositorio.ufsc.br/handle/123456789/226926Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Joinville, Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos, Joinville, 2021.Este trabalho apresenta um estudo sobre a aplicação de redes neurais artificiais como algoritmo de rastreamento de ponto de máxima potência (MPPT) em sistemas fotovoltaicos aplicado a um conversor CC-CC Cuk. A técnica de MPPT com redes neurais visa encontrar de forma rápida a razão cíclica da chave de comutação em conversores CC-CC entregando uma maior potência a carga. São equacionados o conversor CC-CC e seus elementos magnéticos, a curva característica de um painel solar e a irradiação solar ao longo do dia e ao longo do ano. São treinadas diversas redes neurais com diferentes funções de ativação. Também são feitas comparações de corrente, tensão e potência utilizando a técnica de rede neural treinada e a técnica de \"Perturba e Observa\"(P&O) clássica. Utiliza-se o software PSIM para simulação de sistemas fotovoltaicos e Python para programação e treinamento da rede neural artificial. É montado um protótipo funcional em busca de resultados experimentais. São obtidos resultados considerados superiores tanto em ambiente simulado quanto experimental, onde são evidenciados através de gráficos que representam a tensão, corrente e potência ao longo do experimento, que a técnica de RNA entrega uma maior potência a carga se comparada a técnica de P&O.Abstract: This work presents a study on the application of artificial neural networks as a maximum power point tracking (MPPT) algorithm in photovoltaic systems applied to a DC-DC Cuk converter. The MPPT technique with neural networks aims to find the duty cycle of the switching key in DC-DC converters faster than other methods, delivering a higher power to the load. The DCDC converter and its magnetic elements, the solar panel power curve, and the solar irradiation throughout the day and throughout the year are equated. Several neural networks with different activation functions are trained. Comparisons of power delivered to load are also made using the trained neural network technique and the classic \"Disturb and Observe\" (P&O) technique. PSIM software is used to simulate photovoltaic systems and Python for programming and training the artificial neural network. A working prototype is built for obtaining experimental results. The results are considered superior in both simulated and experimental environments are obtained, where it is evidenced through graphics that represent the voltage, current and power throughout the experiment, that the ANN technique delivers greater power to the load compared to the P&O technique.170 p.| il., tabs.porSistemas eletrônicosConversores CC-CCRedes neurais (Computação)Energia solarGeração de energia fotovoltaicaAplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cukinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPESE0011-D.pdfPESE0011-D.pdfapplication/pdf63128244https://repositorio.ufsc.br/bitstream/123456789/226926/-1/PESE0011-D.pdfb4f4a445ea8316685ff57b9772fbdceeMD5-1123456789/2269262021-08-23 11:05:04.105oai:repositorio.ufsc.br:123456789/226926Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732021-08-23T14:05:04Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Aplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cuk
title Aplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cuk
spellingShingle Aplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cuk
Arruda, Luiz Fernando Marquez
Sistemas eletrônicos
Conversores CC-CC
Redes neurais (Computação)
Energia solar
Geração de energia fotovoltaica
title_short Aplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cuk
title_full Aplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cuk
title_fullStr Aplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cuk
title_full_unstemmed Aplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cuk
title_sort Aplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cuk
author Arruda, Luiz Fernando Marquez
author_facet Arruda, Luiz Fernando Marquez
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Arruda, Luiz Fernando Marquez
dc.contributor.advisor1.fl_str_mv Lessa, Moisés Ferber de Vieira
dc.contributor.advisor-co1.fl_str_mv Greff, Diego Santos
contributor_str_mv Lessa, Moisés Ferber de Vieira
Greff, Diego Santos
dc.subject.classification.none.fl_str_mv Sistemas eletrônicos
Conversores CC-CC
Redes neurais (Computação)
Energia solar
Geração de energia fotovoltaica
topic Sistemas eletrônicos
Conversores CC-CC
Redes neurais (Computação)
Energia solar
Geração de energia fotovoltaica
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Joinville, Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos, Joinville, 2021.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-08-23T14:05:03Z
dc.date.available.fl_str_mv 2021-08-23T14:05:03Z
dc.date.issued.fl_str_mv 2021
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 https://repositorio.ufsc.br/handle/123456789/226926
dc.identifier.other.none.fl_str_mv 372695
identifier_str_mv 372695
url https://repositorio.ufsc.br/handle/123456789/226926
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 170 p.| il., tabs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/226926/-1/PESE0011-D.pdf
bitstream.checksum.fl_str_mv b4f4a445ea8316685ff57b9772fbdcee
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851759201040203776

Registros relacionados