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

Artificial Neural Network, Solar Energy, MPPT, partial shading

Rocha, T. S.; Mazzoco, G.; Fardin, J. F.; Simonetti, D. S. L.; Gasperacco, W.

Artigo Completo:

Nos painéis fotovoltaicos, o ponto de potência máxima depende dos níveis de irradiância solar e temperatura. Determinar o valor de potência máxima é uma tarefa complexa, em especial, quando a irradiância não é uniforme, isto é, 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 de sombreamento, 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 (Perceptron de 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.

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.

Palavras-chave:

DOI: 10.5151/phypro-viii-efa-21

Referências bibliográficas

• [1] BASTOS, R. F.; MOÇAMBIQUE, N. E. M.; MACHADO, R.Q.; AGUIAR, C.R. Rede Neural Artificial aplicada na busca do ponto de máxima potência em painéis fotovoltaicos. Anais do XIX Congresso Brasileiro de Automática, CBA 2012.
• [2] COELHO, D. C. Proposta de Conversor para Rastreamento da Máxima Potência de Operação de pequenos Sistemas de Geração de Energia Elétrica. 2009. 124 f. Dissertação (Mestrado) -Universidade Federal De Santa Catarina, Florianópolis, 2009. Cap. 3.
• [3] DZUNG D N; BRAD L.. Modeling and simulation of solar PV arrays under changing illumination condicions. IEE COMPEL, pp 16-19, 2006.
• [4] BABU, T. SUDHAKAR; RAJASEKAR, N.; SANGEETHA, K. Modified particle swarm optimization technique based maximum power point tracking for uniform and under partial shading condition. Applied Soft Computing, v. 34, p. 613-624, 2015.
• [5] SILVA, I. N. Da; SPATTI, D. H.; FLAUZINO, R. A. Redes Neurais Artificiais para Engenharia e Ciências Aplicadas: Curso Prático. São Carlos: Artliber, 2010.
• [6] SAMPAIO, P. T.. Modelagem Térmica de um Forno Panela Utilizando Redes Neurais Artificiais. 2006. 90 f. Dissertação (Mestrado) - Universidade Federal de Minas Gerais, Belo Horizonte, 2006. Cap. 2.
• [7] MEDEIROS, T. H.. Treinamento de Redes Neurais Artificiais com Otimização Multi-Objetivo e Regularização Bayesiana: Um Estudo Comparativo. 2004. 124f. Dissertação (Mestrado) – Universidade Federal do Minas Gerais, Belo Horizonte, 2004.

Como citar:

Rocha, T. S.; Mazzoco, G.; Fardin, J. F.; Simonetti, D. S. L.; Wellington Gasperacco; "Rede Neural Artificial Aplicada ao Rastreamento de Pontos de Máxima Potência de Painéis Fotovoltaicos com Sombreamento Parcial", p-85-90. In: . São Paulo: Blucher, 2017.
ISSN 23582359, DOI 10.5151/phypro-viii-efa-21