Please use this identifier to cite or link to this item: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/2154
metadata.dc.type: Trabalho de Conclusão de Curso
Title: Rastreamento de máxima potência fotovoltaica através de redes neurais artificiais perceptron multicamadas
metadata.dc.creator: Carpes, Felipe da Cunha
metadata.dc.contributor.advisor1: Pozzebon, Giovani Guarienti
metadata.dc.description.resumo: Este trabalho apresenta uma alternativa aos métodos de rastreamento do ponto de máxima potência (MPPT) fotovoltaica convencionais através da utilização de redes neurais artificiais (RNA) como aproximadora de funções. O presente trabalho desenvolve uma técnica que permite melhorar o desempenho do sistema fotovoltaico tanto em relação ao erro de regime permanente quanto em resposta dinâmica da potência extraída no arranjo fotovoltaico. O método desenvolvido utiliza uma Rede Neural Artificial Perceptron Multicamadas (PMC) como aproximadora da tensão de máxima potência, através da comparação desta referência com a atual tensão de operação do sistema fotovoltaico (𝑉𝑝𝑣), é gerado um sinal de erro que permite a definição de um incremento ótimo do passo da razão cíclica. Os resultados obtidos demonstram desempenho muito superior ao método convencional Perturbação e Observação (P&O) clássico. Primeiramente será apresentado o contexto atual e as implicações do rastreamento MPPT. Logo será realizada um revisão bibliográfica do estado da arte em métodos MPPT convencionais e utilizando RNA. São apresentados também a metodologia aplicada no estudo e, finalmente, os resultados obtidos com o sistema proposto.
Abstract: This work presents an alternative to conventional maximum power dotting (MPPT) tracking methods through the use of artificial neural networks (RNA) as a function approximation. The present work develops a technique that allows to improve the performance of the photovoltaic system both in relation to the steady state error and in the dynamic response of the extracted power in the photovoltaic array. The developed method uses a multi-layered Perceptron Artificial Neural Network (MLP) as an approximation of the maximum power voltage, by comparing this reference with the current operating voltage of the photovoltaic system (𝑉𝑝𝑣), an error signal is generated allowing the definition of an optimal increment of the duty cycle step. The results obtained demonstrate a performance far superior to the conventional classical Perturb and Observe (𝑃&𝑂) method. First, the current context and implications of MPPT tracing will be presented. A state-of-the-art literature review will then be carried out in conventional MPPT methods and using RNA. Also presented are the methodology applied in the study and, finally, the results obtained with the proposed system.
Keywords: Engenharia elétrica
Geração de energia fotovoltaica
Rastreamento de Máxima Potência
Redes Neurais Artificiais
Electrical engineering
Photovoltaic power generation
Maximum Power Tracking
Artificial Neural Networks
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Pampa
metadata.dc.publisher.initials: UNIPAMPA
metadata.dc.publisher.department: Campus Alegrete
Citation: CARPES, Felipe da Cunha. Rastreamento de máxima potência fotovoltaica através de redes neurais artificiais perceptron multicamadas. 83p. 2017. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) – Universidade Federal do Pampa, Campus Alegrete, Alegrete, 2017.
metadata.dc.rights: Acesso Aberto
URI: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/2154
Issue Date: 29-Nov-2017
Appears in Collections:Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
Felipe_Carpes_TCC_Final.pdf19,4 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.