Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais

• Autor(a) principal: Maia, Amanda Costa
• Data de Publicação: 2020
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIPAMPA
• Texto Completo: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/5360
• topic: CNPQ::ENGENHARIAS; Engenharia elétrica; Redes Neurais (Computação); Electrical engineering; Neural networks (Computer science)

A curva característica de um módulo fotovoltaico é um importante critério para verificar as condições de operação de qualquer sistema fotovoltaico. Sendo que, para cada característica de tensão e corrente, há um molde de curva I-V. Essa curva modifica-se com a mudança de parâmetros externos como temperatura e irradiância. Além disso, há parâmetros intrínsecos dos módulos fotovoltaicos que alteram a forma da curva I-V, como a resistência série e a resistência paralela. E para cada defeito que possa ocorrer em um arranjo fotovoltaico a curva I-V tem um padrão alterando os parâmetros da curva característica. Estes defeitos em um sistema reduzem a potência gerada do arranjo, causam a diminuição na vida útil e ocasionam danos irreversíveis nas células fotovoltaicas. Portanto, há a necessidade de identificar os defeitos de um arranjo fotovoltaico, os defeitos são escolhidos de acordo com a norma NBR 16274. A identificação dos defeitos é baseada na curva I-V, na irradiância incidente no arranjo e nos dados disponibilizados pelo fabricante do arranjo, além disso, uma rede neural artificial do tipo percertron multicamadas com uma camada escondida é utilizada para classificação das condições escolhidas. Os resultados do sistema proposto mostraram que a rede neural foi capaz de classificar os defeitos com uma acurácia de 99,3%, além do mais o sistema possui uma estrutura compacta.