Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UNIP_fe3c283a3d761323441b0e3b3784239a |
---|---|
oai_identifier_str |
oai:repositorio.unipampa.edu.br:riu/5360 |
network_acronym_str |
UNIP |
network_name_str |
Repositório Institucional da UNIPAMPA |
repository_id_str |
|
spelling |
Silva, Guilherme Sebastião daMaia, Amanda Costa2021-03-08T16:44:56Z2021-03-08T16:44:56Z2020-11-27MAIA, Amanda Costa. Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais. Orientador: Guilherme Sebastião da Silva. 2020. 72 p. Trabalho de Conclusão de Curso (Bacharel em Engenharia Elétrica) - Universidade Federal do Pampa, Curso de Engenharia Elétrica, Alegrete, 2020.http://dspace.unipampa.edu.br:8080/jspui/handle/riu/5360A 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.The characteristic curve of a photovoltaic module is na important parameter to verify the operational condition of any photovoltaic system. In addition, to each voltage and current characteristic, there is a mold of the I-V curve. This curve modifies with the parameters change, such temperature and irradiance. Besides, there are intrinsic parameters of the photovoltaic modules, such, the series resistance and the shunt resistance, which change the shape of the I-V curve. For which defect that may happens in a photovoltaic array, the I-V curve has a pattern, changing the I-V curve parameters. These defects in a system reduce the array generate power, cause the decrease on useful life and cause irreversible damages on the photovoltaic cells. Therefore, there is a need to identify the photovoltaic array defects, the defects are chosen according with the standard NBR 16274. The defects identification is based on the I-V curve, the array irradiance and the array datasheet, therefore, an artificial neural network, such, multilayer perceptron with one hidden layer is used for classification of the chosen conditions. The proposed system results shown that the neural network was able to classify the defects with an accuracy of 99,3% and moreover the system has a compact structure.porUniversidade Federal do PampaUNIPAMPABrasilCampus AlegreteCNPQ::ENGENHARIASEngenharia elétricaRedes Neurais (Computação)Electrical engineeringNeural networks (Computer science)Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIPAMPAinstname:Universidade Federal do Pampa (UNIPAMPA)instacron:UNIPAMPAORIGINALAmanda Costa Maia - 2020.pdfAmanda Costa Maia - 2020.pdfapplication/pdf8952066https://repositorio.unipampa.edu.br/jspui/bitstream/riu/5360/1/Amanda%20Costa%20Maia%20-%202020.pdfc9c049115c3e82ec268339cd69b9f96eMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81895https://repositorio.unipampa.edu.br/jspui/bitstream/riu/5360/2/license.txt080b737bdc126ecfcf26a730070b9ee8MD52TEXTAmanda Costa Maia - 2020.pdf.txtAmanda Costa Maia - 2020.pdf.txtExtracted texttext/plain9507https://repositorio.unipampa.edu.br/jspui/bitstream/riu/5360/3/Amanda%20Costa%20Maia%20-%202020.pdf.txtd3a4d4c933e443def51d2fffabec60b4MD53riu/53602021-03-09 03:05:04.895oai:repositorio.unipampa.edu.br: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Repositório InstitucionalPUBhttp://dspace.unipampa.edu.br:8080/oai/requestsisbi@unipampa.edu.bropendoar:2021-03-09T06:05:04Repositório Institucional da UNIPAMPA - Universidade Federal do Pampa (UNIPAMPA)false |
dc.title.pt_BR.fl_str_mv |
Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais |
title |
Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais |
spellingShingle |
Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais Maia, Amanda Costa CNPQ::ENGENHARIAS Engenharia elétrica Redes Neurais (Computação) Electrical engineering Neural networks (Computer science) |
title_short |
Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais |
title_full |
Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais |
title_fullStr |
Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais |
title_full_unstemmed |
Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais |
title_sort |
Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais |
author |
Maia, Amanda Costa |
author_facet |
Maia, Amanda Costa |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Silva, Guilherme Sebastião da |
dc.contributor.author.fl_str_mv |
Maia, Amanda Costa |
contributor_str_mv |
Silva, Guilherme Sebastião da |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS |
topic |
CNPQ::ENGENHARIAS Engenharia elétrica Redes Neurais (Computação) Electrical engineering Neural networks (Computer science) |
dc.subject.por.fl_str_mv |
Engenharia elétrica Redes Neurais (Computação) Electrical engineering Neural networks (Computer science) |
description |
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. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-11-27 |
dc.date.accessioned.fl_str_mv |
2021-03-08T16:44:56Z |
dc.date.available.fl_str_mv |
2021-03-08T16:44:56Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
MAIA, Amanda Costa. Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais. Orientador: Guilherme Sebastião da Silva. 2020. 72 p. Trabalho de Conclusão de Curso (Bacharel em Engenharia Elétrica) - Universidade Federal do Pampa, Curso de Engenharia Elétrica, Alegrete, 2020. |
dc.identifier.uri.fl_str_mv |
http://dspace.unipampa.edu.br:8080/jspui/handle/riu/5360 |
identifier_str_mv |
MAIA, Amanda Costa. Estratégia para classificação de efeitos em arranjos fotovoltaicos através de redes neurais artificiais. Orientador: Guilherme Sebastião da Silva. 2020. 72 p. Trabalho de Conclusão de Curso (Bacharel em Engenharia Elétrica) - Universidade Federal do Pampa, Curso de Engenharia Elétrica, Alegrete, 2020. |
url |
http://dspace.unipampa.edu.br:8080/jspui/handle/riu/5360 |
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.publisher.none.fl_str_mv |
Universidade Federal do Pampa |
dc.publisher.initials.fl_str_mv |
UNIPAMPA |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Campus Alegrete |
publisher.none.fl_str_mv |
Universidade Federal do Pampa |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIPAMPA instname:Universidade Federal do Pampa (UNIPAMPA) instacron:UNIPAMPA |
instname_str |
Universidade Federal do Pampa (UNIPAMPA) |
instacron_str |
UNIPAMPA |
institution |
UNIPAMPA |
reponame_str |
Repositório Institucional da UNIPAMPA |
collection |
Repositório Institucional da UNIPAMPA |
bitstream.url.fl_str_mv |
https://repositorio.unipampa.edu.br/jspui/bitstream/riu/5360/1/Amanda%20Costa%20Maia%20-%202020.pdf https://repositorio.unipampa.edu.br/jspui/bitstream/riu/5360/2/license.txt https://repositorio.unipampa.edu.br/jspui/bitstream/riu/5360/3/Amanda%20Costa%20Maia%20-%202020.pdf.txt |
bitstream.checksum.fl_str_mv |
c9c049115c3e82ec268339cd69b9f96e 080b737bdc126ecfcf26a730070b9ee8 d3a4d4c933e443def51d2fffabec60b4 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIPAMPA - Universidade Federal do Pampa (UNIPAMPA) |
repository.mail.fl_str_mv |
sisbi@unipampa.edu.br |
_version_ |
1801849026841149440 |