Neural Control for Photovoltaic Panel Maximum Power Point Tracking

Martín de Jesús Loza-López, Tania Beatriz López-García, Riemann Ruíz-Cruz, Edgar N Sánchez

Resumen


Dado el aumento en el uso de energía renovable, los paneles solares han demostrado ser de confianza y tener una proporción costo-beneficio favorable, produciendo energía libre de ruido y contaminación del aire. Los paneles solares están sujetos a variaciones considerables en sus condiciones de trabajo debido a cambios en niveles de irradiación solar y en temperatura, esto afecta sus propiedades como semiconductor. Para poder aprovechar lo más posible esta fuente de energía, control de los módulos y rechazo a perturbaciones es muy importante para obtener la máxima cantidad disponible de poder eléctrico. Este trabajo está centrado en la identificación y el control en-línea de un sistema fotovoltaico, usando redes neuronales con el filtro de Kalman como algoritmo de entrenamiento. Al tener identificación y control en-línea, el sistema se vuelve más adaptable a cambios en el clima y a otras variaciones en comparación con métodos fuera de línea que son más comunes.

Palabras clave


Photovoltaic systems; solar energy; high order neural networks; Kalman filter; maximum power point tracking

Texto completo:

PDF


Facultad de Ingeniería Automática y Biomédica, Universidad Tecnológica de La Habana  José Antonio Echeverría, Cujae, Calle 114 No. 11901. e/ Ciclovía y Rotonda. Marianao 15.
La Habana, Cuba. CP 19390. Telf: (537) 266 3476
E-mail: rielac@tesla.cujae.edu.cu | URL: http://rielac.cujae.edu.cu
ISSN: 1815-5928

Todo el contenido de la revista se encuentra bajo la licencia https://creativecommons.org/licenses/by/4.0/deed.es_ES. La revista en línea tiene acceso abierto y gratuito