Neural Control for Photovoltaic Panel Maximum Power Point Tracking

Autores/as

  • Martín de Jesús Loza-López Centro de Investigación y Estudios Avanzados del Instituto Politécnico Nacional, Guadalajara
  • Tania Beatriz López-García Centro de Investigación y Estudios Avanzados del Instituto Politécnico Nacional, Guadalajara
  • Riemann Ruíz-Cruz Universidad Jesuita de Guadalajara
  • Edgar N Sánchez Centro de Investigación y Estudios Avanzados del Instituto Politécnico Nacional, Guadalajara

Palabras clave:

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

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.

Descargas

Publicado

2019-02-15

Número

Sección

Artículos