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

Vol. 38 Núm. 1 (2017)

Sección

Artículos

Licencia

  1. Los autores que publican en esta revista están de acuerdo con los siguientes términos: Los autores conservan todos los derechos de autor y garantizan a la revista el derecho de ser la primera en publicar el trabajo.
  2. Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
  3. Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
  4. Los contenidos de la revista se distribuyen bajo una licencia Creative Commons Attribution-NonCommercial 4.0. Esto significa que se permite su copia y distribución por cualquier medio, siempre que mantenga el reconocimiento de sus autores y no se haga uso comercial de las obras. La licencia completa puede consultarse en:Creative Commons License https://creativecommons.org/licenses/by/4.0/deed.es_ES