???jsp.display-item.identifier??? https://repositorio.unipampa.edu.br/jspui/handle/riu/4889
Tipo: Dissertação
metadata.dc.title: Aperfeiçoamento da conversão de energia de sistemas de geração fotovoltaica sob diversas condições de sombreamento
Autor(es): Mendonça, Cauã Melgarejo
Primeiro Orientador: Thomas, Djeisson Hoffmann
Resumo: A necessidade de explorar e aperfeiçoar novas fontes de energia elétrica, especialmente as renováveis, vem fazendo com que estudos sobre a eficiência de geração de energia em painéis fotovoltaicos venham crescendo no mundo acadêmico. Partindo dessa premissa, essa dissertação tem por objetivo aplicar meta-heurísticas capazes de ajustar a operação do conversor de energia para o ponto de máxima potência, independentemente da condição de sombreamento. Quando um sistema fotovoltaico é submetido a essas condições de operação, o mesmo tem diferentes pontos de máxima potência, sendo estes subdivididos em Ponto de Máxima Potência Global (GMPP) e Ponto de Máxima Potência Local (LMPP). Técnicas de captação de máxima potência de baixa complexidade, como por exemplo Perturba e Observa (P&O) e Condutância Incremental (IC), não tem uma resposta satisfatória, podendo operar em um ponto de LMPP, não extraindo assim a máxima potência do painel fotovoltaico. Por conseguinte, existe a necessidade de desenvolver uma técnica de rastreio de máxima potência eficiente para qualquer condição de sombreamento, tanto parcial quanto homogêneo. Para otimizar a busca do GMPP foram empregadas meta-heurísticas baseadas em algoritmos bio-inspirados, quais sejam: Otimização por Enxame de Partículas (PSO), Busca Cuco (CS), Lobo Cinzento (GWO) e Vaga-lume (FA). Além destas, são propostas meta-heurísticas híbridas para a otimização do processo de busca do GMPP, obtidas a partir da associação entre duas das meta-heurísticas anteriores, da seguinte forma: PSO-CS, GWO-CS e FA-CS. Todas as meta-heurísticas propostas foram implementadas no software MATLAB/Simulink (versão 2018a) e submetidas à seis diferentes condições de sombreamento parcial, com LMPPs próximos ao GMPP, com o intuito de avaliar a eficiência das técnicas no ajuste da operação do conversor para o ponto de máxima potência e assim poder classificá-las. A melhor meta-heurística resultante desta classificação foi então submetida à testes de variação de irradiância em degrau, com intuito de emular a variação da irradiância que ocorreria ao longo de um dia qualquer de um sistema fotovoltaico real. Deste modo, busca-se alcançar o melhor desempenho do sistema de conversão e, consequentemente, a melhor produtividade de energia do sistema fotovoltaico, independentemente da condição de sombreamento.
Abstract: The need to explore and improve new sources of electricity, especially renewable energy, has led to studies on the eficiency of photovoltaic power generation in the academic world. Based on this premise, this dissertation aims to apply metaheuristics capable of adjusting the operation of the energy converter to the point of maximum power, the following shading conditions. When a photovoltaic system is subjected to these operating conditions, it has di_erent maximum power points, which are subdivided into Maximum Maximum Power Point (GMPP) and Local Maximum Power Point (LMPP) and this causes capture techniques. low power, low complexity, such as Disturb and Observe (P&O) and Incremental Conductance (IC), do not have a satisfactory response, can operate at one LMPP point, thus not extracting the photovoltaic panel at most. Therefore, there is a need to develop an eficient maximum power screening technique for any shading condition, both partial and homogeneous. To optimize a GMPP search, meta-heuristics used in bio-inspired algorithms were used, namely: Particle Swarm Optimization (PSO), Cuckoo Search (CS), GrayWolf (GWO) and Firey (FA). Besides these, hybrid metaheuristics are proposed to optimize the GMPP search process, preventing the association between two of the previous metaheuristics, as follows: PSO-CS, GWO-CS and FA-CS. All as proposed metaheuristics were implemented in the MATLAB/Simulink software (version 2018a) and subjected to six diferent partial sound conditions, with LMPPs close to GMPP, in order to evaluate the technical strategies without adjusting the converter operation to the point. Of maximum power and thus be able to classify them. The best reduced metaheuristic of this classification was then subjected to step irradiance variation tests in order to emulate a change in irradiance that occurs over the course of a day of any real photovoltaic system. In this mode, the best performance of the conversion system is sought and, consequently, a better energy utilization of the photovoltaic system, using the shading condition.
metadata.dc.subject: Engenharia elétrica
Energia elétrica
Geração de energia fotovoltaica
Sombreamento
Ponto de Máxima Potência Global
Ponto de Máxima Potência Local
Electrical engineering
Electricity
Photovoltaic power generation
Shading
Global Maximum Power Point
Local Maximum Power Point
CNPQ: CNPQ::ENGENHARIAS
Idioma: por
metadata.dc.publisher.country: Brasil
metadata.dc.publisher: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Alegrete
Curso: Mestrado Acadêmico em Engenharia Elétrica
metadata.dc.identifier.citation: MENDONÇA, Cauã Melgarejo. Aperfeiçoamento da conversão de energia de sistemas de geração fotovoltaica sob diversas condições de sombreamento. Orientador: Djeisson Hoffmann Thomas. 2019. 116p. Dissertação (Mestrado em Engenharia em Engenharia Elétrica) – Universidade Federal do Pampa, Campus Alegrete, Alegrete, 2019.
Tipo de acesso: Acesso Aberto
metadata.dc.identifier.uri: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4889
metadata.dc.date.issued: 29-Aug-2019
???org.dspace.app.webui.jsptag.ItemTag.appears???Mestrado em Engenharia Elétrica

???org.dspace.app.webui.jsptag.ItemTag.files???
???org.dspace.app.webui.jsptag.ItemTag.file??? ???org.dspace.app.webui.jsptag.ItemTag.description??? ???org.dspace.app.webui.jsptag.ItemTag.filesize??????org.dspace.app.webui.jsptag.ItemTag.fileformat??? 
Cauã Melgarejo Mendonça - 2019.pdf7.98 MBAdobe PDF???org.dspace.app.webui.jsptag.ItemTag.view???


???jsp.display-item.copyright???