???jsp.display-item.identifier??? https://repositorio.unipampa.edu.br/jspui/handle/riu/2154
Tipo: Trabalho de Conclusão de Curso
metadata.dc.title: Rastreamento de máxima potência fotovoltaica através de redes neurais artificiais perceptron multicamadas
Autor(es): Carpes, Felipe da Cunha
Primeiro Orientador: Pozzebon, Giovani Guarienti
Resumo: Este trabalho apresenta uma alternativa aos métodos de rastreamento do ponto de máxima potência (MPPT) fotovoltaica convencionais através da utilização de redes neurais artificiais (RNA) como aproximadora de funções. O presente trabalho desenvolve uma técnica que permite melhorar o desempenho do sistema fotovoltaico tanto em relação ao erro de regime permanente quanto em resposta dinâmica da potência extraída no arranjo fotovoltaico. O método desenvolvido utiliza uma Rede Neural Artificial Perceptron Multicamadas (PMC) como aproximadora da tensão de máxima potência, através da comparação desta referência com a atual tensão de operação do sistema fotovoltaico (𝑉𝑝𝑣), é gerado um sinal de erro que permite a definição de um incremento ótimo do passo da razão cíclica. Os resultados obtidos demonstram desempenho muito superior ao método convencional Perturbação e Observação (P&O) clássico. Primeiramente será apresentado o contexto atual e as implicações do rastreamento MPPT. Logo será realizada um revisão bibliográfica do estado da arte em métodos MPPT convencionais e utilizando RNA. São apresentados também a metodologia aplicada no estudo e, finalmente, os resultados obtidos com o sistema proposto.
Abstract: This work presents an alternative to conventional maximum power dotting (MPPT) tracking methods through the use of artificial neural networks (RNA) as a function approximation. The present work develops a technique that allows to improve the performance of the photovoltaic system both in relation to the steady state error and in the dynamic response of the extracted power in the photovoltaic array. The developed method uses a multi-layered Perceptron Artificial Neural Network (MLP) as an approximation of the maximum power voltage, by comparing this reference with the current operating voltage of the photovoltaic system (𝑉𝑝𝑣), an error signal is generated allowing the definition of an optimal increment of the duty cycle step. The results obtained demonstrate a performance far superior to the conventional classical Perturb and Observe (𝑃&𝑂) method. First, the current context and implications of MPPT tracing will be presented. A state-of-the-art literature review will then be carried out in conventional MPPT methods and using RNA. Also presented are the methodology applied in the study and, finally, the results obtained with the proposed system.
metadata.dc.subject: Engenharia elétrica
Geração de energia fotovoltaica
Rastreamento de Máxima Potência
Redes Neurais Artificiais
Electrical engineering
Photovoltaic power generation
Maximum Power Tracking
Artificial Neural Networks
CNPQ: CNPQ::ENGENHARIAS
Idioma: por
metadata.dc.publisher.country: Brasil
metadata.dc.publisher: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Alegrete
metadata.dc.identifier.citation: CARPES, Felipe da Cunha. Rastreamento de máxima potência fotovoltaica através de redes neurais artificiais perceptron multicamadas. 83p. 2017. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) – Universidade Federal do Pampa, Campus Alegrete, Alegrete, 2017.
Tipo de acesso: Acesso Aberto
metadata.dc.identifier.uri: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/2154
metadata.dc.date.issued: 29-Nov-2017
???org.dspace.app.webui.jsptag.ItemTag.appears???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??? 
Felipe_Carpes_TCC_Final.pdf19.4 MBAdobe PDF???org.dspace.app.webui.jsptag.ItemTag.view???


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