Resumen

Introducción El consumo de energía eléctrica se ha intensificado significativamente debido al aumento masivo de la población mundial. El uso y aplicación de energías renovables soluciona una de las preocupaciones de la comunidad mundial. Debido a que el uso de combustibles fósiles ya no es suficiente, de todas las fuentes de energía renovable, la energía solar tiene el mejor futuro. La energía fotovoltaica (PV), en particular, genera luz y electricidad a partir de la energía del sol, se está expandiendo rápidamente debido a las políticas de apoyo de los gobiernos y, recientemente, a la drástica reducción de su costo. Los algoritmos más populares para el control de MPPT en sistemas fotovoltaicos son Perturbación y observación (P&O), Conductancia incremental (InC) y Voltaje constante (CV). Tienen la ventaja de ser muy fáciles de implementar y funcionan muy bien en condiciones uniformes de radiación y temperatura. Sin embargo, como todas las técnicas tienen desventajas, son imposibles de adaptarse a los constantes cambios en el entorno y no logran encontrar el Punto de Máxima Potencia (MPP). Las redes Neuronales Artificiales (ANN) se utilizan en los controladores MPPT para predecir la salida de voltaje (V) o potencia (P) en cualquier momento. El valor calculado se compara con los valores instantáneos obtenidos para determinar el ciclo de carga. Variables independientes como la temperatura (T) y Ganancia (G) serán las variables de entrada de la primera capa de la red. Además, se pueden incluir como entrada otras variables como V y Corriente(I) del panel.

Objetivos Los inversores de seguimiento del punto de máxima potencia (MPPT) permiten que los sistemas solares maximicen la extracción de la mayor cantidad de energía posible de los paneles solares. Los algoritmos basados en Redes Neuronales Artificiales (ANN) tienen la ventaja de dar un seguimiento rápido y preciso de la MPPT. El objetivo de esta investigación es utilizar un algoritmo MPPT basado en ANN para mejorar la efectividad del controlador y programar este algoritmo en una placa de bajo costo.

Método Se realiza la simulación de algoritmos MPPT basado en redes neuronales (ANN). Para validar este algoritmo se realizarán simulaciones bajo diferentes escenarios con variaciones de parámetros como temperatura e irradiación para visualizar la extracción de potencia de salida del sistema de generación fotovoltaica. Para efecto de diseños del sistema fotovoltaico, controladores y simulaciones de los mismos se utilizará el software Matlab/Simulink.

Principales resultados El algoritmo MPPT basado en ANN producen una disminución de oscilaciones en la carga de potencia a las baterías. Este tipo de controladores son recomendables utilizarlos en instalaciones a gran escala (parques industriales, plantas solares) donde la incidencia solar es máxima, puesto que su seguimiento y extracción de potencia es ligeramente mayor (en el orden de ±6 voltios) pero al ser una producción en grandes cantidades este pequeño aumento representa cantidades considerables de energía.

Conclusiones Aunque el neuro-control no es nada nuevo, sigue teniendo un gran impacto en áreas de reciente auge como las energías renovables, con especial énfasis en los sistemas fotovoltaicos. Los controladores que utilizan ANN tienen una eficiencia promedio del 98%. Tienen la ventaja de tener un tiempo de convergencia muy rápido y son fáciles de implementar, y son muy efectivos en condiciones atmosféricas uniformes y variables. Su robustez proviene de qué tan bien está entrenada la red, por lo que se necesitarán grandes cantidades de datos para la red. Si el sistema fotovoltaico falla por alguna razón, se puede entrenar con nuevos datos y seguir funcionando aceptablemente.