Você está na página 1de 4

USO DE HEURSTICA NA BUSCA DO PONTO DE MXIMA

POTNCIA DOS PAINIS FOTOVOLTAICOS


Nlio Vaz Resende 1
Andr Felipe Barbosa , Wesley Pacheco Calixto3, Pedro Jos Abro4
2

Instituto federal de Gois /Campus Goinia/Engenharia de Controle e Automao - PIBIC,


nelio.rezende@estudantes.ifg.edu.br
2
Instituto federal de Gois /Campus Goinia/Engenharia de Controle e Automao - PIBIC,
andrefilipeb@gmail.com
3
Instituto federal de Gois /Campus Goinia/Departamento IV
wpcalixto@ieee.org
4
Instituto federal de Gois /Campus Goinia/Departamento IV
pedro.abrao@ifg.edu.br

Resumo

A importncia da energia fotovoltaica na ampliao do uso de fontes de


energia renovveis e no-poluentes crescente. Porm, dois fatores ainda
atrapalham o seu crescimento: custo e eficincia. Uma maneira de melhorar
a eficincia de um sistema fotovoltaico atravs do uso de novas
tecnologias ou de tcnicas para a operao das clulas em um ponto de
mximo fornecimento de potncia. A idia utilizar o rastreamento do ponto
de mxima potncia de operao, tambm conhecido como MPPT
(Maximum Power Point Tracking). Atravs do modelo matemtico de um
mdulo fotoeltrico e do Mtodo Perturbao e Observao (P&O), uma
rede neural artificial (RNA) treinada para a tarefa de busca do MPPT. Com
uma arquitetura do tipo Feedforward Multicamada e estratgia de
aprendizado por retro propagao de erro, a RNA tornam-se a funo
heurstica que promove a melhora no desempenho dinmico do sistema
fotovoltaico automaticamente. Para as simulaes, utilizado um painel
fotovoltaico de potncia de 10 W. Os resultados destas simulaes so
apresentados para validar a tcnica heurstica desenvolvida para um
mdulo fotovoltaico.

Palavras-Chave: Redes Neurais Artificiais, MPPT, Sistemas Fotovoltaicos.

Objetivos
Elaborar um modelo computacional que represente o comportamento do
painel fotovoltaico em estudo.
Mostrar a possibilidade de se realizar o rastreamento do ponto de mxima
transferncia de potncia de um painel fotovoltaico atravs do treinamento de uma
rede neural artificial.

Fundamentao terica
Para que as condies adversas de operao de um painel fotovoltaico (ou
mdulo - conjunto de clulas fotovoltaicas) fossem exploradas no estudo, preciso
consider-las no modelo matemtico. O modelo matemtico utilizado para
representar um painel fotovoltaico corresponde ao diodo nico, proposto em
[VILLALVA, GAZOLI & RUPPERT]

e [FEMIA, 2005]. Atravs desse modelo possvel

simular o comportamento do painel a partir dos dados fornecidos pela Star Solar
Panel, fabricante do painel em estudo. As informaes disponveis do painel de
potncia 10 W so: Voc=22.7 V (Tenso de circuito aberto), Isc=0.6 A (Corrente de
curto circuito), Vmp= 18 V (Tenso de mxima potncia), Imp= 0.56 A (Corrente de
mxima potncia ), Ns = 36 ( Nmero de clulas fotovoltaicas do painel), Kv= - 0.1230
(Coeficiente de tenso e temperatura), Ki = 0.0032

(Coeficiente de corrente

e temperatura ) esses valores so correspondentes a condies padres de


incidncia solar (Gn=1000 W/m2) e temperatura (Tn=25 C).

Metodologia

Utilizao de Redes Neurais Artificiais (RNA) [HAYKIN,1999] como mecanismo


para encontrar o Ponto de Mxima Potncia (PMP) que pode ser transferida carga
pelo painel fotovoltaico torna-se uma opo interessante aos mtodos convencionais
como P&O e Mtodo da Condutncia Incremental [FEMIA,2005].
Para modelar a dinmica do sistema fotovoltaico durante a busca da mxima
potncia gerou-se 900 pontos aleatrios, obtidos variando-se a incidncia solar(G)
de 0 a 1000 W/m2. O modelo do mdulo fotovoltaico fornece a respectiva corrente de
sada (Ipainel) para cada valor de G simulado. A partir deste valor de corrente e
considerando que a temperatura no mdulo solar seja de 25 C, executado um
mtodo de perturbao e observao. Assim, para cada G, Ipainel e temperatura,
encontrado a tenso mxima correspondente, e conseqentemente, a potncia
mxima que o mdulo pode fornecer carga. Utilizamos como variveis de entrada
(input) para o treinamento da rede os valores de incidncia solar e corrente de
mxima potncia no intuito de obter na sada da rede (target) um valor de tenso
mxima que fornea a mxima transferncia de potncia a uma carga conectada no
painel. Depois de treinada a rede foi submetida a uma nova base de dados contendo
900 pontos de incidncia solar e mxima corrente sendo possvel observar que a
rede retornou para cada ponto uma tenso mxima com um erro aceitvel se
comparado com o mesmo resultado gerado pelo mtodo de perturba e observa. O
algoritmo usado para o treinamento da rede foi o de backpropagation.

Concluses
possvel fazer o rastreamento do ponto de mxima potencia atravs de um
algoritmo baseado em redes neurais. O sistema baseado em RNA tem as vantagens de
convergir quase instantaneamente para o PMP, na faixa dos nveis de radiao solar.
Ou seja, a resposta da RNA no fica oscilando em torno desse ponto, se comparado

com mtodo de perturba e observa (P&O). Este ltimo tem a desvantagem de demorar
alguns ciclos de processamento at chegar no ponto de mxima potncia. Isto contribui
para diminuio da eficincia desse mtodo, dando plena vantagem ao realizado por
RNA. Sendo um sistema baseado em RNA com treinamento indutivo (base de dados),
isto poderia ser um inconveniente. Mas, com os atuais sistemas de aquisio de dados
e computacionais, as modelagens necessrias para dotar o sistema fotovoltaico com
RNA para melhora de performance esto estabelecidas. Neste trabalho, a estratgia de
aprendizado e a arquitetura da RNA escolhidas so bastante utilizadas e se prestaram a
solucionar o problema.

Referencias
FEMIA, N. et al. (2005). Optimization of Perturb and Observe Maximum Power Point
Tracking Method. In: IEEE Transactions on Power Eletronics, 2005, v.20, n.4, p. 963973.

HAYKIN, Simon. Neural Networks A Comprehensive Foundation. Prentice Hall.


Upper Saddle River, New Jersey USA. 1999. 2nd Edition.

VILLALVA, M. G; GAZOLE,J. R. Energia Solar fotovoltaica: Conceitos e aplicaes,


sistemas isolados e conectados a rede. Editora rica, 2012.

Você também pode gostar