Escolar Documentos
Profissional Documentos
Cultura Documentos
ISSN 1808-8759
1
Parte da dissertao de mestrado do primeiro autor intitulada: DESENVOLVIMENTO DE UM MODELO FUZZY
PARA OTIMIZAO DA ENERGIA GERADA POR UM SISTEMA HBRIDO (SOLAR-FOTOVOLTAICO E
ELICO).
2
Aluno do curso de PG Energia na Agricultura FCA/UNESP Botucatu/SP Brasil. Docente no CEETEPS e na
UNESP/Itapeva. fernando@itapeva.unesp.br
3
Orientador e docente do Departamento de Engenharia Rural FCA/UNESP Botucatu/SP. seraphim@fca.unesp.br
SUMMARY: This paper presents the application and use of a methodology based on fuzzy theory and
simulates its use in intelligent control of a hybrid system for generating electricity, using solar energy,
photovoltaic and wind. When using a fuzzy control system, it reached the point of maximum generation of
energy, thus shifting all energy generated from the alternative sources-solar photovoltaic and wind, cargo
and / or batteries when its use not immediately. The model uses three variables used for entry, which are:
wind speed, solar radiation and loading the bank of batteries. For output variable has to choose which of
the batteries of the battery bank is charged. For the simulations of this work is used MATLAB software. In
this environment mathematical computational are analyzed and simulated all mathematical modeling,
rules and other variables in the system described fuzzy. This model can be used in a system of control of
hybrid systems for generating energy, providing the best use of energy sources, sun and wind, so we can
extract the maximum energy possible these alternative sources without any prejudice to the environment .
1 INTRODUO
necessidade de armazenamento de energia. Devido a esta combinao, a despesa global para sistemas
autnomos pode ser reduzida drasticamente para um grande nmero de casos (BAGUL, 1996).
Modelos matemticos implantados em programas computacionais tm apresentado significativos
resultados em sistemas no lineares e complexos nas mais diversas reas, entre as quais, a teoria de con-
trole, modelo de reconhecimento e anlise de deciso. Esses programas so capazes de resolver questes
que os modelos clssicos, via de regra, no so capazes de faz-lo. So os chamados de sistemas inteligen-
tes, dentre os quais se destacam as Redes Neurais e a Lgica Fuzzy (SOUZA, 2004).
Informaes vagas, incertas, qualitativas, comunicaes verbais, capacidade de aprendizado e de
formulao de estratgias de tomadas de deciso so caractersticas humanas. Portanto, a teoria fuzzy
freqentemente referida como inteligente, devido ao fato de simular a inteligncia humana (MCNEILL
e FREIBERGER, 1994).
Neste contexto, este trabalho teve o objetivo especfico de descrever o uso da teoria fuzzy para o
controle de um sistema hbrido de gerao de energia elico-fotovoltaico de pequeno porte no suprimento
de energia requerida por uma residncia de uma propriedade rural, tirando o mximo de energia das vari-
veis meteorolgicas sobre a produo de energia eltrica pelo sistema.
2 MATERIAL E MTODOS
Neste trabalho foram utilizados dados obtidos pela estao acima mencionada. Seguem abaixo nas
Tabelas 1 e 2, exemplos de dados meteorolgicos coletados e j integralizados de acordo com Siquei-
ra(2005).
Tabela 1 - Caractersticas da energia elica, velocidade do vento no perodo de 01/07 a 31/07 de 2005.
Dia/Ms Velocidade do Vento Mdia Diria (ms-1) Energia Disponvel no Vento Total Diria (Wh)
Observa-se que no h uma relao direta e proporcional da velocidade do vento com a energia
disponvel no vento. Esta se deve caracterstica intermitente do vento, rajadas e outros fatores que fazem
com que nem todo vento venha a gerar energia. Outra condio importante e que pode limitar a gerao
elica o fato de a bateria estar carregada. Se estiver, ento o aerogerador automaticamente para de fun-
cionar. Este fato uma das justificativas para o uso de mais baterias e o gerenciamento atravs de um con-
trolador fuzzy.
Dia/Ms Irradincia Solar Mdia Diria (W.m-2) Energia Solar Global Total Diria (Wh)
Para o projeto do controlador fuzzy, deve-se utilizar uma faixa de valores ou limites pr-
estabelecidos. Da anlise das tabelas 1 e 2, pode-se definir estes valores em relao aos dados ambientais
que foram considerados (radiao solar e velocidade do vento). Os limites superiores e inferiores de acor-
do com dados obtidos da estao meteorolgica do NEAR e que tem potencial para gerao de energia
eltrica conforme Siqueira (2005), esto descritos na Tabela 3:
Tabela 3 - Limites superiores e inferiores para Radiao Solar Global e Velocidade do Vento
Limite Inferior Limite Superior
Radiao Solar Global 300 W/m2 1200 W/m2
Velocidade do Vento 3 m/s 12 m/s
Para as simulaes referentes ao uso da teoria fuzzy para controle, utilizou-se o ambiente de com-
putao cientfica MATLAB e estas simulaes foram realizadas junto ao Departamento de Engenharia
Eltrica da FEB-UNESP e junto ao Departamento de Matemtica da FC-UNESP, ambos localizados no
campus da UNESP em Bauru-SP.
Diversos usos distintos podem ser feitos por meio do MATLAB, dentre eles o uso de vrias caixas
de ferramentas, cada qual destinada a tratar diferentes classes de problemas cientficos. Dentre estas, foi
utilizada neste trabalho o Fuzzy Logical Toolbox.
A segunda etapa estabelece as regras que relacionaro as variveis de entrada e sada. Essas regras
so obtidas do conhecimento e da experincia humana e denomina-se base de regras.
A terceira etapa denominada de fuzzyficao e efetua a converso dos conjuntos fuzzy em um
nmero que representa o estado da sada do sistema para uma determinada condio.
0.8
Degree of membership
0.6
0.4
0.2
0 5 10 15
Velocidade-do-Vento
0.8
Degree of membership
0.6
0.4
0.2
0.8
Degree of membership
0.6
0.4
0.2
2.3.2 Regras
O mapa de regras elaborado durante o projeto do sistema em si, identificando todas suas caracte-
rsticas e detalhes e, auxilia na identificao das decises a serem tomadas durante a operao do proces-
so. Ele preenchido com o auxlio de um especialista, ou seja, um operador humano do sistema a ser con-
trolado.
0.8
Degree of membership
0.6
0.4
0.2
0 1 2 3 4 5 6 7 8 9 10
Carga-do-Banco-de-Baterias
Utilizando as teorias da lgica fuzzy, este mapa de regras pode ser gerado utilizando estrutura
computacional do tipo: SE (Condio) ENTO (Conseqncia).
As regras so escritas no editor de regras do Fuzzy Logical Toollbox do MATLAB que disponibi-
liza vrios tipos de operaes entre as funes de pertinncia fuzzy e ainda permite que sejam criados
novos tipos de funes de pertinncia. Este procedimento representado na Figura 5.
A partir de uma regra estabelecida, vo se repetindo os procedimentos de acordo com a entrevista
ao especialista, colocando-se todas as situaes que as variveis podem apresentar e como o controlador
dar a resposta de acordo com as entradas.
Uma vez determinadas e inseridas as regras, pode-se visualiz-las atravs do software citado para
possveis ajustes e correes, conforme ilustrado na Figura 6.
Verifica-se que atravs das regras que as funes de pertinncia so ativadas, considerando-se
seu grau em relao a cada conjunto fuzzy. Outra caracterstica que as regras fuzzy so agrupadas em
blocos. Os chamados blocos de regras so parte fundamental da base de conhecimento dos controladores
fuzzy. O controlador fuzzy recorre verificao das regras para a tomada de deciso.
2.3.3 Defuzzyficao
O passo final consiste em se efetuar a defuzzificao que ser traduzir para um valor discreto o re-
sultado da varivel lingstica de sada do controlador que foi inferida pelas regras fuzzy. De uma forma
genrica, este processo nada mais que uma transformao inversa que traduz a sada do domnio fuzzy
para o domnio discreto. Alguns mtodos de defuzzificao so utilizados, entre eles citam-se: o centro da
rea, centro do mximo e a mdia do mximo. O processo mais utilizado o primeiro, freqentemente
chamado de centro de gravidade, pois ele calcula o centride da rea que composta pelo resultado das
operaes entre os conjuntos fuzzy.
3 RESULTADOS E DISCUSSO
Velocidade-do-Vento (3)
hibrido
Radiao-Solar (3)
(mamdani)
Bateria-A (3)
54 rules
Carga-do-Banco-de-Baterias (3)
Bateria-B (3)
Bateria-C (3)
Figura 7 - Resumo do sistema de controle fuzzy para um sistema hbrido de gerao de energia (solar-
fotovoltaica e elica).
Nas Figuras 9 e 10, tem-se o exemplo da tela onde se pode definir o domnio, a escolha do forma-
to e nmero de funes de pertinncia das variveis de entrada e/ou sada.
A base de conhecimento do Controlador Fuzzy composta por funes de pertinncia, que com-
pem sua base dados, e por implicaes verbais que compem sua base de regras.
Figura 9 - Definio do domnio e escolha das funes de pertinncia das variveis de entrada.
Figura 10 - Definio do domnio e escolha das funes de pertinncia das variveis de sada.
Na construo de cada regra deve-se definir a conexo entre as variveis de entrada e as variveis
de sada, atravs dos operadores lgicos. Aps a insero de todas as regras tem-se a formao do sistema
de controle fuzzy.
Como exemplo de funcionamento do controlador, pode-se atribuir para o sistema proposto, os se-
guintes valores as variveis de entrada do sistema:
Velocidade do vento: 10 m/s ; Radiao solar: 1000 W/m2 ;
Carga da Bateria A: 13 V ; Carga da Bateria B: 13 V ; Carga da Bateria C: 10,5 V
Na Figura 12 tem-se os valores inseridos no controlador conforme o exemplo e a sua resposta a-
travs da varivel de sada:
A verdadeira sada defuzzyficada do controlador fuzzy pode ser considerada como passvel de as-
sumir somente dois valores: SIM ou NO, pois o sistema est sendo proposto para auxiliar em uma toma-
da de deciso.
Dessa maneira, de acordo com a Figura 12, aplicando-se o mtodo do centro de gravidade, con-
forme anteriormente citado, tem-se um valor numrico de sada (8,34), que nada mais que a varivel
ainda no domnio Fuzzy. Observando novamente a Figura 4, pode-se fazer a traduo dessa varivel de
sada do domnio fuzzy para o domnio. O resultado ser a ordem do controle para que se inicie a Carga da
Bateria C e assim se completa a defuzzificao e conseqente tomada de deciso.
Este valor fica mais evidente e claro quando se analisa a Figura 13, que trata da carga do banco de
baterias.
0.8
Degree of membership
0.6
0.4
0.2
8,34
0
0 1 2 3 4 5 6 7 8 9 10
Carga-do-Banco-de-Baterias
Este valor significa que o sistema ir direcionar a energia produzida para a carga da bateria C.
4 CONCLUSES
do experiente acumula um maior nmero de observaes anteriores que utiliza na formulao de previses
sobre o processo.
Desta forma, a grande vantagem da utilizao da teoria fuzzy a possibilidade de modelar e ma-
nipular matematicamente informaes vagas, imprecisas e intermitentes, naturais da linguagem humana, e
que so fornecidas pelos especialistas, no matemticos, para caracterizar os processos estudados.
Esta manipulao pode ser facilmente feita a partir da juno das variveis escolhidas para mode-
lar matematicamente o sistema proposto, quando a implicao das variveis independentes nas dependen-
tes estabelecida por um conjunto de regras lingsticas baseadas no conhecimento de especialistas.
O que se pode constatar que o controle fuzzy, que uma das partes mais aprofundadas da teoria
de conjuntos fuzzy, possibilita-nos controlar e gerenciar um sistema hbrido de gerao de energia.
5 REFERNCIAS
BELLARMINE, T. G., Wind energy for the 1990s and beyond. Energy Conversion and Management.,
v.12, n.37, p.1741-52, 1996.
MCNEILL, D., FREIBERGER, P, 1994, Fuzzy Logic. 1 ed. New York, EUA, Touchstone and Colophon.
MAHMOUD, M., Experience results and techno-economic feasibility of using photovoltaic generators
instead of diesel motors for water pumping from rural desert wells in Jordan. IEE Proceedings, v.137,
n.6, p.391-4, 1990.
SHAW, I. S., SIMES, M. G., 2001, Controle e Modelagem Fuzzy. 2 ed. So Paulo.
SILVA, C.D. Avaliao do Potencial das Energias Solar e Elica para Acionamento de Pequenos
Sistemas de Bombeamento na Fazenda Lageado. 2000. 98f. Dissertao (Mestrado em Agronomia -
Energia na Agricultura), Faculdade de Cincias Agronmicas, Universidade Estadual Paulista, Botucatu,
2000.