Escolar Documentos
Profissional Documentos
Cultura Documentos
Título do plano de trabalho: Utilização de Redes Neurais Artificias para Otimização de Sistemas
Fotovoltaicos para Bombeamento de Água.
Como pode ser visto na Figura 2, um sistema fotovoltaico é formado basicamente pelas placas
solares, estas são constituídas pela associação de células fotovoltaicas que são capazes de
transformar os fótons presentes na radiação solar em energia elétrica, controladores de carga,
baterias, conversores e inversores, além disso existem três tipos de sistemas: Isolados – Não
dependem da rede elétrica convencional –; Conectados à rede – Trabalham simultaneamente
com a energia distribuída comercialmente –; e os sistemas híbridos – Associações de sistemas
fotovoltaicos com as demais fontes de energia –.
Figura 2. Componentes de um sistema fotovoltaico (sistema isolado). Fonte: https://www.neosolar.com.br
Figura 3. Sistema Fotovoltaico para Bombeamento de Água. Fonte: Pinho & Galdino, 2014.
Em [8] um modelo matemático para a estrutura de uma rede neural (Fig. 5) é apresentado e
definido por:
𝑌 = 𝑓(𝑈) = 𝑊0 ∗ 𝑡𝑎𝑛𝑔ℎ(𝑊𝑖 ∗ 𝑈 + 𝐵𝑖 ) + 𝐵0 (1)
Em que Y é o vetor coluna que recebe os valores de saída q do processo. U é o vetor coluna
que recebe as entradas p do processo. 𝑊0 é uma matriz de tamanho q×n que contém os pesos
do modelo da rede neural na camada oculta para as saídas, sendo que n é o número de
neurônios na camada oculta. . 𝑊𝑖 é uma matriz de tamanho p×n que contém os pesos do modelo
da rede neural na camada oculta para as entradas. 𝐵𝑖 é um vetor coluna de tamanho n que
contém as bias para as entradas na camada oculta. E 𝐵0 é um vetor coluna de tamanho q que
contém as bias para as saídas na camada oculta.
Os pesos e bias da rede neural artificial são determinados pelo treinamento com base no banco
de dados para entrada e saída. Um exemplo de algoritmo de treinamento é chamado de
Backpropagation. Os dados disponíveis são divididos em duas partes, uma parte é usada para
treinar a rede e outra parte para valida-la [8].
Justificativa
É recomendável observar a eficiência do sistema fotovoltaico como um todo. Pois um
dimensionamento dos componentes do arranjo realizado inadequadamente pode estar por trás
de uma baixa performance além de um custo elevado. Dessa forma, o grande estimulo junto as
tecnologias é desenvolver métodos que possam contribuir para um dimensionamento mais
adequado para que haja como saída sua melhor eficiência.
Como é sabido, para dimensionar um sistema corretamente tem que se levar em consideração
desde os fatores econômicos até os fatores ambientais, onde o problema se torna mais
complexo, pela variação da radiação solar que incide na placa, alterando a temperatura da
mesma como por exemplo [7].
Objetivos
Objetivo geral: Utilização de Redes Neurais Artificiais para otimização de dimensionamento de
Sistemas Fotovoltaicos para Bombeamento de Água.
Metodologia
Inicialmente serão realizados os métodos intuitivo e analítico citados no item 1.2 para
dimensionar o modelo de um sistema para posteriormente utilizar o método numérico, onde será
modelado o sistema no software MATLAB para efeito de comparação dos resultados obtidos.
Será realizada pesquisas para a obtenção de um banco de dados adequado. Após esse processo
será implementada a rede neural artificial e treinada por algoritmos a partir dos modelos
apresentados na caixa de ferramentas do MATLAB, no sistema que indique qual a melhor
configuração do sistema para que se encontre a condição ideal que produza a máxima eficiência
do sistema.
Bibliografia
[1] Pinho J.T.; Galdino M.A.; Manual de engenharia para sistemas fotovoltaicos. CRESESB. Rio
de Janeiro, 2014.
[2] Franklin, T. S.; Simulação de um sistema de bombeamento d’água empregando energia solar
fotovoltaica. 2009. Dissertação (Mestrado em Engenharia Elétrica). Programa de Pós-Graduação
em Engenharia Elétrica, Universidade Federal da Bahia, Salvador.
[3] Rawat R.; Kaushik S.C.; Lamba R.; A review on modeling, design methodology and size
optimization of photovoltaic based water pumping, standalone and grid connected system.
Renewable and sustainable energy reviews 57, 2016. 1506 – 1519p
[5] Vilela O.C.; Fraidenraich N.; Análise experimental e simulação do comportamento de sistemas
fotovoltaicos de abastecimento de água. Avances en Energías Renovables y Medio Ambiente.
Vol 5. 2001. Recife.
[6] Mellit A.; Benghanem M.; Kalogirou S.A; Modeling and simulation of a stand-alone photovoltaic
system using na adaptive artificial neural network; proposition for a new sizing procedure.
Renewable Energy 32 (2007) 285-313p.
[7] Haykin, S.; Redes Neurais: Princípios e prática. Porto Alegre RS:Bookman, 2001.
[8] Ashhab, M. S. S.; Optimization and modeling os a photovoltaic solar integrated system by
neural networks. Energy Conversion and Management 49. (2008). 3349-3355p.
SÁ, D. A. P. de; Sistema fotovoltaico para bombeamento de água. 2010. Universidade Federal
do Rio de Janeiro. Rio de Janeiro.
Cronograma de atividades:
Meses
Atividades Jun Jul Ago Set Out Nov Dez Jan Fev Mar Abr Mai
A
B
C
D
E
F
G
A. Levantamento bibliográfico acerca do tema.
B. Estudo de dimensionamentos fotovoltaicos aplicando os métodos intuitivo e analítico.
C. Modelagem do sistema fotovoltaico no Simulink e validação do mesmo.
D. Pesquisas referente a informações para o banco de dados e implementação da rede.
E. Teste para validação dos resultados.
F. Análise dos resultados e elaboração de relatório das atividades desenvolvidas.
G. Apresentações juntamente ao grupo de pesquisa.