Dissertação
Failure diagnosis in photovoltaic systems: a pattern recognition approach based on artificial neural networks EVALUATED
Esta tese visa um método de diagnóstico de comportamentos em sistemas fotovoltaicos usando a técnica de inteligência artificial. Aproximando-se do nível de célula solar, usando o modelo de díodo e cinco parâmetros, outro modelo, capaz de simular falhas de incompatibilidade, é utilizado para criar uma base de dados com os seguintes comportamentos: padrão, onde a condição operacional não apresenta falhas, curto-circuito, onde várias células estão em curto-circuito e sombreamento, onde algumas células estão sob o efeito de menor nível de irradiância. A partir disso, são obtidas as entradas para o modelo de inteligência artificial, sendo elas: tensão na potência máxima, corrente na potência máxima, temperatura do painel e irradiância. Para uma convergência e classificação mais fáceis e com maior precisão, é feita uma normalização dessas entradas. Após o treinamento da rede neural artificial, um modelo matemático é extraído. Um teste ao ar livre de um painel fotovoltaico é realizado com todos os modos. Em seguida, as entradas básicas são apresentadas ao modelo treinado e os comportamentos supostos são obtidos. Uma comparação final entre os comportamentos conhecidos e os produzidos pelo modelo é feita. Isso provou ser eficiente em um primeiro esboço do problema e distinguiu com precisão os modos padrão do sombreamento e altos curtos-circuitos do padrão.
novembro 19, 2019, 15:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado