Artigo - Atena Editora

Artigo

Baixe agora

Livros

Predictive Power Model of a Photovoltaic System under Partial Shading Conditions Using Neural Networks

La energía fotovoltaica ha emergido como una alternativa sumamente atractiva para la generación de electricidad, especialmente con los avances en los sistemas de control que facilitan su integración con aplicaciones eléctricas. No obstante, a pesar de la cuidadosa planificación en la colocación y fijación de paneles, la sombra es inevitable en diversas circunstancias debido a limitaciones de espacio y obstáculos como nubes, edificios, árboles y nieve. Este artículo tiene como propósito anticipar la producción de energía de sistemas fotovoltaicos bajo condiciones de sombra parcial. Se aborda la pérdida de energía en tales condiciones mediante el empleo de diodos de derivación, y se implementan redes neuronales artificiales para predecir la potencia. Se entrenan tres parámetros clave para esta predicción, lo que permite una estimación más precisa de la generación de energía en condiciones de sombra.
Ler mais

Predictive Power Model of a Photovoltaic System under Partial Shading Conditions Using Neural Networks

  • DOI: hhttps://doi.org/10.22533/at.ed.3174182421067

  • Palavras-chave: sistemas fotovoltaicos, sombreado parcial, predicción de potencia, red neuronal artificial.

  • Keywords: photovoltaic systems, partial shading, power predicting, artificial neural network.

  • Abstract: Photovoltaic energy has emerged as an extremely attractive alternative for electricity generation, especially with advancements in control systems that facilitate its integration with electrical applications. However, despite careful planning in the placement and fixing of panels, shading is inevitable in various circumstances due to space limitations and obstacles such as clouds, buildings, trees, and snow. This article aims to anticipate the energy production of photovoltaic systems under partial shading conditions. Energy loss in such conditions is addressed using bypass diodes, and artificial neural networks are implemented to predict power output. Three key parameters are trained for this prediction, enabling a more accurate estimation of energy generation under shading conditions.

  • Braulio José Cruz Jiménez
  • Rodrigo Cadena Martínez
  • Roberto Rico Camacho
  • Luis Josué Ricalde Castellanos
  • Mirtha Janeth Montañez Rufino
Fale conosco Whatsapp