Neuro conductancia incremental en pérdidas de rendimiento por polvo en generadores fotovoltaicos

Descripción del Articulo

En esta tesis desarrollamos un instrumento que mide la energía perdida por acumulación de polvo o suciedad en la superficie de arreglos fotovoltaicos, utilizamos un algoritmo que combina redes neuronales artificiales y un sistema de seguimiento de punto de máxima potencia en paneles fotovoltaicos co...

Descripción completa

Detalles Bibliográficos
Autor: Palo Tejada, Juan Ernesto
Formato: tesis doctoral
Fecha de Publicación:2021
Institución:Universidad Nacional de San Agustín
Repositorio:UNSA-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.unsa.edu.pe:20.500.12773/13696
Enlace del recurso:http://hdl.handle.net/20.500.12773/13696
Nivel de acceso:acceso abierto
Materia:Panales fotovoltaicos
Redes neuronales
punto de máxima potencia
neuro conductancia incremental
polvo
medidor de energía
convertidor de potencia DC-DC
https://purl.org/pe-repo/ocde/ford#1.05.08
id UNSA_ee523fd5d4317e25670f0cb587ba5528
oai_identifier_str oai:repositorio.unsa.edu.pe:20.500.12773/13696
network_acronym_str UNSA
network_name_str UNSA-Institucional
repository_id_str 4847
dc.title.es_PE.fl_str_mv Neuro conductancia incremental en pérdidas de rendimiento por polvo en generadores fotovoltaicos
title Neuro conductancia incremental en pérdidas de rendimiento por polvo en generadores fotovoltaicos
spellingShingle Neuro conductancia incremental en pérdidas de rendimiento por polvo en generadores fotovoltaicos
Palo Tejada, Juan Ernesto
Panales fotovoltaicos
Redes neuronales
punto de máxima potencia
neuro conductancia incremental
polvo
medidor de energía
convertidor de potencia DC-DC
https://purl.org/pe-repo/ocde/ford#1.05.08
title_short Neuro conductancia incremental en pérdidas de rendimiento por polvo en generadores fotovoltaicos
title_full Neuro conductancia incremental en pérdidas de rendimiento por polvo en generadores fotovoltaicos
title_fullStr Neuro conductancia incremental en pérdidas de rendimiento por polvo en generadores fotovoltaicos
title_full_unstemmed Neuro conductancia incremental en pérdidas de rendimiento por polvo en generadores fotovoltaicos
title_sort Neuro conductancia incremental en pérdidas de rendimiento por polvo en generadores fotovoltaicos
author Palo Tejada, Juan Ernesto
author_facet Palo Tejada, Juan Ernesto
author_role author
dc.contributor.advisor.fl_str_mv Garcia Calisaya, Francisco Angel
dc.contributor.author.fl_str_mv Palo Tejada, Juan Ernesto
dc.subject.es_PE.fl_str_mv Panales fotovoltaicos
Redes neuronales
punto de máxima potencia
neuro conductancia incremental
polvo
medidor de energía
convertidor de potencia DC-DC
topic Panales fotovoltaicos
Redes neuronales
punto de máxima potencia
neuro conductancia incremental
polvo
medidor de energía
convertidor de potencia DC-DC
https://purl.org/pe-repo/ocde/ford#1.05.08
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.05.08
description En esta tesis desarrollamos un instrumento que mide la energía perdida por acumulación de polvo o suciedad en la superficie de arreglos fotovoltaicos, utilizamos un algoritmo que combina redes neuronales artificiales y un sistema de seguimiento de punto de máxima potencia en paneles fotovoltaicos controlado por conductancia incremental; bautizamos este enfoque como ’Neuro conductancia incremental’.El hardware del dispositivo esta compuesto de tres partes, la instrumentación, el sistema de control y un ordenador de placa única. La instrumentación fue construida al rededor de un micro controlador que gestiona una memoria de configuración eeprom de 1MB, una memoria de datos SD de 1GB, un sistema de gestión de energía debaterías de litio, una interface de comunicación USART-USB , un reloj de tiempo real y un convertidor analógico digital de 24 bit con cuatro canales diferenciales con amplificador de ganancia programable. Uno de los canales diferenciales mide el voltaje de circuito abierto de una celda peltier que actuá como sensor de un piranometro, otro de los canales mide la temperatura de la cara fría de la peltier en contacto con la masa térmica. Los otros 2 canales diferenciales restantes se utilizan para la medición de temperatura de un panel fotovoltaico de prueba de 5 W sobre el que se permite acumular polvo o suciedad. El sistema de control esta construido al rededor de un microcontrolador, un ADC de 10bit utilizado para medir el voltaje y corriente entregado por el panel fotovoltaico de prueba y un modulo PWM de 10 bit que actuá sobre una carga variable conectada al panel, la variable de control es la potencia en continua entregada por el panel a la carga variable. La carga variable esta construida como un DC-CD de topologia SEPIC . El algoritmo de control de búsqueda del punto de máxima potencia es conductancia incremental y se ejecuta sobre el microcontrolador. La computadora de placa única se conecta al sistema de instrumentación y control mediante conexión USB y lee periódicamente los datos registrados de irradiancia, temperatura del panel, la corriente y tensión que el panel entrega a la carga variable. Utilizando estos datos, un modelo analítico del panel fotovoltaico de prueba y un modelo de redes neuronales, la computadora calcula y registra la energía diaria perdida por la acumulación de polvo o suciedad sobre cualquier sistema fotovoltaico sometido a las mismas condiciones meteorológicas que el instrumento. El sistema utiliza un red neuronal entrenada para determinar la máxima potencia entregada por el panel en cualquier instante a partir de mediciones de irradiancia y temperatura del panel. Por otro lado medimos la corriente y la tensión en el panel en régimen de máxima potencia ajustando la carga DC-CD con la técnica de control de conductancia incremental. Si el panel esta libre de polvo, ambos procedimientos dan potencias iguales, pero si el panel esta con polvo, la red neuronal predice una potencia superior a la que se logra con el algoritmo de conductancia incremental, esa diferencia es precisamente la potencia que se pierde por efectos del polvo, integrado esta potencia en el tiempo, obtenemos la energía perdida.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2022-01-28T17:18:26Z
dc.date.available.none.fl_str_mv 2022-01-28T17:18:26Z
dc.date.issued.fl_str_mv 2021
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12773/13696
url http://hdl.handle.net/20.500.12773/13696
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional de San Agustín de Arequipa
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad Nacional de San Agustín de Arequipa
Repositorio Institucional - UNSA
dc.source.none.fl_str_mv reponame:UNSA-Institucional
instname:Universidad Nacional de San Agustín
instacron:UNSA
instname_str Universidad Nacional de San Agustín
instacron_str UNSA
institution UNSA
reponame_str UNSA-Institucional
collection UNSA-Institucional
bitstream.url.fl_str_mv https://repositorio.unsa.edu.pe/bitstreams/7895978b-aded-4780-949c-a86631482bec/download
https://repositorio.unsa.edu.pe/bitstreams/482f2318-b478-42b5-9dbb-a8261fab0921/download
https://repositorio.unsa.edu.pe/bitstreams/79d7fbf7-e339-4128-97f6-74ad9793c13f/download
bitstream.checksum.fl_str_mv 4071a8d62987d190080b15bba8f9328f
c52066b9c50a8f86be96c82978636682
482771b351d0c93d1873871506a336f1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UNSA
repository.mail.fl_str_mv repositorio@unsa.edu.pe
_version_ 1828762862565195776
spelling Garcia Calisaya, Francisco AngelPalo Tejada, Juan Ernesto2022-01-28T17:18:26Z2022-01-28T17:18:26Z2021En esta tesis desarrollamos un instrumento que mide la energía perdida por acumulación de polvo o suciedad en la superficie de arreglos fotovoltaicos, utilizamos un algoritmo que combina redes neuronales artificiales y un sistema de seguimiento de punto de máxima potencia en paneles fotovoltaicos controlado por conductancia incremental; bautizamos este enfoque como ’Neuro conductancia incremental’.El hardware del dispositivo esta compuesto de tres partes, la instrumentación, el sistema de control y un ordenador de placa única. La instrumentación fue construida al rededor de un micro controlador que gestiona una memoria de configuración eeprom de 1MB, una memoria de datos SD de 1GB, un sistema de gestión de energía debaterías de litio, una interface de comunicación USART-USB , un reloj de tiempo real y un convertidor analógico digital de 24 bit con cuatro canales diferenciales con amplificador de ganancia programable. Uno de los canales diferenciales mide el voltaje de circuito abierto de una celda peltier que actuá como sensor de un piranometro, otro de los canales mide la temperatura de la cara fría de la peltier en contacto con la masa térmica. Los otros 2 canales diferenciales restantes se utilizan para la medición de temperatura de un panel fotovoltaico de prueba de 5 W sobre el que se permite acumular polvo o suciedad. El sistema de control esta construido al rededor de un microcontrolador, un ADC de 10bit utilizado para medir el voltaje y corriente entregado por el panel fotovoltaico de prueba y un modulo PWM de 10 bit que actuá sobre una carga variable conectada al panel, la variable de control es la potencia en continua entregada por el panel a la carga variable. La carga variable esta construida como un DC-CD de topologia SEPIC . El algoritmo de control de búsqueda del punto de máxima potencia es conductancia incremental y se ejecuta sobre el microcontrolador. La computadora de placa única se conecta al sistema de instrumentación y control mediante conexión USB y lee periódicamente los datos registrados de irradiancia, temperatura del panel, la corriente y tensión que el panel entrega a la carga variable. Utilizando estos datos, un modelo analítico del panel fotovoltaico de prueba y un modelo de redes neuronales, la computadora calcula y registra la energía diaria perdida por la acumulación de polvo o suciedad sobre cualquier sistema fotovoltaico sometido a las mismas condiciones meteorológicas que el instrumento. El sistema utiliza un red neuronal entrenada para determinar la máxima potencia entregada por el panel en cualquier instante a partir de mediciones de irradiancia y temperatura del panel. Por otro lado medimos la corriente y la tensión en el panel en régimen de máxima potencia ajustando la carga DC-CD con la técnica de control de conductancia incremental. Si el panel esta libre de polvo, ambos procedimientos dan potencias iguales, pero si el panel esta con polvo, la red neuronal predice una potencia superior a la que se logra con el algoritmo de conductancia incremental, esa diferencia es precisamente la potencia que se pierde por efectos del polvo, integrado esta potencia en el tiempo, obtenemos la energía perdida.application/pdfhttp://hdl.handle.net/20.500.12773/13696spaUniversidad Nacional de San Agustín de ArequipaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional de San Agustín de ArequipaRepositorio Institucional - UNSAreponame:UNSA-Institucionalinstname:Universidad Nacional de San Agustíninstacron:UNSAPanales fotovoltaicosRedes neuronalespunto de máxima potencianeuro conductancia incrementalpolvomedidor de energíaconvertidor de potencia DC-DChttps://purl.org/pe-repo/ocde/ford#1.05.08Neuro conductancia incremental en pérdidas de rendimiento por polvo en generadores fotovoltaicosinfo:eu-repo/semantics/doctoralThesisSUNEDU29322410https://orcid.org/0000-0003-0709-579729538674521068Ocharan Pichu, Miguel AngelParedes de Gómez, Trinidad BettyZavala Fernández, José JavierVelazco Paredes, Yuber ElmerGarcia Calisaya, Francisco Angelhttp://purl.org/pe-repo/renati/level#doctorhttp://purl.org/pe-repo/renati/type#tesisDoctorado en Ciencias Ambientales y Energías RenovablesUniversidad Nacional de San Agustín de Arequipa.Unidad de Posgrado.Facultad de Ingeniería de Producción y ServiciosDoctor en Ciencias Ambientales y Energías RenovablesORIGINALUPpateje.pdfUPpateje.pdfapplication/pdf8638465https://repositorio.unsa.edu.pe/bitstreams/7895978b-aded-4780-949c-a86631482bec/download4071a8d62987d190080b15bba8f9328fMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81327https://repositorio.unsa.edu.pe/bitstreams/482f2318-b478-42b5-9dbb-a8261fab0921/downloadc52066b9c50a8f86be96c82978636682MD52TEXTUPpateje.pdf.txtUPpateje.pdf.txtExtracted texttext/plain268542https://repositorio.unsa.edu.pe/bitstreams/79d7fbf7-e339-4128-97f6-74ad9793c13f/download482771b351d0c93d1873871506a336f1MD5320.500.12773/13696oai:repositorio.unsa.edu.pe:20.500.12773/136962022-03-23 23:45:11.574http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttps://repositorio.unsa.edu.peRepositorio Institucional UNSArepositorio@unsa.edu.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
score 13.887938
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).