Aplicação de redes neurais artificiais para rastreamento de ponto de máxima potência em painel solar aplicado a um conversor Cuk

Abstract

Este trabalho apresenta um estudo sobre a aplicação de redes neurais artificiais como algoritmo de rastreamento de ponto de máxima potência (MPPT) em sistemas fotovoltaicos aplicado a um conversor CC-CC Cuk. A técnica de MPPT com redes neurais visa encontrar de forma rápida a razão cíclica da chave de comutação em conversores CC-CC entregando uma maior potência a carga. São equacionados o conversor CC-CC e seus elementos magnéticos, a curva característica de um painel solar e a irradiação solar ao longo do dia e ao longo do ano. São treinadas diversas redes neurais com diferentes funções de ativação. Também são feitas comparações de corrente, tensão e potência utilizando a técnica de rede neural treinada e a técnica de \"Perturba e Observa\"(P&O) clássica. Utiliza-se o software PSIM para simulação de sistemas fotovoltaicos e Python para programação e treinamento da rede neural artificial. É montado um protótipo funcional em busca de resultados experimentais. São obtidos resultados considerados superiores tanto em ambiente simulado quanto experimental, onde são evidenciados através de gráficos que representam a tensão, corrente e potência ao longo do experimento, que a técnica de RNA entrega uma maior potência a carga se comparada a técnica de P&O.

Abstract: This work presents a study on the application of artificial neural networks as a maximum power point tracking (MPPT) algorithm in photovoltaic systems applied to a DC-DC Cuk converter. The MPPT technique with neural networks aims to find the duty cycle of the switching key in DC-DC converters faster than other methods, delivering a higher power to the load. The DCDC converter and its magnetic elements, the solar panel power curve, and the solar irradiation throughout the day and throughout the year are equated. Several neural networks with different activation functions are trained. Comparisons of power delivered to load are also made using the trained neural network technique and the classic \"Disturb and Observe\" (P&O) technique. PSIM software is used to simulate photovoltaic systems and Python for programming and training the artificial neural network. A working prototype is built for obtaining experimental results. The results are considered superior in both simulated and experimental environments are obtained, where it is evidenced through graphics that represent the voltage, current and power throughout the experiment, that the ANN technique delivers greater power to the load compared to the P&O technique.