Luiz Fernando M Arruda

This article presents a study on the application of artificial neural networks as a maximum power point tracking algorithm (MPPT) in photovoltaic systems. To find the duty cycle of converters faster and deliver a higher power to the load, a neural network is proposed as an improvement of the MPPT algorithm. A comparison is made between the use a classic MPPT and the trained neural network. The PSIM software will be used to simulate photovoltaic systems and Python for programming and training the artificial neural network. The results show a clear improvement in performance by the proposed method in comparison to the classic Perturb and Observe. Resumo: Este artigo 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 Cúk. Visando encontrar de forma mais rápida a razão ćıclica da chave de comutação em conversores CC/CC e entregar uma maior potência a ...

This article presents a study on the application of artificial neural networks as a maximum power point tracking algorithm (MPPT) in photovoltaic systems. To find the duty cycle of converters faster and deliver a higher power to the load, a neural network is proposed as an improvement of the MPPT algorithm. A comparison is made between the use a classic MPPT and the trained neural network. The PSIM software will be used to simulate photovoltaic systems and Python for programming and training the artificial neural network. The results show a clear improvement in performance by the proposed method in comparison to the classic Perturb and Observe. Resumo: Este artigo 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 Cúk. Visando encontrar de forma mais rápida a razão cíclica da chave de comutação em conversores CC/CC e entregar uma maior potência a ...

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.

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 Cúk. Esta técnica visa encontrar de forma mais rápida a razão cíclica da chave de comutação em conversores CC/CC e entregar uma maior potência a carga. É proposta uma rede neural como melhoria de algoritmo MPPT. São feitas comparações de potência entregue a carga utilizando a técnica de rede neural treinada e o método tradicional "Perturba e Observa". Utiliza-se o software PSIM para simulação de sistemas fotovoltaicos e Python para programação e treinamento da rede neural artificial. Os resultados mostram uma melhora em potência disponível utilizando o método proposto quando comparado ao método "Perturba e Observa".