Modelo de predicción de curvas i-v para paneles solares bajo condiciones dificiles de sombra basado en machine learning

La presencia de sombras parciales en la superficie de los paneles solares tiene implicaciones en la generación de energía y la disipación de potencia. Para lograr caracterizar el comportamiento de los paneles es necesario una curva de corriente y voltaje (I-V) que sea consecuente con la presencia de sombras no uniformes. El proyecto se basó en encontrar un algoritmo de regresión de machine learning para predecir la curva I-V aproximando los puntos de inflexión de la corriente, los cuales se generan por la activación de los diodos de protección del panel ante casos de sombra. Se desarrolló, en primera instancia, una caracterización de la sombra para obtener un vector numérico con el radio de sombra por cada celda del panel. Después, se estudiaron detalladamente 3 modelos de regresión (K-Nearest Neighbors, Random Forest y Extra Trees). Estos toman como entrada la caracterización de la sombra desarrollada, la temperatura y la irradiación; y generan como salida 8 pares de puntos I-V para ser interpolados. Finalmente, se desarrolló un simulador para validar el modelo y para obtener la curva I-V dado un patrón de sombra especificado por el usuario. Se logró hacer una correcta cuantificación de la sombra por celda y se observó, dado el cálculo del error cuadrático medio, que el mejor algoritmo es Randon Forest. Dicha caracterización de sombra incluida en el modelo de predicción, así como la manera de aproximar la curva I-V, son aportes valiosos frente a otros estudios de este campo.

• Autores: Castellanos Taita, María Alejandra
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2020
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/50625
• Acceso en línea: http://hdl.handle.net/1992/50625
• Palabra clave: Paneles solares fotovoltáicos; Distribución de energía eléctrica; Energía solar; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf