Aprendizaje por refuerzo profundo para extraer la máxima transferencia de potencia para sistemas fotovoltaicos bajo el efecto de sombreado parcial
Se proponen Deep Q-Networks, un algoritmo de aprendizaje por refuerzo profundo, para hacer el control MPPT de un arreglo de paneles solares en caso de sombreado parcial. Se comprueba y compara su funcionamiento en simulaciones y en una implementación física.
- Autores:
-
Torres Villamizar, María Isabella
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/58974
- Acceso en línea:
- http://hdl.handle.net/1992/58974
- Palabra clave:
- Aprendizaje por refuerzo profundo
DQN
MPPT
Paneles solares
Sombreado parcial
Energía solar fotovoltaica
Reinforcement learning
Condición de sombreado parcial
Ingeniería
- Rights
- openAccess
- License
- Attribution-NoDerivatives 4.0 Internacional
| Summary: | Se proponen Deep Q-Networks, un algoritmo de aprendizaje por refuerzo profundo, para hacer el control MPPT de un arreglo de paneles solares en caso de sombreado parcial. Se comprueba y compara su funcionamiento en simulaciones y en una implementación física. |
|---|