Diseño e implementación de un controlador neuronal artificial dinámico para optimizar el algoritmo de perturbación y observación en el seguimiento del punto de máxima potencia de un módulo fotovoltaico

La investigación tiene como propósito consta del desarrollo de un controlador neuronal artificial adaptativo que logró optimizar el algoritmo de seguimiento del punto de máxima potencia (MPPT) perturbar y observar (P&O) de un módulo fotovoltaico (FV). Dicho proyecto fue presentado como una profu...

Full description

Autores:
Viloria Porto, Julie Pauline
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad del Magdalena
Repositorio:
Repositorio Unimagdalena
Idioma:
spa
OAI Identifier:
oai:repositorio.unimagdalena.edu.co:123456789/3704
Acceso en línea:
http://repositorio.unimagdalena.edu.co/handle/123456789/3704
Palabra clave:
fotovoltaje
Modulo FV
Algoritmo de control
Convertidor DC-DC
Convertidor MPPT
Red ADELINE
Microcontrolador
Controlador P & O
Rights
restrictedAccess
License
atribucionnocomercialsinderivar
id UNIMAGDALE_50935f16fa0b333658a44748baae6685
oai_identifier_str oai:repositorio.unimagdalena.edu.co:123456789/3704
network_acronym_str UNIMAGDALE
network_name_str Repositorio Unimagdalena
repository_id_str
dc.title.spa.fl_str_mv Diseño e implementación de un controlador neuronal artificial dinámico para optimizar el algoritmo de perturbación y observación en el seguimiento del punto de máxima potencia de un módulo fotovoltaico
title Diseño e implementación de un controlador neuronal artificial dinámico para optimizar el algoritmo de perturbación y observación en el seguimiento del punto de máxima potencia de un módulo fotovoltaico
spellingShingle Diseño e implementación de un controlador neuronal artificial dinámico para optimizar el algoritmo de perturbación y observación en el seguimiento del punto de máxima potencia de un módulo fotovoltaico
fotovoltaje
Modulo FV
Algoritmo de control
Convertidor DC-DC
Convertidor MPPT
Red ADELINE
Microcontrolador
Controlador P & O
title_short Diseño e implementación de un controlador neuronal artificial dinámico para optimizar el algoritmo de perturbación y observación en el seguimiento del punto de máxima potencia de un módulo fotovoltaico
title_full Diseño e implementación de un controlador neuronal artificial dinámico para optimizar el algoritmo de perturbación y observación en el seguimiento del punto de máxima potencia de un módulo fotovoltaico
title_fullStr Diseño e implementación de un controlador neuronal artificial dinámico para optimizar el algoritmo de perturbación y observación en el seguimiento del punto de máxima potencia de un módulo fotovoltaico
title_full_unstemmed Diseño e implementación de un controlador neuronal artificial dinámico para optimizar el algoritmo de perturbación y observación en el seguimiento del punto de máxima potencia de un módulo fotovoltaico
title_sort Diseño e implementación de un controlador neuronal artificial dinámico para optimizar el algoritmo de perturbación y observación en el seguimiento del punto de máxima potencia de un módulo fotovoltaico
dc.creator.fl_str_mv Viloria Porto, Julie Pauline
dc.contributor.advisor.none.fl_str_mv Robles Algarín, Carlos arturo
Restrepo Leal, Diego andrés
dc.contributor.author.none.fl_str_mv Viloria Porto, Julie Pauline
dc.subject.spa.fl_str_mv fotovoltaje
Modulo FV
Algoritmo de control
Convertidor DC-DC
Convertidor MPPT
Red ADELINE
Microcontrolador
Controlador P & O
topic fotovoltaje
Modulo FV
Algoritmo de control
Convertidor DC-DC
Convertidor MPPT
Red ADELINE
Microcontrolador
Controlador P & O
description La investigación tiene como propósito consta del desarrollo de un controlador neuronal artificial adaptativo que logró optimizar el algoritmo de seguimiento del punto de máxima potencia (MPPT) perturbar y observar (P&O) de un módulo fotovoltaico (FV). Dicho proyecto fue presentado como una profundización en el tema de control inteligente basado en redes neuronales, por el grupo de investigación MAGMA Ingeniería del programa de Ingeniería Electrónica de la Universidad del Magdalena, con el objetivo de diseñar e implementar un controlador capaz de optimizar el método de control convencional P&O y corregir las oscilaciones que se presentan alrededor del punto de máxima potencia (MPP). Por consiguiente, el controlador aquí desarrollado contiene el diseño de una red neuronal ADALINE con arquitectura FIR, entrenada con el algoritmo de entrenamiento RTRL, el cual resultó ser el método de control inteligente que mejor filtró las oscilaciones cercanas al MPP y que arrojó un margen de error mucho menor. Este método de control recibe como señales de entrada la corriente y el voltaje de un módulo FV que fue expuesto a diversas condiciones medioambientales. Finalmente, se evaluó la eficiencia del controlador optimizado, comparándolo con el controlador P&O tradicional, con un controlador difuso y con un controlador neuronal dinámico tipo NARX. Estos últimos controladores fueron desarrollados por los semilleristas del mismo grupo de investigación. Gracias a lo anterior, se pudo concluir que una red neuronal con entrenamiento adaptativo posee mejores resultados, una respuesta más rápida y con menos bifurcaciones ante cambios súbitos en las señales de entrada, resultando ser el método de control adecuado para sistemas en los cuales se requiere de una respuesta en tiempo real.
publishDate 2018
dc.date.issued.none.fl_str_mv 2018
dc.date.submitted.none.fl_str_mv 2018
dc.date.accessioned.none.fl_str_mv 2019-10-02T18:31:33Z
dc.date.available.none.fl_str_mv 2019-10-02T18:31:33Z
dc.type.spa.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://repositorio.unimagdalena.edu.co/handle/123456789/3704
url http://repositorio.unimagdalena.edu.co/handle/123456789/3704
dc.language.iso.fl_str_mv spa
language spa
dc.rights.spa.fl_str_mv atribucionnocomercialsinderivar
dc.rights.none.fl_str_mv Restringido
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_16ec
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/restrictedAccess
dc.rights.cc.spa.fl_str_mv Restringido
dc.rights.creativecommons.spa.fl_str_mv atribucionnocomercialsinderivar
rights_invalid_str_mv atribucionnocomercialsinderivar
Restringido
http://purl.org/coar/access_right/c_16ec
eu_rights_str_mv restrictedAccess
dc.format.spa.fl_str_mv text
picture
dc.publisher.spa.fl_str_mv Universidad del Magdalena
dc.publisher.department.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.program.spa.fl_str_mv Ingeniería Electrónica
institution Universidad del Magdalena
bitstream.url.fl_str_mv https://repositorio.unimagdalena.edu.co/bitstreams/e80da8ad-e13a-42f0-98cd-0d250413d6b3/download
https://repositorio.unimagdalena.edu.co/bitstreams/0039d491-7907-4729-a3a3-b1b55a4d0402/download
https://repositorio.unimagdalena.edu.co/bitstreams/bbdb9aa7-4e32-4a7c-848a-7ce06aecc4d2/download
https://repositorio.unimagdalena.edu.co/bitstreams/14fd3bbe-7924-424d-8b97-7624dd54f34c/download
bitstream.checksum.fl_str_mv 45918f74eb60ffd7f2cf2807b0efb2cb
b37f3126bcd22eeae85cbc2659ee387b
3b3224ca7f164ac240a14730cb109725
16cc5def03864b186f3bc3f8923f5441
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UniMagdalena
repository.mail.fl_str_mv repositorio@unimagdalena.edu.co
_version_ 1814126878261248000
spelling Robles Algarín, Carlos arturoRestrepo Leal, Diego andrésViloria Porto, Julie PaulineIngeniero Electrónico2019-10-02T18:31:33Z2019-10-02T18:31:33Z20182018La investigación tiene como propósito consta del desarrollo de un controlador neuronal artificial adaptativo que logró optimizar el algoritmo de seguimiento del punto de máxima potencia (MPPT) perturbar y observar (P&O) de un módulo fotovoltaico (FV). Dicho proyecto fue presentado como una profundización en el tema de control inteligente basado en redes neuronales, por el grupo de investigación MAGMA Ingeniería del programa de Ingeniería Electrónica de la Universidad del Magdalena, con el objetivo de diseñar e implementar un controlador capaz de optimizar el método de control convencional P&O y corregir las oscilaciones que se presentan alrededor del punto de máxima potencia (MPP). Por consiguiente, el controlador aquí desarrollado contiene el diseño de una red neuronal ADALINE con arquitectura FIR, entrenada con el algoritmo de entrenamiento RTRL, el cual resultó ser el método de control inteligente que mejor filtró las oscilaciones cercanas al MPP y que arrojó un margen de error mucho menor. Este método de control recibe como señales de entrada la corriente y el voltaje de un módulo FV que fue expuesto a diversas condiciones medioambientales. Finalmente, se evaluó la eficiencia del controlador optimizado, comparándolo con el controlador P&O tradicional, con un controlador difuso y con un controlador neuronal dinámico tipo NARX. Estos últimos controladores fueron desarrollados por los semilleristas del mismo grupo de investigación. Gracias a lo anterior, se pudo concluir que una red neuronal con entrenamiento adaptativo posee mejores resultados, una respuesta más rápida y con menos bifurcaciones ante cambios súbitos en las señales de entrada, resultando ser el método de control adecuado para sistemas en los cuales se requiere de una respuesta en tiempo real.Submitted by yurelis rodriguez (yurerodri4@gmail.com) on 2018-11-30T15:17:37Z No. of bitstreams: 1 IE-00050.pdf: 5878562 bytes, checksum: 45918f74eb60ffd7f2cf2807b0efb2cb (MD5)Approved for entry into archive by John Esteban Ramirez Rios (jramirezr@unimagdalena.edu.co) on 2019-10-02T18:31:33Z (GMT) No. of bitstreams: 1 IE-00050.pdf: 5878562 bytes, checksum: 45918f74eb60ffd7f2cf2807b0efb2cb (MD5)Made available in DSpace on 2019-10-02T18:31:33Z (GMT). No. of bitstreams: 1 IE-00050.pdf: 5878562 bytes, checksum: 45918f74eb60ffd7f2cf2807b0efb2cb (MD5) Previous issue date: 2018textpicturehttp://repositorio.unimagdalena.edu.co/handle/123456789/3704Universidad del MagdalenaFacultad de IngenieríaIngeniería ElectrónicaatribucionnocomercialsinderivarRestringidoinfo:eu-repo/semantics/restrictedAccessRestringidoatribucionnocomercialsinderivarhttp://purl.org/coar/access_right/c_16ecfotovoltajeModulo FVAlgoritmo de controlConvertidor DC-DCConvertidor MPPTRed ADELINEMicrocontroladorControlador P & ODiseño e implementación de un controlador neuronal artificial dinámico para optimizar el algoritmo de perturbación y observación en el seguimiento del punto de máxima potencia de un módulo fotovoltaicobachelorThesishttp://purl.org/coar/resource_type/c_7a1fspaORIGINALIE-00050.pdfIE-00050.pdfapplication/pdf5878562https://repositorio.unimagdalena.edu.co/bitstreams/e80da8ad-e13a-42f0-98cd-0d250413d6b3/download45918f74eb60ffd7f2cf2807b0efb2cbMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82289https://repositorio.unimagdalena.edu.co/bitstreams/0039d491-7907-4729-a3a3-b1b55a4d0402/downloadb37f3126bcd22eeae85cbc2659ee387bMD52TEXTIE-00050.pdf.txtIE-00050.pdf.txtExtracted texttext/plain236384https://repositorio.unimagdalena.edu.co/bitstreams/bbdb9aa7-4e32-4a7c-848a-7ce06aecc4d2/download3b3224ca7f164ac240a14730cb109725MD53THUMBNAILIE-00050.pdf.jpgIE-00050.pdf.jpgGenerated Thumbnailimage/jpeg1620https://repositorio.unimagdalena.edu.co/bitstreams/14fd3bbe-7924-424d-8b97-7624dd54f34c/download16cc5def03864b186f3bc3f8923f5441MD54123456789/3704oai:repositorio.unimagdalena.edu.co:123456789/37042024-10-02 23:25:13.38https://repositorio.unimagdalena.edu.coRepositorio Institucional UniMagdalenarepositorio@unimagdalena.edu.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