Aplicação de algoritmos genéticos para estimação de parâmetros de painéis fotovoltaicos / Application of genetic algorithms for parameter estimation of photovoltaic panels

Gilberto Lopes Filho, Flávio Henrique Teles Vieira, Ricardo Augusto Pereira Franco, Ana Cláudia Barbosa Rezende, Henrique Pires Corrêa, Maykon Renan Pereira da Silva, Alisson Assis Cardoso, Marcelo Stehling de Castro

Abstract


A geração de energia fotovoltaica tem se tornado uma ótima opção para a geração de energia elétrica limpa, visto que ela possui alto potencial de produção de energia elétrica em todo o mundo. O equipamento responsável pela transformação dos raios solares em energia elétrica é o painel fotovoltaico. Sua simulação computacional é essencial para a realização de projetos de sis- temas fotovoltaicos. Contudo, os datasheets dos painéis não fornecem todas as informações necessárias para a simulação computacional. Portanto, torna-se necessário desenvolver métodos para estimar alguns parâmetros dos painéis. Este trabalho propõe um método de estimação de parâmetros de painéis foto- voltaicos utilizando o Algoritmo Genético, desenvolvido no ambiente MATLAB. A função objetivo do Algoritmo Genético corresponde à minimização do erro quadrático médio entre a curva característica IxV experimental do painel em relação à curva IxV gerada pelos parâmetros estimados. Os resultados obtidos com o Algoritmo Genético são comparados com outros métodos presentes na literatura.


Keywords


Algoritmo Genético, Estimação de parâmetros, Painel Fotovoltaico.

References


Aramizu, J. (2010). Modelagem e Análise de Desempenho de um Sistema Fotovoltaico em Operação Isolada e em Paralelo com uma Rede de Distribuição de Energia Elétrica. USP, São Paulo.

Askarzadeh, A. and Rezazadeh, A. (2013). Artificial bee swarm optimization algorithm for parameters identification of solar cell models. Applied Energy, 102(Supplement C):943 – 949. Special Issue on Advances in sustainable biofuel production and use - XIX International Symposium on Alcohol Fuels - ISAF.

Cubas, J., Pindado, S., and Victoria, M. (2014). On the analytical approach for modeling photovoltaic systems behavior. Journal of Power Sources, 247(Supplement C):467 – 474.

da Costa, W. T. (2010). Modelagem, estimação de parâmetros e método MPPT para módulos fotovoltaicos. UFES, Vitória.

de Blas, M., Torres, J., Prieto, E., and Garcı, A. (2002). Selecting a suitable model for characterizing photovoltaic devices. Renewable Energy, 25(3):371 – 380.

El-Naggar, K., AlRashidi, M., AlHajri, M., and Al-Othman, A. (2012). Simulated anne- aling algorithm for photovoltaic parameters identification. Solar Energy, 86(1):266 – 274.

Holland, J. H. (1992). Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence. The MIT Press.

Laudani, A., Fulginei, F. R., and Salvini, A. (2014). High performing extraction procedure for the one-diode model of a photovoltaic panel from experimental i–v curves by using reduced forms. Solar Energy, 103:316 – 326.

Linden, R. (2006). Algoritmos Genéticos (2a edição). BRASPORT.

Majdoul, R., Abdelmounim, E., Aboulfatah, M., Touati, A. W., Moutabir, A., and Abou- loifa, A. (2015). Combined analytical and numerical approach to determine the four parameters of the photovoltaic cells models. In 2015 International Conference on Electrical and Information Technologies (ICEIT), pages 263–268.

Martinuzzi, R. K. and Roos, C. (2020). Photovoltaic system applied in a medium-sized industry in brazil: economic analysis. Brazilian Journal of Development, 6(11):84986– 85000.

Villalva, M. G., Gazoli, J. R., and Filho, E. R. (2009). Comprehensive approach to mode- ling and simulation of photovoltaic arrays. IEEE Transactions on Power Electronics, 24(5):1198–1208.

Yang, X.-S. (2008). Nature-Inspired Metaheuristic Algorithms. Luniver Press.




DOI: https://doi.org/10.34117/bjdv7n1-448

Refbacks

  • There are currently no refbacks.