Redes neuronales artificiales para el seguimiento del punto de máxima potencia de paneles solares integrados en vehículo eléctrico

Illana Gisbert, Guillermo (2021). Redes neuronales artificiales para el seguimiento del punto de máxima potencia de paneles solares integrados en vehículo eléctrico. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Diseño Industrial (UPM).

Description

Title: Redes neuronales artificiales para el seguimiento del punto de máxima potencia de paneles solares integrados en vehículo eléctrico
Author/s:
  • Illana Gisbert, Guillermo
Contributor/s:
  • Domínguez Domínguez, César
  • Núñez Júdez, Rubén
Item Type: Final Project
Degree: Grado en Ingeniería Eléctrica
Date: 28 September 2021
Subjects:
Freetext Keywords: Energía fotovoltaica, Redes neuronales, Vehículo eléctrico, Seguimiento del punto de máxima potencia.
Faculty: E.T.S.I. Diseño Industrial (UPM)
Department: Electrónica Física, Ingeniería Eléctrica y Física Aplicada
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (9MB) | Preview

Abstract

El uso del vehículo eléctrico se ha extendido en gran medida estos últimos años por razones medioambientales y por la reducción de las reservas de petróleo. El desarrollo de los vehículos eléctricos ha experimentado grandes avances en los últimos años, aunque no llegan a la autonomía de un vehículo de combustión. Uno de los avances más recientes para aliviar este problema es la implementación de un sistema fotovoltaico en el vehículo para el aumento de la autonomía del mismo. En este trabajo se ha realizado el análisis del uso de redes neuronales para el seguimiento del punto de máxima potencia en módulos fotovoltaicos integrados en un vehículo eléctrico, especialmente en trayectos urbanos. En estos trayectos, los paneles solares estarán sometidos a frecuentes cambios de irradiancia y condiciones de sombreado parcial, que pueden dar lugar a características potencia-tensión con diversos máximos locales, para los que el método clásico de perturbación-observación (P&O) introduce pérdidas energéticas significativas. Mediante el modelado de las pérdidas energéticas estimadas para diversos escenarios de referencia, se han evaluado distintas configuraciones de parámetros de entrada y capas de la red neuronal y se han comparado con el método P\&O. Los escenarios han tenido en cuenta series de datos de condiciones de operación representativas de trayectos urbanos, incluyendo condiciones de iluminación desigual, transitorios frecuentes y sombreado parcial sobre el vehículo. Los resultados obtenidos en el trabajo muestran la viabilidad de este método para el seguimiento del punto de máxima potencia frente a otros métodos clásicos como el P\&O. Se estudia de manera satisfactoria el efecto de las variables del sistema FV y del número de capas ocultas en la creación de las redes neuronales en relación a la potencia instantánea generada y a la energía total producida en los módulos fotovoltaicos en cada uno de los escenarios considerados. Estos resultados muestran que el uso de redes neuronales como algoritmo seguidor del punto de máxima potencia en un sistema fotovoltaico instalado en un vehículo es una solución viable, rápida, y con unas pérdidas de energía mínimas en relación a otras técnicas.

More information

Item ID: 68805
DC Identifier: https://oa.upm.es/68805/
OAI Identifier: oai:oa.upm.es:68805
Deposited by: Guillermo Illana
Deposited on: 13 Oct 2021 06:33
Last Modified: 13 Oct 2021 06:33
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM