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.contributor.advisor Robles Algarín, Carlos arturo
dc.contributor.advisor Restrepo Leal, Diego andrés
dc.contributor.author Viloria Porto, Julie Pauline
dc.creator.degree Ingeniero Electrónico spa
dc.date.accessioned 2019-10-02T18:31:33Z
dc.date.available 2019-10-02T18:31:33Z
dc.date.issued 2018
dc.date.submitted 2018
dc.description.abstract 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. spa
dc.description.provenance 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) spa
dc.description.provenance 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) spa
dc.description.provenance 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: 2018 spa
dc.format text spa
dc.format picture spa
dc.identifier.uri http://repositorio.unimagdalena.edu.co/handle/123456789/3704
dc.language.iso es spa
dc.publisher Universidad del Magdalena spa
dc.publisher.department Facultad de Ingeniería spa
dc.publisher.program Ingeniería Electrónica spa
dc.rights atribucionnocomercialsinderivar spa
dc.rights.cc Restringido spa
dc.subject fotovoltaje spa
dc.subject Modulo FV spa
dc.subject Algoritmo de control spa
dc.subject Convertidor DC-DC spa
dc.subject Convertidor MPPT spa
dc.subject Red ADELINE spa
dc.subject Microcontrolador spa
dc.subject Controlador P & O spa
dc.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 spa
dc.type bachelorThesis spa
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
IE-00050.pdf
Size:
5.61 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.24 KB
Format:
Item-specific license agreed upon to submission
Description: