braulio chuco paucar
DESCRIPTION
trabalho asdasdsdaTRANSCRIPT
-
OTIMIZAO DA POTNCIA DE OPERAO EM SISTEMA ISOLADO FOTOVOLTAICO USANDO
TCNICAS DE INTELIGNCIA ARTIFICIAL
BRAULIO CHUCO
-
UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL
PROGRAMA DE PS-GRADUAO
EM ENGENHARIA ELTRICA
OTIMIZAO DA POTNCIA DE OPERAO EM
SISTEMA ISOLADO FOTOVOLTAICO USANDO
TCNICAS DE INTELIGNCIA ARTIFICIAL
Dissertao apresentada ao Departamento de Engenharia Eltrica da Universidade Federal de Mato Grosso do Sul como parte dos requisitos para a obteno do ttulo de Mestre em Engenharia Eltrica.
BRAULIO CHUCO
Campo Grande, 2007.
-
OTIMIZAO DA POTNCIA DE OPERAO EM
SISTEMA ISOLADO FOTOVOLTAICO USANDO
TCNICAS DE INTELIGNCIA ARTIFICIAL
Dissertao de Mestrado submetida banca examinadora designada pelo Colegiado do Programa de Mestrado em Engenharia Eltrica da Universidade Federal de Mato Grosso do Sul, como parte dos requisitos necessrios obteno do grau de Mestre em Engenharia Eltrica.
Joo Onofre Pereira Pinto Dr. Prof. DEL/UFMS - Orientador
Luciana Cambraia Leite Dra.
Profa. DEL/UFMS
Maurcio Beltro de Rossiter Corra Dr.
Prof. DEE/CEEI/UFCG
-
Aos meus familiares, amigos e professores.
-
Agradecimentos
A minha Me Cipriana, a minha Esposa Amparo-Milagros, Aos meus irmos Victor/Baslides pelo apoio e compreenso. Aos meus orientadores, Prof. Pinto, Prof Jorge Luis que alm de contribuir intelectualmente, tornou-se grandes amigos. A Sra. Susana Crdova da EDUCA-Per pelo apoio incondicional para vir ao Brasil. A todos meus colegas e amigos do BATLAB tais como: Rene Capitanio, Luigi Galotto, Z Edison Cabral, Gilberto Shimada, Ruben Barros, Faete Jacques, Cristiano Quevedo, Andr Muniz, Mrcio Lorenzoni, Mario Marcos Frank, Alexandre Ataida, Wellington Rocha do Laboratrio de Eficincia Energtica. Tambm no poderia deixar de agradecer aos professores do DEL/UFMS pelo ensino das disciplinas que foram chaves para conseguir finalizar este trabalho. Meus sinceros agradecimentos ao BATLAB e seu coordenador o Prof. Pinto pelo apoio e cooperao para meu trabalho e do CIEEP-Per, ao pas do Brasil pela oportunidade de me permitiram alcanar meus objetivos. Ao todo o pessoal e amigos do CIEEP-Per, que fizeram os esforos necessrios para continuar nas atividades durante os dois anos. Finalmente, agradeo ao CNPq e CIEEP-Per pelo apoio financeiro.
-
ii
OTIMIZAO DA POTNCIA DE OPERAO EM
SISTEMA ISOLADO FOTOVOLTAICO USANDO
TCNICAS DE INTELIGNCIA ARTIFICIAL Braulio Chuco
Orientadores: Professor Dr. Joo O. Pereira Pinto; Professor Dr. Jorge L. Roel Ortiz.
rea de Concentrao: Energia Eltrica.
Palavras-chave: Sistema de Energia Solar, Tenso tima, Potncia Mxima, Sistemas Fuzzy,
Redes Neurais.
Nmero de Pginas: 112.
RESUMO: Este trabalho apresenta um sistema de aproveitamento timo da potncia de um
sistema isolado fotovoltaico usando tcnicas de inteligncia artificial, mediante um sistema
estimador da tenso tima, razo cclica do conversor D, ndice de modulao ma e o SOC
do banco de baterias, que permite manter operando o sistema Arranjo Fotovoltaico no ponto
da mxima potncia. Um sistema Fuzzy foi implementado para estimar a tenso tima
instantnea de operao do Arranjo Fotovoltaico a partir dos dados de irradiao e
temperatura instantnea para encontrar o ponto da potncia mxima instantnea. Para manter
a operao no ponto mximo da potncia encontrada, foi usado um controlador Neural que
atua sobre o conversor Buck-Boost para condicionar a tenso nos terminais do Arranjo
Fotovoltaico e em perodo de carga ou descarga da bateria com o objetivo de compensar ou
aproveitar a corrente instantnea excedente ou deficiente dependendo da irradiao e
demanda instantnea, do equilbrio entre o consumo e a potncia gerada. O controlador
Neural usa as grandezas da tenso tima estimada pelo estimador Fuzzy, a corrente da carga
em CA e a corrente da bateria para o controle do conversor CC-CC (Buck-Boost), para
estimar o SOC da bateria e o ndice de modulao do inversor. O mtodo proposto mostrou-
se eficiente de acordo com as simulaes feitas, observando vantagens como aplicaes
prticas e simples.
-
POWER OPERATION OPTIMIZATION OF
PHOTOVOLTAIC STAND ALONE SYSTEM USING
ARTIFICIAL INTELLIGENCE TECHNIQUES
Braulio Chuco
Advisors: Professor Joo O. Pereira Pinto, PhD., Professor Jorge L. Roel Ortiz, Dr.
Area of Concentration: Electrical Energy.
Keywords: Fuzzy Systems, Neural Systems, Optimum Voltage, Maximum Power,
Photovoltaic Systems.
Number of Pages: 112.
ABSTRACT: This work presents a power operation optimization of photovoltaic stand
alone system using artificial intelligence techniques, via a optimum voltage estimator and
control systems to maintain the photovoltaic generator in the maximum power point. A
Fuzzy Systems is implemented to estimate from instantaneus radiation and room
temperature, the optimum voltage of operation of photovoltaic generator. In order to maitain
in this found optimum power point, independent of load variations, is used a neural
controller that acts at the charge/discharge of the battery with the objective at compensating
or absorving the exceeding or deficiency instantaneous current calculated from balance of
the consumption and the photovoltaic generator. The neural controller use optimum voltage
from Fuzzy estimator, load current and battery current, to control the DC-DC converter, to
estimate the battery SOC and inverter modulation indice. Based on simulation results, the
method was found to be effective. It also has advantages such as simplicities and easy
implementation.
-
SUMRIO
1. Introduo........................................................................................................................1
1.1. Energias Renovveis............................................................................................ 1
1.1.1. Histria das Clulas Fotovoltaicas.................................................................2
1.1.2. Novas Tecnologias Solares ............................................................................3
1.2. Sistemas de Otimizao da Potncia do Painel Solar ..............................................4
1.2.1. Estado de Arte na Otimizao da Potncia Gerada.......................................5
1.2.2. Tcnicas de Inteligncia Artificial em Otimizao da Potncia do Painel
Solar .........................................................................................................................6
1.3. Tcnicas de Inteligncia Artificial.......................................................7
1.3.1. Redes Neurais .................................................................................................7
1.3.2. Sistemas de Lgica Fuzzy..............................................................................9
1.4. Objetivo.....................................................................................................................9
1.5. Metodologia ............................................................................................................10
2. Elementos Tpicos do Gerador Solar............................................................................11
2.1. Conversores Estticos de Energia Urilizados em Acondicionamento de Eltrica
Para o Consumo...................................................................................................................11
2.1.1. Conversor CC-CC Abaixador-Elevador (Buck-Boost)...............................11
2.1.2. Sistema de Controle do Conversor Buck - Boost........................................14
2.1.3. Inversor Trifsico Fonte de Tenso ............................................................15
2.1.4. Sistema de Controle do Inversor Trifsico Fonte de Tenso (IFT) ............15
2.2. Componente de Armazenamento de Energia.........................................................18
2.2.1. Armazenadores Eletroqumicos ...................................................................18
2.2.2. Bateria e Suas Caractersticas ......................................................................20
2.3. Gerador Fotovoltaico (Celula, Painel e Arranjo) ...................................................22
2.3.1. Modelo da Clula Solar................................................................................22
2.3.2. Parmetros de uma Clula Solar. .................................................................23
2.3.3. Painel Solar. ..................................................................................................24
2.3.4. Arranjo Fotovoltaico ....................................................................................26
3. Redes Neurais Artificiais e Lgica Fuzzy...................................................................27
-
ii
3.1. Introduo................................................................................................................27
3.2. Redes Neurais Artificiais ................................................................................. .27
3.3. Rede Neural de Funo Base Radial......................................................................29
3.4. Lgica Fuzzy...........................................................................................................35
3.4.1. Definio.......................................................................................................36
4. Modelo Proposto Para Operao tima do Sistema Fotovoltaico Isolado ............. .. 38
4.1. Modelo de Controle Otimizado..............................................................................38
4.1.1. Operao Caracterstica do Arranjo Fotovoltaico.......................................38
4.1.2. Estimador Fuzzy de Vmax Para Estimar o Ponto da Potncia Mxima de
Operao (PPMO).........................................................................................................39
4.1.3. Estimador do SOC da Bateria ......................................................................46
4.1.4. Controlador da Carga/Descarga da Bateria ................................................48
4.1.5. Controlador do Buck-Boost .........................................................................50
4.1.6. Controlador do Inversor ...............................................................................55
4.1.7. Projeto, Treinamento e Configurao da RN-RBF....................................58
4.2. Estratgia de Controle Proposto .............................................................................59
4.2.1. Primeiro Teste do Modelo Proposto ............................................................62
4.2.2. Segundo Teste do Modelo Proposto ............................................................66
5. Aplicao do Modelo Proposto ....................................................................................69
5.1. Configurao do Sistema de Aplicao .................................................................69
5.2. Caractersticas Tcnicas do Sistema Para Estudo de Caso....................................70
5.2.1. Sistema Isolado com Carga Constante .......................................................70
5.2.2. Sistema Isolado com Carga Varivel..........................................................73
6. Concluses.....................................................................................................................79
7. Possveis Trabalhos Futuros e Publicaes Relacionadas ...........................................81
7.1. Possveis Trabalhos Futuros ...................................................................................81
7.2. Publicaes Relacionadas.......................................................................................81
Referncias.83
Apndice A - 1...86
Parmetros Eltricos do Painel Solar..................................................................................87
Equacionamentos do Modelo de Painel Solar ....................................................................88
Modelo do Painel Solar no Matlab/Simulink .....................................................................89
-
iii
Modelo da Bateria. ..............................................................................................................90
Controlador da Chave de Carga/Descarga da Bateria........................................................91
Modelo do RN-RBF no Matlab/Simulink ..................................................................... 92
Modelo Completo do Sistema em Matlab/Simulink93
Apndice A- 2...........................................................................................................................94
Exemplo de projeto solar....................................................................................................94
Dados de Treinamento da RN-RBF...................................................................................96
-
ACRNIMOS
CA Corrente Alternada
CC Corrente Continua
IFT Inversor Fonte de Tenso
RN Rede Neural
SOC State Of Charge
RMS Root Mean Square (Valor Meio Quadratico)
ANN Artificial Neural Network
RBF Radial Basic Function
LF Lgica Fuzzy
MLP Modulao de Largura de Pulso
PWM Pulse Width Modulation
SPWM Sinusoidal Pulse Width Modulation
CCD Corrente Constate de Descarga
OPEC Organization of the Petroleum Exporting Countries
AF Arranjo Fotovoltaico
-
LISTA DE SIMBOLOS
V Tenso
I Corrente
D, Vav, Iav Razo Cclica, tenso e corrente de sada do conversor Buck-Boost
ma ndice de modulao
T Perodo
Imax Corrente no ponto mximo da potncia
[W] Watts
[V] Volts
[I] Amperes
Vs, Vo Tenso de entrada e sada no conversor Buck-Boost
Vab, Van Tenso linha-linha, Tenso linha-neutro
Ah Ampere-hora
, c Sinal portadora, Sinal de fundamental
max Razo de corte (conversor cc-cc) q, qmax Carga instantanea, carga mxima da bateria
k Constante de Boltzmann
c Relao da capacidade de carga disponvel entre a capacidade
total.
Iph Corrente fotovoltaico
ID Corrente no Diodo
Vmax Tenso tima imposta nos terminais da clula
Ga Irradiao Solar
Tc Temperatura ambiente
Io Corrente de saturao inversa
Mp Nmero de painis em paralelo
Ms Nmero de painis em serie
Np Nmero de clulas em paralelo
Ns Nmero de clulas em serie
Pmax Ponto mximo da potncia
-
ii
LISTA DE FIGURAS
Nmero Pgina
Fig. 2.1. Conversor Buck Boost ...............................................................................................13
Fig. 2.2. Controle do conversor CC-CC....................................................................................14
Fig. 2.3. Topologia de um inversor trifsico (IFT)...................................................................15
Fig. 2.4. Modulao de Largura de Pulso Senoidal..................................................................17
Fig. 2.5. Densidade tpicas de energia a 5 h tempo nominal de descarga para clulas
eletroqumicas conhecidas. ...........................................................................................19
Fig. 2.6. Circuito equivalente de uma bateria simples..............................................................20
Fig. 2.7. Modelo de uma clula solar. .......................................................................................22
Fig. 2.8. Efeito das conexes das clulas idnticas. .................................................................25
Fig. 2.9. Representao grfica tpica V-I de um painel solar e a potncia V*I......................25
Fig. 3.1. Neurnio biolgico .....................................................................................................28
Fig. 3.2. Representao de um neurnio artificial. ...................................................................29
Fig. 3.3. Rede neural tipo RBF..................................................................................................30
Fig. 3.4. Neurnio oculto...........................................................................................................33
Fig. 3.5. Campo receptivo. ........................................................................................................34
Fig. 3.6. Etapas de um sistema Fuzzy.......................................................................................37
Fig. 4.1. Configurao do sistema Arranjo Fotovoltaico isolado...39
Fig. 4.2. Variao da tenso mxima em funo da temperatura, irradiao, e potncia
mxima durante o dia. ...................................................................................................41
Fig. 4.3. Sistema Fuzzy. ............................................................................................................43
Fig. 4.4. Funes de pertinncia................................................................................................44
Fig. 4.5. Clculo dos antecedentes e dos conseqentes de cada regra pelo mtodo de
inferncia composicional max-min. .............................................................................45
Fig. 4.6. Mapeamento das regras de controle do estimador Fuzzy...........................................46
Fig. 4.7. Predio do SOC pelo RN-RBF .................................................................................48
Fig. 4.8. Variao da tenso durante o processo em funo da variao da carga Ah da
bateria. ...........................................................................................................................50
Fig. 4.9. Tenso na sada do Buck-Boost ..................................................................................51
-
iii
Fig. 4.10. Corrente na sada do Buck-Boost..............................................................................51
Fig. 4.11. Potncia na entrada e saida do Buck-Boost. .............................................................52
Fig. 4.12. Razo cclica do conversor Buck-Boost estimado pela RN-RBF............................53
Fig. 4.13. Controle do conversor Buck-Boost. .........................................................................54
Fig. 4.14. Sistema de controle convencional do ndice de modulao do inversor m.............56
Fig. 4.15.Teste de sensibilidade dp estimador de ma................................................................57
Fig. 4.16. Estrutura do RN-RBF, Aplicado neste trabalho.......................................................58
Fig. 4.17. Teste do RN-RBF treinada. ......................................................................................59
Fig. 4.18. Representao grfica da estratgia de controle proposto. ......................................61
Fig. 4.19. Potncia gerada pelo painel solar e a consumida pela carga. ..................................62
Fig. 4.20. Comparao da tenso no sistema isolado. ..............................................................63
Fig. 4.21. Corrente Imax no gerador solar e a corrente na sada do conversor. .........................63
Fig. 4.22. Corrente na carga comparado com a corrente disponvel........................................64
Fig. 4.23. Balance de corrente Carga-Bateria-Gerador. ...........................................................65
Fig. 4.24. Variao da tenso estimada pelo Sistema Fuzzy. ...................................................66
Fig. 4.25. Potncia e energia produzida pelo sistema...............................................................68
Fig. 5.1. Configurao do sistema Arranjo Fotovoltaico isolado. ...........................................70
Fig. 5.2. Resultados de simulao para aplicao em um sistema isolado com carga
constante. .......................................................................................................................71
Fig. 5.3. Resultados de simulao para aplicao em um sistema isolado com carga
constante. ......................................................................................................72
Fig. 5.4. Potncia gerada pelo sistema Arranjo Fotovoltaico e a potncia de demanda . .......74
Fig. 5.5. Variao da demanda. .................................................................................................74
Fig. 5.6. Comportamento das tenses na barra CC...................................................................75
Fig. 5.7. Correntes no sistema. ..................................................................................................76
Fig. 5.8. Parmetros da Bateria. ................................................................................................78
-
LISTA DE TABELAS
Nmero Pgina
Tabela 4.1. Regras do estimador Fuzzy...................................................................................41
Tabela A.2. Dados de treinamento da RN-RBF......................................................................97
-
CAPTULO 1 - INTRODUO 1
1 . I N T R O D U O
Neste captulo feita uma introduo aos sistemas de energias renovveis e aos
processos de otimizao para o mximo aproveitamento das mesmas, concentrando-se nos
sistemas fotovoltaicos, e nas principais ferramentas hoje em dia usadas para compensar as
baixas eficincias ainda atingidas pelos coletores de irradiao solar, para se transformar em
energia eltrica.
1.1. ENERGIAS RENOVVEIS
Desde o incio da histria do homem as energias renovveis foram utilizadas na forma de
Biomassa, Vento, gua e Sol, por isso estas energias so consideradas a base energtica
do desenvolvimento humano. Todas as energias vm do sol, o carbono, o petrleo, entre
outras, so energias solares armazenadas.
Na atualidade as energias renovveis se tornam mais importantes que as energias fsseis.
Para fazer frente demanda crescente e com acessibilidade econmica, as energias
renovveis assumem o papel da substituio por questes ambientais (efeito de
aquecimento do planeta) e esgotamento de recursos fsseis.
Dentro das energias renovveis a Solar Fotovoltaica a forma mais limpa e mais
confivel (no envolve movimento de massa nem processo qumico na produo, s
processo quntico) de produzir a energia eltrica em pequena ou mdia escala. Em uma
tecnologia usada para o aproveitamento eltrico da energia solar, derivado das clulas
fotovoltaicas e atravs das clulas supracitadas (baseada em propriedades de materiais
semicondutores), a irradiao transforma-se diretamente em eletricidade.
-
CAPTULO 1 - INTRODUO 2
A configurao em conjunto das clulas forma o painel solar e a configurao destes
formam as PV-Arrays (Arranjo Fotovoltaico) [1]. Estas podem ser usadas de muitas
formas: em sistemas isolados, em sistemas hbridos isolados (gerador elico, clula de
combustvel,...), entre outros. Todos os sistemas baseados em energia solar fotovoltaica
precisam de armazenadores de energia normalmente do tipo eletroqumico ou
eletromecnico. Isto porque a irradiao solar s ocorre durante algumas horas durante o
dia, portanto o aproveitamento mximo consiste em armazenar energia durante o tempo
da irradiao solar para fornecer energia na carga durante os horrios sem irradiao.
Alm de aproveitar ao mximo a irradiao solar, otimizar a energia gerada pelo AF, de
muita importncia o fato de pesquisadores do mundo inteiro concentrarem esforos,
visando obter tcnicas eficientes para aproveitar esta energia. Importantes resultados que
tentam complementar a deficincia tpica das clulas fotovoltaicas incluem a obteno do
Silcio concentrado com eficincia de 14% no ano 1999, alcanando 25% para o ano 2000
e com projees de at 30% para o ano 2010.
1.1.1. Histria das Clulas Fotovoltaicas
Ano 1839 O francs Edmundo Becquerel, descobriu o Efeito Fotovoltaico quando
efetuava testes com a pilha eletroltica de dois eletrodos submergidos em
uma substncia eletroltica.
Ano 1873 Willoughby Smith descobriu a fotocondutividade do Selnio. Esta
propriedade faz variar a condutividade deste elemento em funo da
intensidade luminosa que recebe.
Ano 1905 Albert Einstein, props a idia dos "Quantum de Luz" (os atuais ftons) e
mostrou como que poderiam ser utilizados para explicar fenmenos como
o efeito fotoeltrico. Em 1921, recebeu o premio Nobel pelo seu trabalho
sobre o efeito fotoeltrico.
Ano 1941 Foi construdo um dispositivo que pode ser denominado Clula Solar, o
qual foi fabricado de Selnio e tinha uma eficincia de 1 %.
Ano 1955 A Companhia Western Electric foi a primeira a comercializar as Clulas
solares com uma eficincia de 4,5%.
-
CAPTULO 1 - INTRODUO 3
Ano 1958 Foi lanado ao espao o primeiro satlite Vanguard I, que utilizava Clulas
Fotovoltaicas com apenas 0,1 W/100cm2.
Ano 1960 Hoffman Electronics, conseguia fabricar uma clula com 14% de eficincia.
Ano 1973 Se realiza o embargo de petrleo imposto pela OPEC (Organization of the
Petroleum Exporting Countries), com o qual se inicia uma poltica de
pesquisa do uso de clulas solares na Terra.
Ano 1980 A companhia ARCO Solar fabricou mais de 1 MW em clulas solares por
ano.
A produo mundial de clulas no ano de 1982 foi de 9,3 MW e em 1983 de 21,3 MW,
fazendo duplicar a produo em um s ano, e alcanou vendas de aproximadamente US$
250 milhes, e em 1985 atingiu 20 % de eficincia em clulas fotovoltaicas.
Hoje em dia as clulas fotovoltaicas so usadas em todo o mundo, geram 2,1 % da energia
necessria para mover a mundo. Esta uma indstria que em 25 anos passou a produzir
entre 70 80 MW anuais com um custo de US$50/W reduzido a US$5/W com uma
media de 40 MW ligados rede [2].
1.1.2. Novas Tecnologias Solares
A seguir tem-se o resumo de diferentes pesquisas editadas em sistemas isolados previstos
na escala do tempo 2008-2015 [3]:
Desenvolvimento de componentes de eletrnica de potncia para aplicaes em sistemas isolados (com nfase em compatibilidade de componentes; novos
inversores otimizados para diferentes sistemas modulares de AF; desenvolvimento
a baixo custo; hardware de alta eficincia para sistemas AF isolados e hbrido).
Melhoria na confiabilidade e tempo de vida dos componentes complementais, (com nfase em inversores e bancos de baterias; sistema isolado com
componentes complementais para que o tempo de vida alcance 20 anos; sistemas
isolados com aplicaes em desenvolvimento, para que o tempo das baterias
incremente em 10 anos).
-
CAPTULO 1 - INTRODUO 4
Desenvolvimento e teste de novas tecnologias para armazenar energia (os componentes que armazenam energia sero tratados como uma parte integrada do
sistema solar).
O sistema de gerenciamento das baterias (adaptado no mesmo nvel da nova gerao de bateria).
Baixo custo dos componentes complementais (deseja-se o custo de U$$1,32/W para o ano de 2010).
O gerenciamento dos micro-sistemas (com nfase em sistemas isolados usados em ilhas com alta presena de geradores AF; controle e estabilidade desejada;
regulao da freqncia e da tenso; harmnicos).
Valor da eletricidade por AF (com programao na base da matriz energtica pelo baixo custo do kW-h).
Desenvolvimento de Standard ou Normas (caractersticas durante o funcionamento; nveis de energia; regulamentao de normas de segurana;
normas de regulamentao nas ligaes de sistemas de potncia distribudos).
Controle e monitoramento das sadas dos sistemas (novas opes de baixo custo e dispositivos de medies avanados, baseados em novos protocolos de
comunicao).
1.2. SISTEMAS DE OTIMIZAO DA POTNCIA DO PAINEL SOLAR
Nos ltimos anos, os estudos de sistemas de otimizao da potncia gerada tornaram-se
muito importantes para o mximo aproveitamento da energia produzida pelo painel solar,
consideram-se duas as principais razes: o incremento da viabilidade tcnica dos sistemas
de gerao baseada em AF, considerando a baixa eficincia prpria das clulas solares; o
aproveitamento ao mximo da irradiao solar durante o dia, independentemente da
demanda existente.
-
CAPTULO 1 - INTRODUO 5
1.2.1. Estado da Arte na Otimizao da Potncia Gerada
Nas ltimas dcadas, um grande nmero de trabalhos de pesquisas foram publicados na
rea de otimizao de geradores solares, tanto pesquisas tericas quanto experimentais
baseadas em ferramentas de computao convencional [3].
T. Senjyu e K. Uezato [4] apresentaram um trabalho que controla o rastreador do ponto
de mxima potncia no AF usando um controlador Fuzzy. O uso do controlador Fuzzy s
aplicado na sada da potncia, adaptando-se rapidamente s mudanas na irradiao
solar. A tcnica proposta foi implementada, e alcanaram-se resultados alentadores,
entretanto, s foi aplicada a um sistema de carga resistiva constante.
J. H. R. Enslin e outros [5] integraram um sistema de rastreamento do ponto de mxima
potncia no sistema de AF, atingindo at 25% a mais na energia obtida em relao aos
sistemas convencionais. Foi usada uma bateria para fixar o nvel da tenso na carga, e o
sistema de conversor e rastreador foi integrado diretamente ao painel solar.
O sistema rastreador do ponto mximo muda quando as condies do meio ambiente
mudam, tais como a irradiao solar, temperatura ambiente, etc. Uma considerao
importante no eficiente desenho do rastreador do ponto mximo so as tcnicas utilizadas
no passado. Estas tcnicas se basearam principalmente em microprocessadores com
algoritmos de rastreamento apropriados, que foram favorveis devido flexibilidade e a
compatibilidade com diferentes sistemas de AF [6]. No obstante, a eficincia desses
algoritmos cai consideravelmente com as mudanas bruscas nas condies atmosfricas.
Os mtodos descritos, em sua maioria, so baseados na estimao do valor de tenso ou
mediante o ajuste da tenso nos terminais do painel solar [7], usando algoritmos de
estimao da tenso tima, baseados em perturbaes produzidas no conversor. A
principal limitao das tcnicas convencionais o gasto de tempo considervel para
atingir o ponto de mxima potncia. Todas aquelas propostas requerem um grande nvel
de conhecimento na rea de painis solares durante a implementao e manuteno do
sistema de rastreamento implementado.
-
CAPTULO 1 - INTRODUO 6
1.2.2. Tcnicas de Inteligncia Artificial em Otimizao da Potncia do
Painel Solar
Nos anos recentes, as principais estratgias de controle de otimizao foram abordadas
usando as tcnicas de inteligncia artificial [8]. Isto tem permitido que os sistemas de
otimizao sejam mais confiveis no caso de variaes bruscas tanto nos parmetros do
sistema eltrico ou nos nveis de irradiao e temperatura do ambiente. Para revisar a
evoluo da aplicao das tcnicas de inteligncia artificial, a seguir, mostram-se algumas
publicaes na rea.
I.H. Altas e A.M. Sharaf [9] apresentaram em 1994 um trabalho de implementao de um
controlador baseado em lgica Fuzzy para maximizar a potncia gerada por um sistema de
AF. O uso de Fuzzy foi diretamente no controle da gerao do MLP para o inversor, isto
, a partir das entradas do erro na mxima potncia real calculada, mediante a diferena
entre a potncia mxima estimada e o valor da potncia mxima obtida do painel solar. O
resultado foi o aumento da potncia durante a acelerao do motor de induo como carga
ligada ao painel solar. T. L. Kottas e outros [10] analisaram um processo de maximizao
da potncia gerada no painel solar usando um sistema de Rede Cognitiva Fuzzy, o qual,
em malha fechada com um controlador Fuzzy.
De acordo com as pesquisas publicadas, a tendncia da tcnica a ser utilizada o controle
fixando a tenso nos terminais do painel solar. A tendncia no uso de tcnicas de
inteligncia artificial principalmente de redes neurais e lgica Fuzzy. Sistemas hbridos
so usados para estimar o nvel da tenso no ponto de mxima potncia na curva
caracterstica V-I, geralmente se considera a variao dos nveis de irradiao solar e em
alguns casos a variao da temperatura do ambiente. As cargas foram consideradas
constantes, sendo esta a que fixa a corrente e esta variao da corrente refletido na curva
caracterstica do painel solar.
-
CAPTULO 1 - INTRODUO 7
1.3. TCNICAS DE INTELIGNCIA ARTIFICIAL
Do ponto de vista global, as tcnicas de inteligncia artificial (ou computao flexvel)
so tcnicas de nvel superior em relao das tcnicas tradicionais ou clssicas, e as
tcnicas tradicionais tm limitaes aos problemas de menor complexidade. Uma das
desvantagens importantes das tcnicas tradicionais em relao s tcnicas de inteligncia
artificial o requerimento de informao de gradientes de ordem um ou ordem dois, que
nem sempre so disponveis [11] e [12].
As tcnicas de inteligncia artificial so ferramentas cuja aplicao na rea de engenharia
tem crescido exponencialmente. Elas consistem basicamente em tentar dar caractersticas
da inteligncia humana ou da natureza para as mquinas, portanto, podem resolver
problemas de forma aproximada e mais rpida.
1.3.1. Redes Neurais
Em 1943, McCulloch e Pitts apresentaram um trabalho no qual propuseram uma
descrio do modelo matemtico de um crebro humano [13], introduzindo uma lei de
aprendizado bsico:
Quando um axnio ou clula A se encontra consideravelmente perto para excitar uma
clula B e atinge repetidamente ou persistentemente sobre a clula B, ocorre algum
processo ou muda o processo de metabolismo seja em uma ou ambas as clulas, tal que a
eficincia de A, como uma clula que atinge B, incrementado [14].
O ajuste na fora de conexo entre a clula A e B ocorre em proporo ao produto de suas
ativaes simultneas.
Um neurnio consiste de um ncleo, um axnio, e um grande nmero de dendritos. O
sinal de entrada coletado via os dendritos. As colees dos sinais so processadas dentro
do ncleo, e os sinais de sadas geradas so distribudos via o axnio.
-
CAPTULO 1 - INTRODUO 8
A rede neural artificial derivada a partir do modelo de um crebro humano e a estrutura
e operao so similares. O elemento bsico de um crebro humano o neurnio. O
processo interno dentro do neurnio so os responsveis por responder quando um sinal
aplicado, o qual pode vir de outros neurnios e/ou dos arredores do crebro. Estes sinais
contem s informaes que so processadas. A conectividade, associada ao processo
dentro dos neurnios, proporciona a possibilidade de armazenagem e lembrana de
informao. A pequena fissura entre o axnio do neurnio emissor e o dendrito de um
neurnio receptor chamada sinapse. A fora da transmisso, da potncia de um sinal que
o ncleo recebeu, regulada pela sinapse. A sinapse ajustvel. Durante o aprendizado e
armazenagem da informao, a sinapse ajustada por um mecanismo de aprendizado. O
conhecimento de um crebro pode ser considerado essencialmente armazenado na
sinapse.
Os sinais coletados pelo neurnio so gerados pelos sensores do corpo e/ou por outros
neurnios. Os sensores so do ambiente no qual o crebro opera. A conectividade o
caminho interligado entre os neurnios e o ambiente, e determina a funo de
desempenho do crebro. possvel dividir o crebro em vrias unidades funcionais, cada
uma com sua prpria operao [15].
Os sentidos do corpo contem o exemplo dos sensores. As informaes coletadas pelos
sentidos so transmitidas ao crebro via os nervos. Logo que o crebro processa a
informao, os sinais de sada so gerados e enviados aos msculos e outras partes do
crebro que so responsveis pelos mecanismos de atendimento. Isto como um brao
e/ou um p so movidos, o atendimento iniciado e as reaes so geradas.
Uma das mais notveis propriedades do crebro a habilidade para aprender. A
informao coletada processada por um mecanismo de aprendizado o qual ajusta as
sinapses. A informao ento armazenada e pode ser lembrada. O ajuste das sinapses
envolve no s a modificao da fora de transmisso, mais tambm a criao ou
eliminao das conexes.
-
CAPTULO 1 - INTRODUO 9
1.3.2. Sistemas de Lgica Fuzzy
A partir da publicao de Conjuntos Fuzzy por Lotfi A. Zadeh em 1965 [22], Lgica
Fuzzy foi utilizada com sucesso em diferentes aplicaes, sendo estas, majoritariamente
na rea de controle. Um sistema de controle Fuzzy tpico pode substituir o controle PID
em muitas aplicaes. As vantagens do controle Fuzzy consistem em ser mais robusto que
os PID, pelo que satisfaze uma ampla faixa de condies de operao e pode operar em
condies de rudo e perturbaes de diferentes naturezas. Desenvolver um controlador
Fuzzy muito mais barato que desenvolver um controlador convencional; os
controladores Fuzzy so simples de mudar, fcil de entender e modificar suas regras. Isso
porque ele no apenas se baseia na estratgia de um operador humano, mas tambm suas
variveis so expressas em termos de linguagem natural; fcil de entender como o
controlador opera, como ele pode ser projetado e aplicado a problemas especficos.
Nas ltimas duas dcadas, a teoria de conjunto Fuzzy tem se estabelecido com uma nova
metodologia para representar ambigidades e incertezas. Uma das filosofias de suporte da
teoria a matemtica, onde os fenmenos de impreciso em modelagem e tomada de
deciso podem ser rigorosamente estudados.
1.4. OBJETIVO
Seguindo a linha da pesquisa na rea de otimizao da potncia gerada por um AF ou por
um painel solar, usando tcnicas de inteligncia artificial para simplificar e garantir a
funcionalidade em qualquer condio de operao do sistema, o objetivo deste trabalho :
Otimizar o sistema do gerador AF, mediante a extrao da mxima potncia
continuamente, num contexto de irradiao, temperatura e cargas variveis no processo de
otimizao e incluindo um sistema de banco de baterias. Para esse processo sero usados
componentes de eletrnica de potncia com controle baseado nas tcnicas de inteligncia
artificial: Rede Neural Artificial e Lgica Fuzzy. A avaliao de desempenho do sistema
ser feita via Matlab/Simulink.
-
CAPTULO 1 - INTRODUO 10
1.5. METODOLOGIA
Para atingir o objetivo proposto, este trabalho organizado nos seguintes captulos:
Captulo 2: Este captulo trata da descrio terica dos principais componentes do sistema
gerador isolado, tais como: o Conversor CC-CC, o Inversor Fonte de Tenso Trifsica, o
Sistema de Armazenagem, o Modelo da Bateria, a Clula Fotovoltaica, o Painel Solar, e
finalmente do AF.
Captulo 3: Este captulo descreve a teoria e avaliao das tcnicas para otimizao, e das
Tcnicas de Inteligncia Artificial, Redes Neurais Artificiais, Rede Neural de Funo de
Base Radial e Lgica Fuzzy.
Captulo 4: O objetivo do captulo fazer a descrio do modelo de otimizao proposto,
considerando a descrio do processo de implementao, o controle e os estimadores das
variveis consideradas na estratgia proposta. Este captulo concludo com testes dos
controles implementados e mostra os resultados obtidos nestes testes.
Captulo 5: Aps validar os modelos com testes e anlise de resultados, neste captulo ser
aplicado o modelo de controle proposto para um sistema de AF isolado, cuja modelagem
foi baseada em dados reais e caractersticos. Resultados de simulaes so mostrados.
Na ltima parte deste trabalho so apresentas s concluses finais e as propostas de
possveis trabalhos futuros. Os anexos apresentam dados complementares.
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 11
2 . E L E M E N T O S T P I C O S D O G E R A D O R
S O L A R
A integrao de conversores estticos de potncia, sistemas armazenadores de
energia e os sistemas de controle dos componentes do sistema isolado eltrico tornam
possvel o acondicionamento da energia eltrica para o consumo. Neste captulo sero
descritas todos os componentes necessrios do sistema em estudo.
2.1. CONVERSORES ESTTICOS DE ENERGIA UTILIZADOS EM
ACONDICIONAMENTO DE ENERGIA ELTRICA PARA O CONSUMO
2.1.1. Conversor CC-CC Abaixador-Elevador (Buck-Boost)
um conversor esttico de potncia no isolado, o qual consiste de uma entrada de fonte
CC Vs, uma chave controlada S, um indutor L, um diodo D, um filtro capacitivo C, e r A
carga. Com a chave em estado condutivo on, a corrente no indutor incrementada,
entretanto o diodo mantido em estado no condutivo off. Quando a chave S muda ao
estado no condutivo off, o diodo permite o caminho para a corrente no indutor.
O circuito representativo e as formas de onda do conversor Buck-Boost so visualizados
na Figura 2.1 [16]. A Equao (2.1) relaciona as tenses de entrada e sada, e o tempo de
controle das chaves.
TDVoVsDT )1( = (2.1)
Sendo Vs e Vo as tenses de entrada e sada, respectivamente; T o perodo de
amostragem, e D a razo cclica. A partir da Equao (2.1), a funo de transferncia do
conversor Buck-Boost mostrada na Equao (2.2).
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 12
DD
VsVo
= 1 (2.2)
A sada Vo negativa em relao referncia, resultando em uma magnitude maior ou
menor que a tenso de entrada, dependendo do valor da razo cclica. A magnitude da
tenso de sada Vo igual a da tenso de entrada Vs para a razo cclica D=0,5. A Figura
2.1 (a) mostra o diagrama do circuito, enquanto a Figura 2.1 (b) mostra as tenses de
sada e entrada do conversor para os modos de operao Buck e Boost. Por sua vez, a
Figura 2.1 (c) mostra as principais formas de onda do conversor no modo Buck.
V0=-Vs(D/(1-D))
Vo
+
-
Vs
g
12
S
L
D
C
(a)
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x 105
0
5
10
15
20
25
30
35
40
45
50
Time(us)
Volt
Vo Boost Mode
Vo Buck Mode
Vs
(b)
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 13
0.1 0.1005 0.101 0.1015 0.102 0.1025 0.103 0.1035 0.1040
1
2
3
4
5
6
7
8
Time (s)
BUCK-BOOST Converter
IsAmp.
0.1 0.1005 0.101 0.1015 0.102 0.1025 0.103 0.1035 0.104-4
-3
-2
-1
0
1
2
3
4
Time (s)
Amp.
Ic
0.1 0.1005 0.101 0.1015 0.102 0.1025 0.103 0.1035 0.104
36
37
38
39
40
41
42
43
44
Time (s)
Volt.
Vo
0.1 0.1005 0.101 0.1015 0.102 0.1025 0.103 0.1035 0.104
34
35
36
37
38
39
40
41
42
Time (s)
Volt.
Vs
(c) Fig. 2.1 - Conversor Buck-Boost. (a) diagrama de circuito (b) Sada modo Buck e Boost (c) Formas de onda principal - modo de operao Buck
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 14
2.1.2. Sistema de Controle do Conversor Buck - Boost
Existem muitas estratgias para o controle do conversor Buck-Boost, a tcnica usada neste
trabalho baseado no controle de MLP - Modulao de Largura de Pulso (PWM: Pulse
Width Modulation) de controle do modo da tenso [17]. A Fig. 2.2 mostra
esquematicamente um exemplo do controle MLP.
(a)
8.5 9 9.5 10 10.5
x 104
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Time(us)
Un
PWM, From Voltage Mode controller
PWM D Reference Carrier
(b)
Fig. 2.2 - Controle do conversor CC-CC: (a) Topologia de controle modo tenso; (b) Sada MLP do comparador.
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 15
2.1.3. Inversor Trifsico Fonte de Tenso
Como conhecida, a aplicao de inversores de baixa potncia corresponde a inversores
monofsicos e em mdia potncia a inversores trifsicos como fonte de tenso (VSI
Voltage Source Inverter). O principal propsito da topologia VSI permitir controlar a
amplitude, fase e a freqncia da tenso [16]. No obstante, a tenso tem que manter a
forma senoidal para que seja aplicvel como fonte de tenso. A topologia do VSI
mostrada na Figura 2.3, o qual composto pelas chaves S1, S2, S3, S4, S5, e S6. O estado
de tais chaves controlado para se obter a forma desejada na sada Vab (ou Van). Note
que os estados de operao para os elementos semicondutores so os estados on e off.
Alm disso, as chaves no brao de cima sero chamadas de chaves positivas S+ e as
chaves de baixo sero chamadas chaves negativas S-.
S4 S6 S2
S5S3S1
Vi
Ii
vab
C-
C+
Vi/2
Vi/2+
+
-
-
+-
N
ioa +-
Fig. 2.3 - Topologia de um inversor trifsico (IFT).
2.1.4. Sistema de Controle do Inversor Trifsico Fonte de Tenso (IFT)
O sistema de controle do inversor comea a partir da gerao do MLP controlada de
acordo com as necessidades da carga CA. O MLP pode ser baseado na tcnica de gerao
da portadora (carrier), e os estados on e off so definidos para as chaves e gerados por
meio de comparao de um sinal de modulao c (a tenso de sada desejada) e por meio
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 16
de uma forma de onda triangular (sinal portadora). So duas as possveis condies que podem acontecer:
c > : As chaves positivas S+ ficam em estado on e as chaves negativas S- em off.
c < : As chaves positivas S+ ficam em estado off e as chaves negativas S- em on.
No caso do sinal de modulao ser uma onda de forma senoidal a uma freqncia c e
amplitude Vc, e a portadora um sinal triangular de freqncia , e amplitude V, tem-se
a chamada modulao por largura de pulso senoidal (SPWM: Sinusoidal PWM).
O ndice de modulao ma (tambm conhecida relao de amplitude de modulao)
definido por (2.3). A Figura 2.4 (a) mostra o sinal da portadora e a fundamental, a Figura
2.4 (b) mostra a modulao da largura do pulso MLP e a Figura 2.4 (c) mostra o espectro
da tenso de sada para m igual a 0,8.
=
VV
m ca (2.3)
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
wt
Ideal SPWMVc Vtriangular
(a)
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 17
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
wt (b)
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02-1
-0.5
0
0.5
1
TIME [s]
SIG
NA
L
PERIODIC SIGNAL (RMS=0.8239 THD=1.0589)
0 2 4 6 8 10 12 14 16 18 20-0.5
0
0.5
1
HARMONIC ORDER
AM
PLI
TUD
E
FOURIER COMPONENTS
(c)
Fig. 2.4 - Modulao de Largura de Pulso Senoidal: (a) Sinais da portadora e a modulao (b) MLP (c) Espectro da tenso de sada para m = 0,8.
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 18
2.2. COMPONENTE DE ARMAZENAMENTO DE ENERGIA
Os sistemas de armazenamento de energia eltrica tm um papel importante em sistemas
de energias renovveis, pelo fato que s possvel aproveitar tal energia em perodos
curtos do dia, seja a fonte elica ou solar. Existem muitos trabalhos orientados para as
pesquisas na rea dos armazenadores. Na atualidade existem duas formas comuns de
armazenamento de energia: armazenadores eletroqumicos e armazenadores
eletromecnicos.
Os armazenadores eletromecnicos so chamados de Flywheel, (sistema de massa girando
em alta velocidade) e o armazenamento feito na forma de energia cintica da massa
girante. A energia armazenada dada pela Equao (2.4):
2JEc = (2.4)
A grande massa girante pode operar de trs modos:
Modo Gerador: Quando a potncia requerida pela carga maior do que a rede eltrica
podendo fornecer ento mediante o torque tpico da massa girante, um acionamento do
gerador eltrico para fornecer energia para a carga.
Modo Armazenador (ou motor): Quando a potncia requerida pela carga menor do que
a rede eltrica pode fornecer ento, este excedente para incrementar a velocidade da
massa girante.
Modo Standby: No caso em que a carga no precisa da energia do flywheel e a velocidade
nominal da massa foi atingida, s necessria a compensao da queda de velocidade por
efeito de atrito tpico no caso de massas girantes mantendo a velocidade nominal.
2.2.1. Armazenadores Eletroqumicos
Dentro da rea de armazenadores eletroqumicos existem muitas alternativas de baterias,
cujas clulas so baseadas em diferentes tipos de elementos qumicos usados no processo
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 19
de reao qumica, e em cada uma delas existe a densidade de energia armazenada tal
como mostrado na Figura 2.5 [18].
Fig. 2.5 - Densidades tpicas de energia a 5 h tempo nominal de descarga para clulas
eletroqumicas conhecidas.
A bateria um dos elementos mais importantes em sistemas solares isolados. Sua
importncia se deve por que ela permite a integrao no sistema de controle de otimizao
da potncia mxima gerada no painel solar, durante o processo de condicionamento do
ponto mximo de operao a bateria, intervindo de acordo com o comportamento da
carga.
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 20
2.2.2. Bateria e Suas Caractersticas
A representao da bateria mostrada na Figura 2.6, a qual um modelo simples cujo
sentido da corrente em descarga ou carga circula do terminal positivo para o terminal
negativo ou do terminal negativo para o terminal positivo respectivamente. Para mostrar o
modelo matemtico da bateria necessrio conhecer as caractersticas da bateria:
Fig. 2.6 - Circuito equivalente de uma bateria simples.
A tenso terminal do circuito da Figura 2.6 dada por [1]:
0IREV = (2.5)
Capacidade nominal qmax: o numero de AmpreHora (Ah) que se pode extrair da
bateria em diferentes condies de descarga.
Estado de carga da bateria (SOC: State of Charge): a relao entre a capacidade
instantnea e a nominal: SOC = q/qmax resultando ento em SOC = 1, onde a bateria est
completamente carregada, e para SOC = 0, onde a bateria est completamente
descarregada.
Regime de carga ou descarga: a condio de carga ou descarga, isto envolve o tempo,
seja de carga tanto descarga.
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 21
Efic trada da bateria em relao a carga total.
Tem
men
desc
Para
capa
capa
Mod
desc
maxq
Send
qmax
k: C
c: R
Mod
nos
tamb
tens
est
E =
incia: a carga expo de vida: o numero de ciclos de carga e descarga, e em cada ciclo diminui pelo
os 20% da vida til (isso aplica no caso em que a bateria completamente
arregada).
modelar matematicamente a bateria existe trs possibilidades de modelos: Modelo de
cidade, modelo de tenso e modelo de tempo de vida. Neste trabalho o modelo de
cidade e de tenso:
elo de capacidade: Descreve a capacidade como uma funo da corrente, qmax(I),
rito em (2.6).
)1(1)( 0max, kTkT ekTce
kcTqI ++= (2.6)
o:
,0: Capacidade mxima Ah.
onstante de relao: 1/hrs.
elao da capacidade de carga disponvel entre a capacidade total.
elo de Tenso: Neste modelo a idia principal determinar a magnitude da tenso
terminais da bateria, e como ela afetada durante a carga e descarga, considerando
m o nvel de corrente. O modelo de tenso permite fazer a predio da queda de
o que lento na primeira parte da descarga e rpido na ltima parte quando a bateria
quase que completamente descarregada. O modelo expressado pela Equao (2.7)
XXDC
XDXCAXEO
)(21 +++ (2.7)
Comportamento no-linear durante descarga
Comportamento no-linear durante a carga
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 22
Eo: tenso extrapolada para uma corrente igual a zero em uma bateria completamente
carregada.
A: variao linear da tenso interna da bateria; C e D: parmetros que refletem a no
linearidade da queda de tenso durante a descarga; X: a capacidade normalizada
removvel da bateria para uma corrente de descarga e dada pela relao mostrada na
Equao (2.8):
maxmax )(
qIq
qX out= (2.8)
qmax(I) capacidade da bateria para cada corrente de descarga.
2.3. GERADOR FOTOVOLTAICO (CLULA, PAINEL E ARRANJO)
2.3.1. Modelo da Clula Solar
O modelo da clula solar consiste numa fonte de corrente Iph induzida pela luz solar e um
diodo que representa a unio p-n da clula solar. Rs representa a resistncia dentro de
cada clula e a resistncia da conexo em srie entre as clulas. A resistncia em paralelo
com diodo pode ser ignorada pelo fato de ser muito grande e no influenciar no clculo da
corrente. Conforme mostra a Figura 2.7. A corrente de sada a diferena entre Iph e ID, de
acordo com a Equao (2.9) [1].
V
+
-
Rs
IDIph
Fig. 2.7 - Modelo de uma clula solar.
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 23
)1()(
0
max
==+c
SnkT
IRVq
phDph eIIIII (2.9)
Em que:
Iph Corrente induzida pela luz
n Fator de qualidade do diodo.
k Constante de Boltzmann.
Tc Temperatura absoluta da clula.
q Carga de um eltron.
Vmax Tenso tima imposta nos terminais da clula.
I0 Corrente de saturao reversa.
2.3.2. Parmetros de uma Clula Solar.
Corrente de curto-circuito: Isc = Iph, o mximo valor da corrente gerada pela clula
para o caso de curto-circuito.
Tenso de circuito aberto: VOC o valor da tenso mxima para o caso de circuito
aberto. Sendo Iph = ID, e se a corrente de sada igual a zero, ento o valor de VOC, pode
ser estimado a partir da Equao (2.10).
=
=
00
lnlnII
VII
enkTcV pht
phoc (2.10)
Vt conhecida como tenso trmica.
Ponto de mxima potncia: o ponto mximo da potncia para o valor instantneo de
irradiao e temperatura. Assim: Pmax = Imax*Vmax.
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 24
Eficincia: a relao entre a mxima potncia e a potncia da luz irradiada mostrada na
Equao (2.11).
ain AGVI
PP maxmaxmax == (2.11)
Fator de suprimento: a relao entre a mxima potncia que pode fornecer a uma
carga e o produto de ISC e VOC, assim como mostrado na Equao (2.12)
SCOCSCOC IVVI
IVPFs maxmaxmax == (2.12)
O fator de suprimento tpico para as clulas 0,7, mas isso atenua com o incremento da
temperatura.
2.3.3. Painel Solar.
As clulas idnticas podem ser ligadas em srie ou paralelo, dependendo das necessidades
de tenso e potncia. Os conjuntos de clulas ligadas formam um mdulo solar ou painel
solar, considerado como um sistema modular composto das clulas e os suportes
mecnicos de proteo fsica. Na Figura 2.8 pode-se observar o efeito das conexes em
paralelo e srie das clulas no nvel da corrente e tenso.
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 25
0 2 4 6 8 10 120
0.5
1
1.5
2
2.5
3
3.5
4
4.5
Tenso [Volt]
Cor
rent
e [A
mp]
Efeito das conexes das clulas idnticas em srie
1 Clula 5 Clulas 10 Clulas
0 0.5 1 1.5
0
5
10
15
20
25
Tenso [Volt]C
orre
nte
[Am
p]
Efeito das conexes das clulas idnticas em paralelo
1 Clula
5 Clulas
2 Clulas
(a) (b)
Fig. 2.8 - Efeito das conexes das clulas idnticas: (a) conexo em srie (b) conexo em paralelo.
Na Figura 2.9, mostra-se a caracterstica V-I de um painel solar de 60W para irradiao de
1 Sun, o que equivale a 1000W/m2 e uma temperatura constante de 25C.
Fig. 2.9 - Representao grfica tpica V-I de um painel solar e a potncia V*I.
-
CAPTULO 2 ELEMENTOS TPICOS DO GERADOR SOLAR 26
2.3.4. Arranjo Fotovoltaico
O conjunto de Painel ou mdulos solares ligados em srie ou paralelos formam os
Arranjos fotovoltaicos, cuja estimao do nvel da corrente e tenso a partir das relaes
indicadas na Equao (2.13) [1]:
Ns)/(MsVVNpMpII
*Cell
*Cell*
Arranjo
Arranjo
==
(2.13)
Em que:
MP: nmero de painis em paralelo
MS: nmero de painis em srie
NP: nmero de clulas em paralelo
NS: nmero de clulas em srie
As caractersticas tpicas do painel solar so apresentadas no Apndice A-1.
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 27
3 . R E D E S N E U R A I S A R T I F I C I A S E L G I C A F U Z Z Y
Desde os primrdios o homem tem procurado incessantemente a comodidade,
simplicidade, e a segurana nos processos. Assim, nos dias atuais as atividades comuns so
feitas por sistemas automatizados, os quais em muitos casos so sistemas inteligentes. Neste
captulo descrita brevemente a tcnica de inteligncia artificial utilizados neste trabalho:
Redes Neurais Artificiais, Redes Neural de Funo Base Radial e Lgica Fuzzy.
3.1. INTRODUO
Do ponto de vista global, as tcnicas de inteligncia artificiais tendem a serem mais fceis
de usar. Podem resultar em melhor desempenho que as tcnicas convencionais. Embora
muitas destas tcnicas j foram bem descritas na literatura, neste captulo ser apresentada
uma breve descrio, de redes neurais artificiais, redes neurais artificiais de funo base
radial, e lgica Fuzzy, com o objetivo de situar o leitor. Descries mais completas podem
ser obtidas nas referncias citadas.
3.2. REDES NEURAIS ARTIFICIAIS
Muitos esforos foram feitos na rea de psicologia, para conseguir o modelo de um
crebro humano. Em 1943, McCulloch e Pitts apresentaram um trabalho no qual eles
propuseram uma descrio do modelo matemtico de um crebro humano [13]. Este
primeiro modelo serviu de exemplo para os modelos posteriores de Jhon Von Neumann,
Frank Rosenblatt, Marvin Minsky, entre outros.
As redes neurais artificiais so derivadas dos modelos de crebro humano, e sua operao
e estrutura so similares ao neurnio biolgico como elemento bsico do crebro humano.
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 28
O mecanismo de aprendizado presente dentro do crebro pode ser dividido em trs
categorias [19]. Aprendizado supervisionado, Aprendizado por Reforo, Auto
Aprendizado.
A Figura 3.1 mostra uma estrutura de rvore do neurnio biolgico.
Fig. 3.1 - Neurnio biolgico.
Existem trs partes em um neurnio:
1. O corpo (Ncleo) do neurnio.
2. Ramos de extenso conhecidos como Dendritos para receber as entradas.
3. Um Axnio que intercomunica a sada do Neurnio aos Dendritos de outros Neurnios.
O Ncleo do elemento de processamento consiste de um coletor de dados, uma
memria local e uma funo de transferncia. Os Dendritos so as conexes de
entradas, e o Axnio representado por a conexo das sadas. Os sinais de entrada so
coletados atravs das conexes de entradas. Os sinais de entrada coletados so
processados de acordo com a funo de transferncia dos elementos de processamento
interno e na sada, levando em considerao a memria local interna. Finalmente, as
sadas dos sinais so distribudas. As conexes das entradas trabalham como Sinapses,
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 29
significando que cada sinal de entrada ponderado por um peso de acordo com o fator do
peso da conexo associada antes de ser coletado. Estes fatores de pesos podem ser
ajustados. Durante o treinamento da rede neural artificial, tais fatores so ajustados
usando um algoritmo de treinamento. O Conhecimento da rede neural artificial pode ser
considerado como a essncia armazenada nos fatores dos pesos.
A Figura 3.2 mostra a representao esquemtica de um neurnio artificial. Neste
neurnio, Xi representa as entradas, Wzj os pesos sinpticos e f(z)j as funes de
ativao, a interconexo dos neurnios artificiais resulta na camada da rede neural
artificial.
W1j
W2j
W3j
WZj
.
.
.
jij XW jzf )(
DENDRITOS
AXNIO
CORPO
AXNIOS SINPSES
1X
2X
3X
nX
Fig. 3.2 - Representao de um neurnio artificial.
3.3. REDE NEURAL DE FUNO BASE RADIAL
A rede neural de funo base radial ou RBF-NN (Radial Basic Function Neural Network)
foi proposto pela primeira vez por Powell em 1985 [20].
Uma RN-RBF em forma mais simples composta de trs camadas, e os terminais de
sada formam uma combinao linear das funes de base radial (Kernel), estimados
pelos terminais da camada oculta conforme mostra a Figura 3.3. A funo de base radial
na camada oculta produz uma resposta localizada para o estmulo (padro) de entrada.
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 30
Eles produzem uma resposta significativamente diferente de zero s quando o padro de
entrada se encontrar dentro de uma regio pequena localizada no espao de entradas. A
entrada feita desde as fontes. Cada funo de ativao requer um "centro" e um
parmetro escalar. A funo de Gauss geralmente usada como a funo de ativao, que
pode ser usada para tomar decises de semelhana, determinando qual dos vrios centros
mais semelhante entrada.
Camada de entrada Camada escondida Camada de sada
C WU1
U2
Un
Y1
Y2
Yn
Funo desomatoria
FunoGaussiana
Funolinear
Fig. 3.3 - Rede Neural Tipo RBF.
A teoria que d o suporte da RBF baseada em funo de base radial a seguir:
Funo de Base Radial
Considere o problema de implementao de mapeamento com entradas em
e os valores das sadas em
)()1( ,..., pxxn )()1( ,..., pyy , com
.,...,1,)()( piyx ii =6
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 31
Procura-se um h o qual no s realiza a associao Mas que
possa fazer mapeamento de dados diferentes dos dados de treinamento, desde que os
mesmos estejam dentro da faixa dos dados do treinamento. A esta caracterstica
denomina-se Capacidade de generalizao. Quando se procura uma funo da forma
.,...,1,)( )()( piyxh ii ==
( ))(ixx , a funo das distncias entre e a entrada prottipo chamado funo base.
x )(ix
Assim, tem-se:
(=
=p
i
ii xxwxh
1
)()( ) (3.1) Que requereu ( )
===
p
i
iji
jj xxwxhy1
)()()()( )( . Considerando-se
( )( ) pxpijijji xxAA == )()()()( , ento o requisito : que , . Se for possvel achar o inverso de A, obtm-se e conseqentemente h
encontrado.
( ) jpi
ijij AwwAy
===
1
)(
Awy = yAw 1=
Uma funo muito geral para a Funo Gaussiana:
2
2
2)( s
es= , Chamado Funo Base Localizado.
Para uma combinao de vrias funes radiais pode-se indicar:
(=
==p
i
ijki
jk
jk xxwxhy
1
)()()()( )( ) (3.2) Da considerao acima:
( )kjpi
jikij
kj
k WAAwxhy === =1
)()( )( (3.3)
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 32
Onde
WAY = , ( ) mxnpyyY = )()1( ,..., . A combinao das funes radiais construda para que possam transferir todos os pontos
de entradas a sadas. Isto significa que h aprendeu dos pares de pontos particulares e em
essncia as entradas/sadas so associadas permitindo-se aprender a relacionar pares de
pontos.
Rede de Base Radial
Uma rede de base radial tem a habilidade de generalizao e tem as seguintes
caractersticas:
O nmero M de funes base deve ser menor que o nmero p de entradas.
Os centros das funes base no so necessariamente forados a serem exatamente os vetores de dados de entrada. Na verdade eles podem ser determinados durante o
processo de treinamento pela prpria rede.
As funes base so permitidas a ter diferentes larguras ( ), e isto pode tambm ser determinado pelo dado de treinamento.
Assim sendo, pode-se tambm considerar o mapeamento da forma:
.,...,2,1,)()( 01
mkwxwxyx kM
jjikjk =+=
=6 (3.4)
Em que:
= 22
2exp)(
j
jxx , e . (3.5) nj
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 33
a sada do neurnio oculta, sendo:
x vetor de entrada
- centro da funo radial (regio chamada campo receptivo)
- largura da funo radial (campo receptivo)
0kw : Termo de polarizao (bias) do neurnio de sada.
kjw : Pesos das conexes das redes.
ji : Funo no-linear
x : Vetor de entrada.
j : Centro da RBF.
. : Norma Euclidiana.
As correspondentes trs camadas da rede so mostradas na Figura 3.3. O neurnio oculto
e o campo receptivo so mostrados nas Figuras 3.4 e 3.5.
h(.) h(x)x
Fig. 3.4 - Neurnio oculto.
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 34
-5 -4 -3 -2 -1 0 1 2 3 4 5
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
- + [x]
h max
- +
Fig. 3.5 - Campo receptivo.
Geralmente, as fases de treinamento das redes RBF, consistem de duas partes,
posicionamento dos centros j e estimao dos pesos , representados nas equaes (3.1) e (3.2).
jw
Para o posicionamento dos centros das redes, o algoritmo de clusterizao muito
utilizado. Em [21], mostrada uma regra de atualizao dos centros na rede RBF,
aplicando ou derivando a regra de aproximao de gradiente descendente, fazendo os
centros mveis dependendo dos dados de entrada. Os trs algoritmos convencionais de
clusterizao so: centro k (Kernel) adaptativo, centro k no-adaptativo, centro fuzzy.
Normalmente, tm-se trs problemas bsicos durante o processo de clusterizao: centros
fixos (dead centres), centros redundantes e centros atracados em mnimos locais. Tais
problemas degradam o desempenho adequado da rede RBF. Em [21], foi proposto um
algoritmo de clusterizao no-adaptativo que minimiza os dois primeiros problemas
indicados, e diretamente minimiza o efeito de terceiro problema. O algoritmo
denominado de clusterizao de centro-k com mudanas. Em tais estudos, os resultados
de simulao revelam dois sistemas evidenciando todo o desempenho da rede RBF e
melhorando qualquer outro algoritmo de clusterizao, cuja Equao mostrada a seguir:
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 35
( ) ( ) ( )=
+=+d
l
ill
il
ijl
ij
ij xktutu
11
(3.6)
i: neurnio oculto
j: componente do vetor meio
l: componente do corrente vetor de entrada x
d: nmero de componentes no vetor de entrada
k: neurnio de sada
Kijl o valor do componente (j,l) da inversa da matriz de covarincia da funo base i.
A rede neural de base radial pode ser considerada como uma ferramenta muito til dentro
dos sistemas de redes neurais artificiais. Em geral, RN-RBF, a qual teria muitas
aplicaes, pode oferecer um rpido e correto meio de aproximar um processo no-linear
de mapeamento baseado em dados observados. Devido natureza de ao local de RN-
RBF, a mesma pode ser treinada rapidamente, com treinamento on-line ou treinamento
off-line, supervisionado ou no-supervisionado.
3.4. LGICA FUZZY
O incio da Lgica Fuzzy foi a partir da publicao do artigo Fuzzy Sets [22] por Lotfi A.
Zadeh. Desde ento as pesquisas na rea continuaram resultando em muitas publicaes
de aplicaes, particularmente concentrados na rea de controle Fuzzy. Neste trabalho
apresentada mais uma aplicao de lgica Fuzzy na rea de engenharia eltrica. Como
este tpico j foi abordado intensamente na literatura, a teoria sobre conjuntos Fuzzy no
ser abordada aqui. Para completa descrio deste tpico, pode-se referir a KLIR &
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 36
YUAN [23], Fuzzy Controllers por Leonid Reznik [24], o trabalho de doutorado de
Barros [25], entre outras. Os conceitos essenciais para sua aplicao so descritos a seguir
[26].
3.4.1. Definio
Seja A um subconjunto do conjunto U, pode-se considerar A um subconjunto Fuzzy de U
se for descrito como um conjunto de pares ordenados de acordo com:
}( )( ) ( ) [ ]{ 1,0,;, = xUxxxA AA (3.7) Em que ( )xA a funo de pertinncia que determina o grau x de relacionamento em A: Ento se tem a seguinte possibilidade:
( )xA =1. x pertence completamente ao conjunto A; 0< ( )xA
-
CAPTULO 3 REDES NEURAIS ARTIFICIAS E LGICA FUZZY 37
Fig. 3.6 Etapas de um sistema Fuzzy.
A construo da funo consta dos seguintes mdulos, tal como mostrado na Figura 3.6:
Mdulo de fuzzyficao: mdulo utilizado para modelar matematicamente a informao
das variveis de entrada por meio de um conjunto Fuzzy. Consiste na atribuio de termos
lingsticos a cada varivel que representam os estados destas variveis e a cada termo
lingstico, e associado um conjunto Fuzzy por meio de uma funo de pertinncia.
Mdulo de base de regras: mdulo onde se armazenam as variveis e suas classificaes
lingsticas.
Mdulo de inferncia: mdulo onde se definem os conectivos lgicos usados para
estabelecer a relao Fuzzy que modela o conjunto de regras. O xito do sistema depende
da qualidade de implementao do mdulo.
Mdulo de defuzzyficao: o mdulo traduz o estado da varivel de sada Fuzzy a um
real numrico.
Da mesma forma que h vrias formas de inferncia, existem muitos mtodos de
defuzzyficao. Neste trabalho vai ser usado o mtodo do centro de gravidade (centride).
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
38
4 . M O D E L O P R O P O S T O P A R A O P E R A O T I M A D O S I S T E M A F O T O V O L T A I C O
I S O L A D O
A otimizao da potncia gerada pelo Arranjo Fotovoltaico (AF), fazendo uso das
tcnicas de inteligncia artificial descrita neste captulo. Tambm feita a descrio do
processo de modelagem e as implementaes dos controladores baseados em RN-RBF e
sistemas Fuzzy descritos. Alm disso, feito um teste do modelo considerando casos
extremos de operao de um sistema isolado.
4.1. MODELO DE CONTROLE OTIMIZADO
4.1.1. Operao Caracterstica do Arranjo Fotovoltaico
A operao caracterstica do AF uma generalizao da operao da clula solar,
mostrada na Figura 2.9 do Captulo 2, curva caracterstica V-I, em que a corrente varia
proporcionalmente irradiao solar Ga (W/m2), como se observa na modelagem
matemtica da clula. A tenso nos bornes da clula varia em proporo inversa a
temperatura do meio. Os nveis de corrente e tenso desejados so atingidos configurando
as clulas em srie ou paralelo e os painis para o caso do AF. O produto da tenso e
corrente instantnea o valor da potncia ativa instantnea no painel produzida para o
valor instantneo de Ga e temperatura TC. O ponto mximo da curva da potncia a
potncia mxima atingida para o valor Ga e TC, os dois instantneos. Os valores de
corrente e tenso que gera a potncia mxima do AF sero denominados Imax e Vmax, que
so impostos pelo conversor Buck-Boost. A estratgia que permite o conversor fazer tal
imposio independente da carga que so atendidas ser descrita na Seo 4.2. Como
observa-se na Figura 2.9, o valor da corrente da carga na curva caracterstica V-I, fixado
pela demanda, nesse instante diferente do Imax, em conseqncia, o valor de Vmax
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
39
acondicionado pelo conversor Buck-Boost controlado. Tal como foi revisado no Captulo
1, as diferentes tcnicas de controle para a operao no ponto mximo da potncia so
usadas para fazer o rastreamento.
Neste trabalho so usados dois componentes importantes, alm do conversor Buck-Boost,
para manter o ponto mximo da potncia de operao num contexto de Ga, TC e carga
varivel: o estimador Fuzzy de Vmax e o controlador de interao do sistema armazenador
de energia (banco de baterias). A representao do sistema isolado mostrada na Figura
4.1.
ConversorCC-CC
BancoBateriasRNA Cotrolador
Vmax D VbattSOC
PWM
de
RN
A
Ga
Tc
Ibatt
Estimadorde potncia
Estimador decarga ideal
ArranjoFotovoltaico Re
f. 24
V
Balano decorrente = ~3
Controle Chave
EstimadorFuzzy
Ilac
Vbatt
V-ccV-ccIlac
I-cc
Vmax
Pmax
Imax
Ibatt
Carga =Ilcc
Fig. 4.1- Configurao do sistema Arranjo Fotovoltaico isolado.
4.1.2. Estimador Fuzzy de Vmax Para Estimar o Ponto da Potncia Mxima de
Operao (PPMO)
Em um gerador AF, a potncia instantnea de sada, dada pelo produto de corrente e
tenso instantnea mostrada na Figura 2.9, logo para um determinado valor da irradiao,
a funo do estimador Fuzzy procurar a tenso que possa manter no ponto mximo na
curva da potncia.
maxmaxmax * IVP = (4.1)
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
40
Assim a carga necessria para extrair a mxima potncia do AF dada por:
max
maxmax I
VR = (4.2)
No entanto importante salientar que essa carga no necessariamente igual carga
alimentada pelo conversor Buck-Boost.
As regras do estimador Fuzzy, indicadas na Tabela 4.1, esto baseadas no princpio de
mudanas de irradiao solar e da temperatura, ou seja, mantendo o ponto de operao no
ponto de potncia mxima encontra-se o valor de Vmax. Para estabelecer as regras foi feita
a simulao baseada no modelo matemtico do sistema fotovoltaico, considerando
diferentes nveis de irradiao e temperaturas tpicas. As variaes da tenso em funo
da temperatura, irradiao e a potncia mxima so mostradas na Figura 4.2. Note que as
variveis independentes na Figura 4.2 no esto em escala, dada a distribuio irregular
dos dados, pois tais figuras foram utilizadas para gerar a base de regras do sistema
nebuloso.
Variao da tenso em funo da temperatura
30,0031,0032,0033,0034,0035,0036,0037,0038,0039,00
10 25 50 75
Temperatura[C]
Tens
o m
xim
a [V
olt]
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
41
Variao da tenso em funo da potncia mxima durante o da
35.50
36.00
36.50
37.00
37.50
38.00
29.46 71.54 105.60 122.17 123.88
Potncia mxima [W]
Tens
o m
xim
a [V
olt]
Variao da tenso em funo da irradiao durante o da
35.50
36.00
36.50
37.00
37.50
38.00
256 487 680 776 786
Irradiao [W/m2]
Tens
o m
xim
a [V
olt]
Fig. 4.2 - Variao da tenso mxima em funo da temperatura, irradiao, potncia mxima
durante o dia.
Tabela 4.1 Regras do estimador Fuzzy.
I[W/m2] / T [C] TB TM TA TMA TMUAIMB VUB VUB VUB VUB VUBIB VMA VMA VMA VA VA
IBM VA VA VA VMMA VMMAIAM VMMA VMMA VMMA VMMA VMMAIA VMMA VMMA VMMA VMMA VMMA
IMA VMMA VMMA VMMA VM VMIMUA VM VM VM VBM VBMIUA VBM VBM VBM VBM VB
IEUA VB VB VB VB VMMBIEUAE VMMB VMMB VMMB VMMB VMUB
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
42
Um exemplo das regras o seguinte:
Se Irradiao muito alta e Temperatura baixa, ento Tenso Meio Muito Alta
Em termos da varivel usada :
IF IMA AND TB THEN VMMA
O estimador Fuzzy possui duas entradas: irradiao e temperatura. A irradiao possui 10
funes de pertinncia na faixa [0,0 1000W/m2] e a temperatura possui cinco funes de
pertinncia na faixa [0,0 32C], o que resultou em 50 regras. A sada a tenso para a
potncia mxima, de 10 funes de pertinncia na faixa [0,0 38 V]. A Figura 4.3 mostra o
sistema completo e suas funes de pertinncia e as variveis do estimador Fuzzy so
mostradas na Figura 4.4. As funes de pertinncia de irradiao so: Irradiao Muito
Baixa (IMB), Irradiao Baixa (IB) Irradiao Baixa Mdia (IBM), Irradiao Alta Mdia
(IAM), Irradiao Alta (IA), Irradiao Mdia Alta (IMA), Irradiao Mdia Ultra Alta
(IMUA), Irradiao Ultra Alta (IUA), Irradiao Extra Ultra Alta (IEUA), Irradiao
Extra Ultra Alta Extremo (IEUAE). As funes de pertinncia de temperatura so:
Temperatura Baixa (TB), Temperatura Mdia (TM), Temperatura Alta (TA),
Temperatura Muito Alta (TMA), Temperatura Mdia Ultra Alta (TMUA). As funes de
pertinncia da tenso (sada) so: Tenso Ultra Baixa (VUB), Tenso Muito Ultra Baixa
(VMUB), Tenso Muito Baixa (VMB), Tenso Mdia Muito Baixo (VMMB), Tenso
Baixo (VB), Tenso Baixa Mdia (VBM), Tenso Mdia (VM), Tenso Mdia Muito
Alta (VMMA), Tenso Alta (VA), Tenso Muito Alta (VMA).
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
43
Fig. 4.3 - Sistema Fuzzy.
(a)
(b)
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
44
(c)
Fig. 4.4 - Funes de pertinncia: (a) Irradiao solar (b) Temperatura de ambiente (c) Tenso para a potncia mxima.
O mtodo composicional de inferncia usado max-min, o qual consiste em escolher o
operador min (Mandani) para as implicaes Fuzzy e o operador max (Unio) para a
agregao. A Figura 4.5 ilustra a agregao de todos os conseqentes, a unio dos
subconjuntos obtidos em cada regra pelo mtodo de inferncia composicional max-min.
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
45
Fig. 4.5 - Clculo dos antecedentes e dos conseqentes de cada regra pelo mtodo de inferncia
composicional max-min.
Como se pode observar, foram usadas funes de pertinncia triangular tanto para as
variveis de entrada quanto para a varivel de sada.
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
46
A Figura 4.6 mostra a superfcie de tenso para potncia mxima. Nesta figura, Ga a
irradiao instantnea varivel baseada nos nveis de irradiao tpica de vero na zona de
Campo Grande MS, Tamb a variao da temperatura e Vmax sada do estimador.
Fig. 4.6 - Mapeamento das regras de controle do estimador Fuzzy.
4.1.3. Estimador do SOC da Bateria
Em muitos sistemas onde so usadas baterias, o estado de carga de bateria (SOC: State-
Of-Charge), o parmetro que descreve a quantidade de energia que a bateria possui
armazenada, ou o tempo que a energia armazenada poder durar. Existem muitas
definies para o SOC, o mtodo simples e mais usado baseado na Equao (4.3),
chamado de mtodo de Ampere-Hora [29], usando-se a Equao (4.3) foi construda a
base de dados para o treinamento da rede neural.
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
47
( = tt
perdbatN
dIIC
SOCSOC0
1*0 ) (4.3) Em que:
CN: capacidade de descarga disponvel da bateria quando a mesma est completamente
carregada, considerado constante.
Ibatt: corrente da bateria
Iperd: corrente consumida pelas perdas de reao durante a recarga da bateria.
SOC0: ponto inicial da carga/descarga
Existem tcnicas para estimar o SOC, os quais so resumidos em [29], e a complexidade
do mtodo depende do tipo da bateria e da sua aplicao. A complexidade dos mtodos se
deve ao comportamento no-linear da bateria.
Os problemas mais importantes a considerar durante o processo da estimao do SOC
aplicado a uma rede neural artificial so: (1) quando o SOC0 no 100% do SOC,
usualmente causado pelo processo de auto-descarga em longos perodos, o processo de
descarga intermitente ou quando a bateria no foi carregada completamente na primeira
vez; (2) adaptao e seleo dos dados de treinamento da rede, quando se tem acesso a
uma grande base de dados recolhidos durante diferentes condies de operao para
treinamento.
Na literatura apresentada uma rede neural tipo RBF que treinada usando grandezas
caractersticas de tenso terminal da bateria, corrente de carga/descarga da bateria, e o
Ah da bateria (tempo), para diferentes condies de carga e descarga [30].
A RN-RBF da Figura 3.3, usada para a estimao dos seguintes parmetros: a razo
cclica, o ndice de modulao e SOC, tais variaes so calculadas a partir de Vmax,
corrente da carga em AC, e da corrente na bateria.
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
48
.3,2,1,)()( 03
1=+=
=kwxwxSOC k
jjikj (4.4)
Em que
= 22
2exp)(
j
jxx , , e . nj
=
bat
Ilac
IIV
xmax
Os resultados do comportamento do SOC, mostrados na Figura 4.7 em funo do tempo
so obtidos considerando correntes de descarga constante de 3.6A, 10A, 18A, 25A, 36A
[31].
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Tempo (h)
SOC
3.6A CCD
10A CCD
18A CCD
25A CCD
36A CCD
SOC0
Fig. 4.7 - Predio do SOC pela RN-RBF.
4.1.4. Controle da Carga/Descarga da Bateria
O controle da carga/descarga da bateria consiste no controle de liga e desliga do banco de
baterias a rede, vai depender de duas possveis condies (duas restries):
a) a bateria fica ligada para compensar a corrente faltante por causa de incremento de
carga no instante de queda da irradiao, mais s pode permanecer ligado at o limite de
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
49
descarga da bateria fixado pelo SOC com valor igual a 40%. Se passar este limite, a
bateria desligada de forma automtica.
b) a bateria fica ligada para se carregar, prevendo o excesso de corrente quando a
irradiao solar aumente ou demanda diminui. Porm ela s pode permanecer ligada at o
limite de carga completa fixado pelo SOC com o valor igual a 100%. Se ainda existir
corrente disponvel, a bateria desligada de forma automtica.
No caso em que exista o equilbrio no sistema Arranjo Fotovoltaico - Carga a bateria fica
desligada.
O modelo da bateria detalhado no apndice A-1 descreve o comportamento tpico da
tenso durante o processo de carga e descarga. A Figura 4.8 mostra tal comportamento.
(a)
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
50
(b)
Fig. 4.8 - Variao da tenso durante o processo em funo da variao na carga Ah da bateria: (a) Carga. (b) Descarga.
O resultado de liga-desliga do banco de baterias observa-se na seo dos resultados do
controle, Captulo 5.
4.1.5. Controlador do Buck-Boost
Na Seo 2.1.1, a Equao 2.2 mostra a relao das tenses entrada/sada, se o conversor
considerado ideal, a tenso Vav e corrente Iav (para uma carga ideal timo) de sada do
conversor para uma razo de corte (Chopping ratio) no ponto mximo da potncia
instantnea max , so relacionadas com a tenso Vmax e corrente Imax do AF de acordo com as seguintes equaes [32]:
maxmaxmax 1V
DDVVav == (4.5)
max
maxmax
1I
DDII av == (4.6)
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
51
Em que D razo cclica [0 1], max a razo de corte, e se D0.5.
As Figuras 4.9 e 4.10 mostram a sensibilidade de resposta do controle de conversor Buck-
Boost, o teste consiste na resposta para uma tenso de referncia varivel. Observa-se a
corrente e a tenso respectivamente.
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2-10
0
10
20
30
40
(s)
Tens
o [V
]
Referncia
Tenso na Sada
Fig. 4.9 - Tenso na sada do Buck-Boost.
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
-5
0
5
10
(s)
Cor
rent
e [I]
Fig. 4.10 - Corrente na sada do Buck-Boost.
-
CAPTULO 4 MODELO PROPOSTO PARA OPERAO TIMA DO SISTEMA FOTOVOLTAICO ISOLADO
52
A Figura 4.11 mostra a variao da potncia na entrada e sada do conversor. Observa-se
que as potncias geradas pelo AF e a potncia consumida na carga so iguais. Isto
evidenciado pela Equao (4.7).
maxmaxmax IVIVP avav == (4.7)
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
0
50
100
(s)
Pot
ncia
[W]
Potncia na entrada do Buck-Boost
Potncia na saida do Buck-Boost
Fig. 4.11 - Potncia na entrada e sada do Buck-Boost.
A caracterstica da carga resistiva, ento a relao matemtica dada por:
RIV avav = (4.8)
Usand