Improving Photovoltaic System Performance with Artificial Neural Network Control

Salma BENCHIKH; Tarik JAROU; Mohamed Khalifa BOUTAHIR; Elmehdi NASRI; Roa ELAMRANI

doi:10.56294/dm2023144

Artículos originales

Published: 2023-12-30

DOI: https://doi.org/10.56294/dm2023144

Mejora del rendimiento de los sistemas fotovoltaicos mediante el control por redes neuronales artificiales

Resumen

Los sistemas fotovoltaicos desempeñan un papel fundamental en las iniciativas de energías renovables. Para mejorar la eficiencia de los paneles solares en condiciones ambientales cambiantes, es esencial un seguimiento eficaz del punto de máxima potencia (MPPT). Este estudio introduce un innovador enfoque de control basado en un controlador de Red Neuronal Artificial (RNA) adaptado a los sistemas fotovoltaicos. El objetivo es elevar la precisión y adaptabilidad del MPPT, mejorando así la captación de energía solar. Esta investigación integró un controlador RNA en un sistema fotovoltaico con el fin de optimizar dinámicamente el punto de funcionamiento de los paneles solares en respuesta a los cambios ambientales. El rendimiento del controlador RNA se comparó con los enfoques MPPT tradicionales mediante simulación en Simulink/Matlab. Los resultados de la simulación mostraron que el controlador RNA funcionaba mejor que las técnicas MPPT tradicionales, destacando la eficacia de este método para modificar dinámicamente el rendimiento de los paneles solares. En particular, la RNA demuestra una mayor precisión y adaptabilidad cuando varían las condiciones ambientales. La estrategia alcanza y mantiene sistemáticamente el punto de máxima potencia, mejorando la eficiencia global de la captación de energía. La integración de un controlador RNA supone un avance significativo en el control de la energía solar. El estudio destaca la superioridad del controlador RNA mediante simulaciones rigurosas, demostrando una mayor precisión y adaptabilidad. Este enfoque no sólo demuestra su eficacia, sino que también tiene el potencial de superar a otras estrategias MPPT en términos de estabilidad y capacidad de respuesta.

Keywords:

Photovoltaic system,

Artificial neural network,

Maximum Power Point Tracking,

Artificial Intelligence,

Cómo citar

BENCHIKH S, JAROU T, BOUTAHIR MK, NASRI E, ELAMRANI R. Mejora del rendimiento de los sistemas fotovoltaicos mediante el control por redes neuronales artificiales. Data and Metadata [Internet]. 30 de diciembre de 2023 [citado 6 de julio de 2024];2:144. Disponible en: https://dm.saludcyt.ar/index.php/dm/article/view/144

Aviso de derechos de autor/a

Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.

Article metrics

Google scholar: See link

Métricas

Cargando métricas ...

Vol. 2 (2023)

See full issue

Revistas / Journals

Issue

Acerca de

Envíos