Simulação de módulos fotovoltaicos bifaciais com algoritmos bioinspirados

Abstract

RESUMO: A temperatura e a irradiância exercem influência direta na geração de energia dos módulos fotovoltaicos, os quais, por sua vez, estão passando por um processo contínuo de evolução. Entretanto, o projetista encontra os pontos de interesse apenas em condições padrões preestabelecidos. Esse estudo teve como objetivo gerar a curva I-V para quaisquer valores de temperatura e irradiância, pela simulação de um módulo fotovoltaico bifacial, com dados apenas do datasheet. Isso se deu pela extração dos parâmetros com o uso de algoritmos bioinspirados, especificamente os algoritmos Particle Swarm Optimization (PSO) com fator de constrição e Evolução Diferencial (DE) com auto-adaptação, que realizaram a otimização da função fitness. Essa função foi gerada pela solução do modelo do módulo fotovoltaico por meio de um circuito com um diodo e cinco parâmetros (1D5P). Os resultados encontrados demonstram que os dois algoritmos tiveram um desempenho satisfatório, em que o algoritmo DE com auto-adaptação teve as menores porcentagens de erro, na maioria dos pontos de interesse nos cenários abordados

ABSTRACT: Temperature and irradiance have a direct influence on the energy generation of photovoltaic modules, which, in turn, are undergoing a continuous process of evolution. However, the designer finds the points of interest only under pre-established standard conditions. This study aims to generate the I-V curve for any values of temperature and irradiance, by simulating a bifacial photovoltaic module, with data only from the datasheet. This will be done by extracting the parameters using bioinspired algorithms, specifically the Particle Swarm Optimization (PSO) algorithms with constriction factor and differential evolution (DE) with self-adaptation, which will optimize the fitness function. This function is generated by modeling the photovoltaic module through a circuit with one diode and five parameters (1D5P). The results found demonstrate that both algorithms had a satisfactory performance, where the DE algorithm with self-adaptation had the lowest percentages of error, in most of the points of interest in the scenarios addressed