Simulación de un controlador fotovoltaico utilizando algoritmo genético
El presente trabajo intenta modelizar el control de un regulador de carga, que mediante técnicas de inteligencia artificial, permita al mismo realizar el aprendizaje de la curva del panel fotovoltaico y la curva de carga de la batería, utilizando un muestreo de las señales del panel y del banco de b...
Guardado en:
| Autores principales: | , |
|---|---|
| Formato: | Articulo Comunicacion |
| Lenguaje: | Español |
| Publicado: |
2007
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/93735 |
| Aporte de: |
| Sumario: | El presente trabajo intenta modelizar el control de un regulador de carga, que mediante técnicas de inteligencia artificial, permita al mismo realizar el aprendizaje de la curva del panel fotovoltaico y la curva de carga de la batería, utilizando un muestreo de las señales del panel y del banco de baterías. De esta forma se logra obtener los puntos pertenecientes a la curva del panel fotovoltaico, el punto de máxima potencia del mismo y la tensión de gaseo de la batería, lo que permite determinar el momento en el que se debe cortar la carga de la batería y de esa forma prolongar su vida útil.
La idea fundamental del aprendizaje evolutivo consiste en considerar a los puntos de los muestreos realizados sobre el sistema, como individuos de una población y aplicar procedimientos de búsqueda que imiten los mecanismos empleados por la evolución. Desde el punto de vista computacional los algoritmos evolutivos pueden considerarse como métodos estocásticos de búsqueda y optimización. Estos algoritmos se pueden utilizar como método de optimización de caja negra, ya que no necesita más conocimiento sobre la función a optimizar que poder obtener una muestra de la misma. |
|---|