Publication
Modelação e análise dos díodos de bypass em sistemas fotovoltaicos sob condições de sombreamento parcial
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | por |
| dc.contributor.advisor | Mariano, Silvio José Pinto Simões | |
| dc.contributor.advisor | Pombo, José Álvaro Nunes | |
| dc.contributor.author | Morais, Francisco André Lourenço | |
| dc.date.accessioned | 2022-01-14T17:06:40Z | |
| dc.date.available | 2022-01-14T17:06:40Z | |
| dc.date.issued | 2021-12-06 | |
| dc.date.submitted | 2021-09-06 | |
| dc.description.abstract | A produção de energia elétrica é uma das maiores necessidades da sociedade atual. De todas as fontes renováveis de energia elétrica, a energia solar é aquela que apresenta uma maior margem de crescimento. Futuramente, devido ao uso massivo da energia solar, os sistemas fotovoltaicos terão de ser extremamente eficientes e otimizados. O objetivo desta dissertação consiste em preencher a lacuna existente na literatura especializada sobre o estudo elétrico-térmico dos díodos de bypass e o seu impacto nas curvas características Corrente-Tensão e Potência-Tensão. As condições de sombreamento parciais têm um forte impacto na produção de energia elétrica. Para quantificar esse impacto e analisar o efeito dos díodos de bypass foram criados dois perfis de sombreamento parcial e desenvolvido um sistema de hardware para obter os dados experimentais. Para a validação matemática dos resultados obtidos, foram utilizados os modelos matemáticos mais citados na literatura (modelo matemático a um díodo e modelo matemático a dois díodos). No entanto, devido à natureza implícita das equações matemáticas que caracterizam os respetivos modelos matemáticos, a estimação dos parâmetros fotovoltaicos é um problema complexo e multimodal. Para ultrapassar essa limitação foi desenvolvido um novo algoritmo metaheurístico inspirado em redes neuronais artificiais e no sistema nervoso humano hibridizado com mapas caóticos. | por |
| dc.description.abstract | The production of electrical energy is one of the greastest needs of today’s society. Off all the renewable sources of electrical energy, solar energy is the one with the greastest growth margin. In the future, due to the massive use of solar energy, photovoltaic systems will have to be extremely efficient and optimized. The objetive of this dissertation is to fill the gap in the specialized literature on the electrical-thermal study of bypass diodes and their impact in Current-Voltage and Power-Voltage characteristic curves. The conditions of partial shadding has a strong impact on electricity production. For quantify this impact and analyze the effect of bypass diodes were created two partial shadding profiles and developed a hardware system to obtain the experimental data. For the mathematical validation of the obtained results, were used the most cited mathematical models (single diode model and double diode model) in the literature. However, due to the implicit nature of the mathematics equations that characterize the respective mathematical models, the estimation of photovoltaic parameters is a complex and multimodal problem. To overcome this limitation a new metaheuristic algorithm inspired in artificial neural network and human nervous system was devoloped hybridized with chaotic maps. | eng |
| dc.identifier.tid | 202858189 | |
| dc.identifier.uri | http://hdl.handle.net/10400.6/11814 | |
| dc.language.iso | por | por |
| dc.subject | Condições Parciais de Sombreamento | por |
| dc.subject | Díodo de Bypass | por |
| dc.subject | Energia Fotovoltaica | por |
| dc.subject | Estimação dos Parâmetros Fotovoltaicos | por |
| dc.subject | Mapas Caóticos. | por |
| dc.subject | Modelo A Dois Díodos | por |
| dc.subject | Modelo A Um Díodo | por |
| dc.subject | Redes Neuronais Artificiais | por |
| dc.title | Modelação e análise dos díodos de bypass em sistemas fotovoltaicos sob condições de sombreamento parcial | por |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | por |
| rcaap.type | masterThesis | por |
| thesis.degree.name | 2º Ciclo em Engenharia Eletrotécnica e de Computadores | por |