Control de posición angular para panel solar basado en redes neuronales y control inteligente
Palabras clave:
Control PID, Redes Neuronales, Panel Solar, Control InteligenteResumen
En ciudad Juárez Chihuahua México se presenta más de 300 días soleados al año, lo que conlleva que la fuente de energía solar sea una forma viable de transformación de energía. Por lo que se presenta una propuesta de controlador inteligente para la posición angular de un panel solar, en donde la señal de referencia del controlador se obtiene de la salida de una red neuronal multicapa previamente entrenada con datos de ubicación del sol. Los datos de entrenamiento fueron obtenidos de la base de datos del INEGI en México y de otros repositorios de acceso abierto. Además, se muestra el diseño mecánico y su integración de las piezas que integral el panel solar. El controlador en lazo cerrado diseñado hace uso de un PID con la intención de volver robusta ante perturbaciones externas al sistema. Lo que permite minimizar el efecto de variables dinámicas no modeladas que podrían afectar el desempeño del sistema del panel-actuador. Los resultados experimentales muestran una respuesta sub amortiguada de la salida controlada en esta transitorio y en error cero en estado estacionario. La propuesta de diseño demuestra un seguimiento de la posición de referencia solar adecuado, la cual puede ser implementada a bajo costo.
Descargas
Citas
F. Ballester, J. Díaz, J. M. Moreno. “Cambio climático y salud pública: escenarios después de la entrada en vigor del Protocolo de Kioto”. Gaceta Sanitaria, vol. 20, pp. 160-174, 2006
Comisión federal de electricidad (CFE), www.cfe.mx, 2021
R. Hernández. "Diseño, selección, instalación y puesta en marcha de un sistema fotovoltaico para el hotel mesón san Sebastián con conexión a red de cfe", Centro de Investigación en materiales avanzandos, 2017.
R. E. P. Blanco, J. C. P. Gutiérrez, J. R. Dávila. “Estudio de la radiación solar incidente en la región de Ciudad Juárez”. Ciencia en la frontera, 21,2009. http://bva.colech.edu.mx/xmlui/handle/1/1811
C. C. R Chávez, T. C Picasso, G. Padilla. Financiamiento al campo para proyectos de energía solar fotovoltaica. Ciudad Juárez, Chihuahua, México: El Colegio de Chihuahua, 2017. [En línea]. Disponible en: https://www.researchgate.net/profile/Esmeralda_Cervantes_Rendon/publication/329544726_El_Valle_de_Juarez_su_historia_economia_y_ambiente_para_el_uso_de_energia_fotovoltaica/links/5c0ef1104585157ac1b90e2e/El-Valle-de-Juarez-su-historia-economia-y-ambiente-para-el-uso-de-energia-fotovoltaica.pdf#page=107
D. Hoyos, M. Gea, C. Cadena, R. Echazú. “Diseño y construcción de seguidores solares”. Avances en Energías Renovables y Medio Ambiente, vol. 12, pp. 71-77, 2008
S. Sheikh, A. Javed, M. Anas, F. Ahmed. “Solar based smart irrigation system using PID controller”. In IOP Conference Series: Materials Science and Engineering, vol. 414, no. 1, p. 012040, 2018
S. D. Hanwate, Y.V. Hote. “Design of PID controller for sun tracker system using QRAWCP approach”. International Journal of Computational Intelligence Systems, vol. 11, no. 1, pp. 133-145, 2018.
E. Díaz-Dorado, A. Suárez-García, C.J. Carrillo, J. Cidrás. “Optimal distribution for photovoltaic solar trackers to minimize power losses caused by shadows”. Renewable energy, vol. 36, no. 6, pp. 1826-1835, 2011
X. Lu, Q. Zhang, J. Hu. “A linear piezoelectric actuator based solar panel cleaning system”. Energy, vol. 60, pp. 401-406, 2013
M. Algazar, H. Abd El-Halim, M.E.E. Salem. “Maximum power point tracking using fuzzy logic control”. International Journal of Electrical Power & Energy Systems, vol. 39, no. 1, pp. 21-28. 2012
H. Salim, F. Sultan, R. Jawad, R. “Comparison between PID and artificial neural networks to control of boiler for steam power plant”, Journal of engineering sciencies, vol. 6, no. 1, 2019
M. Hadjab, S. Berrah, A. Hamza. “Neural network for modeling solar panel”. International journal of energy, vol. 6, no. 1, pp. 9-16. 2012
A. Gaytán-Mascorro, Y.I. Chew-Madinaveitia, D.G. Reta-Sánchez , J.D.J. Espinoza-Arellano, I.R. Juárez. “Uso de injertos en hortalizas”. Memoria de la XXV Semana Internacional de Agronomía. Facultad de Agronomía y Zootecnia–Universidad de Juárez del Estado de Durango, vol. 37-52. 2013
S. S Haykin Neural networks and learning machines/Simon Haykin. 2009
R. Setiono. “Feedforward neural network construction using cross validation”, Neural Computation, vol. 13, no. 12, pp. 2865-2877, 2001
H. Yu, B.M. "Wilamowski. Levenberg-marquardt training", Industrial electronics handbook, vol. 5, no. 12, pp. 1. 2011
Mathworks Inc. https://la.mathworks.com
Arduino trademark. https://www.arduino.cc
K. Ogata. Ingeniería de control moderna. Pearson Educación. 2003
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
