Resumen

Este trabajo presenta un controlador lógico difuso (FLC) optimizado mediante una red neuronal de Hopfield (HNN) para el seguimiento del punto de máxima potencia en sistemas fotovoltaicos (FV). En el método propuesto, la HNN se utiliza para sintonizar automáticamente las funciones de pertenencia del FLC en lugar de adoptar el enfoque de prueba y error. Como en cualquier sistema difuso, los parámetros iniciales de ajuste se extraen del conocimiento experto utilizando un modelo mejorado de un módulo fotovoltaico bajo condiciones variables de radiación solar, temperatura y carga. Las variables lingüísticas para el FLC se derivan del método tradicional de perturbación y observación. Los resultados de la simulación mostraron que el FLC optimizado propuesto proporciona un seguimiento rápido y preciso del punto de máxima potencia fotovoltaico en condiciones de funcionamiento variables en comparación con el FLC sintonizado manualmente mediante ensayo y error.

• Materias:Energía solar Fotoquímica Fotocatálisis Nanoestructuras Biofotónica
• Subjects:Solar energy Photochemistry Photocatalysis Nanostructures Biophotonics
• Palabras claves:punto de máxima potencia, flc, funciones de pertenencia flc, controlador lógico difuso, parámetros iniciales de sintonización, hnn, ensayo, módulo pv, resultados de simulación, seguimiento preciso
• Keywords:maximum power point, flc, flc membership functions, fuzzy logic controller, initial tuning parameters, hnn, trial, pv module, simulation results, accurate tracking