Resumen

En los últimos años se han desarrollado muchos algoritmos de seguimiento del punto de máxima potencia (MPPT) para maximizar la energía fotovoltaica producida. Estos algoritmos no son lo suficientemente robustos debido a los rápidos cambios en las condiciones ambientales, la eficiencia, la precisión en el valor de estado estacionario y la dinámica del algoritmo de seguimiento. Por ello, este trabajo propone un nuevo modelo de bosque aleatorio (RF) para mejorar el rendimiento del MPPT. El modelo RF tiene la capacidad de capturar la asociación no lineal de patrones entre los predictores, como la irradiancia y la temperatura, para determinar con precisión el punto de máxima potencia. Se diseña un seguidor basado en RF para 25 módulos fotovoltaicos SolarTIFSTF-120P6, con una capacidad de 3 kW pico, utilizando dos sensores de alta velocidad. Para ello, se modela un sistema fotovoltaico completo utilizando 300.000 muestras de datos y se simula utilizando el paquete MATLAB/SIMULINK. A continuación, el MPPT basado en RF propuesto se prueba en condiciones ambientales reales durante 24 días para validar la precisión y la respuesta dinámica. La respuesta del modelo MPPT basado en RF también se compara con la de la red neuronal artificial y los algoritmos del sistema de inferencia neurofuzzy adaptativo para una mayor validación. Los resultados muestran que la técnica MPPT propuesta ofrece una mejora significativa en comparación con la de otras técnicas. Además, el modelo de RF supera la prueba de Bland-Altman, con una aceptabilidad superior al 95%.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:punto de máxima potencia, modelo rf, energía pv producida, algoritmo del sistema de inferencia, sistema pv completo, condiciones ambientales reales, nuevo bosque aleatorio, modelo mppt basado, inferencia neurofuzzy adaptativa, red neuronal artificial
• Keywords:maximum power point, rf model, produced pv energy, inference system algorithm, complete pv system, actual environmental conditions, new random forest, based mppt model, adaptive neurofuzzy inference, artificial neural network