Resumen

La optimización de los sistemas fotovoltaicos (FV) es vital para mejorar la eficiencia y la viabilidad económica, especialmente en condiciones de sombra parcial (PSC). Este estudio se centra en el desarrollo y comparación de algoritmos tradicionales y avanzados. Las simulaciones realizadas en el paquete de software MATLAB/Simulink evaluaron el rendimiento de los algoritmos en diversos escenarios de sombra. Los resultados indican que, mientras que los métodos tradicionales como P&O e IC son efectivos bajo condiciones uniformes, las técnicas avanzadas, particularmente el MPPT basado en RNA, muestran una eficiencia superior y una convergencia más rápida. Los autores concluyen que la integración de la Inteligencia Artificial (IA) y el Aprendizaje Automático (AM) en los algoritmos MPPT mejora significativamente la fiabilidad y eficiencia de los sistemas fotovoltaicos. Además, los hallazgos contribuyen al avance de la tecnología de las energías renovables y apoyan la transición a la energía verde.

• Materias:Sistema fotovoltaico Redes neuronales artificiales Aplicaciones fotovoltaicas Energía fotovoltaica
• Subjects:Photovoltaic system Artificial neural networks Photovoltaic applications Photovoltaic energy
• Palabras claves:Sistemas fotovoltaicos; Condiciones de sombreado parcial; Seguimiento del punto de máxima potencia; Redes neuronales artificiales; Control lógico difuso; Optimización de lobos grises; Optimización por enjambre de partículas
• Keywords:Photovoltaic systems; Partial shading conditions; Maximum power point tracking; Artificial neural networks; Fuzzy logic control; Grey wolf optimization; Particle swarm optimization