Resumen

Presentamos un enfoque de modelado basado en datos (DDM) para el modelado estático de microinversores fotovoltaicos (FV) comerciales. El enfoque de modelado propuesto maneja todos los modos de funcionamiento posibles de los microinversores, incluido el modo ráfaga. Para desarrollar el modelo no se requiere ningún conocimiento previo de los componentes internos, la estructura y el algoritmo de control. El enfoque se basa en redes neuronales artificiales (RNA) y en la transformada rápida de Fourier (FFT). Para generar los datos utilizados para entrenar el modelo, se aplica un enfoque de hardware de potencia en bucle (PHIL). Los datos instantáneos de entrada-salida se recogen de los terminales de un microinversor fotovoltaico comercial en el dominio del tiempo. A continuación, los datos recogidos se convierten al dominio de la frecuencia mediante la transformada rápida de Fourier (FFT). Las RNA que constituyen el núcleo del DDM se desarrollan en el dominio de la frecuencia. A continuación, las salidas de las RNA se convierten de nuevo al dominio temporal para su validación y uso en la simulación a nivel de sistema. La comparación entre los datos medidos y los simulados valida el rendimiento del método presentado.

• Materias:Máquina de vectores Estudio numérico Controlador Método computacional Modelado matemático
• Subjects:Vector machine Numerical study Controller Computational method Mathematical modeling
• Palabras claves:Transformada rápida de Fourier, enfoque, datos, dominio de la frecuencia, dominio del tiempo, posibles modos de funcionamiento del microinversor, red neuronal artificial, microinversor fotovoltaico comercial, simulación a nivel de sistema, RNA.
• Keywords:Fast Fourier Transform, approach, data, frequency domain, time domain, possible microinverter operating modes, Artificial Neural Network, commercial PV microinverter, system level simulation, ANNs