Resumen

La temperatura de funcionamiento de los módulos solares de silicio tiene un efecto significativo en el rendimiento eléctrico y la eficiencia de generación de energía de los módulos fotovoltaicos (FV). Es un parámetro importante para el modelado de sistemas fotovoltaicos, la evaluación del rendimiento y el seguimiento del punto de máxima potencia. El análisis muestra que los resultados de los métodos basados en la física cambian siempre con las estaciones y las condiciones meteorológicas. Es difícil medir todas las variables necesarias para construir el modelo basado en la física para el cálculo de la temperatura de funcionamiento. Debido a este problema, el artículo propone un método en línea para calcular la temperatura de funcionamiento, que adopta el algoritmo de red neuronal artificial de retropropagación (BP-ANN). El análisis comparativo se lleva a cabo utilizando datos de la plataforma de pruebas empíricas, y los resultados muestran que tanto el método BP-ANN como el de la máquina de vectores de soporte (SVM) pueden alcanzar una buena precisión cuando la longitud del conjunto de datos es superior a seis meses. El método SVM no es adecuado para la modelización de la temperatura porque su tiempo de cálculo es demasiado largo. Para mejorar el rendimiento, la velocidad del viento debe tomarse como una de las entradas del modelo si es posible. El método propuesto es eficaz para calcular en línea la temperatura de funcionamiento de los módulos solares de silicio, lo que constituye una solución de detección suave de bajo coste.

• Materias:Energía solar Fotoquímica Fotocatálisis Nanoestructuras Efecto fotoeléctrico
• Subjects:Solar energy Photochemistry Photocatalysis Nanostructures Photoelectric effect
• Palabras claves:temperatura, módulos solares, seguimiento del punto de máxima potencia, modelado de sistemas fotovoltaicos, red neuronal artificial, plataforma de pruebas empíricas, eficiencia de generación de energía, máquina de vectores soporte, ann, método
• Keywords:temperature, solar modules, maximum power point tracking, pv system modeling, artificial neural network, empirical test platform, power generation efficiency, support vector machine, ann, method