Optimization and prediction modeling of solar module considering environmental parameters

• Processo: 17/50389-2
• Linha de fomento: Auxílio à Pesquisa - Regular
• Vigência: 01 de agosto de 2018 - 31 de julho de 2019
• Área do conhecimento: Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
• Convênio/Acordo: Texas A&M University
• Proposta de Mobilidade: SPRINT - Projetos de pesquisa - Mobilidade
• Pesquisador responsável: Elmer Pablo Tito Cari
• Beneficiário: Elmer Pablo Tito Cari
• Pesq. responsável no exterior: Shima Hajimirza
• Instituição no exterior: Texas A&M University, Estados Unidos
• Instituição-sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 17/09208-4 - Método híbrido para estimar parâmetros de usinas fotovoltaicas, AP.R
• Assunto(s): Energia fotovoltaica Células solares Painéis solares fotovoltaicos

Resumo

As células solares fotovoltaicas (PV) são os principais componentes da geração de energia solar que convertem a irradiação da luz solar em eletricidade. A eficiência das células solares aumentou ao longo do tempo devido à melhoria na estrutura do material, propriedades ópticas e elétricas. No entanto, fatores ambientais como o vento, a temperatura, a umidade relativa e a irradiância também podem influenciar a taxa de conversão de energia das células solares. O objetivo desta proposta é estudar o efeito de fatores estocásticos e ambientais na eficiência e degradação de módulos solares. Os modelos matemáticos serão desenvolvidos para estimar como os parâmetros elétricos são influenciados pelos fatores ambientais. O trabalho é um esforço colaborativo entre o laboratório de Energia, Controle e Otimização (ECO) da Universidade Texas A & M, dirigido pelo Dr. Shima Hajimirza e o Laboratório de Computação Computacional em Sistemas de Energia Elétrica, dirigido pelo Dr. Elmer Pablo Tito Cari na Universidade de São Paulo com o projeto de pesquisa patrocinado pela FAPESP sobre estimação de parâmetros de estações de energia fotovoltaicas. Enquanto o método atual do Dr. Cari usa uma mistura híbrida de Otimização do Mapeamento de Variância Média (MVMO) e Sensibilidade da Trajetória, o Dr. Hajimirza apresentará uma alternativa de Rede Neural substituta. Um modelo híbrido será desenvolvido com base na combinação das duas abordagens. (AU)