Comparação de métodos de estimação de parâmetros de curvas características de módulos fotovoltaicos para uso em emulador fotovoltaico de baixo custo

Abstract

RESUMO: A realização de pesquisas no setor da energia fotovoltaica apresenta alguns desafios, como a necessidade de um grande número de módulos, disponibilidade de grandes áreas físicas para instalação dos sistemas, medição e controle das variáveis climáticas, entre outros. Com isso, tem se tornado comum trabalhar com sistemas fotovoltaicos simulados nos laboratórios. Está em desenvolvimento no Ifes (Instituto Federal do Espírito Santo) campus Guarapari um emulador fotovoltaico (FV) de baixo custo, que permite simular o comportamento real de um conjunto de módulos específicos. Esse dispositivo faz uso de um conversor CC-CC, um controlador e tem como referência um modelo matemático que caracteriza um módulo FV. Entretanto, tal modelo apresenta alguns parâmetros que necessitam de estimação, para melhor representar um determinado módulo escolhido, sob diferentes condições climáticas. Considerando esse contexto, o objetivo deste trabalho é comparar métodos de estimação de parâmetros na representação de um módulo FV e validar os resultados obtidos na arquitetura do microcontrolador utilizado no Emulador FV do Ifes. Para isso, o modelo matemático que representa o módulo fotovoltaico escolhido é baseado em uma representação de circuitos denominado Modelo com Resistência em Paralelo. Os métodos de estimação utilizados foram o Algoritmo Genético (AG), Evolução Diferencial (ED) e Otimização por Enxame de Partículas (Particle Swarm Optimization - PSO). Como referência para a implementação dos algoritmos e comparação dos resultados, foi utilizada a resposta de uma simulação realizada com uma biblioteca existente para emulação de módulos fotovoltaicos no Simulink®, que faz uso do mesmo modelo matemático e disponibiliza como resposta diversos módulos comerciais. Os resultados obtidos pelos três algoritmos foram satisfatórios, visto que o erro percentual foi menor que a tolerância indicada pelo fabricante do módulo escolhido, KC130TM, destacando-se o algoritmo ED que obteve os parâmetros mais próximos da curva quando comparado à referência.

ABSTRACT: Research in the photovoltaic energy sector presents several challenges, such as the need for a large number of modules, availability of large physical areas for system installation, measurement and control of climatic variables, among others. Consequently, it has become common to work with simulated photovoltaic systems in laboratories. A low-cost photovoltaic emulator (FV) is being developed at Ifes (Federal Institute of Espírito Santo) campus Guarapari, which allows simulating the real behavior of a specific set of modules. This device uses a DC-DC converter, a controller, and relies on a mathematical model that characterizes an FV module as a reference. However, this model has certain parameters that need to be estimated in order to better represent a chosen module under different climatic conditions. Considering this context, the objective of this work is to compare parameter estimation methods for representing an FV module and validate the results obtained on the microcontroller architecture used in the Ifes FV Emulator. For this purpose, the mathematical model representing the chosen photovoltaic module is based on a circuit representation called Parallel Resistance Model. The estimation methods used were the Genetic Algorithm (GA), Differential Evolution (DE), and Particle Swarm Optimization (PSO). As a reference for implementing the algorithms and comparing the results, the response of a simulation carried out with an existing library for photovoltaic module emulation in Simulink® was used. This library also utilizes the same mathematical model and provides the response for various commercial modules. The results obtained by the three algorithms were satisfactory, as the percentage error was lower than the tolerance indicated by the manufacturer of the chosen KC130TM module. Among the algorithms, DE stood out for obtaining parameters that were closest to the curve compared to the reference.