Rendimiento Energético en Sistemas Fotovoltáicos con Redes Neurales Artificiales que incluyan pérdidas por acumulación de Polvo en climas áridos.

Project Details

Description

Determinar rendimiento energético de un sistema fotovoltaicos con conexión a red de 3Kwp Instalada en el área de Energías Renovables y del Ambiente de la FCNF-UNSA utilizando un modelo Físico y redes neurales artificiales que incluyan perdidas por acumulación de polvo, estudiar el desempeño de los modelos con datos medidos utilizando coeficientes estadísticos.

Layman's description

El clima en la ciudad de Arequipa es árido, sin precipitaciones en la mayor parte del año y con humedad relativa tan bajas como 10%, por otro lado alcanza cifras record de 3300 horas de sol al año e irradiancia que llega a los 1100 W/m2. El principal desafío que enfrenta la producción eficiente de la energía solar en regiones áridas, donde la radiación solar es máxima, es el polvo, y la falta de lluvia; condición que puede alterar dramáticamente la viabilidad de lageneración de energía en sistemas Fotovoltaicos (PV). La estimación del rendimiento energético de sistemas PV conectado a red es fundamental para garantizar su viabilidad económica, el dimensionamiento adecuado de los componentes del sistema permite evitar interrupciones , garantiza la calidad y continuidad del suministro.
En este trabajo se propone estimar el rendimiento energético a partir de datos de Radiación solar Global, Temperatura ambiente y acumulación de Polvo en una instalación fotovoltaica experimental de 3 Kwp conectado a red, actualmente instalado en el laboratorio denominado "Energías Renovables y del Ambiente de la UNSA", Escuela de Fisica de la UNSA. En este contexto, se proponen dos enfoques para estimar rendimiento, el primero se basa en un modelo físico dela planta PV y el otro en un modelo de redes neuronales artificiales (ANN). Para verificar la eficacia de los enfoques aplicados, los datos medidos y estimados serán comparados por medio de coeficientes estadísticos.

Key findings

Sistema fotovoltaico, redes neuronales, árido, ANN, UNSA, CIENCIACTIVA, CONCYTEC
StatusActive
Effective start/end date21/09/16 → …