CONICET | Buscador de Institutos y Recursos Humanos

En trabajos anteriores sepropuso el modelo matemático de un sistema fotovoltaico (FV) tipo on-grid basado en el funcionamientofísico de los paneles (policristalinos) y del inversor de corriente empleadopara su interconexión con la red. El presente trabajo propone un nuevo modelo delmismo sistema FV pero basado en una red neuronal artificial (RNA), la cualpermitiría prescindir de los parámetros físicos y empíricos del modelooriginal. Se propone una RNA tipo Perceptrón Multicapa y se plantean distintasconfiguraciones de la misma, con el objetivo de encontrar la mejor predicciónde potencia y energía aportada por el sistema. La red neuronal se programó paramodelar el comportamiento de un sistema FV de 2500 W ubicado en la ciudad deSanta Fe (Argentina), en base a irradiancia solar y temperatura ambiente comodatos de entrada, y a potencia eléctrica como dato de salida. La red se entrenócon información correspondiente a 30 días de registros meteorológicos en laciudad, y con la potencia predicha por el modelo original. Para validar la RNAse utilizaron datos de años no considerados en el entrenamiento. Las variablesmodificadas en cada configuración fueron: el número de capas ocultas, el númerode neuronas de cada capa, la función de activación de cada capa, el algoritmode entrenamiento empleado y la cantidad y distribución de los datos usados. Losdesempeños logrados con las diferentes configuraciones se compararon en base a 3indicadores relacionados con el error cometido en las predicciones de potenciay energía. Los resultados del trabajo indican que una red MLP de una capaoculta permite buenos ajustes en las curvas de predicción diaria de potencia.Además, el modelo RNA tiene tiempos de respuesta que pueden considerarseinstantáneos.