Modelado y optimización de centrales fotovoltaicas mediante técnicas de inteligencia computacional

Abstract

The generation of electricity by photovoltaic sources is still considered rather expensive in comparison with to other sources so, more research is required to increase efficiency. Furthermore, the power conversion stages of these systems do not guarantee a good performance under varying conditions. This same phenomenon impacts on the remaining stages of the plants affecting the overall performance and gaining special importance in large centrals. The aim of this thesis is to contribute to improve the modeling of the different stages and optimize the power generation from a photovoltaic central. The simulation of photovoltaic modules usually uses models that do not consider the variation of its internal parameters. In addition, as regards as the arrays, it should be taken into account other problems such as the effect of the protections, the heterogeneity of the generation and the computational cost associated with the resolutions of equational systems. In this thesis, it is proposed alternatives that allow to consider these aspects and reduce the computational cost of traditional approaches, mainly based on neural networks. It is also proposed an evolutionary approach to find a unified model for different PV technologies and measurement of radiation. The focus used in these advances is different to the usually used in systems identification. In regard to optimization of the central, there is a combinatorial problem with multiple extremes. Here, the problem is attacked by designing evolutionary algorithms that incorporate the constraints of the problem, and the results achieved very promising overall yields.

La generación de energía eléctrica mediante fuentes fotovoltaicas aún es considerada costosa respecto a otras fuentes, por lo que se requiere más investigación para aumentar su eficiencia. Por otro lado, las etapas de conversión de potencia de estos sistemas no garantizan un buen rendimiento bajo condiciones variables. Este mismo fenómeno repercute en las restantes etapas de las centrales afectando el rendimiento global y adquiriendo particular importancia en grandes centrales. El objetivo de esta tesis es realizar aportes para mejorar el modelado de las diferentes etapas y optimizar la generación de energía de una central fotovoltaica. La simulación de los módulos fotovoltaicos generalmente emplea modelos que desprecian la variación de sus parámetros internos. Además, a nivel de arreglos deben tenerse en cuenta otros problemas como el efecto de las protecciones, la heterogeneidad de la generación y el costo computacional asociado a las resoluciones de sistemas de ecuaciones. En esta tesis se proponen alternativas que permiten considerar dichos aspectos y reducir el costo computacional de los enfoques tradicionales, basándose principalmente en redes neuronales. También se propone un método evolutivo para encontrar un modelo unificado para diferentes tecnologías fotovoltaicas y para la medición de radiación. Estos avances se enfocan de una manera diferente a la usualmente empleada en identificación de sistemas. En cuanto a la optimización de la central existe un problema combinatorio y con múltiples extremos. Aquí se ataca el problema mediante el diseño de algoritmos evolutivos que incorporan las restricciones del problema, y los resultados alcanzan rendimientos globales muy promisorios.