articulo cientifico 2021:Estudio del modelo matemático de una instalación fotovoltaica de 3kWp utilizando mediciones experimentales

Estudio del modelo matemático de una instalación fotovoltaica de 3kWp utilizando mediciones experimentales.
Mathematical model study for a 3kWp photovoltaic installation using experimental measurements
Sáenz Loayza Bartolomé1
Huarac Rojas David2
Condezo Hurtado David Elvis3
Galarza Linares José4
Resumen: La importancia de la generación de energía eléctrica mediante sistemas fotovoltaicos es un asunto de
preponderancia a nivel mundial. El incremento en las demandas de instalaciones fotovoltaicas para 2020 es uno de los más
altos en el ámbito de las energías renovables y esta tendencia se espera que continúe en los próximos años. Por lo tanto, un
número cada vez mayor de nuevos componentes y sistemas fotovoltaicos (FV), principalmente módulos FV, reguladores e
inversores, están emergiendo en el mercado, por lo tanto, la necesidad de caracterizar dichos sistemas se ha convertido en
un aspecto fundamental en la comprobación de sus parámetros funcionales. El análisis de una celda solar, módulo o conjunto
de módulos (arreglos), se enfocan en las curvas voltaje-corriente (característica I-V) y voltaje-potencia (característica P-V).
Esta investigación aplicada utiliza el modelo matemático basado en la ecuación de Shockley de la celda fotovoltaico, para
estimar el comportamiento bajo condiciones de irradiancia y temperatura variables en un programa de instrumentación
virtual, demostrando las curvas de voltaje contra corriente de la celda fotovoltaica, se utilizan una plataforma de modelado
matemático Matlab - Simulink, resultando la simulación de paneles fotovoltaicos bajo condiciones de pruebas estándar de
laboratorio, y condiciones de operaciones de trabajo bajo temperaturas e irradiancia variables. El modelo se comprueba en
laboratorio con una tarjeta de potencia que sirve como cargas variables a los paneles fotovoltaicos, permitiendo visualizar y
comprobar experimentalmente las curvas características de operación de panel fotovoltaico para la marca comercial
Canadian.
Palabras clave: Generación de energía eléctrica, sistemas fotovoltaicos, celda solar, parámetros funcionales,
modelo matemático, pruebas estándar.
Abstract: The importance of the generation of electrical energy through photovoltaic systems is a matter of preponderance
worldwide. The increase in the demand for photovoltaic installations for 2020 is one of the highest in the field of renewable
energies and this trend is expected to continue in the coming years. Therefore, an increasing number of new components
and photovoltaic (PV) systems, mainly PV modules, regulators and inverters, are emerging on the market, therefore, the
need to characterize such systems has become a fundamental aspect. in checking its functional parameters. The analysis of a
solar cell, module or set of modules (arrays), focuses on the curves voltage-current (characteristic I-V) and voltage-power
(characteristic P-V). This applied research uses the mathematical model based on the Shockley equation of the photovoltaic
cell, to estimate the behavior under variable irradiance and temperature conditions in a virtual instrumentation program,
demonstrating the voltage versus current curves of the photovoltaic cell. a Matlab - Simulink mathematical modeling
platform, resulting in the simulation of photovoltaic panels under standard laboratory test conditions, and working operating
conditions under variable temperatures and irradiance. The model is tested in the laboratory with a power card that serves
as variable loads to the photovoltaic panels, allowing the visualization and experimental verification of the characteristic
curves of the photovoltaic panel operation for the Canadian brand.
Keywords: Electric power generation, photovoltaic systems, solar cell, functional parameters, mathematical model, standard
tests.
1 Email: [email protected]
2 Email: [email protected]
3 Email: [email protected]
4 Email: [email protected]
1. Introducción
La extracción de energía solar usando sistemas
fotovoltaicos es uno de los tópicos de investigación
más activos en ingeniería, ya que ofrecen la posibilidad
de generar energía eléctrica en el sitio requerido, así
como proveerla a regiones poco accesibles por redes
convencionales (Petrone et al., 2007). Este tipo de
energía renovable presenta algunos inconvenientes ya
que en casos donde la irradiación solar, temperatura
ambiente y perfiles de carga cambian rápidamente, es
difícil extraer la máxima potencia disponible debido a
efectos de sombreado y falla en la predicción del punto
óptimo de operación (Petrone & Ramos-Paja, 2011).
Por esto se requieren estrategias de optimización que
incrementen la viabilidad económica y la producción
energética de las celdas solares (Ramos-Paja et al,
2012). Para llevar a cabo esta optimización se hacen
necesarias herramientas de modelado, análisis y
simulación de sistemas de generación fotovoltaicos
enmarcados en las condiciones geográficas-climáticas
y de perfiles de carga de nuestro país. Tener un
modelo del comportamiento de un panel fotovoltaico
ayuda a diseñar convertidores que persigan siempre el
punto de potencia máxima o emuladores que imiten el
comportamiento de un panel solar, lo cual es muy útil
en el caso de comprobar nuevos algoritmos de control.
Actualmente el incremento de la generación de energía
renovable está teniendo un gran impacto a nivel
mundial, diferentes organismos como la Conferencia
de La Partes (COP) de la Convención Marco de las
Naciones Unidas sobre el Cambio Climático
(CMNUCC) apuesta por el uso de fuentes de energía
renovable con especial énfasis en la energía
fotovoltaica y eólica para disminuir el nivel de
emisiones de CO2 en el planeta. El modelamiento de
sistemas de energía fotovoltaica brinda una
herramienta para realizar estudios en energía eléctrica,
evaluar el comportamiento de la instalación en
diferentes condiciones de operación, este aspecto es
crítico debido a que un sistema fotovoltaico opera en
función de las condiciones climáticas, básicamente con
la aleatoriedad de la temperatura ambiente y la
radiación. El presente proyecto está enfocado en la
evaluación del modelo de un sistema fotovoltaico
considerando cada una de las etapas necesarias hasta
la conexión en CA hacia la red eléctrica, la evaluación
de modelos matemáticos se realizará bajo distintos
escenarios de operación (niveles de temperatura e
1 Email: [email protected]
2 Email: [email protected]
3 Email: [email protected]
4 Email: [email protected]
irradiación) con la información de operación para una
instalación de 3kWp instalada en la azotea del
laboratorio de Energías Renovables de la UNCP.
2. Materiales y métodos
Para la presente investigación se utilizaron la
instalación fotovoltaica de 3kWp instalada en la azotea
del Laboratorio de Energía Renovable de la FIEE,
adicionalmente se cuenta con un sistema de
adquisición de medidas para registrar variables de
interés para el monitoreo de la instalación.
Los cálculos y el modelamiento se realizaron a través
de la programación de toda la formulación matemática
en un Script en Matlab 2017a.
3. Resultados
Se procedió a evaluar los parámetros del modelo con
la curva proporcionada por el fabricante, se presenta la
Figura 1 y la Tabla 1 y 2 de la evaluación inicial
Figura 1
Tabla 1: Parámetros del modelo Inicial
Parámetro
Rs
Rsh
Ni
Modelo Inicial
197 mΩ
37 kΩ
1.3
b) Para una radiación de 800: Se determinó que
los mejores resultados corresponden a la
Figura 3.
Tabla 2: Error RMSE con valores actuales del modelo
Irradiancia
(W/m2)
1000
800
600
400
RMSE
0.2586
0.1490
0.1782
0.2174
Luego se ajustó los parámetros de forma iterativa para
obtener mejores curvas que se ajusten al
proporcionado por el fabricante.
Figura 3
a)
P
Para una radiación de 1000: Se determinó que
los mejores resultados corresponden a la
Figura 2.
Figura 2
1 Email: [email protected]
2 Email: [email protected]
3 Email: [email protected]
4 Email: [email protected]
c)
Para una radiación de 600: Se determinó que
los mejores resultados corresponden a la
Figura 4.
Figura 4
P
estudio adicional
se proporcione una ecuación que
dependa de la irradiancia.
d)
Para una radiación de 400: Se determinó que
los mejores resultados corresponden a la
Figura 5.
4. Conclusiones
Figura 5
Los resultados finales corresponden al comparativo del
modelo inicial más los valores ajustados del nuevo
modelo.
Tabla 3: Comparativo de modelos usando
RMSE
Radiaci
ón
1000
800
Paráme
tro
Rs
(m
Ω)
Rs
h
(k
Ω)
Ni
Modelo
Inicial
197
37
1.3
Modelo
Final
197
37
1.51
3
Rs
600
Rs
h
Ni
19
7
37
1.3
19
7
37
1.20
6
Rs
Ni
19
7
37
1.3
19
7
37
1.22
8
Rs
Ni
19
7
37
1.3
19
7
37
1.15
90
0.2586
0.1490
0.1782
0.2174
RMSE
Modelo
Final
0.1064
0.0944
0.1512
0.1376
De la Tabla 3 se evidencia que el ajuste iterativo de los
parámetros permite obtener un modelo más cercano al
proporcionado por el fabricante. También se observa
que el parámetro Ni deberá ser variable y no constante
como indica el modelo inicial, probablemente con un
1 Email: [email protected]
2 Email: [email protected]
3 Email: [email protected]
4 Email: [email protected]
2.
Para una radiación de 800: Se determinó que los
mejores resultados corresponden a la Figura 18.
3.
Para una radiación de 600: Se determinó que los
mejores resultados corresponden a la Figura 19.
4.
Para una radiación de 400: Se determinó que los
mejores resultados corresponden a la Figura 20.
5.
A partir de la Tabla 4 se evidencia que el ajuste
iterativo de los parámetros permite obtener un
modelo más cercano al presentado por el
fabricante. Así mismo, el parámetro Ni deberá
ser variable y no constante como indica el
modelo inicial.
Lu, H. Yang, and J. Burnett, “Investigation on wind
power potential on hong kong islands—ananalysis of
wind power and wind turbine characteristics,”
Renewable Energy, vol. 27, no. 1, pp. 1–12, 2002.
Rs
h
RMSE
Modelo
Inicial
Para una radiación de 1000: Se determinó que
los mejores resultados corresponden a la Figura
17.
Referencias bibliográficas
400
Rs
h
1.
Mohammadi, O. Alavi, A. Mostafaeipour, N. Goudarzi,
and M. Jalilvand, “Assessing different parameters
estimation methods of Weibull distribution to compute
wind power density,” Energy Conversion and
Management, vol. 108, pp. 322–335, 2016.
Musgrove, “The optimization of hybrid energy
conversion systems using the Dynamic programming
model—rapsody,” International Journal of Energy
Research, vol. 12, no. 3, pp. 447–457, 1988.
Persaud, D. Flynn, and B. Fox, “Potential for wind
generation on the guyana coastlands,” Renewable
Energy, vol. 18, no. 2, pp. 175–189, 1999.
Seguro and T. Lambert, “Modern estimation of the
parameters of the weibull wind speed Distribution for
wind energy analysis,” Journal of wind engineering and
industrial aerodynamics, vol. 85, no. 1, pp. 75–84,
2000.
Silva, F. Bradaschia, M. C. Cavalcanti, and A. J.
Nascimento, “Parameter estimation method to improve
the accuracy of photovoltaic electrical model,” IEEE
Journal of Photovoltaics, vol. 6, no. 1, pp. 278–285,
2015.
Villalva, J. R. Gazoli, and E. Ruppert Filho,
“Comprehensive approach to modeling and simulation
of photovoltaic arrays,” IEEE Transactions on power
electronics, vol. 24, no. 5, pp.1198–1208, 2009
1 Email: [email protected]
2 Email: [email protected]
3 Email: [email protected]
4 Email: [email protected]