Diseño de un sistema de gestión operación de seguidores solares basado en un clasificador difuso de parámetros ambientales
Resumen
Este trabajo propone el diseño de un sistema enfocado en mejorar el proceso de gestión de operación y desactivación de un seguidor solar (SS) basado en lógica difusa. Lo anterior debido a que los SS usualmente se desactivan ante condiciones climáticas adversas siguiendo un principio de operación que se rige por comparaciones simples entre umbrales y parámetros asociados a las condiciones climáticas y, en consecuencia, se pierde de vista la energía disponible. Para validar la propuesta se realizó un procedimiento experimental que consta de dos etapas. La primera, se refiere a la prueba y ajuste del clasificador en un ambiente de simulación empleando escenarios que reproducen eventos registrados en bases de datos climáticas de la CDMX, así como su integración en un SS existente, y luego en la segunda etapa, se provee un análisis comparando los periodos de desactivación obtenidos con las condiciones reales. Finalmente se brindan conclusiones y propuestas de trabajo a futuro.
Descargas
Citas
Agboola, A. H., Gabriel, A. J., Aliyu, E. O., & Alese, B. K. (2013). Development of a fuzzy logic based rainfall prediction model. International journal of Engineering and Technology, 3(4), 427-435.
Belhachat, F., & Larbes, C. (2018). A review of global maximum power point tracking techniques of photovoltaic system under partial shading conditions. Renewable and Sustainable Energy Reviews, 92, 513-553.
Devireddy, S. R., Porpandiselvi, S., & Salvi, B. (2022, January). A GMPPT algorithm for PV systems using current reference and PI curve under partial shading conditions. In 2022 IEEE International Conference on Power Electronics, Smart Grid, and Renewable Energy (PESGRE) (pp. 1-6). IEEE.
Dotse, S. Q., Larbi, I., Limantol, A. M., & De Silva, L. C. (2024). A review of the application of hybrid machine learning models to improve rainfall prediction. Modeling Earth Systems and Environment, 10(1), 19-44.
Fuentes-Morales, R. F., Diaz-Ponce, A., Peña-Cruz, M. I., Rodrigo, P. M., Valentín-Coronado, L. M., Martell-Chavez, F., & Pineda-Arellano, C. A. (2020). Control algorithms applied to active solar tracking systems: A review. Solar Energy, 212, 203-219.
Flores-Hernández, D. A., Palomino-Resendiz, S. I., Luviano-Juárez, A., Lozada-Castillo, N., & Gutierrez-Frias, O. (2019). A heuristic approach for tracking error and energy consumption minimization in solar tracking systems. IEEE Access, 7, 52755-52768.
Helen, A. A., Helen, A. A., OB, A., & FS, O. (2016). Comparative analysis of rainfall prediction models using neural network and fuzzy logic. Int. J. Soft Comput. Eng, 5(6), 4-7.
Ignacio, Z. L., & Emilia, C. D. A. (2021). Meteorología y climatología. Editorial UNED.
Janarthanan, R., Balamurali, R., Annapoorani, A., & Vimala, V. (2021). Prediction of rainfall using fuzzy logic. Materials Today: Proceedings, 37, 959-963.
Kanoğlu, M., Çengel, Y. A., & Cimbala, J. M. (2020). Fundamentals and applications of renewable energy. McGraw-Hill Education.
Kermadi, M., Salam, Z., Eltamaly, A. M., Ahmed, J., Mekhilef, S., Larbes, C., & Berkouk, E. M. (2020). Recent developments of MPPT techniques for PV systems under partial shading conditions: a critical review and performance evaluation. IET Renewable Power Generation, 14(17), 3401-3417.
Leutz, R., & Suzuki, A. (2012). Nonimaging Fresnel lenses: design and performance of solar concentrators (Vol. 83). Springer.
McGuffie, K., & Sellers, A. H. (1990). Introducción a los modelos climáticos.
P-R, S. I., Ortiz-Martínez, F. A., Paramo-Ortega, I. V., González-Lira, J. M., & Flores-Hernández, D. A. (2023). Optimal selection of the control strategy for dual-axis solar tracking systems. IEEE Access.
Palomino, S. I., Flores-Hernández, D. A., Cantera-Cantera, L. A., Lozada-Castillo, N., & Luviano-Juárez, A. (2023). Design and implementation of Model-Based Predictive Control for two-axis Solar Tracker. Solar Energy, 265, 112080.
Peñaloza, M.A. (2024). Desarrollo e implementación de una estrategia de control no convencional basada en esquemas de optimización para aplicaciones de seguimiento solar. Instituto Politécnico Nacional, CDMX, México.
Pham, B. T., Bui, K. T. T., Prakash, I., & Ly, H. B. (2024). Hybrid artificial intelligence models based on adaptive neuro fuzzy inference system and metaheuristic optimization algorithms for prediction of daily rainfall. Physics and Chemistry of the Earth, Parts A/B/C, 134, 103563.
Prinsloo, G., & Dobson, R. T. (2015). Solar tracking. Stellenbosch: SolarBoo7s. ISBN 978Y0Y620Y61576Y1, 1-542.
Sultan, S. M., & Efzan, M. E. (2018). Review on recent Photovoltaic/Thermal (PV/T) technology advances and applications. Solar energy, 173, 939-954.
Zahran, B., Ayyoub, B., Abu-Ain, W., Hadi, W., & Al-Hawary, S. (2023). A fuzzy based model for rainfall prediction. International Journal of Data and Network Science, 7(1), 97-106.
Gobierno de México (última consulta, junio 2023) https://www.gob.mx/siap/articulos/el-impacto-de-las-plagas-y-enfermedades-en-el-sector-agricola
Tiempo3 (última consulta, junio 2024) https://www.tiempo3.com/north- america/mexico
METEORED (ultima consulta, junio 2024) https://www.meteored.mx/ciudad-de-mexico/historico
Derechos de autor 2024 Sergio Isaí Palomino-Resendiz, Marco Antonio Peñaloza-Lopez, Cesar Ulises Solís-Cervantes, Roberto Luis Palomino-Resendiz, Diego Alonso Flores-Hernández
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.