TY  - BOOK
AU  - Tapia Palma, Jessy Corina
TI  - Diseño y simulación de un Sistema de Tracking basado en redes neuronales para mantener la máxima eficiencia de paneles solares
U1  - MAESTRIA 621.3 T172di 
CY  - Ecuador
KW  - REDES NEURONALES ARTIFICIALES (RNA)
KW  - EFICIENCIA
KW  - SISTEMAS SOLARES FOTOVOLTAICOS
KW  - PUNTO DE MÁXIMA POTENCIA (MPP)
N1  - Incluye CD-Rom y anexos; Maestría (Electricidad); Astudillo Muñoz, Juan Carlos; Dir; 1. Sistema de redes neuronales artificiales. 2. Arquitectura ANN. 3. Sistemas de energía solar fotovoltaica; LOS PROYECTOS DE INVESTIGACIÓN DE GRADO SON DE USO EXCLUSIVO PARA LA SALA DE LECTURA; Posgrados; Maestría en Electricidad
N2  - Este trabajo de investigación se centra en el uso de redes neuronales artificiales (RNA) como una herramienta prometedora para mejorar la eficiencia y estabilidad de los sistemas solares fotovoltaicos. Aunque los sistemas fotovoltaicos aprovechan una fuente de energía limpia y renovable, enfrentan desafíos debido a las variaciones en la radiación solar, temperatura y condiciones ambientales. Estos factores ocasionan fluctuaciones en la corriente y tensión de salida de los paneles solares, afectando la potencia generada. Para abordar este problema, se requiere implementar estrategias de control que maximicen la extracción de potencia del campo fotovoltaico. El enfoque principal de este trabajo es el punto de máxima potencia (MPP), que representa el punto óptimo de transferencia de potencia en la curva de características corriente-voltaje (I-V) de un panel solar. El desafío radica en adaptarse a las condiciones cambiantes y lograr un seguimiento preciso del MPP para mejorar la eficiencia del sistema. Aunque existen diferentes algoritmos de seguimiento propuestos, han mostrado limitaciones en términos de tasas de seguimiento y oscilaciones en estado estacionario. Para superar estas deficiencias, se exploran las aplicaciones de las RNA en el diseño de algoritmos de control. Las RNA se destacan por su alta respuesta dinámica y capacidad para adaptarse a condiciones no lineales. Sin embargo, obtener datos precisos de entrenamiento para el controlador es uno de los principales desafíos. En este estudio, se consideran variables importantes como radiación solar, temperatura y voltaje óptimo como entradas para el controlador
UR  - http://repositorio.utc.edu.ec/bitstream/27000/10772/1/MUTC-001705.pdf
ER  -