Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/3652
Tipo do documento: | Dissertação |
Título: | SISTEMA ELÉTRICO PARA NANOSSATÉLITES: RASTREIO DA MÁXIMA POTÊNCIA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS. |
Título(s) alternativo(s): | ELECTRICAL SYSTEM FOR NANO-SATELLITES: MAXIMUM POWER TRACKING POWER THROUGH ARTIFICIAL NETWORKS. |
Autor: | BATISTA, Leandro Souza |
Primeiro orientador: | FONSECA NETO, João Viana da |
Primeiro coorientador: | SILVA, Luís Cláudio de Oliveira |
Primeiro membro da banca: | FONSECA NETO, João Viana da |
Segundo membro da banca: | SILVA, Luís Cláudio de Oliveira |
Terceiro membro da banca: | SOUZA, Francisco das Chagas de |
Quarto membro da banca: | MOURA, José Pinheiro de |
Resumo: | O Sistema Elétrico de Potência (EPS) é responsável por gerenciar e distribuir energia de forma eficiente para garantir o bom funcionamento dos nanossatélites. Portanto, este traba- lho apresenta um projeto EPS que aborda o monitoramento do ponto de máxima potência (MPPT) utilizando Redes Neurais. A eficiência do método é demonstrada pela comparação da Rede Neural com outros algoritmos de rastreamento existentes como Perbube & Ob- serve e Condutância Incremental. Diversas configurações de redes neurais foram utilizadas, variando o número de neurônios e suas funções de ativação. Cada configuração de rede neural passa por etapas de treinamento, testes e validação utilizando o MSE como crit ́erio de parada para selecionar a melhor configuração de rede neural. Para o treinamento da rede neural, são utilizados os dados de saída do algoritmo de condutância incremental, que se refere ao valor ciclo de trabalho do sinal PWM que aciona o conversor responsável pelo MPPT. A irradiância solar e a temperatura foram simuladas por funções degrau respectiva- mente. Estes valores servem como dados de entrada para a rede neural, bem como valores correspondentes a carga dos subsistemas em execução. Os testes foram simulados em um ambiente computacional, onde cada um dos três sistemas elétricos continha um algoritmo, Perbube & Observe, Condutância Incremental e redes neurais. Os resultados mostraram que a rede neural atingiu o MPP mais rapidamente e produziu mais energia elétrica do que outros algoritmos estudados. Assim, a escolha de uma rede neural para MPPT torna-se uma boa alternativa a outros métodos de rastreamento de máxima potência. |
Abstract: | The Electric Power System (EPS) is responsible for managing and distributing energy effi- ciently to ensure the proper functioning of the nanosatellites. Therefore, this work presents an EPS project that addresses the monitoring of the maximum power point (MPPT) using Neural Networks. The efficiency of the method is demonstrated by comparing the Neural Network with other existing tracking objects such as Pertube & Observe and Incremental Conductance. Several configurations of neural networks were used, varying the number of neurons and their activation functions. Each network configuration goes through training, testing and validation steps using the MSE as the network stop configuration to select the best neural configuration. For training the neural network, the output data is used, the in- cremental conductance signal that refers to the value of the PWM duty cycle that triggers the converter responsible for the MPPT. Solar irradiance and temperature were simulated by step functions, respectively. These values serve as input data for the neural network, as well as values corresponding to the load of the running subsystems. The tests were simu- lated in a computational environment, where each of the three electrical systems contains an environment, Perbube & Observe, Incremental Conductance and neural networks. The MPP that thought the most neural network was faster and produced more electrical energy than other studies studied. Thus, choosing a neural network for MPPT becomes a good alternative to other maximum power tracking methods. |
Palavras-chave: | EPS; Nanossatélite; MPPT; Redes Neurais EPS; Nanosatellite; MPPT; Neural Networks |
Área(s) do CNPq: | Medição, Controle, Correção e Proteção de Sistemas Elétricos de Potência |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal do Maranhão |
Sigla da instituição: | UFMA |
Departamento: | DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
Programa: | PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AEROESPACIAL/CCET |
Citação: | BATISTA, Leandro Souza. Sistema elétrico para nanossatélites: rastreio da máxima potência através de redes neurais artificiais. 2022. 79 p. Dissertação( Programa de Pós-Graduação em Engenharia Aeroespacial/CCET) - Universidade Federal do Maranhão, São Luís, 2022. |
Tipo de acesso: | Acesso Aberto |
URI: | https://tedebc.ufma.br/jspui/handle/tede/tede/3652 |
Data de defesa: | 21-Mar-2022 |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AEROESPACIAL (PPGAero) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
LEANDRO_V2_corrigida.pdf | Dissertação de Mestrado | 15,01 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.