Avaliação de algoritmos de treinamento para redes neurais artificiais para previsão temporal de geração fotovoltaica; Evaluación de algoritmos de entrenamiento para redes neuronales artificiales para la previsión temporal de generación fotovoltaica; Tra

Resumo

Políticas energética atuais vêm encorajando a conexão de geradores de energia baseados em tecnologias de baixa poluição, principalmente aqueles que utilizam fontes renováveis, em redes de distribuição. Consequentemente, se torna muito importante o entendimento dos desafios técnicos, tendo em vista alta penetração fotovoltaica de sistemas fotovoltaicos na rede, especialmente considerando-se os efeitos intermitentes dessa fonte na qualidade da energia, confiabilidade e estabilidade do sistema elétrico de distribuição. Esse fato pode afetar às redes de distribuição em que estão conectados, causando sobretensões, subtensões e oscilações de frequência. De maneira a prever esses distúrbios, utilizam-se as redes neurais artificiais. Esse artigo tem como objetivo analisar 3 algoritmos de treinamento utilizados em redes neurais artificiais para a previsão temporal de potência ativa gerada por placas fotovoltáicas. Como resultado, conclui-se que o algoritmo com melhor desempenho em relação aos 3 analisados foi o Levenberg-Marqdart.

Políticas energéticas actuales han animado a la conexión de los generadores de energía basados ​​en tecnologías poco contaminantes, especialmente los que utilizan fuentes renovables en redes de distribución. En consecuencia, se hace muy importante entender los desafíos técnicos en vista de la alta penetración de PV de los sistemas fotovoltaicos en la red, especialmente teniendo en cuenta los efectos intermitentes de esta fuente en la calidad de la energía, la fiabilidad y la estabilidad del sistema de distribución eléctrica. Esto puede afectar a las redes de distribución que están conectados, causando fluctuaciones de tensión, baja tensión y frecuencia. Con el fin de proporcionar estos trastornos, se hace uso de redes neuronales artificiales. Este artículo tiene como objetivo analizar 3 algoritmos de entrenamiento utilizados en las redes neuronales artificiales para la predicción temporal de la potencia activa generada por las placas fotovoltaicas. Como resultado, se concluye que el algoritmo con un rendimiento mejorado en comparación con los 3 se analizó Levenberg-Marquardt.

Current energy policies are encouraging the connection of power generation based on low-polluting technologies, mainly those using renewable sources, to distribution networks. Hence, it becomes increasingly important to understand technical challenges, facing high penetration of PV systems at the grid, especially considering the effects of intermittence of this source on the power quality, reliability and stability of the electric distribution system. This fact can affect the distribution networks on which they are attached causing overvoltage, undervoltage and frequency oscillations. In order to predict these disturbs, artificial neural networks are used. This article aims to analyze 3 training algorithms used in artificial neural networks for temporal prediction of the generated active power thru photovoltaic panels. As a result it was concluded that the algorithm with the best performance among the 3 analyzed was the Levenberg-Marquadrt.