Use este identificador para citar ou linkar para este item: http://www.repositorio.ufc.br/handle/riufc/18695
Título: Desenvolvimento de plataforma emuladora de turbina eólica para estudos de algoritmos de MPPT eólicos inteligentes
Título em inglês: Development wind turbine platform for intelligent emulator wind studies MPPT algorithms
Autor(es): Oliveira Júnior, Jorge Luiz Wattes
Orientador(es): Praça, Paulo Peixoto
Coorientador(es): Oliveira Júnior, Demercil de Souza
Palavras-chave: Engenharia elétrica
Energia eólica
Redes neurais(computação)
Data do documento: 29-Jun-2016
Citação: OLIVEIRA JÚNIOR, J. L. W. (2016)
Resumo: A dinâmica dos ventos dentro do contexto da geração eólica de pequeno porte é uma problemática uma vez que a velocidade de operação da máquina deve acompanha-lo para poder extrair a máxima potência do vento. Neste trabalho, são propostos o projeto e desenvolvimento de uma bancada emuladora de turbina eólica, bem como modelos de algoritmos de rastreio de máxima potência baseados em Redes Neurais Artificiais e aprendizagem por reforço. O sistema de emulação tem como objetivo permitir a avaliação experimental de algoritmos previamente validados via simulação, já os algoritmos propostos visam alcançar uma boa performance frente a algoritmos clássicos. Além de revisão bibliográfica, foram implementadas simulações computacionais em software PSIM e Matlab, bem como o projeto, desenvolvimento e validação da bancada emuladora de turbina eólica baseada em motor de corrente contínua. São apresentados todos os passos de projeto dos conversores do emulador e do controlador de carga responsável pela realização do rastreio de máxima potência, bem como todo o material necessário para a reprodução do trabalho, na forma de apêndices. Além da bancada emuladora, dois algoritmos são propostos nesse trabalho: um baseado numa modificação do algoritmo perturba e observa, através da inserção de uma rede neural que define o tamanho da perturbação; já o segundo baseia-se em recentes algoritmos de aprendizagem por reforço do tipo Atuador-Critico (CACLA), que ainda não haviam sido utilizados com essa finalidade
Abstract: The dynamics of the wind within the wind power small context is problematic since the operating speed of the machine must accompany him in order to extract the maximum wind power. In this paper, we propose the design and development of a wind turbine emulator bench and peak power tracking algorithms models based on artificial neural networks and reinforcement learning. The emulation system aims to allow the algorithms of experimental evaluation previously validated by simulation, since the proposed algorithms aim to achieve a good performance compared to classical algorithms. In addition to literature review, computer simulations were implemented in PSIM and Matlab software, as well as the design, development and validation of emulator bench wind turbine based on DC motor. They present all design steps the emulator converters and charge controller responsible for carrying out the maximum power tracking, as well as all the material necessary for reproduction of the work in the form of appendices. In the emulator bench, two algorithms are proposed in this work: one based on a modification algorithm and disturbs observed through insertion of a neural network that defines the size of the perturbation; already the second is based on recent learning algorithms for enhancing the Actuator-Critical type (CACLA), which had not been used for this purpose
Descrição: OLIVEIRA JÚNIOR, J. L. W. Desenvolvimento de plataforma emuladora de turbina eólica para estudos de algoritmos de MPPT eólicos inteligentes. 2016. 193 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016.
URI: http://www.repositorio.ufc.br/handle/riufc/18695
Aparece nas coleções:DEEL - Dissertações defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2016_dis_jlaolliveirajúnior.pdf13,1 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.