In this thesis, a methodology, based on the application of artificial neural networks, is proposed to characterize photovoltaic generation systems (SGFV). The first stage of this work consists of the development of a predictive system of meteorological conditions that directly influence the conversion of solar energy into electrical energy. The objective of the development of this predictor system is to have the ability to predict the output power of the SGFV for an instant in the future which may be short, medium and long term. The second stage of the characterization is that of the generation unit, consists of the characterization of the photovoltaic array, ie the set of photovoltaic panels, as well as the inverters that make the interconnection to the electric grid. Once the photovoltaic array has been characterized, the output power of the photovoltaic system can be obtained, using only the cell temperature and the irradiance incident on the photovoltaic panels as inputs. The proposed methodology for both stages is based on the application of artificial neural networks (RNA). This technique was chosen to be able to obtain a generalized methodology, that is to say, applicable in any SGFV of any capacity, without the need to obtain complex mathematical models, as long as the necessary training data for ANNs is available. For the validity of the proposed methodology, measurements obtained from one of the three SGFV arrays installed in the Graduate Studies Division of the Faculty of Electrical Engineering of the Michoacan University of San Nicolás de Hidalgo (UMSNH) were used.
En esta tesis, se propone una metodología, basada en la aplicación de redes neuronales artificiales, para caracterizar sistemas de generación fotovoltaicos (SGFV). La primera etapa de este trabajo consiste en el desarrollo de un sistema predictor de las condiciones meteorológicas que influyen directamente en la conversión de la energía solar en energía eléctrica. El objetivo del desarrollo de este sistema predictor, es tener la capacidad de pronosticar la potencia de salid del SGFV para un instante en el futuro el cual puede ser a corto, mediano y largo plazo. La segunda etapa de la caracterización es la de la unidad de generación, consiste en la caracterización del arreglo fotovoltaico, es decir, el conjunto de paneles fotovoltaicos, así como los inversores que hacen la interconexión a la red eléctrica. Una vez caracterizado el arreglo fotovoltaico, se podrá obtener la potencia de salida del mismo, utilizando únicamente como entradas la temperatura de la celda y la irradiancia incidente sobre los paneles fotovoltaicos. La metodología propuesta para ambas etapas se basa en la aplicación de redes neuronales artificiales (RNA). Se optó por esta técnica para poder obtener una metodología generalizada, es decir, aplicable en cualquier SGFV de cualquier capacidad, sin la necesidad de obtener modelos matemáticos complejos, siempre y cuando se cuente con los datos de entrenamiento necesarios para las RNA. Para validad la metodología propuesta, se utilizaron mediciones obtenidas de uno de los tres arreglos SGFV instalados en la División de Estudios de Posgrado de la Facultad de Ingeniería Eléctrica de la Universidad Michoacana de San Nicolás de Hidalgo (UMSNH).
