Ponente
Descripción
El modelado preciso de sistemas fotovoltaicos autónomos es clave para evaluar su comportamiento real y asegurar una operación eficiente y sostenible. Aunque su adopción ha crecido, en la práctica los módulos suelen presentar desviaciones respecto a sus especificaciones nominales, lo que afecta la generación y calidad de la energía. Esta variabilidad hace necesario aplicar metodologías que permitan identificar con precisión los parámetros internos del sistema.
Este trabajo propone una metodología que abarca el modelado matemático del sistema fotovoltaico y de sus principales componentes: panel solar, controlador de carga, convertidores de corriente continua, banco de baterías y la carga. Se integra Inteligencia Artificial, específicamente Redes Neuronales Artificiales, para identificar parámetros clave a partir de datos experimentales, generando un modelo que refleja el comportamiento dinámico real del sistema.
El modelo resultante permite simular con mayor exactitud el desempeño eléctrico bajo distintas condiciones de operación y sirve como base para tareas de automatización. Entre ellas se incluyen la detección temprana de fallas, el ajuste dinámico de convertidores y la optimización en la gestión del almacenamiento. Esta propuesta proporciona una herramienta útil para mejorar la eficiencia y confiabilidad de sistemas fotovoltaicos autónomos, contribuyendo a la sostenibilidad de las soluciones energéticas basadas en energía solar.
