Modelado y análisis de un sistema fotovoltaico autónomo con determinación de los parámetros del panel mediante redes neuronales convolucionales

Abstract

La transición hacia sistemas fotovoltaicos autónomos (SFVA) altamente eficientes exige modelos dinámicos que superen las limitaciones de las especificaciones nominales de fabricante, las cuales suelen divergir del rendimiento en entornos reales. Esta investigación desarrolla y valida una plataforma analítica integral para un SFVA instalado en Cunduacán, Tabasco, empleando el método de promediado en el espacio de estados y Redes Neuronales Convolucionales (RNC) para la identificación paramétrica del modelo de un solo diodo (SDM). A diferencia de los enfoques estáticos convencionales, la metodología propuesta integra la dinámica del convertidor C.C. a C.C. y un robusto sistema de adquisición de datos para mediciones insitu. Los resultados experimentales demuestran una precisión del 94% en la reproducción del comportamiento del sistema durante condiciones de operaciones table, logrando capturar con éxito eventos transitorios derivados de variaciones críticas en la irradiancia y la temperatura. Si bien el modelo exhibe una alta fidelidad en las primeras horas de operación, el análisis de discrepancias detectado a partir de las13:00h revela la influencia determinante del banco de baterías, señalando la necesidad de integrar modelos electroquímicos detallados en el futuro. El modelo dinámico resultante trasciende la descripción teórica para consolidarse como una herramienta esencial en la innovación de algoritmos de gestión de energía y el diseño de gemelos digitales. Este trabajo establece un precedente metodológico para el control avanzado de sistemas solares, optimizando la sostenibilidad y predictibilidad de la generación fotovoltaica en condiciones climáticas variables.