Módulo Fotovoltaico 3

Objetivando realizar a validação dos modelos avaliados, neste trabalho, a partir de um conjunto de dados reais, obtidos a partir de ensaios em campo, foi desenvolvido um sistema de aquisição de dados que trabalha em conjunto com um módulo fotovoltaico modelo CS6U- 330P da fabricante CanadianSolar. Cabe reforçar que este módulo é amplamente utilizado em instalações de geração de energia fotovoltaica domésticas e suas características podem ser observadas na Tabela 5.3.

Tabela 5.3: Parâmetros elétricos do módulo CS6U-330P

Parâmetro Valor

Potência Máxima (Pmax,E) 330W

Tensão de Máxima Potência (Vmp) 37.2V

Corrente de Máxima Potência (Imp) 8.88A

Corrente de Curto Circuito (ISC) 9.45A

Tensão de Circuito Aberto (VOC) 45.6V

Coeficiente de Temperatura de Tensão (Kv) -31mV/C Coeficiente de Temperatura de Corrente (Ki) 0,053%/C

Número de células 72

Tipo de Célula poli-Si

Fonte: [53].

Para realizar as simulações, utilizando a ferramenta desenvolvida, é necessário realizar a estimação dos parâmetros dos modelos. Foi utilizada a mesma metodologia de estimação de parâmetros já adotada nos ensaios anteriores, os resultados dos parâmetros estimados para os modelos de um diodo e de dois diodos são apresentados na Figura 5.14.

Após obter os parâmetros dos modelos foi realizado uma série de ensaios para obtenção dos dados necessários para iniciar a validação dos modelos utilizados neste trabalho, assim

Figura 5.14: (a) Estimação CS6U-330P modelo de um diodo. (b) Estimação CS6U-330P modelo dois diodos

(a) (b)

Fonte: Autor

como a análise comparativa do desempenho dos mesmo sob um mesmo cenário. Para que seja possível realizar a correta aquisição dos dados, foi conectada uma carga ao módulo fotovoltaico que corresponde a uma carga linear resistiva, ajustada para 6, 5Ω que, de acordo com a lei de Ohm, representa uma carga de 318W conectada ao módulo, fazendo com que, seja possível a aquisição próxima à região de potência de pico (Pmax,E).

A coleta dos dados foi realizada por um período de 24 horas com uma taxa de amostragem de 30 segundos no dia 13 de Dezembro de 2018 conforme mostrado na Figura 5.15. Na mesma figura é apresentado o período em que o módulo está produzindo energia, que inicia no nascer do sol (8:38) e finalizando no pôr do sol (18:55).

Analisando a Figura 5.15 é possível observar, que tanto no nascer do sol, quanto no pôr do sol, houve um período de sombreamento do painel, prejudicando a coleta dos dados no início e no final do dia. É possível observar ainda, as variações nos níveis de irradiação, no transcorrer do dia, que representam períodos de sombreamento parcial do painel causados pelas variações de nebulosidade. O período de amostragem dos dados relativos à irradiação, temperatura, corrente e tensão são relativos a um dia típico de verão na região noroeste do estado do Rio Grande do Sul, mais especificamente na cidade de Ijuí.

Na Figura 5.16 são apresentados os dados coletados para o período citado, é possível destacar os intervalos de sombreamento pois estes interferem diretamente nos níveis de corrente e tensão do módulo fotovoltaico e, consequentemente, na potência elétrica gerada.

Figura 5.15: Dados reais coletado em um período de 24 hrs

Fonte: Autor

Objetivando reduzir o tempo de simulação dos modelos, ao mesmo tempo que facilita a análise dos dados e a visualização dos resultados, optou-se em usar um período reduzido de tempo que corresponde a coleta dos dados de 1 hora e 30 minutos. Neste período é possível observar todas as variações necessárias para a correta interpretação dos modelos com mudanças significativas de irradiância e temperatura.

Figura 5.16: Dados reais coletado em um período de 1:30 hrs

Fonte: Autor

Para avaliar os modelos analisados em relação a potencia gerada e compará-los com os dados obtidos pelo sistema de aquisição para o módulo CS6K-270P da fabricante Canadian- Solar, foi executado uma simulação para cada um dos modelos e o resultado do desempenho de cada modelo pode ser observado na Figura 5.17.

Observando a Figura 5.17 percebe-se que o modelo ideal, por não considerar as perdas pelas resistências RS e Rsh, apresenta um nível de potência superior ao fornecido pelo

módulo a partir dos dados reais obtidos diretamente do módulo fotovoltaico. Logo pode-se concluir que a utilização deste modelo pode gerar informações equivocadas em relação, por exemplo, da simulação do potencial de geração de energia em uma residência quando adotado

Figura 5.17: Resultados dos 3 modelos implementados

Fonte: Autor

este modelo na previsão. Já tanto o modelo de um diodo como o modelo de dois diodos conseguem, quase que na totalidade do tempo de simulação, representar coerentemente a operação do módulo fotovoltaico conforme observa-se na Figura 5.17.

Porém, em níveis mais baixos de irradiação (sombreamentos parciais) o modelo de dois diodos apresenta uma melhor acurácia mas tende a ter seu desempenho piorado quando os níveis de irradiação aumentam, cenário em que o modelo de um diodo tende a superar o desempenho do modelo de dois diodos. Os dados relativos a análise, compreendem nomi- nalmente níveis significativos de irradiância, a partir dos quais, o modelo de um diodo pode

ser considerado o mais acurado. Contudo, de acordo com a Figura 5.17, quando ocorre variações bruscas de irradiância (inferiores a 200W m−2_{) o modelo de dois diodos representa}

melhor o comportamento real do módulo. Embora este resultado seja conveniente, são con- dições operacionais muito específicas, correspondendo a níveis muito baixos de irradiância, por períodos muito curtos, resultantes das variações de nebulosidade. A representação dos resultados pode ser analisada de forma global, a partir da Figura 5.18, onde é possível observar, mais claramente, o comportamento dos três modelos avaliados.

Figura 5.18: Resultados dos 3 modelos implementados

Fonte: Autor

De modo geral, para todas as ocasiões e situações consideradas nas simulações, o modelo ideal não consegue reproduzir, de forma coerente, o comportamento do módulo fotovoltaico avaliado. Isto justifica o maior erro absoluto obtido, por este modelo, que conforme pode ser observado na Figura 5.19 foi de 27,2%.

Já o modelo de um diodo, conforme já mencionado, apresenta bons resultados nas simu- lações, representando de forma satisfatória o comportamento do painel sob a maioria das condições de irradiância, apresentando erro médio absoluto de 8,7%.

A análise do gráfico, apresentado na Figura 5.19, pode contrapor a conclusão anterior onde é afirmado que o modelo de um diodo é o que representa, de forma mais satisfatória, o comportamento do módulo uma vez que o erro absoluto do modelo de dois diodos é de apenas 5,5%, ou seja, 3,2% inferior ao melhor modelo considerado que é o modelo de um

Figura 5.19: Resultados dos 3 modelos implementados

Fonte: Autor

diodo. Neste caso, cabe ressaltar que este baixo erro apresentado pelo modelo de dois diodos é em decorrência de um significativo período de baixa irradiação (se comparado ao tamanho da amostra que é de apenas 1:30 hs) ocorrido após as 14:15 conforme pode-se observar na Figura 5.19.

Para comprovar esta tese, foi realizado um novo cálculo de erro absoluto para todos os modelos avaliados para o período integral de incidência de luz solar que foi em torno de 10 horas. Os resultados para um período de amostragem de 2 minutos demonstram uma relativa melhora de ambos os modelos. Para o modelo Ideal, o erro absoluto se manteve praticamente inalterado ficando em torno de 25,4%. Para o modelo de um diodo, apresentando erro médio de 7,31% é possível observar uma aproximação significativa do erro quando comparado ao modelo dois diodos que apresentou erro médio de 5,93%. A diferença entre os dois modelos mais considerados é de cerca de 1,38%, muito inferior aos 3,2% analisado anteriormente. Isto demonstra uma tendência de redução do erro entre os dois modelos à medida que períodos mais longos de dados são considerados. Contudo, é necessário ponderar todas as variações anuais das condições climáticas, levando em consideração todas as estações no decorrer de um ano, registrando dados nos períodos de maiores (verão) e menores (inverno) níveis de irradiação analisando o erro de forma geral e o comportamento de cada modelo de forma global.

5.4

Resumo do Capítulo

Neste capítulo foram apresentados os resultados das simulações realizadas nos três mode- los avaliados neste trabalho. Todos os modelos foram implementados e disponibilizados em uma ferramenta computacional especialmente desenvolvida para este fim. Para validar as simulações realizadas optou-se em considerar três painéis fotovoltaicos diferentes como meio de abranger uma ampla faixa de potência na validação dos modelos. Desta forma, foram apresentados os resultados de todas as etapas do projeto, iniciando pelo método de Newton- Raphson usado para estimação dos parâmetros dos modelos real e dois diodos. Já para o modelo ideal, a estimação dos parâmetros é realizada algebricamente não sendo necessário utilizar um método numérico. Também foi apresentado a utilização de um aplicativo de digitalização dos dados, necessário para obter os dados usados nas simulações a partir dos dados fornecidos pelos fabricantes dos módulos fotovoltaicos. Em relação ao terceiro módulo avaliado e simulado, os dados usados foram obtidos a partir de um sistema de aquisição de dados, especialmente desenvolvido para este trabalho, que possibilitou o uso de dados reais para validar e avaliar os três modelos. Os resultados encontrados nas análises demonstram que de modo geral, o modelo de um diodo tende a equivaler-se do modelo dois diodos, uma vez que são considerados longos períodos de dados nas simulações. O modelo ideal, não representa de forma acurada, sob nenhuma circunstância, o comportamento de um módulo fotovoltaico, uma vez que desconsidera as perdas elétricas enfatizadas no capítulo.

Conclusões e Trabalhos Futuros

A energia é considerada um importante agente na geração de riqueza e um fator signifi- cativo no desenvolvimento econômico. Somente nas últimas duas décadas do século passado o risco e a realidade da degradação ambiental tornaram-se mais evidentes. O aumento de problemas ambientais tem ocorrido pela combinação de vários fatores, dentre eles, os princi- pais são o aumento da população mundial, o aumento do consumo de energia, e à crescente atividade industrial [1].

A crescente demanda por energia e a significativa dependência de combustíveis fósseis são importantes estímulos no estudo de novas fontes alternativas de energia. Destaca-se que a energia solar fotovoltaica é a fonte de energia mais utilizada neste aspecto. A introdução dessas energias renováveis na planta energética mundial tem sido enfatizada, principalmente pelo conceito de geração distribuída On Grid, por suas características de baixos níveis de ruído, e também por baixo impacto ambiental.

Os níveis de irradiação global horizontal, espectro de irradiação captado pelos módulos, que compreende a soma das componentes difusa e direta, são diretamente afetadas pelo efeito da dispersão, causado pela inclinação do eixo da terra. Assim, reduz o ângulo de incidência dos raios solares na superfície da terra, alterando a distribuição espectral, e portanto, a potência elétrica produzida pelo módulo fotovoltaico é reduzido. O efeito da dispersão é mais facilmente observado abaixo do trópico de capricórnio (30°S) e acima do trópico de câncer (30°N). Portanto, os níveis de irradiação incidentes no inverno em ambos os trópicos, são demasiadamente afetados causando uma expressiva perda de potência gerada pelos módulos fotovoltaicos. Estima-se que apenas 30% dos níveis de irradiação observada no verão atinge a mesma área no inverno e, portanto, uma análise direta significaria cerca de 30% de potência gerada no inverno com relação ao que é gerado no verão, desconsiderando as perdas decorrentes às outras etapas de um sistema de geração fotovoltaico.

Por este motivo, diversos pesquisadores buscam novas alternativas, estudando novas tec- nologias que possam aproveitar de forma mais eficiente o recurso solar. Um dos recursos mais utilizado é a modelagem matemática de módulos fotovoltaicos, que abrange todas as etapas de geração de forma matemática, a partir de simuladores. Desta forma, é possível estudar os efeitos fotovoltaicos, e os modelos matemáticos que melhor representam as carac- terísticas peculiares deste tipo de tecnologia. A partir disso, o uso de algoritmos de MPPT atribui aos conversores estáticos a função de extrair o máximo de potência disponível em um módulo fotovoltaico. Além disso os modelos auxiliam os fabricantes a desenvolverem novos meios de concepção reduzindo eficientemente as perdas inerentes às células fotovoltaicas.

Atualmente existem diversos trabalhos que realizam a modelagem matemática de di- versas partes de um sistema de geração distribuída usando módulos fotovoltaicos [54, 55]. No entanto, a maioria destes trabalhos realizam a modelagem matemática de um segmento especifico da planta. Existe uma carência de modelos que descrevem, de forma completa e integrada, as questões anteriormente levantadas. Neste contexto, o presente trabalho apre- sentou a primeira etapa da modelagem de um sistema completo de geração distribuída a partir da geração fotovoltaica, que é constituída pela implementação, simulação e análise de três diferentes modelos matemáticos, que são considerados modelos clássicos utilizados como base na descrição de novos modelos de módulos fotovoltaicos: modelo ideal, modelo de um diodo e modelo de dois diodos. A análise abrange questões de aplicabilidade e cor- respondência dos modelos existentes com o comportamento real da geração distribuída, sob inúmeras adversidades, tais como o nível de irradiação solar e temperatura do painel.

Desta forma, o desenvolvimento da ferramenta computacional apresentada no trabalho, e sua compatibilidade ao MATLAB/Simulink, além de uma forma de interação simples, apresenta os três principais modelos que podem ser usados para comparar futuros modelos matemáticos decorrente dos mesmos. Além de apresentar as curvas características do mó- dulo em questão, é possível simular em tempo real a partir da interação de dados externos. Os critérios de avaliação/validação implementados, demonstraram-se bastante efetivos tendo em vista de que as análises percorreram desde a caracterização dos painéis a partir dos dados do fabricante, além de dados obtidos em campo. Desta forma, a validação com- preendeu as análises sob condições padrão, definidos no STC, e sob condições operacionais padrão, que refletem as condições climáticas em tempo real.

Os resultados obtidos através das simulações, a partir dos dados reais, demonstram que de modo geral, o modelo de dois diodos representou de forma mais acurada o comportamento real do módulo, sob um período relativamente curto de análise. O modelo de dois diodos representa de forma mais acurada níveis mais baixos de irradiação, embora apresente uma

pequena defasagem de potência sob condições normais de operação. Como consequência, seu erro absoluto cai em decorrência dos períodos de nebulosidade, que ocasionam erros relativamente consideráveis para o modelo de um diodo. Contudo, é necessário reavaliar as condições de simulação, e identificação de parâmetros, onde o modelo de um diodo é o mais considerado em virtude do seu baixo número de parâmetros. Esta é uma das principais razões pelas quais o modelo de um diodo é o mais utilizado na prática, onde o tempo e processamento computacional na implementação de algoritmos de MPPT é extremamente relevante.

O processo de estimação de parâmetros utilizado demonstrou-se bastante eficaz, uma vez que converge de forma rápida às raízes do sistema. Desta forma, foi possível realizar a estimação dos parâmetros inexistentes na folha de dados do fabricante. Embora o tempo computacional seja relevante, as simplificações realizadas para o modelo de dois diodos, demonstraram-se eficazes, reduzindo o tempo computacional uma vez que o número de parâmetros para o modelo de um diodo foi igual para o modelo de dois diodos.

Para tal, à medida em que períodos mais longos de simulação são considerados, observa- se uma significativa redução da diferença entre os erros dos modelos de um diodo e de dois diodos. Desta forma, conclui-se que ao considerar períodos mais longos, verificando todas as variações climáticas num período anual, dentro do verão (onde há incidência de níveis maiores de irradiação), e no inverno (quando incidem os menores níveis de irradiação), os dois modelos (um diodo e dois diodos) se equiparam, representando erros similares, uma vez que a média de irradiação e temperatura se mantém praticamente constante. Contudo, de forma mais restrita, é possível realizar a permutação dos modelos, considerando a irradiân- cia como parâmetro principal, realizando o “chaveamento” entre os mesmos, sob condições de irradiação específicas, como por exemplo, variações bruscas de nebulosidade. E, desta forma, é possível criar um modelo híbrido obtendo o melhor dos dois modelos, contribuindo para melhores níveis de eficiência do sistema de geração de forma global. Embora esta seja uma proposta para trabalhos futuros, é necessário verificar a influência dos processos com- putacionais envolvidos, principalmente no que se refere ao processamento computacional do sistema.

Ainda como propostas para futuros trabalhos, é possível implementar o modelo proposto a um sistema de simulação completo de geração distribuída On Grid, abrangendo desde a geração fotovoltaica, conversores estáticos, juntamente com algoritmos de MPPT e inver- sores. Além disso, propõe-se coletar os dados de um ano inteiro como meio de obter-se toda faixa espectral de irradiação compreendida em todas as estações do ano. Desta forma objetiva-se a obtenção dos níveis de irradiação, temperatura e umidade propondo a união

dos modelos de modo a obter a melhor relação entre os modelos a um diodo e modelo de dois diodos, além de considerar a real influência da umidade nos critérios de modelagem e o tempo de vida dos painéis fotovoltaicos como parâmetros de entrada do modelo.

[1] MILLIGAN, S. R.; HOLT, W. V.; LLOYD, R. Impacts of climate change and environmental factors on reproduction and development in wildlife. Philosophical Transactions of the Royal Society B: Biological Sciences, v. 364, n. 1534, p. 3313–3319, 2009. ISSN 0962-8436. Disponível em: <http://rstb.royalsocietypublishing.org/cgi/ doi/10.1098/rstb.2009.0175>.

[2] Ministério de Minas e Energia – MME; Empresa de Pesquisa Energética – EPE. Balanço energético Nacional 2018. v. 72, n. 10, p. 61–63, 2018. ISSN 00311057. Disponível em: <http://www.mme.gov.br>.

[3] KRAUTER, S. Solar Electric Power Generation. Berlin, Heidelberg:

Springer Berlin Heidelberg, 2006. 271 p. ISBN 978-3-540-31345-8. Disponível em: <http://link.springer.com/10.1007/978-3-540-31346-5>.

[4] ZHAO, B.; WANG, C.; ZHANG, X. Grid-Integrated and Standalone Photovoltaic Distributed Generation Systems. Chichester, UK: John Wiley & Sons Singapore Pte. Ltd, 2017. ISBN 9781119187349. Disponível em: <http://doi.wiley.com/10.1002/9781119187349>.

[5] OLIVEIRA, J. F. G.; TRINDADE, T. C. G. Sustainability Performance Evaluation of Renewable Energy Sources: The Case of Brazil. [S.l.: s.n.], 2018. XXV, 130 p. ISBN 978-3-319-77606-4.

[6] BANSAL, R. Handbook of Distributed Generation. Cham: Springer International Publishing, 2017. ISBN 978-3-319-51342-3. Disponível em: <http://link.springer.com/10.1007/978-3-319-51343-0>.

[7] GRIGSBY, L. Electric Power Generation, Transmission, and Distribution. CRC Press, 2007. (The Electric Power Engineering Hbk, Second Edition). ISBN 9781420009255. Disponível em: <https://books.google.com.br/books?id= XMl8OU4wIEQC>.

[8] GHAREHPETIAN, G.; AGAH, S. Distributed Generation Systems: Design, Operation and Grid Integration. Elsevier Science, 2017. ISBN 9780128042632. Disponível em: <https://books.google.com.br/books?id=ohSKCgAAQBAJ>. [9] . Geração Distribuída. 2018. <http://geracaodistribuida.blogspot.com/>. Online; Acesso em novembro de 2018.

[10] BISQUERT, J. The Physics of Solar Cells: Perovskites, Organics, and Photovoltaic Fundamentals. CRC Press, 2017. ISBN 9781351395571. Disponível em: <https://books.google.com.br/books?id=pbA-DwAAQBAJ>.

[11] NGUYEN, X. H.; NGUYEN, M. P. Mathematical modeling of photovoltaic cell/module/arrays with tags in Matlab/Simulink. Environmental Systems Research, Springer Berlin Heidelberg, v. 4, n. 1, p. 24, 2015. ISSN 2193-2697. Disponível em: <http://www.environmentalsystemsresearch.com/content/4/1/24>.

[12] KALOGIROU, S. A. Solar Energy Engineering. Processes and Systems. Elsevier, 2014. 1–49 p. ISSN 1084-2020. ISBN 9780123972705. Disponível em: <http://gen.lib.rus.ec/book/index.php?md5=7b49ac9a5b1ea9258c7d17c1c8cb33ef>. [13] LUQUE, A.; HEGEDUS, S. Handbook of Photovoltaic Science and Engineering. 2. ed. Chichester, UK: John Wiley & Sons, Ltd, 2011. 1179 p. ISBN 0-471-49196-9. Disponível em: <http://doi.wiley.com/10.1002/9780470974704>.

[14] . Band gap comparison. 2018. <http://potenntial.eecs.utk.edu>. Online; Acesso em novembro de 2018.

[15] PINHO, J. T.; GALDINHO, M. A. Manual De Engenharia para Sistemas Fotovoltaicos. Rio de Janeiro: CEPEL-DTE_CRESESB, 2014. 530 p.

[16] . The width of the space charge region in a pn-junction. 2018. <http: //potenntial.eecs.utk.edu>. Online; Acesso em novembro de 2018.

[17] CHOUDHURY, S. L.; PAUL, R. K. A new approach to the generalization of Planck’s law of black-body radiation. Annals of Physics, Elsevier Inc., v. 395, p. 317–325, 2018. ISSN 1096035X. Disponível em: <https://doi.org/10.1016/j.aop.2018. 06.004>.

[18] . Effect of sun angle on climate. 2018. <https://calaski.wordpress.com/>.