Banca de QUALIFICAÇÃO: VALDEMAR MOREIRA CAVALCANTE JUNIOR

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: VALDEMAR MOREIRA CAVALCANTE JUNIOR
DATA : 02/09/2025
LOCAL: Sessão por Videoconferência (fechada ao público)
TÍTULO:

ALGORITMO CLASSIFICADOR DE DEGRADACAO DE POTENCIA EM MODULO FOTOVOLTAICO UTILIZANDO MODELO GLOBAL NAO LINEAR.

PALAVRAS-CHAVES:

Classificação. Curva I–V. Degradação de potência. Diagnóstico. Modelo global não-linear. Módulo fotovoltaico.

PÁGINAS: 160
RESUMO:

O cenário da energia solar está em constante expansão e consolida-se como uma das principais fontes renováveis da atualidade. Nesse contexto, a busca por novas tecnologias que aumentem a eficiência, reduza os custos e aprimorem o desempenho dos sistemas fotovoltaicos (FV) tem impulsionado avanços significativos, especialmente no que se refere à modelagem elétrica e ao diagnóstico de degradação de potência. Modelos precisos são fundamentais para simular o comportamento dos módulos FV em diferentes condições operacionais, permitindo seu uso em aplicações como monitoramento, manutenção preditiva e estratégias de operação em tempo real. No entanto, os modelos clássicos apresentam limitações, sobretudo na representação de variações associadas a diferentes níveis de irradiância e temperatura. Nesse sentido, os Modelos Globais Não Lineares (MGNL) surgem como alternativa por sua elevada capacidade de generalização, ao representar uma ampla faixa de operação com base em um único conjunto de parâmetros. Este trabalho propõe e avalia estratégias de identificação e classificação de modos de degradação de potência em módulos FV utilizando MGNL adaptados a diferentes tipos de falhas, como curto-circuito e circuito aberto. As estratégias foram desenvolvidas através dois MGNL, o MGNL de Cavalcante e o MGNL de Silva, e aplicadas duas estratégias distintas de classificação. A construção dos MGNL foi fundamentada em dados experimentais obtidos por meio de ensaios em campo sob diferentes condições operacionais. Como principal métrica de avaliação da aderência entre os modelos e as curvas reais, adotou-se o Erro Médio Absoluto em Potência Normalizado (EMAPN). Os resultados mostraram que a estratégia baseada em banco de MGNL, especialmente com o modelo de Silva, obteve desempenho superior em termos de robustez e acurácia, mesmo frente a cenários com não convergência parcial dos modelos. Destaca-se, por exemplo, uma acurácia superior a 99% para identificação e classificação de degradações de potência, com menor dependência de grandes volumes de dados rotulados e menor custo computacional em comparação com classificadores baseados em inteligência artificial. Dessa forma, as estratégias propostas se apresentam como soluções promissoras para sistemas automatizados de diagnóstico de degradação de potência em módulos FV.

MEMBROS DA BANCA:
Externa à Instituição - ALINE KIRSTEN VIDAL DE OLIVEIRA - UFSC
Presidente - 2889145 - GUSTAVO MEDEIROS DE SOUZA AZEVEDO
Externo à Instituição - LEANDRO MICHELS - UFSM