Dissertação de Mestrado

Este trabalho elabora um modelo no software Simulink de uma usina fotovoltaica conectada à rede e dos sistemas de controle presentes nos inversores, como os controles de corrente, tensão, potência e o Maximum Power Point Tracking (MPPT). Após a verificação do funcionamento dos sistemas de controle, investigam-se e analisam-se as alterações nos parâmetros elétricos decorrentes do comportamento normal de operação e de anomalias, tais como sujeira nos módulos, rompimento de cabos, curto-circuito poloterra e descasamento de módulos. Constatou-se limitação do modelo no regime transitório, sendo essa análise descartada; entretanto, verificou-se sua eficiência em regime permanente. A anomalia de curto-circuito polo negativoterra ocorre no regime transitório e, por isso, o modelo estudado mostrou-se ineficiente para sua análise. Selecionaram-se os parâmetros elétricos mais relevantes por meio da técnica de Mineração de Dados e, com eles, pôde-se efetuar a classificação das anomalias ao treinar o algoritmo J48, do tipo árvore de decisão. Essa metodologia mostrou-se eficiente ao classificar corretamente o modelo na condição normal de operação e sob as condições de sujeira no módulo, rompimento de cabo e descasamento de módulo. Adicionalmente, verificou-se que, mesmo utilizando uma árvore de decisão normalizada, houve classificação incorreta de determinadas anomalias; contudo, constatou-se que é possível criar árvores de decisão individuais para cada nível de potência de usinas fotovoltaicas.

This work develops a model in the Simulink software of a grid-connected photovoltaic power plant and its inverter control systems, including current, voltage, power control loops, and the Maximum Power Point Tracking (MPPT) algorithm. After validating the operation of the control systems, the study investigates and analyzes variations in electrical parameters under normal operating conditions and in the presence of anomalies such as module soiling, cable disconnection, pole-to-ground short circuit, and module mismatch.A limitation of the model was identified under transient conditions; therefore, transient analysis was disregarded. However, the model demonstrated satisfactory performance under steady-state conditions. The negative pole-to-ground short-circuit anomaly occurs within the transient regime, rendering the studied model inefficient for its analysis. The most relevant electrical parameters were selected using Data Mining techniques, and these parameters were employed to classify the anomalies by training a J48 decision tree algorithm. The proposed methodology proved effective in correctly classifying normal operating conditions, as well as module soiling, cable disconnection, and module mismatch. Furthermore, it was observed that even when using a normalized decision tree, misclassifications still occurred. Nevertheless, it was verified that individual decision trees can be developed for each photovoltaic power plant capacity level.