ESTUDO DE REVISÃO SOBRE AS TÉCNICAS APLICADAS NA MODELAGEM DE SUJIDADES DEPOSITADAS SOBRE A SUPERFÍCIE DE MÓDULOS FOTOVOLTAICOS

Autores

  • Letícia Recco Tramontin Universidade Federal de Santa Catarina
  • Giuliano Arns Rampinelli Universidade Federal de Santa Catarina

DOI:

https://doi.org/10.59627/cbens.2022.1096

Palavras-chave:

Energia Solar, Módulo Fotovoltaico, Sujidade

Resumo

deposição de sujeira na superfície de módulos fotovoltaicos é uma causa relevante para perdas na geração de energia, em Belo Horizonte/MG estima-se uma redução da ordem de 11% em seis meses de medição. Este artigo apresenta uma revisão dos modelos utilizados na literatura para estimar as perdas causadas pela sujidade depositada na superfície dos módulos. O protocolo de pesquisa definiu as palavras-chave para busca de artigos publicados a partir de 2011 em seis bases de dados, cujos resultados passaram por três fases de triagem: exclusão de artigos de título não pertinentes à pesquisa, exclusão de artigos de resumo não pertinentes à pesquisa, leitura integral dos artigos e seleção dos mais relevantes para a pesquisa. Os estudos selecionados foram agrupados de acordo com o tipo de modelo. Os modelos estatísticos utilizam regressão linear e métodos similares, são práticos e simples. Os modelos baseados em redes neurais podem retornar resultados muito precisos (acima de 90%), mas são complexos e precisam de muitos dados para treiná-los. Existem ainda modelos baseados em equações lineares, exponenciais, fator de desgaste, simulação numérica, ópticos e dependentes de proporção, que foram menos explorados pelos artigos encontrados. Em geral, os modelos utilizam dados empíricos para obtenção dos resultados, o que os restringe ao local pesquisado e impedem a sua generalização para outras regiões. As análises de sensibilidade apontam que as características físicas da sujeira (composição, tamanho e outras) podem ser mais relevantes do que os parâmetros ambientais, ao passo que dentre essas variáveis a precipitação e o vento são os parâmetros ambientais mais significativos. Isso evidencia o quão desafiador é desenvolver um modelo matemático que contemple todas as variáveis de impacto. Há uma grande variedade de estudos e abordagens, ao mesmo tempo que é compará-los sem uma metodologia padronizada para as análises.

Downloads

Não há dados estatísticos.

Biografia do Autor

Letícia Recco Tramontin, Universidade Federal de Santa Catarina

Universidade Federal de Santa Catarina, Programa de Pós-Graduação em Energia e Sustentabilidade

Referências

Braga, D. S., Costa, S. C. S., Diniz, A. S. A. C., Camatta, V., Kazmerski, L. L., 2020. Estudo da Relação Entre Parâmetros Ambientais e Taxa de Sujidade em Módulos Fotovoltaicos, VIII CBENS – VIII Congresso Brasileiro de Energia Solar, Fortaleza.

Cheema, A., Shaaban, M. F., Ismail, M. H., 2021. A Novel Stochastic Dynamic Modeling For Photovoltaic Systems Considering Dust And Cleaning, Applied Energy, vol. 300.

Chiteka, K., Arora, R., Sridhara, S. N., 2020, A Method To Predict Solar Photovoltaic Soiling Using Artificial Neural Networks And Multiple Linear Regression Models, Energy Systems, vol. 11, pp. 981-1002.

Chiteka, K., Arora, R., Sridhara, S. N., Enweremadu, C. C., 2021, Influence Of Irradiance Incidence Angle And Installation Configuration On The Deposition Of Dust And Dust-Shading Of A Photovoltaic Array. Energy Systems, vol. 216.

Coello, M., Boyle, L., 2019, Simple Model For Predicting Time Series Soiling Of Photovoltaic Panels. IEEE Journal Of Photovoltaics, vol. 9, n. 5, pp. 1382-1387.

Costa, S. C. S., Diniz, A. S. A. C., Santana, V. A. C., Muller, M., Micheli, L. Kazmerski, L. L., 2018. Avaliação da Sujidade em Módulos Fotovoltaicos em Minas Gerais, Brasil, VII CBENS - VII Congresso Brasileiro de Energia Solar, Gramado.

Deceglie, M. G., Micheli, L., Muller, M., 2018, Quantifying Soiling Loss Directly From PV Yield, IEEE Journal Of Photovoltaics, vol. 8, n. 2, pp. 547-551.

Duarte, T. P., Costa, S. C. S., Diniz, A. S. A. C., Kazmerski, L. L., 2020, Estimativa da Taxa de Sujidade em Módulos Fotovoltaicos Utilizando Dados de Densidade Gravimétrica, VIII CBENS – VIII Congresso Brasileiro de Energia Solar, Fortaleza.

Hickel, B. M., 2017, O Impacto no Desempenho de Sistemas Fotovoltaicos Causado Pelo Acúmulo de Sujeira Sobre os Módulos FV – Metodologia e Avaliação Através de Curvas IxV em Campo, Dissertação, PPGEC, UFSC, Florianópolis.

Ilse, K. K., Figgis, B. W., Naumann, V., Hagendorf, C., Bagdahn, J., 2018, Fundamentals Of Soiling Processes On Photovoltaic Modules, Renewable and Sustainable Energy Reviews, vol. 98, pp. 239-254.

Jamil, W. J., Rahman, H. A., Shaari, S., Desa, M. K. M., 2020, Modeling Of Soiling Derating Factor In Determining Photovoltaic Outputs, IEEE Journal Of Photovoltaics, vol. 10, n. 5, pp. 1417-1423.

Javed, W., Guo, B., Figgis, B., Aissa, B., 2021, Dust Potency In The Context Of Solar Photovoltaic (Pv) Soiling Loss, Solar Energy, vol. 2020, pp. 1040-1052.

Laarabi, B., Tzuc, O. M., Dahlioui, D., Bassam, A., Flota-Bañuelos, M., Barhdadi, A., 2017, a, Artificial Neural Network Modeling And Sensitivity Analysis For Soiling Effects On Photovoltaic Panels In Morocco, Superlattices and Microstructures, pp. 1-12.

Laarabi, B., Tzuc, O. M., Dahlioui, D., Bassam, A., Flota-Bañuelos, M., Daoudi, F., Safsafi, F., Barhdadi, A, 2017, b, New Correlation Of Pv Modules Soiling And Outdoor Conditions Using Artificial Neural Networks, 5th IRSEC - 5th International Renewable and Sustainable Energy Conference.

Lemos, L. O., 2016, Estudo Do Efeito Do Acúmulo De Sujidade Na Eficiência De Módulos Fotovoltaicos, Dissertação, Programa de Pós-Graduação em Engenharia de Materiais, CEFET/MG, Belo Horizonte.

Micheli, L., Deceglie, M. G., Muller, M., 2019, Mapping Photovoltaic Soiling Using Spatial Interpolation Techniques, IEEE Journal Of Photovoltaics, vol. 9, n. 1, pp. 272-277.

Micheli, L., Theristis, M., Livera, A., Stein, J. S., Georghiou, G. E., Muller, M., Almonacid, F., Fernández, E. F., 2021, Improved PV Soiling Extraction Through The Detection Of Cleanings And Change Points. IEEE Journal Of Photovoltaics, vol. 11, n. 2, pp. 519-526.

Pavan, A. M., Mellit, A. Pieri, D. D., 2011. The Effect Of Soiling On Energy Production For Large-Scale Photovoltaic Plants, Solar Energy, vol. 85, pp. 1128-1136.

Pavan, A. M., Mellit, A. Pieri, D. D., Kalogirou, S. A., 2013, A Comparison Between BNN And Regression Polynomial Methods For The Evaluation Of The Effect Of Soiling In Large Scale Photovoltaic Plants, Applied Energy, vol. 108, pp. 392-401.

Pelland, S., Pawar, P., Veeramani, A., Gustafson, W., Leahy, L., Etringer, A., 2018, Testing Global Models Of Photovoltaic Soiling Ratios Against Field Test Data Worldwide, 7th WCPEC - IEEE 7th World Conference on Photovoltaic Energy Conversion, pp. 3442-3446.

Pulipaka, S., Mani, F., Kumar, R., 2016, Modeling Of Soiled PV Module With Neural Networks And Regression Using Particle Size Composition, Solar Energy, vol. 123, pp. 116-126.

Pulipaka, S., Kumar, R., 2016, Power Prediction Of Soiled PV Module With Neural Networks Using Hybrid Data Clustering And Division Techniques, Solar Energy, vol. 133, pp. 485-500.

Shapsough, S., Dhaouadi, R., Zualkernan, I., 2019, Using Linear Regression And Back Propagation Neural Networks To Predict Performance Of Soiled PV Modules, Procedia Computer Science, vol. 155, pp. 463-470.

Skomedal, A., Deceglie, M. G., 2020, Combined Estimation Of Degradation And Soiling Losses In Photovoltaic Systems, IEEE Journal Of Photovoltaics, vol. 10, n. 6, pp. 1788-1796.

Souza, G. G., 2020, Infraestrutura Computacional Para Detecção e Análise de Particulados em Plantas Solares Fotovoltaicas, Dissertação, Mestrado Acadêmico em Ciência da Computação, UFMS, Campo Grande.

Varga, H. F., Wiesner, M. R., 2021, Effect Of Dust Composition On The Reversibility Of Photovoltaic Panel Soiling, Environ. Sci. Technol, vol. 55, pp. 1984-1991.

Yang, M., Ji, J., Guo, B., 2020, An Image-Based Method For Soiling Quantification, ICIoT - IEEE International Conference on Informatics, IoT, and Enabling Technologies, pp. 89-94.

Younis, A., Alhorr, Y., 2021, Modeling Of Dust Soiling Effects On Solar Photovoltaic Performance: A Review, Solar Energy, vol. 2020, pp. 1074-1088.

Zhang, W., Liu, S., Gandhi, O., Rodríguez-Gallegos, C. D., Quan, H., Srinivasan, D., 2021, Deep-Learning-Based Probabilistic Estimation Of Solar Pv Soiling Loss, IEEE Transactions On Sustainable Energy, vol. 12, n. 4, pp. 2346-2444.

Downloads

Publicado

2022-08-16

Edição

Seção

Anais