The transition to a low-carbon economy is one of the main challenges of our time. In this context, solar energy, along with many other technologies, has been developed to optimize performance. For example, solar trackers follow the sun’s path to increase the generation capacity of photovoltaic plants. However, several factors need consideration to further optimize this process. Important variables include the distance between panels, surface reflectivity, bifacial panels, and climate variations throughout the day. Thus, this paper proposes an artificial intelligence-based algorithm for solar trackers that takes all these factors into account—mainly weather variations and the distance between solar panels. The methodology can be replicated anywhere in the world, and its effectiveness has been validated in a real solar plant with bifacial panels located in northeastern Brazil. The algorithm achieved gains of up to 7.83% on a cloudy day and obtained an average energy gain of approximately 1.2% when compared to a commercial solar tracker algorithm.

A utilização de fontes energéticas renováveis está no foco das discussões contemporâneas, dado o caráter finito e os impactos que as fontes tradicionais não renováveis causam ao meio ambiente. Dentre as principais fontes energéticas renováveis, a energia solar é uma das que mais se destaca, principalmente no Brasil, que possui um enorme potencial. Dado o elevado custo da implantação de um sistema fotovoltaico, é imprescindível que o dimensionamento do sistema seja realizado corretamente, pois descuidos nessa etapa influenciam na viabilidade financeira do investimento. Dessa forma, este artigo propõe um método para estimar a quantidade de energia que poderá ser gerada por um sistema fotovoltaico utilizando técnicas de modelagens de células fotovoltaicas na forma de circuitos elétricos. Para alcançar este objetivo, é necessário determinar os parâmetros de uma equação não-linear e transcendental oriunda do modelo utilizado. Devido a não linearidade dessa equação, é necessária a utilização de métodos numéricos para sua solução, permitindo que existam diferentes abordagens para equacionar esta problemática. Sendo assim, foram analisadas três metodologias de parametrização encontradas na literatura, todas elas considerando o modelo de cinco parâmetros, ajustadas em três diferentes pontos da curva característica, ponto de máxima potência, ponto de curto-circuito e ponto de circuito aberto, utilizando os valores experimentais disponíveis na folha de dados do fabricante. De forma comparativa, foi realizado um estudo de análise de erro, tomando como base a curva experimental apresentada no datasheet. Através dessa análise, foi definida dentre as três metodologias estudadas, aquela que apresentava a melhor aproximação. Observou-se a possibilidade de incrementar a metodologia escolhida, melhorando assim a sua precisão. Como resultado final, é apresentada a estimativa da energia gerada pelo sistema fotovoltaico utilizando dados de medição meteorológicas coletados experimentalmente na cidade de João Pessoa/PB.

O elevado consumo de energia elétrica no Brasil, por conta do crescimento populacional, e a maior geração da energia se ocorre através das hidrelétricas, na qual as mesmas estão em déficit por conta da escassez de água. O presente trabalho busca realizar uma análise sobre a geração de energia fotovoltaica, sendo dividido em duas partes, calculando primeiramente os parâmetros internos do módulo, resistência em série e paralelo, pois são características que não estão disponíveis na folha de dados, segundo Villalva, Gazolli e Ruppert Filho (2009). A segunda parte do trabalho utilizou os dados de irradiância obtidos na estação do LES, Laboratório de Energia Solar, calculando a energia gerada pelo módulo, variando o azimute da superfície, ou seja, a orientação do módulo para o Norte, Leste, Oeste e Sul. As análises foram todas teórica, realizadas no software Matlab, não existindo a parte experimental.

The study analyzes the performance of two grid-connected photovoltaic systems (SFCR) located in the city of Garanhuns, Pernambuco. The SFCR 1, installed in 2022 and composed of a Growatt inverter and Longi Solar modules, underwent an expansion after 1 (one) year, while the SFCR 2, installed in 2023 and with DC power equivalent to that of the aforementioned expansion, used 2 (two) Deye micro inverters connected to 11 (eleven) PV modules individually. The article seeks to verify the technical feasibility of expanding SFCR 1 compared to the performance of SFCR 2 based on the monthly history of electricity generation, the Inverter Dimensioning Factor (IDF) and the merit indices: Capacity Factor (CF), Performance Rate (PR) and Productivity Index (Yf). According to the monitoring system for each SFCR inverter, the system for the expansion of SFCR 1 (EXP SFCR 1) was responsible for an increase in electricity generation of around 578.6 kWh per month on average. The SFCR 2, on the other hand, generated an average of 707.5 kWh/month. The Inverter Sizing Factor showed a considerable change with EXP SFCR 1, going from 0.94 to 0.69 and the Productivity Rate went from 127.3 h/month to 111.2 h/month, while the SFCR 2 obtained 121.3 h/month. The results indicate that, after the expansion, SFCR 1 showed changes in the merit indexes, with a reduction in the FDI and the generation performance and productivity rate. On the other hand, the SFCR 2, with micro-inverters, showed satisfactory results, surpassing the average generation of the SFCR 1.1. The analysis highlights the influence of solar irradiation on the monthly variation in energy generated by the two systems.