INF-PVSE 1

UNIVERSIDAD FRANCISCO DE PAULA SANTANDER Versión: 1.0

PROGRAMA DE INGENIERÍA ELECTRÓNICA
ENERGÍA SOLAR FOTOVOLTAICA Página: 1 de 7

Informe de la práctica de laboratorio N°2:

“Caracterización de un Panel Solar”
Jhon Fredy Ojeda – 1160444
Hernando Alexis Vera – 1160251 II. HERRAMIENTAS UTILIZADAS
INTRODUCCIÓN Las herramientas utilizadas son: Computador , software

E N esta práctica se caracterizó una celda solar midiendo
varios valores de corriente y voltaje bajo la luz y bajo
la sombra para obtener la curva I-V correspondiente.
Estos resultados fueron comparados con el modelo
matemático visto, ajustando dicho modelo con una regresión
no lineal.
Objetivos
*Medir los valores de corrientes y voltajes de la celda bajo la
sombra y bajo luz solar.
MATLAB, multímetro, celda solar, fuente de alimentación.
III DESARROLLO DE LA PRÁCTICA
Inicialmente se tomaron las mediciones de voltajes y
corrientes de la celda bajo oscuridad o sombra , se cubrió la
celda con un objeto oscuro, se conectó a la fuente de
alimentación y se varió el voltaje de la misma, tomando los
valores de voltaje y corriente en cada variación de la tensión
de la fuente, obteniendo así 68 muestras.

*Diseñar un programa en MATLAB, que utilice una regresión

no lineal para evaluar los datos obtenidos en la medición.

*Caracterizar la celda solar con base en el análisis hecho

corroborando los valores nominales dados por el fabricante y
obteniendo los valores de corriente de corto circuito y voltaje
de circuito abierto.

I. PLANTEAMIENTO DEL PROBLEMA

Un modelo se puede definir como una ecuación o conjunto
de ecuaciones que describen el comportamiento de algún Fig 1. Circuito celda bajo oscuridad
sistema, por ejemplo, el trabajo de un reactor químico o el
crecimiento de un animztl. La teoría estadística dedicada a los
modelos lineales en los parámetros es muy amplia, debido en
gran parte a sus múltiples aplicaciones y a la fácil
interpretación de los resultados obtenidos de este tipo de
análisis. Sin embargo, hay fenómenos observables que no
pueden ser explicados por modelos lineales, por ejemplo, el
desarrollo de una teoría en la química o la física, en tales
situaciones un modelo no lineal en los parámetros se puede
ajustar mejor. Para la caracterización de la celda solar en
nuestro caso la ecuación que rige el comportamiento de la
corriente que esta en función del voltaje (V)corriente
fotogenerada (IL) temperatura (T) corriente de saturación
(Io) carga del electrón (q) constante de boltzman (k) factor de
idealidad , dicha ecuación es o lineal por lo que se debe
evaluar su modelo con una regresión no lineal.
 INF-PVSE 2
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER Versión: 1.0
PROGRAMA DE INGENIERÍA ELECTRÓNICA
ENERGÍA SOLAR FOTOVOLTAICA Página: 2 de 7

Fig 4 muestras bajo luz solar.

Fig 2. muestras oscuridad.
Como segundo paso se tomaron las mediciones de voltajes y
corrientes con la celda expuesta al sol variando su voltaje de
carga con un potenciómetro y tomando 39 muestras.
Se trabajó con matlab para obtener la regresión no lineal con
los datos medidos, inicialmente se utilizó la herramienta
“curve fitting tool” y con base en la ecuación del diodo
adaptada para el panel solar que se muestra a continuación.
qv
il=IL−I 0 (e nkT −1)

−Eg
kT
I 0=ioo e
Donde :

28
k =1.38 x 10
Fig circuito celda expuesta luz solar.
q=1.6 x 10−19
−19
Eg=1.794 x 10
 INF-PVSE 3
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER Versión: 1.0
PROGRAMA DE INGENIERÍA ELECTRÓNICA
ENERGÍA SOLAR FOTOVOLTAICA Página: 3 de 7

sombra
Siendo:

I= Corriente de panel solar.

IL=Corriente fotogenerada
ioo= Corriente de saturación
V=Voltaje de panel solar
q=Carga del electrón
n=Factor de idealidad
k=Constante de Boltzman
T=Temperatura.

Todos estos parámetros corresponden a las características de la

celda.

Se obtiene con estos datos la grafica de poencia vs voltaje(P vs Fig 6. Grafica de corriente vs voltaje (I,V) bajo oscuridad.
V).
Para datos tomados en celda bajo luz solar.

General model:
f(x) = a-b*exp(c*x)
Coefficients (with 95% confidence bounds):
a = 0.1503 (0.1448, 0.1559)
b = 2.064e-07 (-3.539e-07, 7.666e-07)
c= 1.146 (0.9075, 1.385)

Goodness of fit:
SSE: 0.003892
R-square: 0.9258
Adjusted R-square: 0.9216
RMSE: 0.0104

Fig 5 Grafica (P vs V) datos expvrimentales.

Los resultados obtenidos con La herramienta curve fitting tool

de MATLAB fueron los siguientes.

Para datos tomados en celda bajo oscuridad.

General model:
f(x) = a-b*exp(c*x)
Coefficients (with 95% confidence bounds):
a = -0.000647 (-0.001287, -6.722e-06)
b = -1.706e-07 (-2.105e-07, -1.308e-07)
c= 1.192 (1.172, 1.212)

Goodness of fit:
SSE: 0.0002979 Fig nº7. Grafica de corriente vs voltaje (I,V) bajo luz solar.
R-square: 0.9989
Adjusted R-square: 0.9989
RMSE: 0.002141 Se diseño en matlab un script para modelar la curva de
corriente vs voltaje de la celda por regrecion no lineal
obteniendo los siguientes resultados.

UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
PROGRAMA DE INGENIERÍA ELECTRÓNICA
ENERGÍA SOLAR FOTOVOLTAICA
script MATLAB:
Fig 8. grafica I vs V dattos bajo oscuridad obtenida con el
scrip diseñado.
fig 9. Grafica I vs V datos bajo luz solar obtenida con el scrip
diseñado.
Se hizo una comparación de las gráficas obtenidas con los
datos experimentales y el modelo matemático con las dos
regresiones obteniendo que con la herramienta “curve fitting
tool” de MATLAB se obtienen datos mas cercanos a los
experimentales que al utilizar el script diseñado.
INF-PVSE 4
Versión: 1.0
Página: 4 de 7
Fig 9. Grafica comparativa de los resultados obtenidos con las
dos regresiones y los datos experimentales.
IV.Conclusiones
Las regresión lineal es un análisis matemático muy útil para
el análisis de fenómenos físicos que se rigen bajo
modelamientos que no son lineales como por ejemplo una
función polimonial o exponencial, como es el caso de la
ecuación del diodo que trabajamos en esta práctica.
La herramienta de MATLAB curve fitting tool minimiza la
creación de algoritmos de iteración utilizando unas pocas
líneas de código para generar la regresión no lineal.
El comportamiento de los resultados obtenidos de las
mediciones bajo oscuridad y bajo luz solar son diferentes
siendo mas clara grafica de (i,v) de las muestras tomadas en la
oscuridad que las que se tomaron bajo luz solar. Esto se da pro
que en la oscuridad el valor de voltaje entregado a la celda por
la fuente era constante, mientras que el voltaje generado por la
celda en las mediciones bajo luz solar es variable de acuerdo a
la intensidad de radiación.
Con los datos obtenidos se corroboraron los valores nominales
como la potencia máxima, voltaje de circuito abierto y
corriente de cortocircuito dados por el fabricante cuando se
adquirió la celda.
 INF-PVSE 5
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER Versión: 1.0
PROGRAMA DE INGENIERÍA ELECTRÓNICA
ENERGÍA SOLAR FOTOVOLTAICA Página: 5 de 7

[5] http://www.bdigital.unal.edu.co/15397/1/10003-
18133-1-PB.pdf

REFERENCIAS [6]http://biplot.usal.es/problemas/regresion/teoria/re
gnolin.htm
1. http://www.mathworks.com/products/matlab/

[2]http://www.mathworks.com/help/matlab/ [7]http://web.udl.es/Biomath/Bioestadistica/Dossier
s/Temas%20especiales/Regresion/Intro
[3]https://es.wikipedia.org/wiki/Regresi %20Regresion%20Nolineal.pdf
%C3%B3n_no_lineal

[4]file:///C:/Users/axl/Downloads/Regresi [8]https://www.youtube.com/watch?
%C3%B3n%20no%20lineal.pdf v=DAp7KXWP2gk
 ANEXO A. INFORMACIÓN ADICIONAL

A continuación se anexa el algoritmo.

data=xlsread('dia.xlsx');
fmedida=data(:,2);
v=data(:,1);
a=1;
b=1e-10;
c=1;

fcalcu=a-b*exp(c*v);
plot(v,fcalcu)

aumento=a/10;
aumento2=b/10;
aumento3=c/10;
error1=0;
error=0;

for i=1:500
error0=SSE(fmedida,fcalcu);
a=a+aumento;
fcalcu=a-b*exp(c*v);
error1=SSE(fmedida,fcalcu);

if (error0>error1)
a=a+aumento;
fcalcu=a-b*exp(c*v);
else
if(error==error1)
aumento=aumento/10;
else
a=a-2*aumento;
fcalcu=a-b*exp(c*v);
end
end

end

for i=1:500
error0=SSE(fmedida,fcalcu);
b=b+aumento2;
fcalcu=a-b*exp(c*v);
error1=SSE(fmedida,fcalcu);

if (error0>error1)
b=b+aumento2;
 fcalcu=a-b*exp(c*v);
else
if(error==error1)
aumento2=aumento2/10;
else
b=b-2*aumento2;
fcalcu=a-b*exp(c*v);
end
end

end

for i=1:500
error0=SSE(fmedida,fcalcu);
c=c+c/10;
fcalcu=a-b*exp(c*v);
error1=SSE(fmedida,fcalcu);

if (error0>error1)
c=c+c/10;
fcalcu=a-b*exp(c*v);
else
if(error==error1)
aumento3=c/100;
else
c=c-2*c/10;
fcalcu=a-b*exp(c*v);
end
end

end

plot(v,fcalcu)