Aprendizaje de reglas borrosas mediante asignación de credibilidadAplicación a sistemas fotvoltáicos autónomos

  1. García Galán, Sebastián
Dirigida por:
  1. Juan Ramón Velasco Pérez Director/a
  2. Luis Magdalena Layos Director/a

Universidad de defensa: Universidad Politécnica de Madrid

Fecha de defensa: 28 de septiembre de 2004

Tribunal:
  1. Gregorio Fernández Fernández Presidente/a
  2. Miguel Ángel Egido Aguilera Secretario/a
  3. Óscar Cordón García Vocal
  4. Pedro Jesús Pérez Higueras Vocal
  5. Luciano Sánchez Ramos Vocal

Tipo: Tesis

Resumen

En esta Tesis se presenta una metodología para aprendizaje de reglas borrosas basada en otra metodología para la asignación de credibilidad, y su posterior utilización en la regulación de carga en sistemas fotovoltaicos autónomos. Por lo tanto, se definen dos metodologías, una para asignación de credibilidad y otra para aprendizaje de reglas borrosas, ambas enmarcadas dentro de una familia de técnicas de computación denominada Soft Computing, concretamente dentro de una de sus hibridaciones: los sistemas borroso-genéticos. Una vez evaluada la base de conocimiento, la asignación de credibilidad, para cada una de sus reglas, se realiza mediante la supresión temporal de la regla a la que se quiere asignar credibilidad y la realización de una nueva evaluación de la base de conocimiento resultante. La credibilidad asignada a la regla será función de ambas evaluaciones. El aprendizaje de reglas borrosas se realiza mediante la inclusión de reglas en la base de conocimiento, previa verificación de la bondad de las mismas. Ésta se obtiene mediante la metodología anterior de asignación de credibilidad. Una vez verificada la utilidad de ambas metodologías en diferentes simulaciones con un problema clásico de control, el péndulo invertido, se han aplicado a un problema concreto: la regulación de carga en sistemas fotovoltaicos autónomos. La regulación de carga en estos sistemas tiene como objetivo proteger al sistema de acumulación de determinadas situaciones de operación tales como la sobrecarga y la sobredescarga. Aparentemente, la funcionalidad de los reguladores de carga no presenta grandes dificultades, sin embargo, en la práctica, estos sistemas presentan comportamientos manifiestamente mejorables. Hasta el momento no se han aplicado en este ámbito, de manera habitual, técnicas de aprendizaje automático. Los trabajos que se presentan en esta tesis van orientados hacia la optimización del comportamiento de los reguladores de carga, y por lo tanto, de las prestaciones ofrecidas por los sistemas fotovoltaicos autónomos, mediante la utilización de tecnologías propias de la inteligencia artificial.