Desenvolvimento de sistema IoT de baixo custo para monitoramento integrado de variáveis climáticas e de geração fotovoltaica
Aluno: Gustavo Costa Gomes de Melo Orientador: Prof. Dr. Erick Andrade Barboza
Disserta__o_Mestrado___PPGI_temp_3.pdf
Documento PDF (13.8MB)
Documento PDF (13.8MB)
U NIVERSIDADE F EDERAL DE A LAGOAS
I NSTITUTO DE C OMPUTAÇÃO
C OORDENAÇÃO DE P ÓS -G RADUAÇÃO EM I NFORMÁTICA
D ISSERTAÇÃO DE M ESTRADO
D ESENVOLVIMENTO DE SISTEMA I OT DE BAIXO CUSTO
PARA MONITORAMENTO INTEGRADO DE VARIÁVEIS
CLIMÁTICAS E DE GERAÇÃO FOTOVOLTAICA
M ESTRANDO
G USTAVO C OSTA G OMES DE M ELO
O RIENTADORES
P ROF. D R . E RICK A NDRADE BARBOZA
P ROF. D R . DAVI B IBIANO B RITO
M ACEIÓ , AL
A BRIL DE 2021
Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecário: Marcelino de Carvalho Freitas Neto – CRB-4 - 1767
M528d
Melo, Gustavo Costa Gomes de.
Desenvolvimento de sistema IoT de baixo custo para
monitoramento integrado de variáveis climáticas e de geração
fotovoltaica / Gustavo Costa Gomes de Melo. – 2021.
73 f. : il.
Orientador: Erick Andrade Barboza.
Orientador: Davi Bibiano Brito.
Dissertação (mestrado em Informática) - Universidade Federal de
Alagoas. Instituto de Computação. Maceió, 2021.
Bibliografia: f. 58-63.
1. Variáveis climáticas - Monitoramento. 2. Aquisição de dados. 3.
Energia - Fontes alternativas. I. Título.
CDU: 004:681.34
UNIVERSIDADE FEDERAL DE ALAGOAS/UFAL
Programa de Pós-Graduação em Informática PPGI
Instituto de Computação/UFAL
Campus A. C. Simões BR 104-Norte Km 14 BL 12 Tabuleiro do Martins
Maceió/AL - Brasil CEP: 57.072-970 | Telefone: (082) 3214-1401
Folha de Aprovação
________________________________________
Prof. Dr. ERICK DE ANDRADE BARBOZA
UFAL Instituto de Computação
Orientador
__________________________________________
Prof. Dr. BRUNO COSTA E SILVA NOGUEIRA
UFAL Instituto de Computação
Examinador Interno
________________________________________
Prof. Dr. MAURÍCIO BELTRÃO DE ROSSITER CORREA
UFCG- Universidade Federal de Campina Grande
Examinador Externo
Resumo
A participação das energias renováveis na geração de eletricidade vem crescendo em
todo o mundo. O monitoramento e a aquisição de dados são essenciais para reconhecer os
recursos renováveis disponíveis no local, avaliar a eficiência da conversão elétrica, detectar falhas e otimizar a produção elétrica. Os sistemas comerciais para o monitoramento de
sistemas fotovoltaicos são geralmente caros e fechados para modificações. Este trabalho
propõe um sistema IoT em tempo real e de baixo custo, para sistemas de micro e mini geração fotovoltaica, que pode monitorar tensão contínua, corrente contínua, potência (corrente
alternada) e sete variáveis meteorológicas. O sistema proposto mede todas as variáveis meteorológicas relevantes, mede variáveis de geração fotovoltaica diretamente da planta (não
do inversor), é implementado usando software aberto, conecta-se com a internet sem fios, armazena dados localmente e na nuvem, e usa Network Time Protocol (NTP) para sincronizar
os relógios dos dispositivos. Segundo nossa revisão sistemática da literatura, nenhum outro
trabalho apresenta todas essas características. Além disso, os experimentos realizados com o
sistema proposto mostraram boa eficácia e confiabilidade. Este sistema permite o uso de fog
e computação em nuvem em um sistema fotovoltaico, e a criação de um conjunto de dados
de medições de séries temporais, que permite o uso de aprendizado de máquina para criar
sistemas fotovoltaicos inteligentes.
Palavras-chaves: monitoramento, sistema de aquisição de dados, energia renovável.
i
Abstract
The share of renewable energies in electricity generation has been growing worldwide.
Monitoring and acquiring data is essential to recognize the renewable resources available
on-site, evaluate the efficiency of electrical conversion, detect failures and optimize electrical production. Commercial monitoring systems for the photovoltaic system are generally
expensive and closed for modifications. This work proposes a low-cost real-time IoT system, for micro and mini photovoltaic generation systems, that can monitor DC voltage and
current, AC power, and seven meteorological variables. The proposed system measures all
the relevant meteorological variables, measures PV generation variables directly from the
plant (not from the inverter), is implemented using open software, connects with the internet without cables, storages data locally and in the cloud, and uses Network Time Protocol
(NTP) to synchronize the devices’ clocks. According to a systematic literature review, no
work reported in the literature presents these features altogether. Besides, experiments carried out with the proposed system showed good effectiveness and reliability. This system
enables the use of fog and cloud computing in a photovoltaic system, and the creation of a
time series measurements dataset, which enables the use of machine learning to create smart
photovoltaic systems.
Keywords: monitoring; data acquisition systems; renewable energy.
ii
Lista de Símbolos
β
Constante do NTC;
CP
Pulsos acumulados;
G
Irradiância;
h
Umidade;
He
Aquecimento do módulo PV;
Ib
Corrente da bateria;
ICA
Corrente alternada;
ICC
Corrente contínua;
IM P P
Corrente no MPP;
IOC
Corrente de circuito aberto;
ISC
Corrente de curto-circuito;
K
Constante de calibração do piranômetro;
mV
Tensão em milivolts;
n
Número de amostras;
p
Pressão atmosférica;
P
Período;
PCA
Potência em corrente alternada;
PCC
Potência em corrente contínua;
PM P P
Potência no MPP;
r
Raio;
R
Resistência ou resistor;
R25
Resistência do NTC na temperatura de referência;
Ra
Chuva;
RP M
Rotações por minuto;
T25
Temperatura de referência do NTC;
Ta
Temperatura ambiente;
Tm
Temperatura do módulo PV;
Vb
Tensão da bateria;
VCA
Tensão alternada;
iii
VCC
Tensão contínua;
VM P P
Tensão no MPP;
VOC
Tensão de circuito aberto;
VSC
Tensão de curto-circuito;
Wd
Direção do vento;
Ws
Velocidade do vento;
xi
I-ésima amostra do sistema proposto;
yi
I-ésima amostra do CR1000.
iv
Lista de Abreviaturas e Siglas
ACK
Acknowledgement;
A/D
Analógico/Digital;
ADC
Ananlog-to-Digital Converter;
ANELL
Agência Nacional de Energia Elétrica;
CA
Corrente Alternada;
CC
Corrente Contínua;
CI
Circuito Integrado;
CRC
Cyclic Redundancy Check;
cRIO
CompactRIO;
CSV
Comma-Separated Values;
DL
Data Logger;
DPS
Dispositivo de Proteção contra Surtos;
GPRS
General Packet Radio Service;
GPIO
General Purpose Input/Output;
GCP
Google Cloud Platform;
I2C
Inter-Integrated Circuit;
IDE
Integrated Development Environment;
IoT
Internet of Things;
MAE
Mean Absolute Error;
MCU
Microcontroller Unit;
MPP
Maximum Power Point;
MPPT
Maximum Power Point Tracker;
MQTT
Message Queuing Telemetry Transport;
NTC
Negative Temperature Coefficient;
NTP
Network Time Protocol;
PCB
Printed Circuit Board;
PGA
Programmable Gain Amplifier;
P&O
Pertube and Observer;
PTP
Precision Time Protocol;
v
PV
Photvoltaic;
PVDL
PV Generation Data Logger;
RF
Radiofrequência;
RFID
Radio Frequency Identification;
RMSD
Root Mean Square Deviation;
RTC
Real-Time Clock;
SD
Secure Digital;
SDK
Software Development Kit;
SPI
Serial Peripheral Interface;
SPS
Samples Per Second;
SSDL
Solarimetric Station Data Logger;
STC
Standard Testing Conditions;
UFAL
Universidade Federal de Alagoas;
USB
Universal Serial Bus;
WAPE
Weighted Absolute Percent Error.
vi
Lista de Figuras
1
Representação da junção P-N. [Wik21] . . . . . . . . . . . . . . . . . . . .
7
2
Representação de uma curva I-V de um módulo PV. [Autoral] . . . . . . .
8
3
Exemplo do efeito da irradiância na curva I-V para uma temperatura constante. [Autoral] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
11
Exemplo do efeito da temperatura na curva I-V para uma irradiância constante. [Autoral] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
5
Visão geral do sistema proposto. [Autoral] . . . . . . . . . . . . . . . . . .
22
6
Diagrama representando a metodologia seguida. [Autoral] . . . . . . . . .
23
7
Placa de desenvolvimento WiFi LoRa 32 (V2). [Ali21] . . . . . . . . . . .
26
8
Diagrama simplificado do SSDL, com ênfase nos sensores e componentes
para aquisição de dados. [Autoral] . . . . . . . . . . . . . . . . . . . . . .
29
9
Circuito divisor de tensão para leitura de sensores analógicos. [Autoral] . .
32
10
Diagrama simplificado do PVDL, com ênfase nos transdutores e componentes para aquisição de dados. [Autoral] . . . . . . . . . . . . . . . . . . . .
33
11
Placa de aquisição de dados da estação solarimétrica (SSDL). [Autoral] . .
36
12
Placa de aquisição de dados da geração PV (PVDL). [Autoral] . . . . . . .
36
13
Diagrama simplificado que representa a operação dos dispositivos DLs. [Autoral] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
14
Estrutura proposta de payload LoRa. [Autoral] . . . . . . . . . . . . . . .
41
15
Diagrama representando a arquitetura IoT. [Autoral] . . . . . . . . . . . . .
43
16
Página inicial da aplicação Web, exibindo o submenu. [Autoral] . . . . . .
44
17
Página da aplicação web para monitoramento em tempo real da estação solarimétrica. [Autoral] . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
Página da aplicação web para consultar o histórico de dados de geração PV.
[Autoral] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
45
46
Sistema proposto instalado. (a) Estação solarimétrica, com ênfase em seu
data logger e sensores. (b) Gabinete com os transdutores e o PVDL. [Autoral] 50
vii
20
Comparação gráfica dos dados obtidos durante uma semana (1 de março a 7
de março de 2021) pelo sistema proposto (azul) e pelo CR1000 (vermelho).
Os gráficos mostram as seguintes medidas: (a) temperatura ambiente, (b)
temperatura do módulo PV, (c) irradiância, (d) potência CA, (e) corrente da
String 1, (f) corrente da String 2. [Autoral] . . . . . . . . . . . . . . . . . .
54
20
(continuação) (g) tensão da String 1, (h) tensão da String 2. [Autoral] . . .
55
21
Esquemático do SSDL - Parte 1. . . . . . . . . . . . . . . . . . . . . . . .
67
22
Esquemático do SSDL - Parte 2. . . . . . . . . . . . . . . . . . . . . . . .
68
23
Esquemático do SSDL - Parte 3. . . . . . . . . . . . . . . . . . . . . . . .
69
24
Esquemático do PVDL - Parte 1. . . . . . . . . . . . . . . . . . . . . . . .
70
25
Esquemático do PVDL - Parte 2. . . . . . . . . . . . . . . . . . . . . . . .
71
26
Esquemático do PVDL - Parte 3. . . . . . . . . . . . . . . . . . . . . . . .
72
27
Esquemático do PVDL - Parte 4. . . . . . . . . . . . . . . . . . . . . . . .
73
viii
Lista de Tabelas
1
Comparação técnica entre o sistema proposto e trabalhos relacionados da
literatura. [Autoral] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
2
Especificações técnicas do WiFi LoRa 32 (V2). [Hel21] . . . . . . . . . . .
27
3
Relação entre resistência e direção do indicador de direção do vento. [Autoral] 31
4
Faixa de leitura e precisão do ADC1115 para cada nível do PGA. [Ins21b] .
31
5
Bit-packing para diferentes tipos de dados. [Autoral] . . . . . . . . . . . .
42
6
Dados elétricos por string. [Igor Torres] . . . . . . . . . . . . . . . . . . .
48
7
Especificações do Inversor PHB5000D-NS. [Sol21] . . . . . . . . . . . . .
49
8
Tamanho do payload em bytes, considerando diferentes protocolos. [Autoral] 51
9
Comparação estatística entre as medidas do sistema proposto e o CR1000
considerando os 16 dias de experimento e três tipos de métricas: MAE,
RMSD e WAPE. [Autoral] . . . . . . . . . . . . . . . . . . . . . . . . . .
ix
53
Conteúdo
1
2
3
Introdução
1
1.1
Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
1.2
Questão de pesquisa e hipóteses . . . . . . . . . . . . . . . . . . . . . . .
2
1.3
Objetivo geral e específico . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.4
Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
Referencial Teórico
6
2.1
História dos módulos fotovoltaicos . . . . . . . . . . . . . . . . . . . . . .
6
2.2
Elementos e estrutura de um sistema fotovoltaico . . . . . . . . . . . . . .
9
2.3
Impacto das variáveis meteorológicas na geração fotovoltaica . . . . . . . .
10
2.4
Impacto do sistema fotovoltaico na rede elétrica . . . . . . . . . . . . . . .
12
Trabalhos Relacionados
3.1
3.2
4
5
14
Trabalhos da literatura que tratam sobre o monitoramento de plantas fotovoltaicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
Soluções comerciais para o monitoramento de sistemas fotovoltaicos . . . .
20
Solução proposta
22
4.1
Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
4.1.1
Pesquisa bibliográfica . . . . . . . . . . . . . . . . . . . . . . . .
23
4.1.2
Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
4.1.3
Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
4.1.4
Integração IoT e aplicação web . . . . . . . . . . . . . . . . . . .
25
4.1.5
Experimento e validação . . . . . . . . . . . . . . . . . . . . . . .
25
Projeto e Desenvolvimento do Hardware dos Dispositivos Data Loggers
26
5.1
Componentes base dos Data Loggers . . . . . . . . . . . . . . . . . . . . .
26
5.2
Cadeia de medição do data logger da estação solarimétrica . . . . . . . . .
28
5.2.1
Sensores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
5.2.2
Processamento analógico e conversão analógico/digital . . . . . . .
31
Cadeia de medição do data logger da geração fotovoltaica . . . . . . . . .
33
5.3
x
6
7
8
5.3.1
Transdutores . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
5.3.2
Processamento analógico e conversão analógico/digital . . . . . . .
34
5.4
Design e projeto das placas de circuito impresso . . . . . . . . . . . . . . .
34
5.5
Montagem das placas de circuito impresso . . . . . . . . . . . . . . . . . .
35
Projeto e Desenvolvimento do Software
37
6.1
Desenvolvimento do software dos data loggers . . . . . . . . . . . . . . .
37
6.2
Operação dos data loggers . . . . . . . . . . . . . . . . . . . . . . . . . .
37
6.3
Protocolo LoRa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
6.4
Arquitetura e aplicação da internet das coisas . . . . . . . . . . . . . . . .
42
6.5
Aplicação WEB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
Resultados e Discussões
47
7.1
Descrição e comparação de custos . . . . . . . . . . . . . . . . . . . . . .
47
7.2
Resultados experimentais . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
7.2.1
Operação e confiabilidade do sistema . . . . . . . . . . . . . . . .
50
7.2.2
Precisão do sistema . . . . . . . . . . . . . . . . . . . . . . . . . .
52
Considerações Finais
56
A Protocolo de revisão sistemática
64
B Esquemáticos do SSDL e do PVDL
67
xi
1 Introdução
1
1
Introdução
A participação das energias renováveis na geração de eletricidade vem crescendo em todo
o mundo. Em 2019 houve um aumento de 200 gigawatts de energias renováveis na matriz
energética mundial, sendo a energia fotovoltaica responsável por 57,5% deste aumento segundo [REN20]. Os sistemas de pequeno e médio portes de geração fotovoltaica distribuída
foram os que mais cresceram. No Brasil, ao final de 2020, a geração distribuída representou
59% das fontes fotovoltaicas instaladas, com um crescimento de 107% em relação a 2019,
enquanto a geração centralizada teve um acréscimo de somente 24% [ABS21].
A expansão de energias renováveis distribuídas trazem diversos benefícios, como menor
impacto ambiental, redução da emissão de gás carbônico e menor degradação da fauna e da
flora. Em relação a impactos sociais, esse tipo de sistema de geração pode ser empregado
em locais remotos que não possuem acesso à rede elétrica, possibilitando o acesso também
à comunicação, à educação e à melhoria da produção agrícola. Devido ao crescimento do
mercado que é formado principalmente por pequenas e médias empresas, as energias renováveis, em especial a energia solar, tendem a gerar mais empregos do que a geração de energia
não-renovável e sistemas menos centralizados podem produzir mais oportunidades.
Uma das principais características dos sistemas PV (do inglês photovoltaic) é a forte
dependência entre as condições climatológicas e a geração de energia elétrica. Fatores como
a disponibilidade de luz solar, a temperatura e outros fatores climáticos não controláveis
afetam diretamente a produção de energia [C+ 17]. Em sistemas fotovoltaicos centralizados
de grande e médio porte, muitos dos esforços e recursos são empregados no monitoramento
e aquisição de dados, que é essencial para reconhecer os recursos renováveis disponíveis no
local, avaliar a eficiência de conversão elétrica, detectar falhas e otimizar a produção elétrica
[FBJC+ 17].
Em pequenos sistemas fotovoltaicos, o alto custo da implantação desse monitoramento
geralmente torna a sua realização inacessível, podendo levar a situações em que não é possível detectar falhas como: perda de eficiência, picos e quedas de tensão, e inserção de harmônicos na rede [BKN+ 12, AS11]. Essas falhas podem prejudicar o funcionamento do sistema
fotovoltaico ou até causar danos à rede elétrica que o sistema está conectado [LVFV18].
A aplicação do conceito de internet das coisas (IoT, do inglês Internet of Things) aos
1.1
Motivação
2
dispositivos de monitoramento pode trazer diversos benefícios, como o acesso aos dados em
tempo real, gerenciamento remoto dos dispositivos, redução de custos e fornecer escalabilidade ao sistema. Além disso, permite a integração dos dispositivos à Smart Grid melhorando
as habilidades de processamento, recuperação de falhas e confiabilidade do sistema fotovoltaico [Gha19].
Este trabalho apresenta o projeto, desenvolvimento e validação de um sistema de aquisição de dados IoT e de baixo custo, com foco no monitoramento em tempo real da geração
de energia fotovoltaica e dos principais fatores meteorológicos que influenciam a geração. A
proposta consiste em três elementos principais: 1) dois dispositivos data loggers para aquisição de dados, um para dados meteorológicos e outro para dados de geração PV; 2) um
sistema de nuvem IoT que processa e armazena os dados obtidos; 3) e um aplicativo da web
que exibe os dados em tempo real e os dados anteriores coletados.
Esta proposta faz parte do projeto de Eficiência Energética e Minigeração na UFAL, que
é um projeto de pesquisa e desenvolvimento da ANEEL (Agência Nacional de Energia Elétrica) com participação da Universidade Federal de Alagoas (UFAL) e da Equatorial Energia.
1.1
Motivação
A principal motivação é fornecer uma solução alternativa para sistemas de monitoramento comerciais, que seja de baixo custo, em tempo real, permita modificações e que traga
melhorias em relação ao software, ao hardware, e à arquitetura do sistema. A intenção é
aplicar o sistema desenvolvido para o monitoramento da miniusina da UFAL, que também
pertence ao projeto Eficiência Energética e Minigeração na UFAL.
A mini usina será instalada no Campus A. C. Simões localizado na cidade de Maceió, na
região nordeste do Brasil. O sistema será composto por 406 módulos PV, que serão divididos
em 20 strings, e 5 inversores com MPPT integrado, cada inversor será conectado a 4 strings.
A capacidade de geração será de até 134 kWp de potência.
1.2
Questão de pesquisa e hipóteses
A questão de pesquisa deste trabalho é a seguinte:
"É possível desenvolver um sistema de monitoramento de geração fotovoltaica completo,
1.3
3
Objetivo geral e específico
custando menos que sistemas comerciais e em tempo real que seja uma alternativa aos
sistemas comerciais?"
Duas hipóteses foram propostas para responder questão:
• Hipótese nula: sim, utilizando hardware e software de baixo custo e open-source;
• Hipótese alternativa: desenvolver um sistema completo e em tempo real requer componentes com alto custo.
O tratamento utilizado para tornar a hipótese nula válida será desenvolver do zero o
hardware, software e a arquitetura do sistema, visando atingir as características desejadas.
1.3
Objetivo geral e específico
Este trabalho apresenta como objetivo geral o projeto, o desenvolvimento e a validação
de um sistema para monitoramento e análise de mini e micro sistemas fotovoltaicos que
possua no mínimo as seguintes características:
• Baixo custo: utilizar hardware e software de baixo custo, fazendo com que o sistema
final seja acessível economicamente aos usuários e seja compatível com o custo de
micro e mini sistemas PV;
• Monitoramento completo: realizar o monitoramento da geração PV e dos principais
fatores meteorológicos que influenciam a geração PV;
• Sensores dedicados: empregar sensores próprios para realizar o monitoramento dos
fatores de geração PV e meteorológicos, sendo independente de sistemas externos;
• Tempo real: o sistema deve utilizar ferramentas IoT para fornecer em tempo real os
dados coletados.
Já os objetivos específicos do trabalho são:
• Projetar e desenvolver o hardware e o software dos dispositivos de monitoramento
visando o baixo custo e o tempo real;
1.4
Justificativa
4
• Disponibilizar os dados em tempo real ao integrar os dispositivos com um sistema em
nuvem;
• Testar os dispositivos desenvolvidos em condições reais;
• Validar os dados coletados pelo sistema desenvolvido ao compará-los com os dados
obtidos por outras soluções.
1.4
Justificativa
O monitoramento da geração elétrica é fundamental para garantir a sustentabilidade de
um sistema de energia renovável. Primeiramente, sistemas de monitoramento permitem analisar locais e ambientes onde se pretende instalar plantas fotovoltaicas, avaliando a disponibilidade do recurso solar e possibilitando melhores escolhas em relação ao local de instalação,
inclinação e orientação dos módulos PV, às configurações das strings e outras decisões da
pré-instalação.
Além disso, o monitoramento de sistemas PV torna possível a otimização do processo de
produção e da confiabilidade, aumentando a vida útil de seus elementos, ao mesmo tempo,
reduzindo os custos de operação e manutenção. O monitoramento também é essencial para
detecção de falhas, permitindo a localização e mitigação mais rápida, e consequentemente
reduz as perdas de receita e o tempo de inatividade da planta PV.
Até onde sabemos, este é o primeiro sistema de monitoramento fotovoltaico proposto
que agrega todos os seguintes recursos:
• Medições de todas as variáveis meteorológicas relevantes;
• Implementação com software aberto;
• LoRa como a tecnologia de transmissão de dados e conexão com a internet sem cabos;
• Armazenamento de dados localmente e na nuvem;
• Network Time Protocol (NTP) para sincronizar os relógios dos dispositivos;
• Variáveis de geração de PV medidas diretamente da planta, não do inversor.
1.4
Justificativa
5
O desenvolvimento de hardware foi focado na flexibilidade e redução de custos. Além
disso, com a aplicação do sistema IoT em nuvem, o sistema proposto permite controle remoto, acesso em tempo real aos dados e escalabilidade. Considerando essas características,
o sistema se torna uma boa alternativa para o monitoramento de sistemas PV, desde pequeno
porte até de médio ou grande porte.
Vale ressaltar que este é um sistema capacitador para a criação de sistemas fotovoltaicos
inteligentes, pois, fornece uma arquitetura IoT que pode ser adaptada para ter técnicas de
aprendizado de máquina executadas usando os paradigmas de computação em nuvem ou
fog. Além disso, os dados obtidos pelo sistema podem ser empregados em aplicações para
detecção automática de falhas e previsão de geração de energia.
O resto da dissertação está estruturada da seguinte forma. Capítulo 2 apresenta alguns
conceitos básicos para um melhor entendimento deste trabalho. Capitulo 3 detalha algumas
das soluções propostas encontradas na literatura ou comercialmente para o monitoramento de
sistemas PV. A metodologia utilizada, incluindo uma visão geral da proposta, é apresentada
no Capítulo 4. O hardware e o software projetados e desenvolvidos são detalhados nos Capítulos 5 e 6, respectivamente. O Capítulo 7 contém os resultados do trabalho desenvolvido
e as discussões derivadas. A dissertação é concluída no Capítulo 8 com as considerações
finais e sugestões de trabalhos futuros.
2 Referencial Teórico
2
6
Referencial Teórico
Neste capítulo será apresentado o referencial teórico para um melhor entendimento do
problema em estudo. Serão discutidos a história dos módulos fotovoltaicos, a estrutura e os
elementos mais importantes de um sistema fotovoltaico, o impacto que algumas variáveis
meteorológicas causam à geração PV e os problemas que a inserção de um sistema PV pode
causar na rede de distribuição elétrica.
2.1
História dos módulos fotovoltaicos
O módulo PV é um dispositivo capaz de gerar energia elétrica através do efeito fotovoltaico que ocorre quando certos materiais produzem corrente elétrica ao serem expostos a uma
fonte de luz. Esse fenômeno foi descoberto em 1839 pelo físico francês Edmond Becquerel.
Becquerel colocou dois eletrodos de platina revestidos em um recipiente com um eletrólito
e descobriu que a força da corrente mudou quando o recipiente foi exposto à luz.
Em 1873, o engenheiro britânico Willoughby Smith e seu assistente Joseph May descobriram que o selênio semicondutor mudou sua resistência quando exposto à luz. Eles viram
assim, pela primeira vez, o foto efeito que é relevante para a energia fotovoltaica, onde os
elétrons no semicondutor são separados de suas ligações covalentes pela luz, criando transportadores de carga livres no corpo de estado sólido.
Em 1876, os ingleses William Adams e Richard Day descobriram que uma haste de selênio com eletrodos de platina pode produzir energia elétrica quando exposta à luz. Com isso,
comprovou pela primeira vez que um sólido pode converter diretamente energia luminosa
em energia elétrica.
Em 1883, o inventor Charles Fritts construiu um pequeno módulo de células de selênio com uma área superficial de aproximadamente 30 cm2 que teve uma eficiência de quase
1% na conversão fotovoltaica. Ele enviou um módulo para Werner von Siemens (inventor e
empresário alemão, 1816-1892) para avaliação. Siemens reconheceu a importância da descoberta e declarou à Real Academia da Prússia que considerou como a primeira demonstração
da conversão direta de luz em eletricidade.
Nos anos seguintes, a física do foto efeito foi melhor explorada, em parte devido a Albert
Einstein (1879-1955), que apresentou sua teoria quântica em 1905, utilizada para explicar
2.1
7
História dos módulos fotovoltaicos
a natureza da luz. Ao mesmo tempo, houve avanços tecnológicos em 1916, quando o químico polaco Jan Czochralski, da AEG Company, descobriu o processo de crescimento de
cristais. Com o processo Czochralski tornou-se possível produzir cristais de semicondutores
monocristalinos de alta qualidade.
Em 1950, o co-inventor do transistor, William B. Shockley (1910-1989), apresentou uma
explicação do método de funcionamento da junção P-N e, assim, definiu as bases teóricas das
células solares usadas hoje. Com esta base, Daryl Chapin, Calvin Fuller e Gerald Pearson no
Bell Labs desenvolveram em 1954 a primeira célula solar de silício com uma área de 2 cm2
e uma eficiência da conversão fotovoltaica de até 6%.
Atualmente a maioria dos módulos fotovoltaicos são formados por células PV constituídas por uma junção P-N de silício cristalino. A junção P-N é composta por duas camadas de
silício. Uma das camadas é dopada com um elemento que possui mais elétrons na camada
de valência que o silício, sendo chamada de camada tipo N. Com a dopagem, a camada tipo
N apresenta elétrons livres que possuem uma fraca ligação atômica. A segunda camada é
conhecida por tipo P. Ela é dopada com um elemento que possui uma menor quantidade de
elétrons na camada de valência, formando lacunas devido à falta de elétrons para completar
as ligações atômicas.
Tipo P
Tipo N
difusão de buracos
difusão de elétrons
Cargas dos átomos
imóveis
Tipo P
Tipo N
Campo elétrico
gerado
Figura 1: Representação da junção P-N. [Wik21]
2.1
8
História dos módulos fotovoltaicos
Quando a junção P-N é formada, os elétrons da camada N passam para camada P preenchendo as lacunas através do processo de difusão como mostrado na Figura 1. Conforme
as lacunas próximas da junção P-N vão sendo preenchidas, um campo elétrico começa a
surgir, jogando os elétrons para camada N e as lacunas para camada P. O balanço é alcançado quando a difusão e o campo elétrico se anulam. Ao serem expostas à luz, as células
absorvem fótons que geram pares de elétron-lacuna na junção. O par é separado pelo campo
elétrico fazendo com que os elétrons e as lacunas se movam para os contatos elétricos da
célula gerando uma corrente elétrica.
As células PV que constituem os módulos podem ser ligadas em série e/ou em paralelo.
A quantidade, o tipo de células e a forma como são ligadas umas às outras definem a corrente
e a tensão fornecidas pelo módulo PV. O tipo da célula PV tem um alto impacto na eficiência
de geração elétrica e é definido pelo seu processo de fabricação. As células PV comuns atuais
possuem entre 15% a 25% de eficiência de conversão, alguns estudos nessa área conseguem
ultrapassar esse intervalo gerando módulos muito mais eficientes.
2.5
Corrente (A)
ISC
MPP
1.5
1.0
0.5
0
0
5
10
15
VOC
Tensão (V)
Figura 2: Representação de uma curva I-V de um módulo PV. [Autoral]
O módulo fotovoltaico pode ser caracterizado por uma curva I-V, como a curva mostrada
na Figura 2, que relaciona a tensão e a corrente que o módulo pode gerar quando está sob
determinadas condições climáticas. Alguns pontos dessa curva são importantes destacar:
o ponto de corrente de curto-circuito (ISC ), o ponto de tensão de circuito aberto (VOC ) e
o ponto onde o módulo apresenta a maior potência de geração (MPP, do inglês Maximum
Power Point).
A curva I-V de um módulo é definida pelas condições climáticas em que o módulo está
2.2
Elementos e estrutura de um sistema fotovoltaico
9
inserido, já o ponto de operação sobre a curva é definido pela carga que o módulo está alimentando. A operação ideal de um módulo ocorre quando ele trabalha no MPP, fornecendo
a máxima potência possível. Como normalmente as condições climáticas e a carga não são
constantes, torna-se difícil manter a operação do módulo de forma constante em um único
ponto.
2.2
Elementos e estrutura de um sistema fotovoltaico
O módulo PV é o principal elemento de um sistema PV, utilizado para converter a energia luminosa em energia elétrica. O conjunto de módulos PV conectados em série e/ou em
paralelo é conhecido como string ou arranjo fotovoltaico. É importante realçar que na associação de módulos fotovoltaicos devem ser utilizados módulos do mesmo tipo, de forma a
minimizar as perdas de potência no sistema. A associação em série de módulos PV permite
obter tensões mais elevadas, mantendo a corrente estipulada do módulo. Já a conexão em
paralelo dos módulos mantém a tensão que pode ser gerada, mas permite a geração de uma
corrente mais elevada.
O Maximum Power Point Tracker (MPPT) é um dispositivo de extrema importância para
elevar a eficiência da geração elétrica. Como o próprio nome indica, o MPPT rastreia o ponto
de máxima potência e força que o módulo PV ou a string, que estiver conectado a ele, opere
o mais próximo possível desse ponto.
Os algoritmos normalmente utilizados no MPPT são dinâmicos permitindo a se adaptarem às mudanças das condições climáticas e da carga do sistema em tempo real. Desses
algoritmos, o Perturb and Observer (P&O) é o mais utilizado na prática e é um dos métodos
mais simples, não necessitando o conhecimento das características do módulo fotovoltaico,
podendo ser aplicado a todos os tipos de módulos. A utilização de um MPPT evita a perda
de potência e reduz o custo de instalação do sistema PV, já que menos módulos precisam ser
utilizados para atingir a potência desejada.
O inversor de potência é um dispositivo elétrico, ou eletromecânico, capaz de converter
um sinal elétrico contínuo em um sinal elétrico alternado. No caso dos sistemas PV, os
inversores realizam a conversão da geração PV para um sinal elétrico compatível com a rede
de distribuição de energia, que no caso de Alagoas é uma tensão alternada de 220 V a 60
Hz trifásica. Atualmente os inversores dedicados para sistemas PV já possuem um MPPT
2.3
Impacto das variáveis meteorológicas na geração fotovoltaica
10
integrado a eles.
Quadros de proteção realizam a proteção elétrica tanto da parte contínua como da parte
alternada do sistema. Esses quadros contêm fusíveis, barramento de aterramento, dispositivo
de proteção contra surtos de tensão (DPS), dispositivos de seccionamento, etc.
Alguns sistemas PV podem possuir baterias para armazenar a energia em excesso,
quando a produção é alta e a demanda é baixa, e fornecer energia quando não há geração.
Esses sistemas também possuem controladores de carga que são responsáveis por gerenciar
e condicionar a energia fornecida do sistema para bateria ou da bateria para a rede. Os
controladores de cargas podem ser integrados ao inversor e/ou MPPT.
2.3
Impacto das variáveis meteorológicas na geração fotovoltaica
A irradiância solar é uma das variáveis meteorológicas mais importantes, uma vez que
a corrente gerada pelo módulo PV é diretamente proporcional à irradiância. A Figura 3
mostra a curva característica de um módulo PV hipotético com o ângulo de incidência e
temperatura constantes e com uma variação da irradiância incidente. Pode ser observado que
a corrente de curto-circuito aumenta linearmente com a irradiância, enquanto a tensão de
circuito aberto se altera pouco. Cerca de 15% a 25% da irradiância incidente é transformada
em energia elétrica pelo módulo PV, a eficiência de conversão depende das características
físicas do módulo e pode variar com a influência de elementos externos, como temperatura
e sujeira.
2.3
Impacto das variáveis meteorológicas na geração fotovoltaica
11
1000 W/m²
Aumento da corrente
500 W/m²
100 W/m²
2.5
Aumento da potência
Corrente (A)
2.0
1.5
1.0
Aumento da tensão
0.5
0
0
5
10
15
20
Tensão (V)
Figura 3: Exemplo do efeito da irradiância na curva I-V para uma temperatura constante.
[Autoral]
A temperatura de um módulo fotovoltaico influencia diretamente sua eficiência de conversão fotovoltaica. Foi estimado que 0,5% de eficiência do módulo PV é reduzida com o
aumento de 1 ◦ C em sua temperatura [LH11]. A Figura 4 exemplifica esse efeito da temperatura sobre a curva I-V de um módulo PV hipotético com o ângulo de incidência e irradiância
incidente constantes. Pode ser observado que há uma queda da tensão gerada com o aumento
da temperatura, enquanto a corrente sofre um pequeno aumento.
T = 0º
T = 25º
Aumento da corrente
2.5
T = 50º
Redução da potência
Corrente (A)
2.0
1.5
Redução da tensão
1.0
0.5
0
0
5
10
15
20
Tensão (V)
Figura 4: Exemplo do efeito da temperatura na curva I-V para uma irradiância constante.
[Autoral]
Os demais fatores climáticos influenciam a geração de forma indireta. O vento, por exemplo, pode ajudar a reduzir a temperatura do módulo fotovoltaico, melhorando sua eficiência.
2.4
Impacto do sistema fotovoltaico na rede elétrica
12
Já a temperatura ambiente pode resfriar ou esquentar o módulo PV, dependendo do clima do
local que ele está instalado.
A umidade do ar pode absorver ou refletir a energia solar, diminuindo a quantidade de
irradiância que atinge o módulo fotovoltaico. Segundo [Ama16], o aumento da pressão
atmosférica no módulo fotovoltaico melhora sua eficiência de conversão. A chuva pode
afetar muitos fatores ao mesmo tempo, como reduzir a irradiância solar e a temperatura do
painel. Alguns fatores como a chuva e a umidade também aceleram a degradação do módulo
fotovoltaico.
2.4
Impacto do sistema fotovoltaico na rede elétrica
Os sistemas de distribuição de energia foram originalmente projetados para facilitar o
fluxo de energia da geração para os consumidores através de níveis de tensões decrescentes.
A adição de geração fotovoltaica pode causar diversos problemas técnicos devido ao fluxo
oposto de energia que é criado. Esses problemas se tornam mais significativos quanto maior
é o nível de penetração de energia PV na rede. O nível de penetração é definido como a
relação entre a potência nominal fotovoltaica (Wp) e a carga máxima vista no alimentador
de distribuição (Watt), e é limitada por certas restrições técnicas relacionadas à operação
do sistema de energia elétrica e às classificações dos componentes elétricos. Alguns dos
problemas mais relevantes são:
• Sobretensão: alteração do perfil de tensão normal da rede devido à exportação do
excesso de energia fotovoltaica gerada, pode causar o fluxo reverso de energia danificando equipamentos. A sobretensão é comum acontecer em períodos próximos ao
meio-dia onde se tem uma alta geração fotovoltaica, devido à irradiação, e uma baixa
demanda de carga.
• Desequilíbrio de tensão: ocorre quando a magnitude da tensão entre as três fases
difere em amplitude ou as fases se desviam umas das outras da diferença normal de
120 graus. A geração fotovoltaica irregular devido a problemas, como sombreamento
parcial do sistema PV, pode causar uma condição de desequilíbrio de tensão na rede.
• Distorção harmônica: Os harmônicos são componentes sinusoidais de sinais de tensão ou corrente com a frequência igual a um múltiplo inteiro da frequência fundamen-
2.4
Impacto do sistema fotovoltaico na rede elétrica
13
tal. Correntes harmônicas se traduzem em tensões harmônicas através da impedância
da rede. Tensões e correntes distorcidas no sistema de distribuição podem causar efeitos indevidos na rede, tais como sobrecarga, sobretensão, estresse mecânico na rede,
operação não confiável de dispositivos de proteção e redução da eficiência dos equipamentos. A geração harmônica por um sistema fotovoltaico depende principalmente
da tecnologia do inversor, do nível de irradiância solar, da temperatura ambiente, das
características de carga e das características do sistema de distribuição.
• Estabilidade de tensão: A estabilidade de tensão é definida como o estado de operação onde as tensões de todos os barramentos na rede são mantidas em um nível estável
e aceitável sob condições operacionais normais ou sob perturbações dentro da norma
prescrita. A estabilidade de tensão é alcançada quando a demanda de energia reativa
na rede é atendida a partir das gerações. A maior parte dos sistemas fotovoltaicos
consomem ou injetam energia reativa na rede, dependendo das perdas da rede e do
transformador, da potência ativa de saída do sistema PV e também da tecnologia de
conversão. Flutuações na potência de saída podem ser causadas por mudanças rápidas
nas condições climáticas, como as coberturas de nuvens, ou pela conexão e desconexão do sistema fotovoltaico.
3 Trabalhos Relacionados
3
14
Trabalhos Relacionados
Este capitulo detalha trabalhos relacionados encontrados na literatura e sistemas comer-
ciais que possam ser empregados no monitoramento de plantas fotovoltaicas, incluindo discussões das semelhanças e diferenças entre o sistema proposto e os relacionados.
3.1
Trabalhos da literatura que tratam sobre o monitoramento de plantas fotovoltaicas
Vários trabalhos relacionados podem ser encontrados na literatura. Apesar das vantagens
e avanços dos sistemas da literatura apresentados a seguir, todos eles apresentam pelo menos
uma limitação. A tabela 1 apresenta uma comparação de algumas das características técnicas
dos sistemas disponíveis na literatura e do sistema proposto neste trabalho.
O sistema de monitoramento proposto em [CMR+ 15] é constituído por dois tipos de
dispositivos: smart meter e main brain. Smart meter são os dispositivos responsáveis por
monitorar em tempo real os dados de tensão e corrente do sistema PV, enquanto o main
brain é a central onde os dados coletados pelos dispositivos smart meter serão armazenados.
Ambos são baseados no MCU ATmega 328P-PU e se comunicam através de uma rede sem
fio com radiofrequência (RF) operando a 315 MHz. Os dados podem ser acessados por um
aplicativo para dispositivos móveis que se comunica com o main brain por Bluetooth (IEEE
802.15.1).
Os autores do trabalho [SCZ+ 17] desenvolveram uma rede de sensores de dois níveis
para o monitoramento de sistemas PV. O primeiro nível é formado por nós sensores que
monitoram a tensão e a temperatura de cada módulo PV, já o segundo nível é constituído
por nós sensores que monitoram irradiância, temperatura ambiente, tensão e corrente de
cada string. Além disso, os nós do segundo nível mesclam seus dados monitorados com os
dados obtidos pelo primeiro nível e os envia para uma central de dados. Os dois níveis se
comunicam através de radiofrequência e o segundo nível utiliza ZigBee [All21] para enviar
todos os dados coletados para a central.
Irradiância, temperatura do módulo PV, tensão e corrente são os quatro fatores monitorados pelo sistema proposto em [KIA+ 19]. O sistema é constituído pelo microcontrolador
89C51 e por um módulo Xbee. Os dados são enviados para um computador onde são arma-
3.1
Trabalhos da literatura que tratam sobre o monitoramento de plantas fotovoltaicas 15
zenados e podem ser visualizados através de um software baseado na ferramenta LabVIEW.
A conexão com a internet é crucial para fornecer o monitoramento dos dados em tempo
real e permitir o acesso remoto ao sistema. Em [CMR+ 15], [SCZ+ 17] e [KIA+ 19] os dados
estão disponíveis apenas localmente, isso também dificultaria uma integração futura desses
sistemas em uma rede smart grid. Os sistemas conectados à internet podem ser configurados
em duas topologias diferentes: os dispositivos DLs se conectam diretamente à internet ou
existem dispositivos intermediários entre a internet e os DLs.
Os autores em [ANH18] desenvolveram uma rede de sensores sem fio baseada no microcontrolador (MCU, do inglês Microcontroller unit) ESP8266 para monitorar o sistema
fotovoltaico. Cada nó de rede monitora os dados de corrente e tensão de um conjunto de
módulos fotovoltaicos e se conecta à internet via Wi-Fi para enviar os dados coletados para
a ThingSpeak IoT Platform. O sistema também é capaz de monitorar umidade e temperatura
da planta solar.
Em [Swa19] um sistema baseado no ESP8266 foi desenvolvido para realizar o monitoramento da produção energética de sistemas PV. Além dos dados da geração PV, o sistema
também coleta os dados da temperatura ambiente a cada 10 segundos. Os dados são enviados
a um servidor remoto na nuvem de onde podem ser acessados pelo usuário.
Em [AI17], um serviço web para monitorar os parâmetros elétricos de um sistema fotovoltaico foi implementado diretamente em um ESP32. O ESP32 realiza a aquisição de dados
de tensão e corrente e os armazena em um cartão SD (do inglês Secure Digital), onde podem
ser acessados por meio do serviço web. No entanto, devido ao espaço de armazenamento
limitado, os dados são armazenados por apenas uma semana.
Em [PJC19], o sistema proposto é baseado em ESP32 e ESP8266, que se comunicam
com um sistema de nuvem não especificado via Wi-Fi. Os dados de temperatura, irradiância,
umidade, velocidade do vento e geração PV continua são coletados a cada 47 segundos e
disponibilizados por meio de um aplicativo web.
Inicialmente, os data loggers da proposta foram configurados para se comunicarem diretamente com a internet via Wi-Fi, semelhante a [ANH18], [Swa19], [AI17] e [PJC19]. No
entanto, esta abordagem apresentou uma limitação no posicionamento dos dispositivos DLs
devido ao curto alcance do Wi-Fi, portanto, a segunda topologia usando LoRa e Wi-Fi foi
adotada na versão atual.
3.1
Sistema
Parâmetros Monitorados
Controlador
SW aberto
Transmissão de Dados
Conexão à internet
Armazenamento de Dados
Sincronização
Sensores dedicados
Acesso aos Dados
Aghenta and Iqbal [AI19]
Icc,Vcc,Vb
Arduino Uno
Sim
Serial
Ethernet
Servidor local EmonCMS
Não mencionado
Sim
Aplicação web e mobile EmonCMS
Zago and Fruett [ZF17]
Icc,Vcc
Arduino Uno
Sim
ZigBee
Wi-Fi
Raspberry Pi local
Não mencionado
Sim
Aplicação web
Al-Naima and Hamad [ANH18]
Ta,h,Icc,Vcc
ESP8266
Sim
-
Wi-Fi
Banco de dados na nuvem ThingSpeak
Não mencionado
Sim
Aplicação web
Swart [Swa19]
Ta,Icc,Vcc
ESP8266
Sim
-
Wi-Fi
Banco de dados na nuvem
Não mencionado
Sim
Aplicação web
Ali and Paracha[AP20]
Ta,h,He,Icc,Vcc
Não especificado
Wi-Fi
Banco de dados na nuvem
Não mencionado
Sim
Aplicação mobile
Aplicação mobile
Arduino Uno e ES8266 Não mencionado
Caruso et al. [CMR+ 15]
Icc,Vcc
ATmega 328P-PU
Sim
315 MHz RF e Bluetooth
Sem conexão
Cartão SD local
Não mencionado
Sim
Ayesh et al.[ARR17]
Voc,Ioc,Vsc,Isc
PIC18lF4620
Não mencionado
MiWi
Via computador local
Computador local
Não mencionado
Sim
Aplicação web
Xia et al. [XNY+ 20]
Icc,Vcc
Não especificado
Não mencionado
ZigBee
4G
Banco de dados na nuvem
Não mencionado
Não
Aplicação web e mobile
Su et al. [SCZ+ 17]
Ta,Tm,G,h,Icc,Vcc
nRF24L01
Não
RF e ZigBee
Sem conexão
Computador local
Não mencionado
Sim
Aplicação no computador local
Allafi and Iqbal [AI17]
Icc,Vcc,Ib,Vb
ESP32
Sim
-
Wi-Fi
Cartão SD local
Não mencionado
Sim
Aplicação web
Adhya et al. [ASD+ 16]
Tm,G,Icc,Vcc,Ib,Vb
PIC18F46K22
Não
RF
GPRS
Cartão SD local e banco de dados na nuvem
Não mencionado
Sim
Aplicação web
Deriche et al. [DRS19]
Tm
-
Não mencionado
RFID e USB
Não especificado
Banco de dados remoto
Não mencionado
Sim
Aplicação web
Khan et al. [KIA+ 19]
Tm,G,Icc,Vcc
89C51
Não
ZigBee
Não mencionado
Computador local
Não mencionado
Sim
Aplicação no computador local
Al-Nuaimi et al. [ANASK+ 18]
Ta,G,Icc,Vcc
Arduino Uno
Sim
Wi-Fi
Wi-Fi
Computador local
Não mencionado
Sim
Aplicação web
Paredes-Parra at al. [PPGSMAMG19]
Ta,Tm,G,Icc,Vcc,Ica,Vca
Arduino Uno
Sim
LoRa
Ethernet
Servidor na nuvem The Things Network
Não mencionado
Sim
Site web The Things Network
Lazzaretti et al. [LCR+ 20]
Ta,Tm,G,h,Ws,Wd,Icc,Vcc,Ica,Vca
cRIO
Não
-
Ethernet
Banco de dados local
LabVIEW
Sim
Interface Homem-Máquina local
Moreno-Garcia et al. [MGPGPL+ 16]
Ta,Tm,G,p,Ra,Ws,Wd,Icc,Vcc,Ica,Vca
cRIO
Não
Não especificado
Ethernet
Banco de dados local
PTP
Sim
Aplicação web
Zedak et al. [ZLB+ 18]
Ta,Tm,G,Icc,Vcc,Ica,Vca
Arduino Uno
Não mencionado
I2C
Não definido
Raspberry Pi local e banco de dados na nuvem
Não mencionado
Sim
Site web do serviço de nuvem
Erraissi et al. [ERA+ 18]
Ta,Tm,G,Ws,Wd,Icc,Vcc,Pcc,Ica,Vca,Pca
PcDuino
Sim
I2C, SPI, Bluetooth
Ethernet
Cartão SD local
Não mencionado
Não
Aplicação web
Pereira et al. [PJC19]
Ta,Tm,G,h,Ws,Icc,Vcc,Pcc
ESP32 e ESP8266
Sim
-
Wi-Fi
Memória flash local e banco de dados na nuvem
NTP
Não
Aplicação web
Proposed system
Ta,Tm,G,h,Ra,Ws,Wd,Icc,Vcc,Pca
ESP32
Sim
LoRa
Wi-Fi
Cartão SD local e banco de dados na nuvem
NTP
Sim
Aplicação web
Trabalhos da literatura que tratam sobre o monitoramento de plantas fotovoltaicas 16
Tabela 1: Comparação técnica entre o sistema proposto e trabalhos relacionados da literatura. [Autoral]
3.1
Trabalhos da literatura que tratam sobre o monitoramento de plantas fotovoltaicas 17
Em [AI19] é apresentada uma abordagem IoT que foca no monitoramento da geração
PV sem realizar a aquisição de dados meteorológicos. Um Arduino realiza a aquisição de
dados do sensor e se comunica com um Raspberry Py por meio de um barramento serial. O
Raspberry Pi é conectado à internet por meio de um cabo Ethernet por meio do qual os dados
coletados serão enviados para uma plataforma IoT do servidor EmonCMS local, onde serão
armazenados e poderão ser acessados.
O sistema proposto em [ZLB+ 18] monitora tensão, corrente, temperatura e irradiância.
Este sistema é baseado em um Arduino e usa um Raspberry Py como gateway. Os dois
dispositivos se comunicam por meio do protocolo I2C (do inglês Inter-Integrated Circuit),
enquanto o Raspberry Py se comunica com um serviço de nuvem por meio do protocolo
MQTT (do inglês Message Queuing Telemetry Transport). Além de armazenar e disponibilizar dados, o serviço na nuvem também pode enviar comandos de configuração aos
dispositivos.
Em relação à transmissão de dados entre dispositivos, em [AI19] e [ZLB+ 18] foram
utilizadas comunicações de curta distância com fio, limitando a disposição dos dispositivos
e tornando a instalação mais complexa.
O sistema apresentado em [ZF17] possui uma estrutura baseada em redes de sensores sem
fio, em que cada nó sensor monitora a corrente e a tensão geradas por um módulo fotovoltaico
individual. Um Raspberry Py armazena os dados coletados e uma página HTML permite o
acesso aos dados localmente e pela internet. O nó consiste em sensores de tensão e corrente,
um módulo Arduino Uno e um módulo XBee ZigBee. Um Raspberry Py integrado com um
módulo XBee é usado como um hub para receber e armazenar os dados coletados pelos nós,
uma página HTML permite acessar os dados tanto localmente quanto via internet.
Em [XNY+ 20], módulos ZigBee são utilizados para coletar e transmitir os dados dos
inversores de um sistema PV, construindo uma rede de sensores local. Um gateway 4G é
utilizado para conectar a rede local à internet, permitindo acesso remoto aos seus dados.
Uma verificação checksum de 16 bits é usada para garantir a estabilidade da transmissão de
dados e verificar sua integridade.
Tecnologia ZigBee geralmente tem um alcance de 10 a 100 metros e baixo consumo de
energia. O LoRa normalmente tem um alcance de 2 a 5 km em áreas urbanas ou 15 km em
áreas suburbanas e tem um consumo de energia ainda menor do que o ZigBee. Essas foram
3.1
Trabalhos da literatura que tratam sobre o monitoramento de plantas fotovoltaicas 18
as principais razões para a adoção do LoRa na proposta. No entanto, LoRa tem uma taxa de
transferência de dados menor do que a do ZigBee.
LoRa também é usado no sistema implementado em [PPGSMAMG19] para transmissão
de dados. O sistema pode monitorar dados elétricos DC e AC, a temperatura dos módulos
fotovoltaicos, irradiância, temperatura ambiente e umidade. Um gateway LoRa é responsável por disponibilizar os dados em uma rede local para serem acessados a partir de um
computador.
Poucos trabalhos da literatura relatam um método para sincronizar os relógios dos dispositivos que compõem o sistema. Isso é importante tanto para sistemas que utilizam um
único dispositivo, quanto para sistemas compostos por vários dispositivos. A sincronização
do relógio permite que as medições tenham um timestamp correto e representem com precisão os eventos no sistema PV, e em sistemas com múltiplos dispositivos permite sincronizar
a realização das medições.
Um sistema para detecção de falhas em sistemas PV foi apresentado em [LCR+ 20]. O
controlador CompactRIO (cRIO) da National Instruments é utilizado para obter os dados
de irradiância solar e temperatura ambiente de uma estação meteorológica e os dados de
corrente e tensão CC e CA do sistema PV. Os dados coletados são então empregados em
técnicas para detecção e classificação de falhas no sistema PV.
Em [MGPGPL+ 16], Precision Time Protocol (PTP - IEEE 1588) foi utilizado para sincronizar os timestamp dos dispositivos que compõem uma rede de sensores sem fio. A rede
é composta por sensores sem fios que monitoram irradiância, temperatura ambiente, temperatura dos módulos PV, corrente e tensão CC e CA. Além disso, cRIOs são utilizados para
obter os dados dos sensores e enviá-los para um computador.
O Network Time Protocol (NTP) foi utilizado no sistema proposto devido ao seu fácil
acesso às informações e por ser amplamente utilizado em aplicações que requerem um timestamp preciso (Windows, Unix, macOS). Em [PJC19] o NTP também foi empregado, como
os dispositivos se conectam diretamente à internet, basta acessar a informação de data e hora
através do endereço IP do servidor NTP. Na proposta, para que os dados do NTP fossem
transmitidos aos dispositivos DLs, foi necessário integrá-los ao payload do LoRa.
Uma rede de sensores para monitorar corrente de circuito aberto, corrente de curtocircuito, tensão de circuito aberto e tensão de curto-circuito dos módulos PV foi apresen-
3.1
Trabalhos da literatura que tratam sobre o monitoramento de plantas fotovoltaicas 19
tado em [ARR17]. A rede de sensores foi implementada utilizando o microcontrolador
PIC18lF4620 e sua comunicação sem fio é realizada pelo protocolo MiWi [Mic21b] da Microchip. Os dados coletados são enviados para um computador para armazenamento.
Um sistema IOT de baixo custo para monitorar pontos quentes de células PV é apresentado em [DRS19]. O sistema usa sensores de temperatura com RFID (do inglês Radio
Frequency Identification) e sem bateria, um leitor de RFID lê os dados dos sensores enquanto
fornece energia. Os dados são enviados para o hub via USB (do inglês Universal Serial Bus),
em seguida, os dados são armazenados em um banco de dados remoto.
Os dados obtidos pelo sistema de monitoramento proposto em [ANASK+ 18] são comparados com os valores nominais fornecidos pelos fabricantes do sistema PV, provendo ao
usuário uma visão do estado da saúde. É realizado o monitoramento de tensão, corrente,
temperatura ambiente e irradiância, empregando um Arduino Uno para coletar os dados dos
sensores e transmiti-los para um computador através de uma rede Wi-Fi.
Um Arduino Uno e um ESP8266 foram utilizados em conjuntos para formar um sistema
de monitoramento IoT em [AP20]. Ele pode monitorar tensão, corrente, temperatura e aquecimento do módulo PV. Os dados são enviados para o sistema Adafruit Cloud onde podem
ser acessados através de um aplicativo de celular.
Um data logger customizado baseado no PIC18F46K22 foi desenvolvido em [ASD+ 16],
sendo capaz de monitorar parâmetros elétricos, temperatura e irradiância solar. Os dados são
coletados a cada segundo e transferidos via GPRS (do inglês General Packet Radio Services)
para um computador que armazena e fornece acesso aos dados.
O sistema proposto em [ERA+ 18] é baseado no PcDuino (descontinuado), que combina Arduino com Raspberry Py operando em Linux, sendo capaz de monitorar temperatura, irradiância, velocidade e direção do vento e dados elétricos AC e DC. Os dados são armazenados localmente em um cartão SD e podem ser acessados pela internet. Armazenar dados apenas localmente no sistema pode criar dificuldades e uma maior
complexidade ao fornecer acesso remoto. Esta forma de armazenamento é realizada em
[AI19, ZF17, ARR17, AI17, DRS19, ANASK+ 18, LCR+ 20, MGPGPL+ 16].
Armazenar dados apenas em servidores remotos pode causar perda de dados se houver alguma falha de comunicação. Isso é feito em [ANH18, Swa19, AP20, XNY+ 20,
PPGSMAMG19]. Executar os dois tipos de armazenamento pode evitar esses problemas
3.2
Soluções comerciais para o monitoramento de sistemas fotovoltaicos
20
e tornar o sistema mais confiável, como foi feito em [ZLB+ 18], [ASD+ 16], [PJC19] e em
nossa proposta.
Softwares comerciais que requerem licença são usados em [SCZ+ 17], [ASD+ 16],
[KIA+ 19], [LCR+ 20] e [MGPGPL+ 16], além de dificultar as mudanças no sistema, também
o torna mais caro. No sistema proposto utilizamos software aberto, o software dos dispositivos DLs é desenvolvido em C++ utilizando o framework Arduino, que é open-source e
amplamente utilizado e apoiado pela comunidade.
Por fim, para o monitoramento completo de um sistema fotovoltaico, é necessário monitorar: 1) os fatores meteorológicos aos quais o sistema PV está sujeito; 2) a geração
elétrica CC dos módulos fotovoltaicos; 3) e a saída CA do inversor, isso é realizado em
[PPGSMAMG19, LCR+ 20, MGPGPL+ 16, ERA+ 18]. Nossa proposta envolve a aquisição
desses três tipos de dados, além disso, são utilizados sensores dedicados sem depender dos
dados fornecidos pelo inversor. Isso permite que o sistema proposto seja aplicado a qualquer
sistema fotovoltaico e seja independente da amostragem e codificação de dados fornecidos
pelo inversor. Os sistemas em [XNY+ 20, ERA+ 18, PJC19] são dependentes do inversor.
3.2
Soluções comerciais para o monitoramento de sistemas fotovoltaicos
A estação meteorológica Tesa WS1081 [SFOEC21] monitora os dados de velocidade
e direção do vento, índice pluviométrico, temperatura ambiente, umidade relativa do ar e
pressão atmosférica, porém, não é capaz de realizar nenhuma medição relacionada a geração
PV. A estação tem uma taxa de amostragem de 5 minutos, os dados coletados são enviados
para um supervisório onde são armazenados e podem ser visualizados e acessados por um
computador.
SOLAR1000 [Sci21b] é uma estação solarimétrica da Campbell Scientific voltada para
aplicações de monitoramento solar. A estação contém dois piranômetros, um na horizontal,
para medição da irradiância global, e outro com a inclinação dos módulos PV, para medição
da irradiação no plano das strings. Também são empregados sensores de temperatura dos
módulos PV, velocidade e direção do vento, temperatura ambiente e umidade, pressão e
chuva. Os dados dos sensores são coletados pelo data logger CR1000X [Sci21a] e podem
3.2
Soluções comerciais para o monitoramento de sistemas fotovoltaicos
21
ser acessados de um computador.
A solução da Sigma Sensors para o monitoramento PV é a estação EPE-RX3000
[Sen21b] baseada no data logger HOBO RX3000 [Aus21]. Não é detalhado os sensores
inclusos na EPE-RX3000. Porém, o HOBO RX3000 suporta os sensores para os seguintes monitoramentos: temperatura, umidade, corrente CA, tensão CA, velocidade do vento,
ampère-hora, pressão, corrente CC, tensão CC, quilowatt-hora, quilowatt, intensidade luminosa, fator de potência, precipitação pluvial, Volt-Amp reativo, Volt-Amp reativo por hora,
Volt-Amps, watt-hora e watts. Além disso, a estação já vem integrada com a plataforma de
dados online Hobolink, e nela o usuário pode reprogramar o data logger, mudar parâmetros
do funcionamento do sistema, assim como programar os alarmes de segurança.
22
4 Solução proposta
4
Solução proposta
A proposta consiste em três elementos principais: 1) dois dispositivos data loggers (DL)
para aquisição de dados, um para dados meteorológicos e outro para dados de geração PV;
2) um sistema de nuvem IoT que processa e armazena os dados obtidos; 3) e um aplicativo
da web que exibe os dados em tempo real e os dados anteriores coletados. A Figura 5 mostra
uma visão geral dessa solução.
Dados Monitorados
Geração PV
Comunicação sem fio
Dados da aplicação
Data Logger
Gateway LoRa
Roteador
Data Logger
Aplicação WEB
Internet
Estação solarimétrica
Transdutores
Módulos PV
Nuvem
Figura 5: Visão geral do sistema proposto. [Autoral]
Os data loggers são responsáveis por coletar, condicionar, armazenar e transmitir dados
de todos os sensores. Dois dispositivos diferentes foram desenvolvidos. O SSDL (do inglês
Solarimetric Station Data Logger) é responsável por coletar os dados meteorológicos dos
sensores de uma estação solarimétrica, sendo eles: irradiância, temperatura do módulo fotovoltaico, velocidade e direção do vento, temperatura ambiente, umidade e chuva. Já o PVDL
(do inglês Photovoltaic Data Logger) foi projetado para monitorar a geração fotovoltaica,
incluindo a tensão e corrente de strings e a potência na saída de inversores.
Os data loggers utilizam a comunicação sem fio LoRa para enviar os dados obtidos a
um gateway LoRa (do inglês Long Range) que está conectado à internet via Wi-Fi (IEEE
802.11). O gateway é o intermediário entre os dispositivos e o sistema em nuvem, redirecionando os dados monitorados para a nuvem, onde serão armazenados, ou direcionando
4.1
23
Metodologia
comandos e configurações enviados pela nuvem para os dispositivos. A utilização de comunicações sem fio remove as limitações e custos que existiriam com o uso de fios.
Por fim, a aplicação web oferece uma maneira simples e fácil para o usuário visualizar os
dados monitorados em tempo real ou adquirir os dados armazenados no banco de dados. O
aplicativo é hospedado em um servidor remoto e pode ser acessado em qualquer navegador.
4.1
Metodologia
O sistema de monitoramento proposto foi desenvolvido seguindo o método científico de
pesquisa aplicada, com o objetivo de gerar inovação tecnológica para aplicações práticas,
envolvendo o conhecimento disponível e sua ampliação, aplicando o conhecimento visando
utilidade econômica e técnica. A figura 6 mostra um diagrama com o passo a passo do
desenvolvimento do sistema.
Revisão bibliográfica
Definição das
funcionalidades do
sistema
Desenvolvimento do
hardware dos
dispositivos de
monitoramento
Desenvolvimento do
software dos
dispositivos de
monitoramento
Teste do sistema
desenvolvido em uma
planta PV
Desenvolvimento da
aplicação web
Integração ao
sistema em nuvem
Testes em laboratório
dos dispositivos
Realização de ajustes
baseados no teste
Validação do sistema
desenvolvido em uma
planta PV
Escrita de artigo e da
dissertação
Figura 6: Diagrama representando a metodologia seguida. [Autoral]
4.1.1
Pesquisa bibliográfica
A pesquisa bibliográfica forneceu uma análise comparativa entre os diferente tipos de
arquiteturas e tecnologias utilizados em sistemas de monitoramento PV, além disso, uma
comparação técnica dos sistemas apresentados na literatura com o sistema proposto foi realizada e foi apresentada no Capítulo 3. O estudo secundário foi realizado com base no
protocolo de revisão sistemática apresentado no Apêndice A e com o auxílio da ferramenta
Parsifal [Par21].
4.1
Metodologia
24
Das limitações encontradas nos trabalhos da literatura foram definidas as principais características que o sistema proposto deveria alcançar e os fatores climáticos e de geração PV
que deveriam ser monitorados.
4.1.2
Hardware
Uma estação solarimétrica já foi desenvolvida em trabalhos anteriores, assim os componente eletrônicos e sensores dessa estação que tiveram bons resultados e atenderam os
requisitos do sistema proposto foram mantidos no sistema descrito neste trabalhos, enquanto
os demais foram trocados. Um processo de seleção foi realizado para escolher os novos componente eletrônicos e sensores que compõem os dispositivos do sistema de monitoramento.
Os componentes foram selecionados de forma que atendam os requisitos do sistema.
As placas de circuito impresso foram projetadas utilizando o software KiCad [KiC21].
Kicad é um programa computacional de código aberto para desenvolvimento de circuitos
integrados e PCBs. A ferramenta oferece a possibilidade de projetar o esquemático do circuito, converter para uma placa de circuito impresso, visualização 3D da PCB e exportação
de arquivos para fabricação.
Os passos para se projetar uma PCB no Kicad são: criação de um esquemático, associação dos componentes a seus footprints, e por último realizar o designs da PCB. O esquemático é onde são definidos todos os componentes e as ligações entre eles. A associação do
footprint é a definição do tamanho, formato e conexões elétricas dos componentes. O designs
da PCB é a definição de como será a placa fisicamente. Além disso, bibliotecas contendo os
componentes mais comumente utilizados estão incluídas nativamente no KiCad.
4.1.3
Software
Os softwares dos dispositivos DL foram desenvolvidos com base no framework do Arduino e na plataforma Espressif 32. Além de ser mais acessível que outros frameworks, o
Arduino já possui diversas bibliotecas abertas que permitem realizar a comunicação e a aquisição dos dados dos sensores. Já a plataforma Espressif 32 fornece predefinições, conjuntos
de ferramentas e scripts de compilação voltados para o ESP32.
Para realizar a implementação do software foi utilizado o PlatformIO IDE [Pla21] em
conjunto com o editor de texto Visual Studio Code. O PlatformIO é uma IDE (do inglês
4.1
Metodologia
25
Integrated Development Environment) voltada para o desenvolvimento de sistemas embarcados. Ela permite a implementação de programas em C++ ou C, com suporte a diversos
frameworks e plataformas, e de forma independente do sistema operacional. Isso traz uma
maior liberdade de desenvolvimento permitindo utilizar conceitos de orientação a objetos enquanto mantém o suporte às especificidades do sistema embarcado, como o acesso às GPIO
e a recursos internos.
4.1.4
Integração IoT e aplicação web
Para fornecer os dados obtidos pelo sistema de forma remota e em tempo real para os
usuários os dispositivos de monitoramentos foram integrados ao sistema em nuvem Google
Cloud Platform (GCP) [Goo21], no entanto, qualquer outro sistema de nuvem, como Amazon Web Service ou Microsoft Azure, também poderiam ser usados. A linguagem JavaScript
foi utilizada nas implementações realizadas dentro dos serviços do GCP.
A aplicação web foi desenvolvida usando o framework Django Web, que usa Python
para gerenciar e renderizar páginas da web. Em Python, endpoints foram criados para acessar os serviços em nuvem usando o GCP SDK. Em relação ao front-end, as paginas foram
implementadas utilizando HTML e JavaScript.
4.1.5
Experimento e validação
Uma abordagem experimental foi usada para avaliar e validar o sistema desenvolvido. O
experimento consistiu em observar a confiabilidade do sistema ao operar na em uma planta
PV e os dados coletados foram comparados com os dados de um sistema comercial para
avaliar a precisão das medições.
5 Projeto e Desenvolvimento do Hardware dos Dispositivos Data Loggers
5
26
Projeto e Desenvolvimento do Hardware dos Dispositivos
Data Loggers
O objetivo ao projetar os data loggers foi de atingir baixo custo de produção, fornecer
comunicação sem fio e ser flexível para permitir alterações de software e hardware. Neste
capítulo serão detalhados os componentes eletrônicos que são comuns entre os data loggers,
em seguida será apresentado o hardware específico de cada dispositivo e por fim será discutido o processo de design das placas de circuito impresso (PCB, do inglês Printed Circuit
Board) e sua montagem. O Apêndice B contém os esquemáticos completos dos dispositivos.
5.1
Componentes base dos Data Loggers
O principal componente desses dispositivos é o WiFi LoRa 32 (V2) [Hel21]. WiFi LoRa
32 (V2) é uma placa de desenvolvimento voltada para aplicações IoT produzida pela Heltec
Automation, e inclui diversos recursos integrados que microcontroladores tradicionais não
possuem. A Tabela 2 apresenta as principais características técnicas do WiFi LoRa 32 (V2).
Dessas características, a utilização do ESP32 como MCU e o suporte a comunicação via
Wi-Fi e LoRa foram decisivas para a escolha dessa placa. A Figura 7 mostra a placa WiFi
LoRa 32 (V2) com uma antena LoRa acoplada.
Figura 7: Placa de desenvolvimento WiFi LoRa 32 (V2). [Ali21]
O SSDL requer um MCU robusto que pode operar em ambientes adversos, uma vez que
a estação estará exposta a diferentes condições climáticas. O ESP32 [Esp21] foi construído
para uso em ambientes industriais. É capaz de trabalhar em temperaturas entre -40 o C e 125
o
C e pode se adaptar dinamicamente às mudanças nas condições externas. O ESP32 é extre-
mamente poderoso, para um MCU, com dois núcleos de processamento à 240 MHz e uma
5.1
27
Componentes base dos Data Loggers
memória RAM de 520 KB. Além disso, ele é totalmente compatível com Arduino, podendo
utilizar o ambiente de desenvolvimento, a linguagem de programação e as bibliotecas.
Ambos os DLs possuem um Shield Arduino Data Logger, que provê dois recursos essenciais para a operação correta dos dispositivos: cartão SD e RTC (Real-Time Clock). O cartão
SD é usado para armazenar temporariamente os dados antes de serem enviados ao gateway
LoRa. Isso garante que os dados não sejam perdidos se a comunicação com o gateway ou
com a nuvem não estiverem disponíveis. A comunicação entre o MCU e o cartão SD é realizada pelo buffer 74HC125D [Nex21] através de um barramento SPI (Interface Periférica
Serial).
Tabela 2: Especificações técnicas do WiFi LoRa 32 (V2). [Hel21]
Recurso
Detalhes
Microcontrolador
ESP32 (240 MHz Tensilica LX6 dual-core + ULP core)
Wi-Fi
Bluetooth
LoRa
Bluetooth V4.2 e
Comunicação nó-para-nó
especificação low enegy
ou LoRaWAN
Comunicação Sem Fio
802.11 b/g/n
LoRa Chip
SX1276/SX1278
RAM
520 KB SRAM interna
Flash
8 MB Flash via SPI
Interfaces nos pinos
UART x 3, SPI x 2, I2C x 2, I2S x 1, 12-bits ADC canais x 18,
8-bits DAC canais x 2, GPIO x 22
Outras Interfaces
Micro USB x 1, Antena LoRa (IPEX) x 1, Antena Wi-Fi (integrada) x 1
Display
OLED 0.96 polegadas
Suporte a bateria
Sim, 3,7 V Lítio
Já o RTC [Int21] é utilizado para monitorar a data e hora de cada medição, fornecendo
um horário preciso quando os dados dos sensores são lidos e enviados pelo MCU. O ESP32
possui um RTC integrado, porém, foi optado pela utilização do RTC do shield por ele possuir
uma bateria dedicada, isso permite que o tempo rastreado seja contínuo mesmo se o DL
estiver desligado. O RTC se comunica diretamente com o MCU através de um barramento
I2C.
Dois tipos de componentes estão presentes nos DLs, ou há suporte a eles, mas não estão
5.2
Cadeia de medição do data logger da estação solarimétrica
28
sendo utilizados. O primeiro desses componentes é um shield Ethernet baseado no circuito
integrado (CI) ENC28J60 [Mic21a] que deveria fornecer uma opção de comunicação com a
internet, contudo, em testes iniciais não foi possível estabelecer comunicação com o serviço
em nuvem devido à falta de suporte do ENC28J60 à segurança na camada de transporte
(SSL/TLS).
O segundo tipo de componente são os gerenciadores de bateria, cujo objetivo seria de
gerenciar a alimentação dos dispositivos alternando entre a fonte de alimentação externa e a
bateria conforme fosse necessário, além de recarregar a bateria quando não estivesse sendo
utilizada. No SSDL foi utilizado o LTC4162-L [Dev21] que tem suporte a alimentação
por módulos PV, já o BQ24075 [Ins21c] foi aplicado no PVDL. Nos testes em laboratório
nenhum dos dois gerenciadores operaram de maneira correta e ambos foram removidos das
PCBs.
Os DLs foram projetados de forma que os gerenciadores fossem opcionais, com a fonte
de energia externa podendo ser ligada diretamente aos reguladores de tensão. Ambos os DLs
possuem um regulador de tensão um com saída de 5 V, sendo do tipo LDL1117 [ST21]. A
saída do regulador tem uma corrente máxima de 1,2 A e suporta como entrada uma tensão
entre 2,5 V e 18 V. Uma outra possibilidade de alimentar os dispositivos é através do micro
USB contido no WiFi LoRa 32 (V2), utilizando uma fonte de 5 V.
5.2
Cadeia de medição do data logger da estação solarimétrica
Muitos dos sinais em um monitoramento de sistema PV são elétricos, permitindo serem
lidos diretamente ou via transdutores elétricos, como é o caso das tensões e correntes das
strings. Outros sinais requerem a utilização de um sensor para converter sua unidade e
quantidade física em elétrica. Muitas vezes ainda é necessário realizar um processamento
analógico desse sinal elétrico para adequá-lo à leitura. Por fim, o processo de conversão
analógica para digital (A/D) transforma o sinal elétrico contínuo em um sinal discreto: os
níveis de tensão são convertidos em números em intervalos de tempo.
A Figura 8 mostra um diagrama simplificado da cadeia de medição do SSDL para os
seguintes fatores: irradiância, temperatura do módulo fotovoltaico, velocidade e direção do
vento, temperatura ambiente, umidade e chuva. Originalmente estava planejado também
monitorar pressão atmosférica, tensão de circuito aberto e corrente de curto-circuito, porém,
5.2
29
Cadeia de medição do data logger da estação solarimétrica
devido a dificuldades no desenvolvimento, esses fatores foram descartados e não vão ser
apresentados nesse trabalho, apesar de seus componentes ainda estarem presentes no SSDL.
A seguir serão detalhados os demais elementos presentes na cadeia de medição do SSDL.
Cartão
SD
Pulso
Digital
74HC125D
Barramento SPI
Analógico
Diferencial
Piranômetro
Pulso
Digital
Heltec Wi-FI
LoRa 32 (V2)
RTC
ADS1115
Analógico
Analógico
SHT20
Barramento
I2C
Pluviômetro
Anemômetro
NTC
Indicador de
direção do
vento
Figura 8: Diagrama simplificado do SSDL, com ênfase nos sensores e componentes para
aquisição de dados. [Autoral]
5.2.1
Sensores
Para realizar a medição da irradiância é utilizado um piranômetro de baixo custo da
empresa LUZdoSOL. O piranômetro tem uma faixa de medição entre 0 e 1479 W/m2 e uma
saída analógica entre 0 e 25 mV. A relação entre a entrada e a saída do piranômetro é dada
pela Eq. 1, onde G é a irradiância incidente no piranômetro, K é a constante de calibração
do piranômetro e mV é a tensão de saída em milivolts. O piranômetro foi calibrado na saída
da fábrica e o K fornecido foi utilizado no SSDL.
G=
mV
K
(1)
A medição da temperatura do módulo PV é realizada pelo NTC (do inglês Negative
Temperature Coefficient) de 10 KΩ, que funciona como um resistor onde sua resistência varia
com uma relação inversa a sua temperatura. A Eq. 2 expressa essa relação, R é a resistência
atual do NTC, R25 é a resistência do NTC na temperatura de referência, T25 é a temperatura
de referência (25 o C) e β é a constante do NTC. Essa equação utiliza as temperaturas em
Kelvin (K), então T25 já é utilizada em Kelvin e a saída da equação é convertida para graus
5.2
Cadeia de medição do data logger da estação solarimétrica
30
Celsius. R25 e β variam de um NTC para o outro, não foi realizado nenhum tipo de calibração
para encontrar esses valores, foram utilizados valores esperados para um NTC de 10 KΩ
ideal.
1
Tm (R) =
(2)
!
ln
R
R25
β
+ T125
SHT20 [Sen21a] é utilizado para monitorar a temperatura ambiente e a umidade relativa
do ar. Os dados são fornecidos de forma digital através do barramento I2C e já são entregues
à MCU nas unidades de graus Celsius e porcentagem, respectivamente, não necessitando de
nenhum processamento adicional. O SHT possui uma faixa de medição de -40 a 125 o C para
temperatura, com precisão de ± 0,3 o C, e 0 a 100% para umidade, com precisão de 3%.
A velocidade do vento é monitorada através de um anemômetro. O anemômetro utilizado
gera um pulso digital a cada volta, os pulsos acumulados (CP ) durante um determinado
período (P ) são utilizados para calcular as rotações por minuto (RP M ), como mostrado na
Eq. 3. As rotações por minuto são então convertidas para km/h utilizando a Eq. 4, onde r é
o raio do anemômetro.
CP ∗ 60 ∗ 1000
P
(3)
4 ∗ π ∗ r ∗ RP M
∗ 3.6
60 ∗ 1000
(4)
RP M =
Ws =
A medição da direção do vento foi realizada por um indicador de direção do vento que
possui uma saída analógica que varia de acordo com a direção que o indicador está apontando. A documentação do indicador informa uma resistência fixa para cada posição. Porém,
testes mostraram que a resistência gerada pelo indicador não era compatível com a indicada
na documentação e que não era fixa, apresentando uma pequena variação. Uma calibração
foi realizada em laboratório para encontrar faixas de resistências para cada posição do indicador, a Tabela 3 apresenta essas faixas. Um pluviômetro foi utilizado para executar o
monitoramento do índice pluviométrico, ele gera um pulso digital a cada 0,25 mm de chuva
medido.
5.2
Cadeia de medição do data logger da estação solarimétrica
31
Tabela 3: Relação entre resistência e direção do indicador de direção do vento. [Autoral]
5.2.2
Faixa de resistência
Posição do indicador
R ≤ 6,5 KΩ
0o - Norte
6,5 KΩ < R ≤ 17,5 KΩ
45o - Nordeste
17,5 KΩ < R ≤ 32,85 KΩ
90o - Leste
32,85 KΩ < R ≤ 47,89 KΩ
135o - Sudeste
47,89 KΩ < R ≤ 63,33 KΩ
180o - Sul
63,33 KΩ < R ≤ 89,19 KΩ
225o - Sudoeste
89,19 KΩ < R ≤ 122 kΩ
270o - Oeste
R > 122 kΩ
315o - Noroeste
Processamento analógico e conversão analógico/digital
Devido à baixa tensão gerada pelo piranômetro é necessário realizar a amplificação desse
sinal antes de realizar a conversão A/D. Foi optado por utilizar no SSDL um conversor
analógico-digital (ADC) de alta precisão que já possuísse uma amplificação de sinal integrada. O ADC adotado foi o ADS1115 [Ins21b] que possui 16-bits de precisão, 860 SPS
(do inglês Samples Per Second) e um amplificador de ganho programável (PGA, do inglês
Programmable Gain Amplifier) de 6 níveis, a Tabela 4 apresenta a faixa de leitura e precisão
do ADC1115 para cada nível do PGA.
Tabela 4: Faixa de leitura e precisão do ADC1115 para cada nível do PGA. [Ins21b]
Faixa de Leitura
Precisão
±6.144 V
187.5 µV
±4.096 V
125 µV
±2.048 V
62.5 µV
±1.024 V
31.25 µV
±0.512 V
15.625 µV
±0.256 V
7.8125 µV
5.2
Cadeia de medição do data logger da estação solarimétrica
32
O ADS1115 possui quatro canais de entrada que podem ser utilizados em duas configurações diferentes. Em single ended cada canal é independente, onde ele recebe o sinal positivo
do sensor, enquanto o sinal negativo é colocado no ground (referência elétrica) compartilhado entre os outros dispositivos, incluído o ADC. Já no modo diferencial os canais formam
pares, onde um recebe o sinal positivo e o outro recebe o sinal negativo, essa configuração foi
utilizada para a leitura do piranômetro, já que ela reduz a inserção de ruído e interferências
no sinal de medição.
A comunicação entre o ADS1115 e o MCU é realizada pelo barramento I2C. O endereçamento I2C do ADS1115 é configurável através do pino ADDR, fornecendo quatro opções
de endereços diferentes. Para a medição do piranômetro foi utilizado o endereço 0x48 no
ADC, onde o ADDR é ligado ao ground.
Para a leitura do NTC e da direção do vento foram utilizados divisores de tensão, o
divisor é empregado de forma que o sensor substitua um de seus resistores (Figura 9), assim,
conhecendo a tensão de entrada, a tensão de saída e o valor do resistor fixo, é possível
calcular a resistência apresentada pelo sensor. As tensões de saída dos dois divisores são
lidas pelo ADC integrado ao ESP32.
Vcc
Vout
Sensor
R
Figura 9: Circuito divisor de tensão para leitura de sensores analógicos. [Autoral]
O ESP32 integra dois ADCs de 12-bits, suportando um total de 18 canais de medição. O
ADC1 tem 8 canais, conectados as GPIOs 32-39 (do inglês General Purpose Input/Output),
e o ADC2 tem 10 canais conectados às GPIOs 0, 2, 4, 12-15 e 25-27. No entanto, o uso
do ADC2 tem algumas limitações, já que o drive Wi-Fi o utiliza e alguns de seus pinos são
utilizados no processo de programação do ESP32.
Já os sensores digitais podem ser lidos diretamente pelas GPIOs ou pelos barramentos
seriais. No caso do pluviômetro e do anemômetro foi adicionado um resistor pull-down para
garantir que o GPIO, em que cada sensor está conectado, permaneça com nível lógico baixo
enquanto o sensor não for acionado.
33
5.3
Cadeia de medição do data logger da geração fotovoltaica
5.3
Cadeia de medição do data logger da geração fotovoltaica
A cadeia de medição do PVDL é exibida na Figura 10. Como os fatores monitorados pelo
PVDL são elétricos, são utilizados transdutores para realizar o processamento analógico,
condicionando os sinais elétricos para a leitura. Assim o requisito mais importante se torna
a capacidade de monitorar pelo menos 45 sinais, que seriam eles a tensão e corrente das 20
strings e a saída dos cinco inversores na mini usina da UFAL.
Barramento
I2C
Heltec Wi-FI
LoRa 32 (V2)
RTC
Cartão
SD
74HC125D
Baramento
SPI
CS
DAISY
SCLK
ADS8668
MOSI
MISO
CS
DAISY
SCLK
ADS8668
MOSI
MISO
CS
DAISY
SCLK
ADS8668
MOSI
MISO
Analógico
Diferencial
Transdutores de tensão, corrente e potência
Figura 10: Diagrama simplificado do PVDL, com ênfase nos transdutores e componentes
para aquisição de dados. [Autoral]
5.3.1
Transdutores
Transdutores da marca SECON [SEC21] foram escolhidos para obter os dados de tensão,
corrente e potência. Durante o experimento e validação do sistema, detalhados no Capítulo
7, foram utilizados cinco transdutores, sendo dois para corrente, dois para tensão e um para
potência. O transdutor de corrente converte proporcionalmente uma corrente de entrada entre
0 e 10 A em uma tensão entre 0 e 5 V. Já os dois transdutores de tensão possuem faixas de
medição diferentes, o primeiro realiza leitura entre 0 e 400 V e o segundo entre 0 e 500 V,
ambos possuem uma saída proporcional entre 0 e 10 V.
A potência CA é medida por um transdutor trifásico bidirecional de ± 9 kW que recebe
como entrada uma tensão de até 300 V e uma corrente de até 30 A e como saída fornece uma
5.4
Design e projeto das placas de circuito impresso
34
tensão entre 0 e 5 V. Por ser bidirecional, a relação entre a saída do transdutor e potência
medida é fornecida pela equação 5, onde P é potência e Vout é a tensão de saída. Na mini
usina se pretende utilizar os mesmos tipos de transdutores.
P = Vout ∗ 3600 − 9000
5.3.2
(5)
Processamento analógico e conversão analógico/digital
Para a leitura dos transdutores pelo PVDL não seria necessário nenhum processamento
analógico adicional. Contudo, durante o experimento, esses transdutores também foram
utilizados pelo data logger CR1000, presente na planta PV do experimento, que só suporta
leituras de até 5 V. Por isso, divisores de tensão foram empregados nos transdutores de tensão
para reduzir as saídas pela metade, de forma que fiquem entre 0 e 5 V. Estes divisores não
fazem parte do hardware do PVDL.
Para o PVDL foi necessário escolher um ADC que fornecesse suporte para as 45 entradas
de dados referentes aos fatores de geração PV. O ADS8668 [Ins21a] foi escolhido, pois, ele
permite um encadeamento conhecido como Daisy Chain através de um barramento SPI. O
Daisy Chain permite que vários ADS8668 sejam ligados em série e cria uma abstração para
o microcontrolador de forma que toda a cadeia se torna um único dispositivo.
Além disso, o ADS8668 possui 8 canais diferenciais com PGA para ajuste da faixa de
entrada analógica que pode ser bipolar de ± 10,24 V, ± 5,12 V, ± 2,56 V, ± 1,28 V e ± 0,64
V, bem como unipolar de 0 V a 10,24 V, 0 V a 5,12 V, 0 V a 2,56 V e 0 V a 1,28 V. Outras
características são uma aproximação analógica-digital sucessiva de 12 bits operando a uma
taxa de transferência de 500 kSPS. Seis ADS8668 são utilizados no PVDL, totalizando 48
entradas analógicas diferenciais.
5.4
Design e projeto das placas de circuito impresso
Alguns dos componentes que foram utilizados não estavam disponíveis nas bibliotecas
fornecidas pelo KiCad. Para esses componentes seus símbolos e footprint foram criados do
zero seguido as indicações presentes em seus datasheets.
Em relação ao design das PCBs alguns pontos podem ser destacados. As PCBs foram
5.5
Montagem das placas de circuito impresso
35
criadas em duas camadas e o posicionamento dos componentes foi realizado visando uma
melhor usabilidade do usuário e do desenvolvedor, também foram adicionados marcadores
nas PCBs para indicar a funcionalidade de cada conector. Furos mecânicos (que não possuem conexões elétricas) foram colocados, permitindo que as PCBs possam ser fixadas em
superfícies com parafusos. Esses mesmos furos foram colocados para fixar os shields de
ethernet e data logger as PCBs.
O circuito de alimentação foi projetado de forma que os controladores de carga fossem
opcionais e, caso não fossem utilizados, a entrada de potência poderia ser conectada diretamente ao regulador de tensão. Dessa forma o power path, em ambas as PCBs, foi projetado
da seguinte maneira: a entrada de alimentação da placa é ligada ao controlador de carga que
realiza o gerenciamento da bateria para que em sua saída sempre seja fornecido energia. O
regulador de tensão de 5 V recebe a saída do controlador de carga ou diretamente da entrada
de alimentação da placa, dependendo de como os componentes forem soldados. O regulador
de tensão de 5 V alimenta todos os componentes de 5 V, incluindo o WiFi LoRa 32 V2. O
regulador de tensão de 3,3 V integrado ao WiFi LoRa 32 V2, reduz a tensão de 5 V para 3 V
e alimenta o restante dos componentes.
Por último, as trilhas elétricas de potência (5 V, 3,3 V, GND) foram feitas com uma
técnica chamada planing que cria áreas de cobre nos locais não utilizados da PCB. Para
realizar a conexão dessas áreas entre as duas camadas das PCBs foi utilizada uma segunda
técnica conhecida como stitching, que cria diversas pequenas vias de conexão. Essas duas
técnicas permitem um suporte a maiores potências de alimentação da PCB e também ajudam
a resfriar a placa em casos de temperaturas elevadas.
5.5
Montagem das placas de circuito impresso
As PCBs foram fabricadas pela PCBWay, uma empresa sediada na China especializada
na fabricação de PCBs. A soldagem dos componentes elétricos nas PCBs foi realizada no
laboratório de prototipagem Thomas Edison no Instituto de Computação da UFAL. O processo de soldagem consiste em quatro etapas. Na primeira etapa, a solda em pasta é aplicada
aos pads da PCB onde os componentes de montagem em superfície serão colocados. A
aplicação da solda é realizada com o auxílio de um stencil, uma folha metálica que possui
aberturas nos lugares onde será aplicada a solda.
5.5
Montagem das placas de circuito impresso
36
Figura 11: Placa de aquisição de dados da estação solarimétrica (SSDL). [Autoral]
Na segunda etapa, usando uma máquina pick-and-place, os componentes de montagem
em superfície são colocados em suas posições sobre a PCB. Durante a terceira etapa, a placa
passa por um forno onde a solda será fundida. Por último, os componentes troughole são soldados na PCB e os erros das etapas anteriores, como curtos-circuitos, são corrigidos usando
um ferro de solda. As Figuras 11 e 12 mostram o SSDL e o PVDL, respectivamente.
Figura 12: Placa de aquisição de dados da geração PV (PVDL). [Autoral]
6 Projeto e Desenvolvimento do Software
6
Projeto e Desenvolvimento do Software
6.1
Desenvolvimento do software dos data loggers
37
O PlatformIO tem suporte a diversos sistemas embarcados e microcontroladores, incluindo ao WiFi LoRa 32 V2. O gerenciador de bibliotecas integrado facilita a encontrar,
instalar e utilizar as bibliotecas necessárias para desenvolvimento do software. O PlatformIO oferece um conjunto de ferramentas para debug que não necessitam de configurações
complexas e específicas para cada plataforma. Essas ferramentas incluem o monitor de porta
serial que permite testar e depurar o dispositivo.
A maioria dos componentes periféricos utilizados possuíam uma biblioteca criada e disponibilizada pela comunidade, com exceção do ADS8668. Para o ADS8668 foram implementadas funções de configuração e leitura dos canais utilizando a biblioteca SPI do Arduino
e considerando o encadeamento Daisy Chain. Além disso, foi implementada uma função
para converter os dados recebidos em bits para os valores de tensão lidos nos canais.
6.2
Operação dos data loggers
A Figura 13 mostra um fluxograma ilustrando as principais etapas do funcionamento
dos dispositivos, ambos os dispositivos data loggers operam de forma semelhante. Quando
ligados, os DLs primeiramente inicializam o rádio LoRa, o RTC e o cartão SD. Em seguida,
é verificada a existência dos arquivos de dados e configurações no cartão SD, e caso esses
arquivos não existam, eles são criados em um formato CSV (do inglês Comma-Separated
Values). O arquivo de dados é criado com um cabeçalho que informa o tipo de dado em cada
coluna do arquivo. Já o arquivo de configurações é criado com as configurações padrões dos
sensores.
6.2
38
Operação dos data loggers
Inicializar RTC
Iniciar ESP32
Iniciar tarefa 1
Iniciar tarefa 2
Configurar e
inicializar
rádio LoRa
Ler horario do
RTC
Ler arquivo de
dados do cartão
SD
RTC está em
execução?
Não
Não
Sim
Não
Sim
Tem dados
para enviar?
Sim
Enviar dados
através do LoRa
Ler sensores
Os arquivos
existem?
Não
Não
Sim
Inicializar
cartão SD
Criar arquivos
Novo
segundo?
Esperar ACK
Novo minuto?
Sim
Ler o arquivo de
configuração
dos sensores
Calcular média
das medições
ACK chegou?
Inicializar
sensores
Salvar
resultados no
cartão SD
Atualiza RTC
com timestamp
do NTP
Não
Sim
Tarefa 1
Tarefa 2
Não
ACK tem
configurações?
Sim
Atualiza as
configurações e o
arquivo dos
sensores
Figura 13: Diagrama simplificado que representa a operação dos dispositivos DLs. [Autoral]
6.2
Operação dos data loggers
39
Em seguida, todos os sensores conectados são inicializados e as configurações salvas são
aplicadas aos transdutores e ao piranômetro. Após a inicialização dos sensores, duas tarefas
são criadas e atribuídas a cada um dos núcleos do ESP32, para que possam ser executadas
em paralelo.
A primeira tarefa é responsável pela leitura dos dados dos sensores. Ela contém um
loop que em cada iteração realiza um polling do tempo marcado pelo RTC. Caso o segundo
do tempo obtido for diferente do segundo em que foi realizada a última amostragem dos
dados, uma nova amostragem é realizada e cada um dos dados obtidos é somado ao valor
armazenado em sua respectiva variável. Quando o segundo for 00 os valores acumulados
nas variáveis são divididos pelo número de amostras, calculando uma média dos dados do
último minuto (60 amostras). Esse método é baseado em [RCJ+ 09].
Em suma, os dados são amostrados a cada segundo durante um minuto e, em seguida,
uma média é calculada. Esse método não é aplicado ao monitoramento da chuva, que é o
acúmulo diário, e a direção do vento, que é determinada pela direção mais frequente nesse
último minuto. Após o cálculo da média, um timestamp é obtido do RTC. Em seguida, os
resultados e o timestamp são salvos no arquivo de dados do cartão SD e as variáveis de
armazenamento são zeradas.
A segunda tarefa é executada a cada cinco segundos (utilizando a função delay) e é
encarregada de gerenciar a comunicação LoRa. Esse intervalo foi definido a partir de testes,
de forma que mantenha a ideia de tempo real no envio dos dados e que não tenha interferência
na execução da primeira tarefa. A cada execução da tarefa é verificado se existem dados no
cartão SD a serem enviados. Caso existam, um conjunto de dados é comprimido, adicionado
a um pacote LoRa e enviados para o gateway LoRa. Após o envio, a tarefa espera receber
uma confirmação (ACK, do inglês Acknowledgment) de que os dados alcançaram o gateway.
Se a confirmação não chegar dentro de um determinado intervalo de tempo, os dados são
reenviados. Quando o ACK é recebido, o conjunto de dados que foi enviado é removido do
cartão SD e um novo conjunto é preparado para envio, caso exista.
Portanto, em operação normal, os dados são enviados dos registradores de dados para a
nuvem a cada minuto. Em caso de falha de comunicação, ao retornar, os dados acumulados
serão enviados a cada cinco segundos até que todos os dados sejam enviados e o funcionamento seja normalizado.
6.3
Protocolo LoRa
40
O gateway LoRa está sempre sincronizado com o servidor NTP.br [NTP21]. Quando um
ACK é enviado a um dispositivo pelo gateway, um timestamp atual é obtido por meio do
NTP e enviado junto. A segunda tarefa dos DLs também tem a função de atualizar o RTC
com o timestamp recebido, permitindo manter sempre o tempo preciso e sincronizado entre
os dispositivos.
É possível que configurações de sensores também estejam incluídas no pacote ACK.
Essas configurações podem ser definidas no sistema em nuvem e contêm constantes que são
utilizadas na inicialização e na leitura dos transdutores e do piranômetro, permitindo ajustes
remotos das medições. A segunda tarefa também é responsável por aplicar as configurações
dos sensores e salvá-las no arquivo do cartão SD, para que possam ser mantidas mesmo que
o DL seja reiniciado ou perca a comunicação com a nuvem.
Para evitar que as tarefas utilizem os barramentos I2C e SPI simultaneamente e que as
operações sobre esses barramentos sejam mutuamente exclusivas, foram implementados dois
mutex, um para cada barramento. Mutex é um mecanismo simples para evitar que duas tarefas
tenham acesso simultaneamente a um recurso compartilhado. O travamento por multex é
feito pela tarefa antes de utilizar o recurso, e é liberado após o uso. Enquanto o recurso
estiver travado, qualquer outra tarefa que deseje utilizá-lo deve esperar a sua liberação.
Como os dispositivos podem ser aplicados em locais remotos e/ou com difícil acesso,
foram implementados alguns mecanismos de recuperação de falhas, caso elas ocorram. O
primeiro deles é um watch dog que reinicia o dispositivo em casos de uma tarefa ou operação
parar de responder. O segundo mecanismo é implementado somente no gateway LoRa e é
relacionado a comunicação entres os DLs e o gateway utilizado LoRa ou entre o gateway e
a internet por meio do Wi-Fi. Em caso de falha em alguma das comunicações, o respectivo
rádio é reiniciado e reconfigurado, e caso a falha persista todo o dispositivo é reiniciado.
6.3
Protocolo LoRa
A fim de enviar os dados da maneira mais eficiente possível, um protocolo de rede LoRa
personalizado foi desenvolvido para o sistema proposto. Para transmitir e receber pacotes
LoRa, a biblioteca Arduino-LoRa [aL21] foi usada para ambos os dispositivos DLs e no
gateway. Esta biblioteca expõe o rádio LoRa diretamente e permite enviar dados para qualquer rádio dentro do alcance com os mesmos parâmetros de rádio, sem usar compressão ou
6.3
41
Protocolo LoRa
endereçamento.
Em relação aos parâmetros de rádio utilizados, foram adotados valores suportados pelo
rádio LoRa e que atendessem às normas e resoluções do Brasil [Net21]. Para a frequência
central de transmissão foi utilizado 915 MHz, com uma largura de banda de 125 kHz, potência de transmissão de 10 db, SF7 para fator de espalhamento (quantidade de código de
espalhamento aplicado ao sinal de dados original) e taxa de código de 4/5 (define quantos
bits são utilizados na redundância da mensagem).
Duas funções oferecidas pela biblioteca foram utilizadas: Sync Word e Cyclic Redundancy Check (CRC). A função Sync Word limita a transmissão de dados apenas para dispositivos que compartilham o mesmo valor de sync word, criando uma rede LoRa isolada. CRC
é um método de detecção de erros para detectar mudanças acidentais nos pacotes de dados
transmitidos.
1 byte
4 bytes
Cabeçalho
Payload do SSDL
1 byte
4 bytes
Cabeçalho
Payload do PVDL
1 byte
2 bits
Destinatário
1 byte
Umidade
1 byte
Timestamp da Corrente da
Medição
String 1
4 bytes
Cabeçalho
Payload de ACK
2 bytes
Timestamp da Temperatura
Medição
Ambiente
2 bytes
1 byte
1 byte
Irradiância
Velocidade do
Vento
Direção do
Vento
1 byte
2 bytes
2 bytes
3 bytes
Corrente da
String 2
Tensão da
String 1
Tensão da
String 2
Potência CA
1 byte
2 bytes
Chuva
Temperatura
do Módulo PV
9 bytes
Timestamp da Configuração dos Sensores
Medição
(Opcional)
2 bits
Remetente
2 bits
1 bit
Contém
Não utilizado
Configurações
1 bit
É ACK
Figura 14: Estrutura proposta de payload LoRa. [Autoral]
Uma estrutura de payload foi desenvolvida para maximizar a transferência de dados
usando o menor número de bits. A Figura 14 mostra a estrutura de transmissão de dados
dos sensores e das informações ACK. O primeiro byte é um cabeçalho que contém as informações de quem são o remetente e o destinatário, realizando o endereçamento, e também
contém bits que informam se o payload é um ACK e se contém informações de configurações
dos sensores.
Os dados são compactados usando bit-packing, de modo que sua representação usa menos bits do que se fossem transmitidos como código ASCII. O bit-packing é uma compressão
simples, onde os dados são primeiro representados em um valor inteiro usando a fórmula de
6.4
42
Arquitetura e aplicação da internet das coisas
bit-packing e, em seguida, são representados em binário, a Tabela 5 detalha essa representação para cada tipo de dados.
Tabela 5: Bit-packing para diferentes tipos de dados. [Autoral]
Tipo de dado
Timestamp
Formula Bit-Packing
B = segundos a partir de
Bits
32
1 Jan 1970 00:00:00
Faixa
1 Jan 1970 00:00:00 até
Precisão
1 segundo
19 Jan 2038 03:14:07
Temperatura
B = (T+40)*10
16
-40 to 125 ◦ C
0.1 ◦ C
Umidade
B=H
7
0 to 100%
1%
Irradiância
B = I*10
16
0 to 6553.5 W/m2
0.1 W/m2
Velocidade do vento
B=S
8
0 to 255 Km/h
1 Km/h
Direção do vento
Mapeia para um valor
3
representativo da direção
0, 45, 90, 135, 180, 225,
270, 315 ◦
-
Chuva
B = R/0.25
8
0 to 63.75 mm
0.25 mm
Tensão
B = V*10
16
0 to 6553.5 V
0.1 V
Corrente
B = C*10
8
0 to 25.5 A
0.1 A
Potência
B = (P+9000)*10
24
-9000 to 9000 W
0.1 W
Como o Arduino-LoRa só suporta a transmissão de char (1 byte em linguagem C),
mesmo os dados menores que 8 bits foram alocados em um byte na estrutura, isso também
facilita a separação dos dados no receptor.
6.4
Arquitetura e aplicação da internet das coisas
Os dados coletados pelo sistema proposto são disponibilizados ao usuário por meio do
GCP. A Figura 15 ilustra a arquitetura IoT proposta. O módulo GCP IoT Core é responsável
por gerenciar os dispositivos e definir qual protocolo de comunicação pode ser usado por
eles. Como gerenciador de dispositivos, o IoT Core oferece opções para registrar, atualizar
e monitorar o status dos dispositivos. Nesta proposta, o gateway LoRa foi registrado como
um dispositivo IoT e um par de chaves foi gerado para realizar a autenticação do dispositivo
e permitir uma comunicação segura. A chave pública gerada foi registrada no IoT Core
6.4
43
Arquitetura e aplicação da internet das coisas
enquanto a chave privada é implementada no gateway LoRa.
Para comunicação entre o GCP e o gateway LoRa, o protocolo MQTT é usado. MQTT é
um protocolo de comunicação máquina para máquina baseado no padrão publish/subscribe
para a troca de mensagens assíncronas. O módulo Pub/Sub é o broker MQTT do GCP, responsável por gerenciar tópicos e assinaturas. O Pub/Sub oferece armazenamento temporário
de mensagens e entrega de mensagens em tempo real com alta disponibilidade e desempenho
consistente em grande escala.
Aplicação WEB
Hospedado no Heroku
Google Cloud Platform
Gateway LoRa
Ingerir dados
Armazenar
Real-time
Monitoring
Protocolo
MQTT
ESP 32
Cloud IoT
Core
Cloud
Pub/Sub
Cloud
Functions
BigQuery
Consult Data
History
Figura 15: Diagrama representando a arquitetura IoT. [Autoral]
Dois tópicos MQTT foram criados, um para receber dados enviados do SSDL e outro
para receber dados do PVDL. Cada um desses tópicos possui dois assinantes, o primeiro
assinante é a página Real-time Monitoring da aplicação web, permitindo uma exibição de
dados em tempo real para o usuário. O segundo assinante é o módulo Cloud Functions do
GCP, que transfere os dados para o BigQuery para armazenamento.
O módulo GCP BigQuery é um banco de dados SQL (Standard Query Language) para
grandes conjuntos de dados. Foi criada uma tabela para armazenar os dados de cada dispositivo DL. A aplicação web pode fazer consultas ao BigQuery com base em datas e obter um
histórico de dados para exibição.
Além disso, o IoT Core cria automaticamente dois tópicos para cada dispositivo registrado, um tópico de configuração e um tópico de comando. O tópico de configuração é
usado para transmitir as configurações de sensores dos dispositivos DLs e o tópico de comando pode ser usado para reiniciar o gateway LoRa remotamente. As configurações são
enviadas sempre que um dispositivo é conectado ao GCP ou quando uma nova configuração
é submetida. Ambos os tópicos são acessíveis apenas por meio da página web do IoT Core.
6.5
Aplicação WEB
6.5
Aplicação WEB
44
A aplicação web fornece uma maneira simples e fácil para o usuário visualizar e obter
os dados adquiridos pelo sistema proposto. Quatro endpoints foram criados para acessar os
serviços do GCP: dois endpoints para assinatura nos tópicos MQTT de cada registrador de
dados e dois outros para consultar as tabelas do BigQuerry.
Três páginas da web foram implementadas: página inicial, Real-time Monitoring e Consult Data History. A figura 16 mostra a página inicial da aplicação que contém algumas
informações sobre o trabalho desenvolvido. Cada dispositivo possui uma página Real-time
Monitoring e Consult Data History, acessadas a partir do menu superior. Quando o cursor
passa pelos nomes dos dispositivos no menu superior, um submenu suspenso é exibido para
selecionar a página desejada.
Figura 16: Página inicial da aplicação Web, exibindo o submenu. [Autoral]
A página Real-time Monitoring usa um dos endpoints para se inscrever no tópico de dados do dispositivo. Assim que os dados são recebidos por meio do MQTT, eles são exibidos
em duas seções desta página. A primeira seção mostra o último conjunto de dados que chegou, incluindo a data e hora em que foi obtido. Na segunda seção, cada variável monitorada
é exibida em um gráfico de linha diferente. Os gráficos passam a exibir os dados recebidos a
partir do momento em que a página é aberta e podem exibir até 1440 pontos simultaneamente
(24 horas de monitoramento). Quando o limite máximo de pontos é atingido, os pontos mais
6.5
Aplicação WEB
45
antigos são removidos à medida que novos dados são recebidos. A Figura 17 mostra a página
Real-time Monitoring da estação solarimétrica, com a primeira seção e o primeiro gráfico da
segunda seção.
Figura 17: Página da aplicação web para monitoramento em tempo real da estação solarimétrica. [Autoral]
Na página Consult Data History (Figura 18), o usuário pode escolher um dia, digitando
manualmente no formato MM/DD/AAAA ou usando um calendário interativo para consultar
os dados salvos no BigQuery. Ao escolher a data e pressionar o botão Consult, o endpoint
consulta a tabela no BigQuery e os dados obtidos, se houver, são exibidos na página em
formato de tabela. O botão Download converte os dados exibidos na tabela em um arquivo
CSV transferido para o computador do usuário.
6.5
Aplicação WEB
46
Figura 18: Página da aplicação web para consultar o histórico de dados de geração PV.
[Autoral]
O aplicativo da web está hospedado em Heroku [Her21], uma plataforma de nuvem como
serviço com suporte para diferentes linguagens de perfil, incluindo o framework Django.
7 Resultados e Discussões
7
Resultados e Discussões
7.1
Descrição e comparação de custos
47
O custo de produção do SSDL foi de USD $65,42, este valor inclui a placa de circuito impresso e componentes eletrônicos, como resistores, capacitores, regulador de tensão,
ADS1115, RTC, cartão SD e Heltec WiFi LoRa 32 (V2). A produção do PVDL foi de USD
$109,11, o preço mais alto se deve aos ADCs que o dispositivo contém, o valor também
inclui a PCB e demais componentes. O gateway LoRa é um Heltec WiFi LoRa 32 (V2),
portanto, custando USD $20,80.
Os custos dos sensores usados são: piranômetro - USD $279,45, NTC 10K - USD $3,14,
SHT20 (com proteção à prova d’água) - USD $27,97, anemômetro - USD $37,10, indicador
de direção do vento - USD $37,10, pluviômetro - USD $48,44, transdutor de tensão - USD
$55,93, transdutor de corrente - USD $82,96 e transdutor de potência - USD $236,24. Adicionando os custos dos registradores de dados e seus sensores, temos um custo total de USD
$498,62 para a estação solarimétrica e USD $623,13 para o monitor de geração fotovoltaica.
Assim, o custo total de hardware do sistema proposto é de USD $1.142,55.
O custo de produção pode ser menor ao considerar apenas os componentes usados no
experimento e se for feita a otimização da compra dos componentes. Por exemplo, apenas um
dos ADCs do PVDL foi utilizado durante os experimentos, desse modo, os demais podem ser
removidos, dependendo do caso de uso, reduzindo USD $44,4, para um custo total de USD
$1.098,15. Além disso, como o sistema é flexível, qualquer um dos sensores ou transdutores
pode ser facilmente substituídos por alternativas mais baratas.
Pode-se fazer uma comparação com o trabalho desenvolvido em [ERA+ 18] por ser um
dos mais completos da literatura e fornecer o custo de seu desenvolvimento. Os autores relataram um custo de USD $25.000,00 para desenvolver 20 unidades do sistema, portanto, pode
ser estimado que cada unidade tem um valor em torno de USD $1.250,00. Para monitorar
os fatores meteorológicos e de geração PV, são necessárias duas unidades deste sistema, totalizando USD $2.500,00. Portanto, nosso sistema é cerca de duas vezes mais barato que
este.
Outra comparação pode ser feita com o data logger comercial CR1000, cujo custo é cerca
de USD $2.850,00. O CR1000 não inclui quaisquer sensores ou transdutores, ao adicionar
7.2
48
Resultados experimentais
esses dispositivos ao CR1000 para formar um sistema de monitoramento fotovoltaico, que
monitora os mesmos fatores que o sistema proposto, o custo seria ainda mais elevado. Hipoteticamente, a aplicação dos sensores e transdutores usados no sistema proposto, que custam
USD $926,42 (piranômetro, NTC, SHT20, anemômetro, indicador de direção do vento, pluviômetro e tradutores de tensão, corrente e potência), ao CR1000 resultaria em um sistema
com um custo total de aproximadamente USD $3.776,42 (CR1000 + sensores).
Todo o software utilizado era de código aberto, sem nenhum custo extra. Em relação ao
GCP, o custo mensal é de USD $0,20, baseado no custo no mês de março (31 dias) e sem
considerar os descontos no uso de alguns dos serviços. Pretendemos implementar no futuro
a mesma infraestrutura de IoT baseada no agente de mensagens de código aberto Mosquitto
[Mos21], oferecendo uma alternativa gratuita ao GCP. O Heroku oferece 1000 horas por mês
para rodar aplicativos gratuitos sem nenhum custo, portanto, o aplicativo web não adiciona
custos ao sistema.
7.2
Resultados experimentais
Como a miniusina ainda não estava em operação até o desenvolvimento do sistema e
escrita deste trabalho, outras plantas PV foram considerados para testar e validar o sistema
proposto. O sistema selecionado é constituído por 19 painéis de silício policristalino (Sip), com potência nominal de 270 Wp (watt-pico) cada, associados em série a 5130 Wp
nominais. O sistema fotovoltaico foi configurado em duas strings, devido às limitações de
tensão máxima do inversor utilizado, a String 1 possui 10 painéis associados em série e a
String 2 possui 9 painéis associados também em série. Os dados operacionais de cada string
são exibidos na Tabela 6, nas condições padrões de teste (STC, do inglês Standard Testing
Conditions), 1000 W/m2 , 1.5 AM e 25 ◦ C.
Tabela 6: Dados elétricos por string. [Igor Torres]
String
VOC
VM P P
ISC
IM P P
PM P P
1
349 V
317 V
9,09 A
8,52 A
2700 W
2
388 V
285 V
9,09 A
8,52 A
2482 W
7.2
49
Resultados experimentais
A ligação das strings é feita através de um inversor CC/CA com potência nominal de
5000 W, atingindo um pico máximo de 6500 W. O inversor utilizado é o PHB5000D-NS
da fabricante PHB do Brasil. O inversor está integrado à rede elétrica seguindo os padrões
estabelecidos pela ANEEL. A Tabela 7 apresenta alguns dos dados do inversor. O sistema
PV também inclui dispositivos de proteção e seccionamento. Essa planta PV se encontra na
residência do Prof. Igor Torres do Campus de Engenharias e Ciências Agrárias da UFAL,
que além de permitir a utilização da planta, também contribuiu na instalação e validação do
sistema proposto.
Tabela 7: Especificações do Inversor PHB5000D-NS. [Sol21]
Potência máxima
6500 W
Máxima tensão CC
580 V
Mínima tensão CC
125 V
Faixa do MPPT
125 - 550 V
Entradas MPPT
2
Corrente CC
11,4 A / 11,4 A
Tensão de fase CA nominal
220 V / 60 Hz
Eficiência de conversão (η)
97,8 %
O sistema PV possui um segundo sistema de monitoramento aplicado. Este segundo sistema de monitoramento é baseado no data logger CR1000 da Campbell Scientific [CS21], e
possui sensores externos para medir a temperatura ambiente, irradiância solar e temperatura
de um módulo fotovoltaico, já os dados de geração PV são obtidos pelos mesmos transdutores usados pelo sistema proposto. Esse sistema baseado no CR1000 foi utilizado para validar
as medições realizadas pelo sistema proposto.
A figura 19 mostra o sistema instalado no local. A Figura 19a mostra a estação solarimétrica discutida no Capítulo 5.2, com destaque 1 mostrando o piranômetro, anemômetro,
pluviômetro e indicador de direção do vento. O SHT20 está posicionado dentro de um abrigo
climático no meio da estrutura da estação. O NTC é fixado na parte traseira de um dos módulos fotovoltaicos. O SSDL está contido em uma caixa hermética para proteção e é mostrado
no destaque 2.
7.2
50
Resultados experimentais
O gabinete mostrado na Figura 19b está localizado próximo ao inversor e possui dispositivos para proteção e seccionamento do sistema FV. O destaque 3 mostra os transdutores de
tensão DC (branco) e a corrente DC (preto). Ao lado deles está o transdutor de alimentação
CA. Conforme detalhado no Capítulo 5.3.2, os dados dos transdutores são adquiridos pelo
PVDL (destaque 4).
Os resultados a seguir referem-se aos dados monitorados durante o período de 27 de
fevereiro de 2021 a 14 de março de 2021 1 . Até a escrita desse trabalho (17 de Abril de
2021) o sistema proposto estava instalado e operando nessa planta PV.
3
1
2
4
(a)
(b)
Figura 19: Sistema proposto instalado. (a) Estação solarimétrica, com ênfase em seu data
logger e sensores. (b) Gabinete com os transdutores e o PVDL. [Autoral]
7.2.1
Operação e confiabilidade do sistema
A arquitetura do sistema proposto possui boa confiabilidade e foi eficaz na exibição dos
dados coletados em tempo real. Durante o período experimental de 16 dias, esperava-se que
23.040 conjuntos de dados de cada registrador de dados fossem coletados e enviados. Um
1
Todos os dados obtidos nesse período estão disponíveis nos seguintes links:
SSDL - https://figshare.com/articles/dataset/Meteorological_Data_Proposed_System/14216969,
PVDL - https://figshare.com/articles/dataset/PV_Genaration_Data_Proposed_System/13953845
e CR1000 - https://figshare.com/articles/dataset/CR1000_Data/14225111.
7.2
51
Resultados experimentais
total de 99,13% dos conjuntos de dados da estação solarimétrica e 99,40% dos conjuntos de
dados de geração FV chegaram à nuvem, demonstrando a confiabilidade do sistema.
Todos os dados que chegaram ao GCP foram salvos com sucesso no BigQuery e enviados
ao aplicativo da web via MQTT. Em relação à eficácia de estar em tempo real, o cálculo
da média dos dados obtidos pela tarefa 1 até que esses dados sejam exibidos na aplicação
web é rápido, com um atraso de no máximo cinco segundos. A maior parte desse atraso é
introduzida pela execução da tarefa 2 dos registradores de dados a cada cinco segundos, que
é necessária para manter a consistência da operação do dispositivo.
A utilização de sensores dedicados permite que o sistema proposto seja aplicado a outros sistemas fotovoltaicos, independente do inversor utilizado. Além disso, a amostragem
da proposta não depende da amostragem dos dados de geração PV fornecidos pelo inversor.
A amostragem a cada segundo, seguida pela média de 1 minuto dos dados, fornece medições precisas, mantendo a transmissão de dados, armazenamento e computação em baixa
complexidade [RCJ+ 09].
O protocolo LoRa proposto reduz o tamanho da carga útil permitindo uma transmissão
mais eficiente, o que reduz o tempo de transmissão e o consumo de energia. A Tabela 8
compara o tamanho aproximado em bytes do payload transmitido pela estrutura proposta,
pelo LoRaWAN usando Cayenne LPP (Low Power Payload) [Cay21] e como uma string de
texto.
Tabela 8: Tamanho do payload em bytes, considerando diferentes protocolos. [Autoral]
Protocolo
Dados SSDL Dados PVDL ACK (mín)
Proposta
15 B
14 B
5B
Cayenne LPP [Cay21]
33 B
28 B
9B
String de texto
61 B
56 B
27 B
O uso do NTP para sincronizar RTCs trouxe grandes vantagens. Primeiro, permitiu que
os RTCs tivessem a data e a hora corretas. Antes de usar o NTP, o RTC apresentava um
pequeno erro de precisão que poderia se acumular, gerando um erro de vários minutos. Em
segundo lugar, permitiu uma maneira simples de sincronizar as medições entre os dois DLs.
7.2
Resultados experimentais
7.2.2
Precisão do sistema
52
Antes de realizar as comparações e cálculos estatísticos entre os dados obtidos pelo
sistema proposto e os dados do sistema baseado no CR1000, foi realizado um préprocessamento em todos os dados. Em relação aos dados obtidos pelo sistema proposto,
alguns dos valores de geração de PV apresentaram erros em suas medições (por exemplo,
estando fora da faixa esperada), esses valores foram substituídos pela última leitura válida.
Alguns dados obtidos pelo CR1000 mostraram o valor NAN (Not A Number), esses valores
também foram removidos e substituídos pelo último valor lido válido.
Após o pré-processamento, as seguintes métricas estatísticas foram calculadas entre os
dados obtidos nos dois sistemas: Erro Médio Absoluto (MAE, do inglês Mean Absolute
Error) (Eq. 6), Desvio Médio Quadrático (RMSD, do inglês Root Mean Square Deviation)
(Eq. 7) e Erro Percentual Absoluto Médio Ponderado (WAPE, do inglês Weighted Absolute
Percent Error) (Eq. 8). Onde n é o número de amostras de dados, yi é a i-ésima amostra
de dados coletados pelo CR1000 e xi é a i-ésima amostra de dados coletados pelo sistema
proposto. A Tabela 9 mostra os resultados.
i=1
M AE =
RM SD =
1X
|yi − xi |
n n
h P
i=1
1
n
n
(yi − xi )
(6)
2
Pi=1
n |yi − xi |
W AP E = P
i=1
n |yi |
i0.5
(7)
(8)
O MAE mede a magnitude média dos erros entre os dois conjuntos de dados, sem considerar sua direção. Da mesma forma, no RMSD os erros são elevados ao quadrado antes de
serem calculados, atribuindo um peso relativamente alto aos erros grandes. MAE e RMSD
fornecem o erro em unidades da variável de interesse, o que pode gerar uma comparação
enganosa entre os erros das diferentes medições. Por esse motivo, o WAPE também foi
calculado, apresentando os erros em porcentagem.
7.2
53
Resultados experimentais
Tabela 9: Comparação estatística entre as medidas do sistema proposto e o CR1000 considerando os 16 dias de experimento e três tipos de métricas: MAE, RMSD e WAPE. [Autoral]
Dado
MAE
RMSD
WAPE
Temp. Ambiente
1,21 ◦ C
1,46 ◦ C
4,13%
Irradiância
37,05 W/m2
68,12 W/m2
13,54%
Temp. Módulo PV
5,67 ◦ C
6,73 ◦ C
17.56%
Corrente String 1
0,12 A
0,41 A
5,37%
Corrente String 2
0,17 A
0,41 A
7,29%
Tensão String 1
21,46 V
48,02 V
15,15%
Tensão String 2
14,51 V
38,23 V
11,99%
Potência CA
74,01 W
210,90 W
6,60%
Os fatores que apresentaram WAPE abaixo de 10% foram considerados aceitáveis, isto
inclui temperatura ambiente (4,13%), correntes das duas strings (5,37% e 7,29%) e potência
CA (6,6%). Considerando as unidades e magnitudes desses fatores, eles também apresentaram um baixo MAE que não deve impactar na qualidade da medição. Porém, o RMSD
da potência (210,9 W) e das correntes (0,41 A para ambos) ficaram entre 2,4 e 3,2 vezes
maiores que o MAE, o que pode indicar a presença de outliers nessas medidas. A irradiância
(13,54%), a temperatura do módulo PV (17,56%) e as medidas de tensão (15,15% e 11,99%)
apresentaram WAPE maior que o valor aceitável. Embora, para todos esses fatores, o WAPE
seja inferior a 18%, e esses valores podem ser melhorados com alguns ajustes discutidos
abaixo.
A Figura 20 mostra as comparações gráficas das medições durante 7 dias (1 a 7 de março
de 2021). A linha azul representa as medições retornadas pelo sistema proposto, e a linha
vermelha representa as medições retornadas pelo CR1000. Dados sobre umidade, velocidade
do vento, direção do vento e chuva não são monitorados pelo sistema baseado em CR1000,
portanto, não foram comparados.
Percebe-se que o erro na medição da irradiância está presente principalmente quando
este fator atinge seu valor máximo (Figura 20c), isso pode ser devido à diferença no local
de instalação dos piranômetros. Em relação ao piranômetro do sistema proposto, ele está
7.2
54
Resultados experimentais
instalado no topo da estrutura da estação solarimétrica (Figura 19a), em contrapartida, o
piranômetro do sistema CR1000 está instalado em um nível inferior, próximo a os módulos
fotovoltaicos. Além disso, o sinal de irradiância do sistema proposto também apresenta
ruído, a aplicação de um filtro pode reduzir este ruído e o erro.
(a)
(b)
(c)
(d)
(e)
(f)
Figura 20: Comparação gráfica dos dados obtidos durante uma semana (1 de março a 7
de março de 2021) pelo sistema proposto (azul) e pelo CR1000 (vermelho). Os gráficos
mostram as seguintes medidas: (a) temperatura ambiente, (b) temperatura do módulo PV,
(c) irradiância, (d) potência CA, (e) corrente da String 1, (f) corrente da String 2. [Autoral]
7.2
55
Resultados experimentais
(g)
(h)
Figura 20: (continuação) (g) tensão da String 1, (h) tensão da String 2. [Autoral]
A maior parte dos erros nas medições de tensão são gerados durante a noite, onde o SSDL
mede valores acima de 0 V quando deveria ser zero (Figuras 20g e 20h). Esse erro pode ser
causado pelos divisores de tensão aplicados aos transdutores ou por alguma interferência
externa com um efeito parasita. Aplicar um filtro, zerando a leitura abaixo de um valor
limite reduziria esses erros nas leituras de tensão.
A temperatura do módulo PV apresentou o maior erro entre todos os fatores ao usar um
NTC para monitorar esses dados. Na equação usada para converter a resistência apresentada
pelo NTC em temperatura, as constantes aplicadas foram para um NTC ideal de 10 k Ω.
Realizar uma calibração para encontrar as constantes específicas do NTC utilizado reduziria
o erro apresentado.
8 Considerações Finais
8
56
Considerações Finais
Neste trabalho, foi desenvolvido um sistema IoT para monitoramento em tempo real de
sistemas fotovoltaicos. O sistema IoT é composto por dois dispositivos data loggers, um
sistema em nuvem e uma aplicação web. Ele pode monitorar dados meteorológicos e de
geração de PV.
O diferencial do sistema proposto é que ele mede todas as variáveis meteorológicas relevantes, é implementado em software aberto, usa LoRa como tecnologia para transmissão
de dados e se conecta à internet sem cabos, armazena dados localmente e na nuvem, usa
NTP para sincronizar os relógios dos dispositivos, mede as variáveis de geração PV diretamente da planta (não do inversor). Até onde sabemos, nenhum trabalho relatado na literatura
apresenta todas essas características.
Além disso, os resultados experimentais mostraram a correta eficácia na exibição em
tempo real dos dados e boa confiabilidade do sistema proposto. O custo de produção
mostrou-se baixo, sendo quase a metade de um sistema baseado em data logger comercial e um dos sistemas mais completos da literatura. Portanto, o sistema proposto pode ser
uma boa alternativa aos micro e mini sistemas PV. No entanto, por se tratar de um sistema
aberto, é escalonável e facilmente modificado, o que permite sua utilização em sistemas PV
de diferentes topologias e tamanhos. Também, este sistema pode ser usado como um sistema
habilitador para criar sistemas fotovoltaicos inteligentes, uma vez que a arquitetura IoT pode
ser usada para executar computação em nuvem ou fog, e o conjunto de dados criado pelo
histórico das medições pode ser aplicado para detecção automática de falhas, e previsão de
geração de energia.
Algumas sugestões de trabalhos futuros são:
• Realizar algumas melhorias de sistemas, como calibração de sensores e implementação de filtros nos DLs, para melhorar a precisão das medições que tiveram um erro
mais considerável;
• Implementar a arquitetura IoT utilizando Mosquitto como uma alternativa aberta e sem
custo ao GCP;
• Aplicar o sistema desenvolvido na mini usina da UFAL, uma vez que ela esteja em
8 Considerações Finais
57
operação;
• Integração do sistema desenvolvido com técnicas de aprendizado de maquina para prever a geração fotovoltaica com base em dados meteorológicos e detectar automaticamente as falhas que ocorram na planta PV, permitindo otimizar o processo de produção
elétrica e aumentar a confiabilidade do sistema fotovoltaico.
58
REFERÊNCIAS
Referências
[ABS21]
ABSOLAR. Infográfico absolar. Technical report, ABSOLAR, 2021.
[AI17]
Ibrahim Allafi and Tariq Iqbal. Design and implementation of a low cost
web server using esp32 for real-time photovoltaic system monitoring. In
2017 IEEE electrical power and energy conference (EPEC), pages 1–5.
IEEE, 2017.
[AI19]
Lawrence O Aghenta and M Tariq Iqbal. Development of an iot based
open source scada system for pv system monitoring. In 2019 IEEE Canadian Conference of Electrical and Computer Engineering (CCECE),
pages 1–4. IEEE, 2019.
[aL21]
arduino LoRa. arduino-lora, 2021.
[Ali21]
Alibaba. New 433mhz esp32 lora sx1278 esp32 led 0.96 inch blue oled
display ble wifi lora kit 32 v2 development board for arduino, 2021.
[All21]
ZigBee Alliance. Zigbee, 2021.
[Ama16]
Joseph Amajama. Effect of air pressure on the output of photovoltaic
panel and solar illuminance (or intensity). International Journal of Scientific Engineering and Applied Science (IJSEAS), 2(8):139–144, 2016.
[ANASK+ 18]
Hala Al-Nuaimi, Afnan Abu-Serdaneh, Hanin Kablan, Ghaya AlDarmaki, and Atef Abdrabou. A low-cost online performance monitoring
system for home photovoltaic generators. In 2018 Advances in Science
and Engineering Technology International Conferences (ASET), pages
1–5. IEEE, 2018.
[ANH18]
Fawzi Al-Naima and Abdullah Hamad. A low-cost solar farm monitoring system based on cloud database. In International Conference on
Innovation and Intelligence for Informatics, Computing, and Technologies (3ICT), pages 1–5. IEEE, 2018.
59
REFERÊNCIAS
[AP20]
Mubashir Ali and Mahnoor Khalid Paracha. An iot based approach for
monitoring solar power consumption with adafruit cloud. Int. J. Eng.
Appl. Sci. Technol, 4(9):335–341, 2020.
[ARR17]
Shaik Ayesh, P. Ramesh, and Sabitha Ramakrishnan. Design of wireless
sensor network for monitoring the performance of photovoltaic panel. In
2017 Trends in Industrial Measurement and Automation (TIMA), pages
1–6. IEEE, 2017.
[AS11]
Julio Romero Agüero and Steve J Steffel. Integration challenges of photovoltaic distributed generation on power distribution systems. In 2011
IEEE Power and Energy Society General Meeting, pages 1–6. IEEE,
2011.
[ASD+ 16]
Soham Adhya, Dipak Saha, Abhijit Das, Joydip Jana, and Hiranmay
Saha. An iot based smart solar photovoltaic remote monitoring and control unit. In 2016 2nd international conference on control, instrumentation, energy & communication (CIEC), pages 432–436. IEEE, 2016.
[Aus21]
HOBO Data Loggers Australia. Hobo rx3000, 2021.
[BKN+ 12]
Miroslav M Begovic, Insu Kim, Damir Novosel, Julio Romero Aguero,
and Ajeet Rohatgi. Integration of photovoltaic distributed generation in
the power distribution grid. In 2012 45th Hawaii International Conference on System Sciences, pages 1977–1986. IEEE, 2012.
[C+ 17]
Guillermo Andres Rodriguez Cantor et al. Influência dos fatores climáticos no desempenho de módulos fotovoltaicos em regiões de clima
tropical. Repositório Institucional da UFPB, 2017.
[Cay21]
Cayenne. Cayenne low power payload, 2021.
[CMR+ 15]
M Caruso, R Miceli, P Romano, G Schettino, C Spataro, and F Viola.
A low-cost, real-time monitoring system for pv plants based on atmega
328p-pu microcontroller. In 2015 IEEE International Telecommunications Energy Conference (INTELEC), pages 1–5. IEEE, 2015.
60
REFERÊNCIAS
[CS21]
Inc. Campbell Scientific. Cr1000, 2021.
[Dev21]
Analog Devices. Ltc4162-l datasheet, 2021.
[DRS19]
Mohamed Deriche, Muhammad Wasim Raad, and Wael Suliman. An iot
based sensing system for remote monitoring of pv panels. In 2019 16th
International Multi-Conference on Systems, Signals & Devices (SSD),
pages 393–397. IEEE, 2019.
[ERA+ 18]
Nouredine Erraissi, Mustapha Raoufi, Noura Aarich, Mohamed Akhsassi, and Amin Bennouna. Implementation of a low-cost data acquisition system for “propre. ma” project. Measurement, 117:21–40, 2018.
[Esp21]
Espressif. Esp32, 2021.
[FBJC+ 17]
Sérgio de Oliveira Frontin, Antônio Cesar Pinho Brasil Jr, Maria Tereza Diniz Carneiro, Nara Rúblia Dante de Godoy, et al. Usina fotovoltaica jaíba solar–planejamento e engenharia. Brasília, Teixeira Gráfica e
Editora Ltda, page 532, 2017.
[Gha19]
Alireza Ghasempour. Internet of things in smart grid: Architecture, applications, services, key technologies, and challenges. Inventions, 4(1):22,
2019.
[Goo21]
Google. Google cloud platform, 2021.
[Hel21]
Heltec. Wifi lora 32 (v2), 2021.
[Her21]
Heroku. Heroku: Cloud application platform, 2021.
[Ins21a]
Texas Instruments. Ad8668, 2021.
[Ins21b]
Texas Instruments. Ads1115 datasheet, 2021.
[Ins21c]
Texas Instruments. Bq24075, 2021.
[Int21]
Maxim Integrated. Ds1307 datasheet, 2021.
61
REFERÊNCIAS
[KIA+ 19]
Mahmood Khan, Javed Iqbal, Muhammad Ali, Afaq Muhmmad, Ali
Zahir, and Nadir Ali. Designing and implementation of energy-efficient
wireless photovoltaic monitoring system. Transactions on Emerging Telecommunications Technologies, page e3685, 2019.
[KiC21]
KiCad. Kicad eda, 2021.
[LCR+ 20]
André Eugênio Lazzaretti, Clayton Hilgemberg da Costa, Marcelo Paludetto Rodrigues, Guilherme Dan Yamada, Gilberto Lexinoski, Guilherme Luiz Moritz, Elder Oroski, Rafael Eleodoro de Goes, Robson Ribeiro Linhares, Paulo Cézar Stadzisz, et al. A monitoring system for
online fault detection and classification in photovoltaic plants. Sensors,
20(17):4688, 2020.
[LH11]
Antonio Luque and Steven Hegedus. Handbook of photovoltaic science
and engineering. John Wiley & Sons, 2011.
[LVFV18]
Ascensión López-Vargas, Manuel Fuentes, and Marta Vivar. Iot application for real-time monitoring of solar home systems based on arduinoTM
with 3g connectivity. IEEE Sensors Journal, 19(2):679–691, 2018.
[MGPGPL+ 16]
Isabel M Moreno-Garcia, Emilio J Palacios-Garcia, Victor PallaresLopez, Isabel Santiago, Miguel J Gonzalez-Redondo, Marta VaroMartinez, and Rafael J Real-Calvo. Real-time monitoring system for
a utility-scale photovoltaic power plant. Sensors, 16(6):770, 2016.
[Mic21a]
Microchip. Enc28j60, 2021.
[Mic21b]
Microchip. Miwi protocol, 2021.
[Mos21]
Mosquitto. Eclipse mosquitto, 2021.
[Net21]
The Things Network. Frequency plans by country, 2021.
[Nex21]
Nexperia. 74hc125 datasheet, 2021.
[NTP21]
NTP.br. Ntp.br, 2021.
62
REFERÊNCIAS
[Par21]
Parsifal. Parsifal, 2021.
[PJC19]
Renata IS Pereira, Sandro CS Jucá, and Paulo CM Carvalho. Iot embedded systems network and sensors signal conditioning applied to decentralized photovoltaic plants. Measurement, 142:195–212, 2019.
[Pla21]
PlatformIO. Platformio ide, 2021.
[PPGSMAMG19] José Miguel Paredes-Parra, Antonio Javier García-Sánchez, Antonio
Mateo-Aroca, and Ángel Molina-García.
An alternative internet-of-
things solution based on lora for pv power plants: data monitoring and
management. Energies, 12(5):881, 2019.
[RCJ+ 09]
Daniel M Riley, Christopher P Cameron, Joshua A Jacob, Jennifer E
Granata, and Gary M Galbraith. Quantifying the effects of averaging and
sampling rates on pv system and weather data. In 2009 34th IEEE Photovoltaic Specialists Conference (PVSC), pages 000456–000461. IEEE,
2009.
[REN20]
Secretariat REN21. Renewables 2020 global status report. Technical
report, REN21, 2020.
[Sci21a]
Campbell Scientific. Cr1000x, 2021.
[Sci21b]
Campbell Scientific. Solar1000, 2021.
[SCZ+ 17]
FP Su, ZC Chen, HF Zhou, LJ Wu, PJ Lin, SY Cheng, and YF Li. A distributed monitoring system for photovoltaic arrays based on a two-level
wireless sensor network. In Proceedings of the IOP Conference Series:
Earth and Environmental Science (EES), volume 93, page 012077, 2017.
[SEC21]
Grupo SECON. Transdutores/transmissores para medidas de parâmetros
elétricos, 2021.
[Sen21a]
Sensirion. Sht20 datasheet, 2021.
[Sen21b]
Sigma Sensors. Epe-rx3000, 2021.
63
REFERÊNCIAS
[SFOEC21]
Ltd. Shenzhen Fine Offset Electronics Co. Solar powered touch panel
weather center with pc interface, 2021.
[Sol21]
PHB Solar. Catalogo inversores monofásicos linha nf, 2021.
[ST21]
ST. Ldl1117, 1.2 a high psrr low dropout linear voltage regulator, 2021.
[Swa19]
Arthur James Swart. Cost-effective remote energy monitoring using the
esp8266 nodemcu. International Journal of Recent Technology and Engineering (IJRTE), 7(6S), 2019.
[Wik21]
Wikpedia. Junção p-n difusão e barreira de potencial, 2021.
[XNY+ 20]
Kun Xia, Jiawen Ni, Yanhong Ye, Po Xu, and Yiming Wang. A real-time
monitoring system based on zigbee and 4g communications for photovoltaic generation. CSEE Journal of Power and Energy Systems, 6(1):52–63,
2020.
[ZF17]
Ricardo Mazza Zago and Fabiano Fruett. A low-cost solar generation
monitoring system suitable for internet of things. In 2nd International
Symposium on Instrumentation Systems, Circuits and Transducers (INSCIT), pages 1–6. IEEE, 2017.
[ZLB+ 18]
Chaimae Zedak, Anass Lekbich, Abdelaziz Belfqih, Jamal Boukherouaa,
Touria Haidi, and Faissal El Mariami. A proposed secure remote data
acquisition architecture of photovoltaic systems based on the internet of
things. In 2018 6th International Conference on Multimedia Computing
and Systems (ICMCS), pages 1–5. IEEE, 2018.
A Protocolo de revisão sistemática
A
64
Protocolo de revisão sistemática
• Objetivo principal de pesquisa:
– Desenvolvimento e validação de um sistema de baixo custo para monitoramento
e análise de mini e micro sistemas fotovoltaicos.
• Questões de pesquisa:
– Quais as variáveis meteorológicas têm um maior impacto na geração fotovoltaica?
– Quais os sensores estão sendo utilizados para o monitoramento da geração elétrica e das variáveis meteorológicas?
– Qual a taxa de amostragem e a precisão das aquisições de dados necessários para
se ter um monitoramento confiável?
– Como o uso do conceito IoT tem sido aplicado para reduzir o custo do monitoramento fotovoltaico?
– Como o monitoramento da geração fotovoltaica pode ser aplicado para melhorar
os indicadores de eficiência energética?
– Como o monitoramento fotovoltaico pode auxiliar na análise e avaliação da inserção da geração distribuída na rede elétrica?
• Base de artigos:
– IEEE Digital Library;
– ACM Digital Library;
– El Compendex;
– ISI Web of Science;
– Science Direct;
– Scopus;
– SpringerLink.
• Principais termos:
A Protocolo de revisão sistemática
65
– Data acquisition
– Monitoring
– Photovoltaic
– IoT
– Renewable energy
• String de busca:
– ("data acquisition"OR "monitoring") AND ("photovoltaic"OR "PV"OR "microgeneration"OR "minigeneration") AND ("IoT"OR "low cost"OR "real time"OR
"real-time")
• Critérios de inclusão:
– Fontes primárias;
– Estudos revisados por pares;
– A Partir de 2016.
• Critérios de exclusão:
– Artigos duplicados;
– Artigos redundantes;
– Estudos secundários;
– Literatura cinzenta;
– Artigos que não estejam escritos em inglês;
– Artigos que não apresentam evidências suficientes para validação de sua metodologia.
• Critérios de qualidade:
– Existe uma justificativa clara para realização do trabalho?
– Os objetivos do trabalho são claros?
– A metodologia é claramente descrita?
A Protocolo de revisão sistemática
– As variáveis monitoradas são bem definidas?
– As características do sistema são descritas?
– Foi validado?
– O ambiente de validação foi descrito?
– Os resultados obtidos são discutidos?
– O estudo é comparado a outras soluções?
• Dados a serem extraídos dos artigos selecionados:
– DOI;
– Autores;
– Título;
– Ano de publicação;
– Onde foi publicado;
– Qualis;
– Quantidade de citações;
– Variáveis monitoradas:
– Variáveis de geração;
– Variáveis meteorológicas.
– Características do sistema:
– Frequência de aquisição de dados;
– Sensores utilizados;
– Tipo de comunicação;
– Armazenamento dos dados;
– Acesso os dados em tempo real?
– Faz alguma análise dos dados?
66
Esquemáticos do SSDL e do PVDL
1
2
A
3
5
6
A
Sheet: Power
WIFI LoRa 32 V2
J3
Conn_01x18_Female
+5V
1
GND
2
5V
GND
3
Vext
4
Vext
5
RX - GPIO3
6
TX - GPIO1
7
RTS
RTS
8
GPIO0
9
GPIO22
10 GPIO19
MISO
11 GPIO23
12 GPIO18 - lora_cs
13 GPIO5
SCK
14 GPIO15
SCL
15 GPIO2
16 GPIO4
SDA
17 GPIO17
CS_SD
18 GPIO16 - oled_rst
File: file5D111455.sch
+5V
R1
10K
B
4
SDA
Sheet: conectores
J4
Conn_01x18_Female
GND
1
3.3V
2
3.3V
3
GPIO36
4
GPIO37
5
GPIO38
6
GPIO39
7
GPIO34
8
GPIO35
9
GPIO32
10
GPIO33
11
led - GPIO25
12
lora_irq - GPIO26
13
GPIO27
14
lora_rst - GPIO14
15
GPIO12
16
GPIO13
17
GPIO21
18
+3.3V
GND
INT_BM
GPIO34
GPIO35
GPIO32
GPIO33
File: file5D10F876.sch
MOSI
B Esquemáticos do SSDL e do PVDL
B
CS_ETH
R2
10K
SCL
ADS1115
1
2
3
4
SDA
C1
0.1u
ADDR
ALERT
GND
AIN0
GND
SCL
+5V
10
10
SDA
VDD
AIN3
AIN2
5
GND
+5V
+5V
9
8
7
6
AIN1 SCL
ADDR
ALERT
GND
AIN0
U5
SCL
9
8
7
6
SDA
VDD
AIN3
AIN2
SDA
C13
0.1u
5
1
2
3
4
AIN1 SCL
U1
ADS1115
RV2
R_POT_TRIM
3
1
2
GND
R26
1K
U6B
MCP602
R27
1K
-
6
5
2
1
7
+
V+
8
C
V-
3
2
1
U6C
MCP602
4
J18
+
+5V
2
Current2
-
1
RV1
R_POT_TRIM
3
1
J17
Voltage2
J16
U6A
MCP602
R23
100
Current1
GND
2
Voltage1
J15
GND
1
2
R22
100
J2
ADC23
1
2
J1
ADC01
1
2
GND
C
1
2
B
GND
Federal University of Alagoas - UFAL
Computing Institute - IC
Gustavo Costa Gomes de Melo (gustavocosta@ic.ufal.br)
Sheet: /
File: lora_station.sch
D
D
Title: Solarimetric Station Data Logger
Size: A4
Date: 2021-04-17
KiCad E.D.A. kicad (5.1.4)-1
1
2
3
4
Rev: 2.2
Id: 1/3
5
6
Figura 21: Esquemático do SSDL - Parte 1.
67
2
4
5
6
Solder if not using the battery manager
PWR_FLAG
J12
Power IN
2
1
A
3
R17
NF
POWER_IN
POWER_IN
POWER_OUT
A
GND PWR_FLAG
Q1
FDMC8327L
R16
11m
VOUT
PWR_FLAG
C12
10u
PGND
PGND
AGND
29
INTVCC
C8
4.7uF
C9
1uF
VCC2P5
C
GND
100K
INTVCC R10
VCC2P5 R11NF
R12NF
23
24
100K
R7
R8 NF
R9 NF
INTVCC
VCC2P5
SW
SW
CSP
CSN
BATSENS+
NTCBIAS
NTC
RT
GND
U4
LTC4162-L
SYNC
CELLS0
CELLS1
VCC2P5
16
17
18
BATFET
BOOST
11
SCL
SDA
INTVCC
10K
SMBALERT
DVCC
SCL
SDA
8
R14
12
15
13
14
2
INT_BM
GND
R15
63.4K
22
1
25
26
21
20
19
9
10
C10
22n
GND
GND
3
POWER_OUT
L1
VI
SW
1
GND
2
C4
4.7uF
GND
U3
LDL1117
GND
2
C3
1uF
XAL5030-472MEC
R19
10m
GND
VO
+5V
2
C5
4.7uF
GND
GND
POWER_OUT
R18
10K 1%
GND
C11
10u
J13
BAT_NTC
2
1
GND
GND
GND
Q2
2N7002
2
VO
B
3
28
VOUT
+5V
VI
C2
1uF
GND
1
3
4
CLN
27
5
VOUT
6
CLP
B
VOUTA
7
VIN
INFET
GND
GND
+3.3V
U2
LDL1117
3
POWER_OUT
C6
150u
1
C7
0.1u
2
R13
2.5
3
GND
1
1
POWER_IN
B Esquemáticos do SSDL e do PVDL
1
J14
Battery
2
1
C
GND
GND
Federal University of Alagoas - UFAL
Computing Institute - IC
Gustavo Costa Gomes de Melo (gustavocosta@ic.ufal.br)
Sheet: /Power/
File: file5D111455.sch
D
D
Title: Solarimetric Station Data Logger
Size: A4
Date: 2021-04-17
KiCad E.D.A. kicad (5.1.4)-1
1
2
3
4
Rev: 2.2
Id: 3/3
5
6
Figura 22: Esquemático do SSDL - Parte 2.
68
2
3
4
5
6
A
A
J5
BME280
4
SDA
3
SCL
2
1
+5V
J9
Datalogger
8
7
6
SDA
5
SCL
4
SCK
3
MISO
2
MOSI
1
CS_SD
+3.3V
GND
GND
J10
Temp_PV
2
1
+3.3V
J6
ENC28J60
1
2
3
4 RTS
5
6
MOSI
SCK
7
8
MISO
9
10
11
12
+3.3V
CS_ETH
GPIO34
R6
4.7K
GND
GND
B
B
J7
Biruta
2
1
+3.3V
GPIO32
R3
10K
GND
J8
Pluviometro
2
1
+3.3V
GPIO33
J11
Anemometro
2
1
+3.3V
GPIO35
R4
10K
GND
R5
10K
B Esquemáticos do SSDL e do PVDL
1
GND
C
C
Federal University of Alagoas - UFAL
Computing Institute - IC
Gustavo Costa Gomes de Melo (gustavocosta@ic.ufal.br)
Sheet: /conectores/
File: file5D10F876.sch
D
D
Title: Solarimetric Station Data Logger
Size: A4
Date: 2021-04-17
KiCad E.D.A. kicad (5.1.4)-1
1
2
3
4
Rev: 2.2
Id: 2/3
5
6
Figura 23: Esquemático do SSDL - Parte 3.
69
2
3
4
5
6
WiFi LoRa 32 V2
+5V
A
Sheet: power
GND
File: power.sch
+5V
R14
10K
R15
10K
SDA
SCL
J1
Conn_01x18_Female
1
GND
2
5V
3
Vext
4
Vext
5
RX - GPIO3
6
TX - GPIO1
7
RTS
RTS
8
GPIO0
9
GPIO22
10 GPIO19
MISO
11 GPIO23
CS_SD
12 GPIO18 - lora_cs
13 GPIO5
SCK
14 GPIO15
SCL
15 GPIO2
16 GPIO4
SDA
17 GPIO17
CS_ADC
18 GPIO16 - oled_rst
J2
Conn_01x18_Female
GND
1
3.3V
2
GND
3.3V
3
GPIO36
4
SYSOFF
GPIO37
5
CE
GPIO38
6
EN1
GPIO39
7
EN2
GPIO34
8
GPIO35
9
GPIO32 10
GPIO33 11
led - GPIO 25 12
lora_iqr - GPIO26
13
GPIO27 14
MOSI
lora_rst - GPIO14
15
GPIO12 16
GPIO13 17
CS_ETH
GPIO21 18
+3.3V
A
B
B
Sheet: adcs
Sheet: connectors
C
B Esquemáticos do SSDL e do PVDL
1
C
File: adcs.sch
File: connectors.sch
Federal University of Alagoas - UFAL
Computing Institute - IC
Gustavo Costa Gomes de Melo (gustavocosta@ic.ufal.br)
Sheet: /
File: Power Datalogger.sch
D
D
Title: PV Generation Data Logger
Size: A4
Date: 2021-04-17
KiCad E.D.A. kicad (5.1.4)-1
1
2
3
4
Rev: 2.2
Id: 1/4
5
6
Figura 24: Esquemático do PVDL - Parte 1.
70
2
A
3
4
5
6
Solder if not using the battery manager
PWR_FLAG
A
R13
NF
J3
Conn_01x02_Female
1
2
POWER_IN
POWER_IN
POWER_OUT
C37
1u
GND PWR_FLAG
+5V
U7
BQ24075
B
SYSOFF
10
OUT
11
OUT
CE
TMR
EN1
EN2
BAT
BAT
TS
ILIM
ISET
PGOOD
CHG
R10 1.13K
2
3
1
7
9
3
1
C38 2
J4
Baterry
4.7u
C39
4.7u
GND
1
2
GND
J5
NTC
R11
1.5K
R12
1.5K
D1
LED
D2
LED
VI
C40
1uF
GND
4
14
6
EN1
5
EN2
GND
R9 1.18K
12
16
U8
LDL1117
POWER_OUT
VO
2
C43
4.7uF
1
15
CE
17
PAD
8
VSS
SYSOFF
R8 46.4K
IN
13
GND
GND
GND
GND
B
GND
+3.3V
GND
VI
C41
1uF
GND
VO
2
C42
4.7uF
1
3
GND
GND
U9
LDL1117
GND
B Esquemáticos do SSDL e do PVDL
1
GND
C
C
Federal University of Alagoas - UFAL
Computing Institute - IC
Gustavo Costa Gomes de Melo (gustavocosta@ic.ufal.br)
Sheet: /power/
File: power.sch
D
D
Title: PV Generation Data Logger
Size: A4
Date: 2021-03-22
KiCad E.D.A. kicad (5.1.4)-1
1
2
3
4
Rev: 2.2
Id: 3/4
5
6
Figura 25: Esquemático do PVDL - Parte 2.
71
2
3
ADC0
1uF
C1
C2
22uF
GND
B
1
MOSI
2
RST_ADC
R1
1K 3
R2
1K 4
C7
10uF 5
6
GND
7
8
+5V C5 1uF 9
10
11
GND
12
AIN_6P_ADC0
13
AIN6_GND_ADC0
14
AIN_7P_ADC0
15
AIN7_GND_ADC0
16
AIN_0P_ADC0
17
AIN0_GND_ADC0
18
AIN_1P_ADC0
19
AIN1_GND_ADC0
SDI
RST/PD
DASY
REFSEL
REFIO
REFGND
RFCAP
AGND
AVDD
AUX_IN
AUX_GND
AIN_6P
AIN6_GND
AIN_7P
AIN7_GND
AIN_0P
AIN0_GND
AIN_1P
AIN1_GND
CS
SCLK
SDO
ALARM
DVDD
DGND
AGND
AGND
AVDD
AGND
AGND
AIN_5P
AIN_5GND
AIN_4P
AIN_4GND
AIN_3P
AIN_3GND
AIN_2P
AIN2_GND
DAISY2
10uF
1uF
C13
C14
1uF
28
27
AIN_5P_ADC0
26
AIN5_GND_ADC0
25
AIN_4P_ADC0
24
AIN4_GND_ADC0
23
AIN_3P_ADC0
22
AIN3_GND_ADC0
21
AIN_2P_ADC0
20
AIN2_GND_ADC0
22uF
GND
GND
1
MOSI
2
RST_ADC
3
R4
1K 4
C19
10uF 5
6
GND
7
8
+5V C17 1uF 9
10
11
GND
12
AIN_6P_ADC1
13
AIN6_GND_ADC1
14
AIN_7P_ADC1
15
AIN7_GND_ADC1
16
AIN_0P_ADC1
17
AIN0_GND_ADC1
18
AIN_1P_ADC1
19
AIN1_GND_ADC1
SDI
RST/PD
DASY
REFSEL
REFIO
REFGND
RFCAP
AGND
AVDD
AUX_IN
AUX_GND
AIN_6P
AIN6_GND
AIN_7P
AIN7_GND
AIN_0P
AIN0_GND
AIN_1P
AIN1_GND
1
MOSI
2
RST_ADC
3
R5
1K 4
C20
10uF 5
6
GND
7
8
+5V C18 1uF 9
10
11
GND
12
AIN_6P_ADC4
13
AIN6_GND_ADC4
14
AIN_7P_ADC4
15
AIN7_GND_ADC4
16
AIN_0P_ADC4
17
AIN0_GND_ADC4
18
AIN_1P_ADC4
19
AIN1_GND_ADC4
SDI
RST/PD
DASY
REFSEL
REFIO
REFGND
RFCAP
AGND
AVDD
AUX_IN
AUX_GND
AIN_6P
AIN6_GND
AIN_7P
AIN7_GND
AIN_0P
AIN0_GND
AIN_1P
AIN1_GND
ADC3
1uF
C3
GND
C4
+5V
C6 1uF
22uF
GND
C
GND
AIN_6P_ADC3
AIN6_GND_ADC3
AIN_7P_ADC3
AIN7_GND_ADC3
AIN_0P_ADC3
AIN0_GND_ADC3
AIN_1P_ADC3
AIN1_GND_ADC3
6
7
8
9
10
11
12
13
14
15
16
17
18
19
SDI
RST/PD
DASY
REFSEL
REFIO
REFGND
RFCAP
AGND
AVDD
AUX_IN
AUX_GND
AIN_6P
AIN6_GND
AIN_7P
AIN7_GND
AIN_0P
AIN0_GND
AIN_1P
AIN1_GND
CS
SCLK
SDO
ALARM
DVDD
DGND
AGND
AGND
AVDD
AGND
AGND
AIN_5P
AIN_5GND
AIN_4P
AIN_4GND
AIN_3P
AIN_3GND
AIN_2P
AIN2_GND
U5
ADS8668
38
CS_ADC
37
SCK
36
35
+3.3V
34
C21
33
32
31
30 +5V
C22
29
DAISY3
10uF
1uF
C25
C26
1uF
22uF
28
27
AIN_5P_ADC1
26
AIN5_GND_ADC1
25
AIN_4P_ADC1
24
AIN4_GND_ADC1
23
AIN_3P_ADC1
22
AIN3_GND_ADC1
21
AIN_2P_ADC1
20
AIN2_GND_ADC1
GND
GND
1
MOSI
2
RST_ADC
3
R6
1K 4
C31
10uF 5
6
GND
7
8
+5V C29 1uF 9
10
11
GND
12
AIN_6P_ADC2
13
AIN6_GND_ADC2
14
AIN_7P_ADC2
15
AIN7_GND_ADC2
16
AIN_0P_ADC2
17
AIN0_GND_ADC2
18
AIN_1P_ADC2
19
AIN1_GND_ADC2
SDI
RST/PD
DASY
REFSEL
REFIO
REFGND
RFCAP
AGND
AVDD
AUX_IN
AUX_GND
AIN_6P
AIN6_GND
AIN_7P
AIN7_GND
AIN_0P
AIN0_GND
AIN_1P
AIN1_GND
1
MOSI
2
RST_ADC
3
R7
1K 4
C32
10uF 5
6
GND
7
8
+5V C30 1uF 9
10
11
GND
12
AIN_6P_ADC5
13
AIN6_GND_ADC5
14
AIN_7P_ADC5
15
AIN7_GND_ADC5
16
AIN_0P_ADC5
17
AIN0_GND_ADC5
18
AIN_1P_ADC5
19
AIN1_GND_ADC5
SDI
RST/PD
DASY
REFSEL
REFIO
REFGND
RFCAP
AGND
AVDD
AUX_IN
AUX_GND
AIN_6P
AIN6_GND
AIN_7P
AIN7_GND
AIN_0P
AIN0_GND
AIN_1P
AIN1_GND
ADC4
CS
SCLK
SDO
ALARM
DVDD
DGND
AGND
AGND
AVDD
AGND
AGND
AIN_5P
AIN_5GND
AIN_4P
AIN_4GND
AIN_3P
AIN_3GND
AIN_2P
AIN2_GND
DAISY5
C11
10uF
33
32
31
+5V
30
C12
1uF
29
28
27
AIN_5P_ADC3
26
AIN5_GND_ADC3
25
AIN_4P_ADC3
24
AIN4_GND_ADC3
23
AIN_3P_ADC3
22
AIN3_GND_ADC3
21
AIN_2P_ADC3
20
AIN2_GND_ADC3
1uF
C15
C16
22uF
GND
GND
CS
SCLK
SDO
ALARM
DVDD
DGND
AGND
AGND
AVDD
AGND
AGND
AIN_5P
AIN_5GND
AIN_4P
AIN_4GND
AIN_3P
AIN_3GND
AIN_2P
AIN2_GND
A
38
CS_ADC
37
SCK
36
DAISY4
35
+3.3V
34
C33
33
32
31
30 +5V
C34
29
10uF
1uF
28
27
AIN_5P_ADC2
26
AIN5_GND_ADC2
25
AIN_4P_ADC2
24
AIN4_GND_ADC2
23
AIN_3P_ADC2
22
AIN3_GND_ADC2
21
AIN_2P_ADC2
20
AIN2_GND_ADC2
CS
SCLK
SDO
ALARM
DVDD
DGND
AGND
AGND
AVDD
AGND
AGND
AIN_5P
AIN_5GND
AIN_4P
AIN_4GND
AIN_3P
AIN_3GND
AIN_2P
AIN2_GND
B
U6
ADS8668
38
CS_ADC
37
SCK
36
35
+3.3V
34
DAISY6
C23
10uF
33
32
31
+5V
30
C24
1uF
29
28
27
AIN_5P_ADC4
26
AIN5_GND_ADC4
25
AIN_4P_ADC4
24
AIN4_GND_ADC4
23
AIN_3P_ADC4
22
AIN3_GND_ADC4
21
AIN_2P_ADC4
20
AIN2_GND_ADC4
1uF
C27
C28
22uF
GND
GND
CS
SCLK
SDO
ALARM
DVDD
DGND
AGND
AGND
AVDD
AGND
AGND
AIN_5P
AIN_5GND
AIN_4P
AIN_4GND
AIN_3P
AIN_3GND
AIN_2P
AIN2_GND
38
CS_ADC
37
SCK
36
MISO
35
+3.3V
34
C35
10uF
33
32
31
+5V
30
C36
1uF
29
28
27
AIN_5P_ADC5
26
AIN5_GND_ADC5
25
AIN_4P_ADC5
24
AIN4_GND_ADC5
23
AIN_3P_ADC5
22
AIN3_GND_ADC5
21
AIN_2P_ADC5
20
AIN2_GND_ADC5
Federal University of Alagoas - UFAL
Computing Institute - IC
Gustavo Costa Gomes de Melo (gustavocosta@ic.ufal.br)
Sheet: /adcs/
File: adcs.sch
D
GND
ADC5
U4
ADS8668
38
CS_ADC
37
SCK
36
35
+3.3V
34
6
ADC2
U3
ADS8668
38
CS_ADC
37
SCK
36
35
+3.3V
34
C9
33
32
31
30 +5V
C10
29
U2
ADS8668
1
MOSI
2
RST_ADC
3
DAISY4
R3
1K 4
C8
10uF 5
5
ADC1
U1
ADS8668
A
4
GND
B Esquemáticos do SSDL e do PVDL
1
C
D
Title: PV Generation Data Logger
Size: A4
Date: 2021-03-22
KiCad E.D.A. kicad (5.1.4)-1
1
2
3
4
Rev: 2.2
Id: 2/4
5
6
Figura 26: Esquemático do PVDL - Parte 3.
72
A
2
3
4
J6
Conn_01x08_Female
1
AIN_6P_ADC0
2
AIN6_GND_ADC0
3
AIN_7P_ADC0
4
AIN7_GND_ADC0
5
AIN_0P_ADC0
6
AIN0_GND_ADC0
7
AIN_1P_ADC0
8
AIN1_GND_ADC0
J9
Conn_01x08_Female
1
AIN_6P_ADC1
2
AIN6_GND_ADC1
3
AIN_7P_ADC1
4
AIN7_GND_ADC1
5
AIN_0P_ADC1
6
AIN0_GND_ADC1
7
AIN_1P_ADC1
8
AIN1_GND_ADC1
J11
Conn_01x08_Female
1
AIN_6P_ADC2
2
AIN6_GND_ADC2
3
AIN_7P_ADC2
4
AIN7_GND_ADC2
5
AIN_0P_ADC2
6
AIN0_GND_ADC2
7
AIN_1P_ADC2
8
AIN1_GND_ADC2
J14
Conn_01x08_Female
1
AIN_6P_ADC3
2
AIN6_GND_ADC3
3
AIN_7P_ADC3
4
AIN7_GND_ADC3
5
AIN_0P_ADC3
6
AIN0_GND_ADC3
7
AIN_1P_ADC3
8
AIN1_GND_ADC3
J16
Conn_01x08_Female
1
AIN_6P_ADC4
2
AIN6_GND_ADC4
3
AIN_7P_ADC4
4
AIN7_GND_ADC4
5
AIN_0P_ADC4
6
AIN0_GND_ADC4
7
AIN_1P_ADC4
8
AIN1_GND_ADC4
J18
Conn_01x08_Female
1
AIN_6P_ADC5
2
AIN6_GND_ADC5
3
AIN_7P_ADC5
4
AIN7_GND_ADC5
5
AIN_0P_ADC5
6
AIN0_GND_ADC5
7
AIN_1P_ADC5
8
AIN1_GND_ADC5
J7
Conn_01x08_Female
1
AIN2_GND_ADC0
2
AIN_2P_ADC0
3
AIN3_GND_ADC0
4
AIN_3P_ADC0
5
AIN4_GND_ADC0
6
AIN_4P_ADC0
7
AIN5_GND_ADC0
8
AIN_5P_ADC0
J10
Conn_01x08_Female
1
AIN2_GND_ADC1
2
AIN_2P_ADC1
3
AIN3_GND_ADC1
4
AIN_3P_ADC1
5
AIN4_GND_ADC1
6
AIN_4P_ADC1
7
AIN5_GND_ADC1
8
AIN_5P_ADC1
J12
Conn_01x08_Female
1
AIN2_GND_ADC2
2
AIN_2P_ADC2
3
AIN3_GND_ADC2
4
AIN_3P_ADC2
5
AIN4_GND_ADC2
6
AIN_4P_ADC2
7
AIN5_GND_ADC2
8
AIN_5P_ADC2
J15
Conn_01x08_Female
1
AIN2_GND_ADC3
2
AIN_2P_ADC3
3
AIN3_GND_ADC3
4
AIN_3P_ADC3
5
AIN4_GND_ADC3
6
AIN_4P_ADC3
7
AIN5_GND_ADC3
8
AIN_5P_ADC3
J17
Conn_01x08_Female
1
AIN2_GND_ADC4
2
AIN_2P_ADC4
3
AIN3_GND_ADC4
4
AIN_3P_ADC4
5
AIN4_GND_ADC4
6
AIN_4P_ADC4
7
AIN5_GND_ADC4
8
AIN_5P_ADC4
J19
Conn_01x08_Female
1
AIN2_GND_ADC5
2
AIN_2P_ADC5
3
AIN3_GND_ADC5
4
AIN_3P_ADC5
5
AIN4_GND_ADC5
6
AIN_4P_ADC5
7
AIN5_GND_ADC5
8
AIN_5P_ADC5
CS_SD
MOSI
MISO
SCK
SCL
GND
SDA
B
+3.3V
1
2
3
4
5
6
7
8
5
6
A
+3.3V
J13
ENC28J60
1
2
3
4
CS_ETH
RTS
5
6
MOSI
SCK
7
8
MISO
9
10
11
12
J8
Datalogger
B
GND
C
B Esquemáticos do SSDL e do PVDL
1
C
Federal University of Alagoas - UFAL
Computing Institute - IC
Gustavo Costa Gomes de Melo (gustavocosta@ic.ufal.br)
Sheet: /connectors/
File: connectors.sch
D
D
Title: PV Generation Data Logger
Size: A4
Date: 2021-03-22
KiCad E.D.A. kicad (5.1.4)-1
1
2
3
4
Rev: 2.2
Id: 4/4
5
6
Figura 27: Esquemático do PVDL - Parte 4.
73