Publicación: Implementación de control descentralizado para la toma de decisiones sobre la operación de una microrred: caso Universidad EIA
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
RESUMEN: en este trabajo se presenta la implementación de un control predictivo basado en modelos (MPC) para comparar su desempeño físico partir de una implementación práctica usando un banco de pruebas solar fotovoltaico de la Universidad EIA como en un entorno de simulación utilizando un modelo validado de la microrred instalada en dicha universidad. La comparación se realizó en ambos sistemas bajo diferentes configuraciones de conexión de los paneles solares, enfocándose en los circuitos encargados de la conversión de voltaje. En el banco de pruebas, se implementó un algoritmo cuya función de costo busca minimizar el error entre la referencia de voltaje deseada y la salida real. En el caso de la microrred, el objetivo fue optimizar el flujo de potencia, por lo que la función de costo se diseñó para minimizar la diferencia entre la potencia demandada y la potencia generada, utilizando datos reales de irradiancia y demanda de potencia. Finalmente, con los resultados obtenidos, se formularon recomendaciones para futuras implementaciones de control en la microrred.
Resumen en inglés
ABSTRACT: in this work, the implementation of a model predictive control (MPC) is proposed to compare its performance both physically on the photovoltaic solar test bench at Universidad EIA and in a simulation, environment using a validated model of the microgrid installed at the university. The comparison was conducted on both systems under different configurations of solar panel connections, focusing on the circuits responsible for voltage conversion. In the test bench, an algorithm was implemented with a cost function aimed at minimizing the error between the desired voltage reference and the actual output. For the microgrid, the objective was to optimize power flow, so the cost function was designed to minimize the difference between the demanded power and the generated power, using real irradiance and power demand data. Finally, based on the obtained results, recommendations were made for future control implementations on the microgrid.