Control predictivo basado en modelos y neurodifuso, aplicado a la optimización de energía en microrredes eléctricas con fuentes renovables
El trabajo de investigación desarrollado, tiene como interés fundamental el modelado de un control predictivo basado en modelos (CPBM) y asociado a un control neurodifuso (CND), con el objeto de optimizar la gestión energética en microrredes eléctricas con fuentes renovables. Primero, como resultado...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2022 |
| País: | Perú |
| Institución: | Universidad Nacional San Luis Gonzaga de Ica |
| Repositorio: | UNICA-Institucional |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.unica.edu.pe:20.500.13028/3552 |
| Acceso en línea: | https://hdl.handle.net/20.500.13028/3552 |
| Access Level: | acceso abierto |
| Palabra clave: | Microredes Control CPBM Control neurodifuso http://purl.org/pe-repo/ocde/ford#1.05.08 |
| Sumario: | El trabajo de investigación desarrollado, tiene como interés fundamental el modelado de un control predictivo basado en modelos (CPBM) y asociado a un control neurodifuso (CND), con el objeto de optimizar la gestión energética en microrredes eléctricas con fuentes renovables. Primero, como resultado de las encuestas realizadas, se procedió a dimensionar un prototipo de microrred eléctrica de baja potencia, integrado por fuentes de energía solar, eólica y baterías. Luego, usando datos simulados, se estimó el modelo dinámico del sistema utilizando la estructura paramétrica ARMAX de tercer orden; pero, el reducido de segundo orden da resultados similares. En tercer lugar, se modeló el control predictivo basado en modelos (CPBM) aplicado a la microrred, empleando los algoritmos de solución distribuidos alternativos siguientes: cooperativo, no cooperativo y la formulación de Lagrange; demostrándose que el más limitado en cuanto a intercambio de energía y la que más emplea la energía de la red pública es la no cooperativa; así también, empleando 3 estrategias, es la tercera que usa CPBM económico y CPBM con previsión perfecta, que genera ahorros del 17,6% y 10.4%, respectivamente. En cuarto lugar, se simuló mediante 3 variante de control neurodifuso, demostrándose que la variante 3 en términos de energía es casi igual que la variante 1, pero en régimen de batería es mejor. Se concluye que, el control CPBM, logra aprovechar óptimamente los recursos energéticos disponibles y; en cuanto al control Neurodifuso, la variante 3 arroja mejores resultados, aumentando la sostenibilidad del sistema. Para todos los cálculos y simulaciones, se empleó los recursos de Matlab/Simulink. |
|---|