Optimized Control of Distribution Switches Using Deep Neural Networks to Balance a Low Cost Dynamic Photovoltaic Microgrid in the DQ Frame

• Autor: Calloquispe Huallpa, Ricardo
• Formato: tesis de maestría
• Fecha de Publicación: 2022
• Institución: Superintendencia Nacional de Educación Superior Universitaria
• Repositorio: Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
• Lenguaje: inglés
• OAI Identifier: oai:repositorio.sunedu.gob.pe:20.500.14366/5504
• Enlace del recurso: https://hdl.handle.net/20.500.14366/5504
• Nivel de acceso: acceso abierto
• Materia: Microrredes; gestión de energía; redes neuronales profundas; https://purl.org/pe-repo/ocde/ford#2.00.00

Desarrollo de algoritmos de ML para obtener los estados de los interruptores: Esto ayuda a decidir los estados de los interruptores de acuerdo con la potencia disponible en cada grupo. Diseño del controlador del inversor en el marco DQ: Las fuentes de generación utilizadas son de tipo fotovoltaico (PV). Para modelar la potencia entregada por cada sistema PV, se utiliza un inversor con un controlador P-Q. De esta forma, la potencia generada por cada PV en cada período se asigna como parámetro de referencia. Por otro lado, para la formación de la red, se diseña un controlador de voltaje (V) para garantizar la estabilidad de las tensiones de la microrred. Modelado dinámico de la microrred en el marco DQ: La microrred modelada tiene una topología radial con n grupos, cada uno capaz de conectarse y desconectarse de la formación de la red. Simulación: El sistema se simula en MATLAB para obtener todas las ecuaciones dinámicas que modelan el comportamiento del sistema. Validación: Se utiliza Simulink para validar el comportamiento de la microrred dinámica y algoritmos genéticos (GA) para validar el algoritmo de ML.