Control predictivo basado en modelos y neurodifuso, aplicado a la optimización de energía en microrredes eléctricas con fuentes renovables

• Autor: Fidel Humberto, Andía Guzmán
• Formato: tesis doctoral
• Fecha de Publicación: 2022
• Institución: Universidad Nacional San Luis Gonzaga de Ica
• Repositorio: UNICA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unica.edu.pe:20.500.13028/3552
• Enlace del recurso: https://hdl.handle.net/20.500.13028/3552
• Nivel de acceso: acceso abierto
• Materia: Microredes; Control CPBM; Control neurodifuso; http://purl.org/pe-repo/ocde/ford#1.05.08

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.