UNIVERSIDAD TÉCNICA DE MANABÍ

INSTITUTO DE POSGRADO

TEMA:

ESTUDIO Y EVALUACIÓN DE MODELOS DE MICRO RED ELÉCTRICA INTELIGENTE Y SU

GESTIÓN ENERGÉTICA EN LA PARROQUIA RURAL TABIAZO DEL CANTÓN
ESMERALDAS
AUTOR:
ING. BYRON FERNANDO CHERE QUIÑÓNEZ

TRABAJO DE TITULACIÓN DE POSGRADO PREVIA A LA OBTENCIÓN DEL

TÍTULO DE MAGISTER EN ELECTRICIDAD MENCIÓN SISTEMAS ELECTRICOS DE
POTENCIA

TUTORA:
ING. ALCIRA MAGDALENA VÉLEZ QUIROZ MSC

2022
Universidad Técnica de Manabí
Instituto de Posgrado
Maestría en Electricidad

Estudio y evaluación de modelos de micro red eléctrica

inteligente y su gestión energética en la parroquia rural
Tabiazo del cantón Esmeraldas.

Trabajo de Titulación presentado por: Ing. Byron Fernando Chere Quiñónez

Titulación: Magíster en Electricidad mención Sistemas Eléctricos de Potencia
Director/a: Ing. Alcira Magdalena Vélez Quiroz MSc

Ciudad: Portoviejo, Manabí, Ecuador

Junio 2022
Firmado por: Ing. Byron Fernando Chere Quiñónez
 DEDICATORIA

A Jehová Dios padre celestial quien con sus bendiciones y su inmenso amor y
misericordia nos brinda cada día experiencias nuevas.
A mi madre en el cielo quien con su sacrifico, crianza y formación de valores convirtió a
este ser en una persona de bien, gracias siempre por ese respaldo en mis etapas de
formación académica.
A mi querida esposa Verónica Ávila Quiñónez, quien siempre está compartiendo todos
mis momentos buenos y malos, mis logros y objetivos, gracias por esa comprensión y
amor, y siempre ser esa persona que inspira y aconseja.
A la familia Vernaza Quiñónez; Betto, Katty, Betty, Karla, Samuel, Lucia por ese
respaldo incondicional que me han brindado desde que llegue a sus vidas donde me
supieron acoger como un miembro más.
A mis seres queridos por haber compartido mis logros, momentos y también por la lucha
de sus seres queridos por la felicidad, por su confianza y respeto, por no dejar de
esforzarse por ser una familia unida, entregados por su solidaridad, a pesar de la dureza de
los tiempos difíciles que se viven hoy.
A mi hijo Kaleth Ezequías Chere Ávila, por ser ese motor que impulsa la constante lucha,
fuerza, pasión, paz y sacrificio en aras de siempre alcanzar las metas.
A todos los mencionados en esta dedicatoria hago llegar con el regocijo de mi corazón y
con mucha humildad mis más sinceros agradecimientos por compartir este logro, además
comparto este salmo:
El Señor es mi pastor Salmos 23 1-3
El Señor es mi pastor, nada me faltará.
En lugares de delicados pastos me hará descansar; junto a aguas de reposo me
pastoreará. Confortará mi alma. Me guiará por sendas de justicia por amor de su
nombre.

Byron Fernando Chere Quiñónez

 AGRADECIMIENTO

Gracias a Jehová por ayudarme a consolidar de mis pretensiones académicas, por ser ese
guía que desde lo espiritual abre los caminos para obtener este grado académico-
científico, y que no quepa la menor duda que con mucho sacrificio lo he luchado.
A todos los que conforman la Universidad Técnica de Manabí; rector, vicerrectores,
directores, coordinadores, docentes, estudiantes, empleados y trabajadores que gracias a
ese esfuerzo mancomunado tienen a la institución en el sitial de excelencia académica y
de investigación posicionándose como unas de las mejores universidades del Ecuador y
ser reconocida mundialmente.
A los que conforman el Instituto de Posgrado por esas genuinas lecciones de integridad
que adoptan formas de intercambios científicos, sesiones académicas y actos evaluativos,
sino de la convicción de aquellos que con muy poco hacen grandes cosas y es el claro
ejemplo de procesos de maestrías e investigación que se han consolidado hoy en día.
A los profesores del Instituto de Posgrado en especial a los que dictaron clases en la
Maestría de Electricidad por la rara, necesaria y suave combinación de rigor y afecto, que
inevitablemente conduce a un aprendizaje más significativo y la gratitud que surge como
resultado sistémico de cada intercambio. Eres una prueba de que la mayor virtud de la
teoría reside en sus consecuencias prácticas. Gracias por ayudarme a crecer en lo personal
y profesional.
A mi tutora Ing. Alcira Magdalena Vélez Quiroz, por sus peticiones y cariño; por su rigor
y profesionalidad; por sus enseñanzas y su paciencia; guiar sin imponer; por haberlo dado
todo sin ambición más que verme crecer. Gracias por no dejarme perder un segundo y por
permitirme en varias ocasiones invadir sus franjas horarias.
Finalmente, quiero agradecer a todos mis compañeros que en todo momento compartieron
sus conocimientos y ese ayudo al crecimiento personal y profesional.

“La familia la base fundamental de la sociedad para mi es mi luz y mi camino, sin su guía
nunca habría logrado este objetivo”.

Byron Fernando Chere Quiñónez

II
 CERTIFICACIÓN DEL TUTOR DE TRABAJO DE TITULACIÓN

Ing. Alcira Magdalena Vélez Quiroz MSc, docente de la Facultad de Ciencias

Matemáticas, Físicas y Químicas de la Universidad Técnica de Manabí.

CERTIFICO:

Que el presente trabajo de titulación del Programa de Maestría en Electricidad, titulado

“Estudio y evaluación de modelos de micro red eléctrica inteligente y su gestión
energética en la parroquia rural Tabiazo del cantón Esmeraldas”, ha sido elaborado por
el Ing. Byron Fernando Chere Quiñónez, bajo mi dirección y asesoramiento, habiendo
cumplido con las disposiciones establecidas en la normativa del instituto de Posgrado de la
universidad Técnica de Manabí.

Portoviejo, 1 de junio del 2022

Atentamente,

Firmado electrónicamente por:

ALCIRA
MAGDALENA VELEZ
QUIROZ

Ing. Alcira Magdalena Vélez Quiroz MSc

III
 DECLARACIÓN SOBRE DERECHOS DE AUTOR

Quien suscribe, Ing. Byron Fernando Chere Quiñónez, declaro que el presente trabajo
de investigación; “Estudio y evaluación de modelos de micro red eléctrica
inteligente y su gestión energética en la parroquia rural Tabiazo del cantón
Esmeraldas”, estuvo enmarcado de los parámetros y estándares establecidos por la
Universidad Técnica de Manabí a través del Instituto de Posgrado, la misma que
comprendieron una revisión bibliográfica que se encuentra en el Marco Teórico, por
lo tanto, declaro que los criterios, el análisis, recomendaciones y conclusiones
pertenecen a mi autoría.

Firmado electrónicamente por:

BYRON FERNANDO
CHERE QUINONEZ

Ing. Byron Fernando Chere Quiñónez

IV
 APROBACIÓN DEL TRIBUNAL DE DEFENSA PÚBLICA.

Los miembros del tribunal de Defensa Pública designados por el honorable Consejo
Académico de Posgrado, dan por aprobado el Trabajo de Titulación “Estudio y evaluación
de modelos de micro red eléctrica inteligente y su gestión energética en la parroquia
rural Tabiazo del cantón Esmeraldas”.

Tribunal 1 Tribunal 1 Tribunal 1

V
 RESUMEN

El presente trabajo exhibe un estudio y evaluación de microrred eléctrica inteligente y su

gestión energética en la parroquia rural Tabiazo del cantón Esmeraldas, la misma que se
basó en una investigación de tipo mixta que se circunscribe dentro de un paradigma
cuantitativo, con una metodología aplicada, en donde se realizó una caracterización de la
zona, evaluando el potencial energético, análisis técnico- económico de la microrred con la
ayuda del software HOMER Grid donde fue previsto el uso de baterías para brindar
seguridad y estabilidad en la red. El análisis mostró que el costo total, por unidad de
energía y la cantidad de emisiones de CO2 durante el ciclo de vida del proyecto disminuye
significativamente con la implementación de la microrred con generación renovable.
Así mismo se plantearon dos modelos microrred en el MATLAB/Simulink, donde el
primero implementa un algoritmo MPPT (Perturba y Observa) que varía buscando
mantenerse en el punto máximo, y el segundo adapta un controlador difuso aplicado a
algoritmos de Puntos de Máxima Potencia que se ubica en el punto máximo permitiendo
trabajar al 100%, aprovechando de mejor manera el recurso energético.
Se concluye que el diseño del controlador difuso, se analizó las entradas y salidas del
sistema, se establecieron variables, se planteó el respectivo universo de discurso y
funciones de pertenencia, de modo que se ajustaron de mejor manera al algoritmo de
máxima potencia.
Finalmente se definieron las variables, donde se tomó como referencia las curvas
características P vs V y I vs V de los módulos solares, siendo las entradas a controlar el
error (E) y la variación error (CE), y la salida del controlador difuso (D) la señal de control
del convertidor, la misma que sufrió incrementos y decrementos para regular que el
sistema trabaje en su máximo punto de potencia.
Palabras claves: Microrred, Gestión Energética, HOMER, MPPT, Control Difuso.

VI
 ABSTRACT

The present work exhibits a study and evaluation of an intelligent electrical microgrid and
its energy management in the Tabiazo rural parish of the Esmeraldas canton, the same one
that was based on a mixed-type investigation that is circumscribed within a quantitative
paradigm, with an applied methodology, where a characterization of the area was carried
out, evaluating the energy potential, technical-economic analysis of the microgrid with the
help of the HOMER Grid software where the use of batteries was foreseen to provide
security and stability in the network. The analysis showed that the total cost, per unit of
energy and the amount of CO2 emissions during the life cycle of the project decreases
significantly with the implementation of the microgrid with renewable generation.
Likewise, two microgrid models were proposed in MATLAB/Simulink, where the first
implements an MPPT algorithm (Disturbs and Observes) that varies seeking to stay at the
maximum point, and the second adapts a fuzzy controller applied to Maximum Power
Point algorithms that are It is located at the maximum point allowing to work at 100%,
taking better advantage of the energy resource. It is concluded that the design of the fuzzy
controller, the inputs and outputs of the system were analyzed, variables were established,
the respective universe of discourse and membership functions were proposed, so that they
were better adjusted to the maximum power algorithm. Finally, the variables were defined,
where the characteristic curves P vs V and I vs V of the solar modules were taken as
reference, being the inputs to control the error (E) and the error variation (CE), and the
output of the fuzzy controller. (D) is the converter control signal, the same one that
underwent increases and decreases to regulate the system to work at its maximum power
point.
Keywords: Microgrid, Energy Management, HOMER, MPPT, Fuzzy Control.

VII
 INDICE GENERAL

DEDICATORIA ..................................................................................................................... I

AGRADECIMIENTO .......................................................................................................... II

DECLARACIÓN SOBRE DERECHOS DE AUTOR ....................................................... IV

APROBACIÓN DEL TRIBUNAL DE DEFENSA PÚBLICA. .......................................... V

RESUMEN .......................................................................................................................... VI

ABSTRACT .......................................................................................................................VII

INTRODUCCIÓN ............................................................................................................... 10

Planteamiento y Formulación del Problema Científico ....................................................... 13

Hipótesis .............................................................................................................................. 15

Identificación de Variables .................................................................................................. 15

Justificación ......................................................................................................................... 15

OBJETIVOS ........................................................................................................................ 17

Objetivo General ................................................................................................................. 17

Objetivos Específicos ........................................................................................................... 17

Resultados Esperados .......................................................................................................... 17

Alcance ................................................................................................................................ 18

CAPÍTULO I. MARCO TEÓRICO .................................................................................... 19

1.1 Generación Distribuida .................................................................................................. 19

1.2 Microrredes .................................................................................................................... 19

1.3 Las Redes Inteligentes en la Gestión de Energía ........................................................... 23

1.4 Elementos de Almacenamiento de Energía (ESS) ........................................................ 26

1.4.1 Sistemas de Almacenamiento Electroquímico (EcSS) ............................................... 28

1.4.2 Sistemas de Almacenamiento de Baterías de Plomo-Ácido....................................... 28

1.4.3 Sistemas de Almacenamiento de Baterías de Iones de Litio (Li-Ion) ........................ 29

1.4.4 Sistemas de Almacenamiento de Baterías de Sodio y Azufre .................................... 29

VIII
1.4.5 Sistemas de Almacenamiento de Baterías de Flujo .................................................... 30

1.4.6 Características de Tipos de Sistemas de Almacenamiento de Energía ...................... 31

1.5 Energías Renovables...................................................................................................... 32

1.6 Generación Fotovoltaica ................................................................................................ 33

1.7 Lógica Difusa ................................................................................................................ 34

CAPÍTULO II. MARCO METODOLÓGICO .................................................................... 36

2.1 Delimitación de la Investigación ................................................................................... 36

2.2 Tipo de Investigación .................................................................................................... 36

2.3 Diseño de la Investigación ............................................................................................. 36

2.4 Métodos ......................................................................................................................... 36

2.5 Comparación de Metodologías de Evaluación de Modelos de Microrred Eléctrica y su

Gestión Energética ............................................................................................................... 37

2.6 Metodología para el Diseño de la Microrred ................................................................. 39

2.6.1 Caracterización de la Zona ........................................................................................ 39

[Link] Potencial Energético ............................................................................................... 41

[Link] Demanda Eléctrica .................................................................................................. 43

2.7 Análisis Técnico- Económico........................................................................................ 44

2.7.1 Indicadores Económicos............................................................................................. 44

2.7.2 Descripción del Software HOMER Grid .................................................................... 46

2.7.3 Simulación .................................................................................................................. 47

2.7.4 Optimización............................................................................................................... 48

2.7.5 Análisis de Sensibilidad .............................................................................................. 49

2.8 Características de la Matriz Solar .................................................................................. 50

2.8.1 Máximo Poder Punto MPPT ...................................................................................... 52

2.8.2 Características de Salida de la Celda Solar .............................................................. 53

2.8.3 Seguimiento del Punto de Máxima Potencia (MPPT) ................................................ 54

IX
2.8.4 Método Perturba y Observa ....................................................................................... 55

2.9 Controlador Basado en Lógica Difusa........................................................................... 55

2.9.1 Fuzzificación............................................................................................................... 57

2.9.2 Método de Inferencia .................................................................................................. 58

2.9.3 Desfuzzificación .......................................................................................................... 60

2.10 Operación de la Microrred Conectada a la Red y en Isla ............................................ 61

2.10.1 Control Jerárquico en Microrredes ......................................................................... 64

2.10.2 Sistemas de Almacenamiento de Energía en Microrredes ....................................... 66

[Link] Característica de Carga/Descarga de las Baterías .............................................. 67

[Link] Carga de Plomo-Ácido .......................................................................................... 69

[Link] Carga de Iones de Litio ......................................................................................... 70

[Link] Descarga ................................................................................................................ 71

CAPITULO III. SIMULACIÓN Y RESULTADOS .......................................................... 72

3.1 Configuración Propuesta ............................................................................................... 72

3.2 Consideraciones y Parámetros de Entrada para Simulación ......................................... 72

3.2.1 Carga .......................................................................................................................... 72

3.3 Simulación Homer PRO ................................................................................................ 73

3.4 Resultados del Homer.................................................................................................... 78

3.5 MATLAB-Simulik ........................................................................................................ 81

3.5.1 Modelo 1. Microrred con Algoritmo MPPT (Perturba y Observa) ........................... 81

3.5.2 Modelo 2. Microrred con Controlador Difuso Aplicado a Algoritmos de Puntos de

Máxima Potencia. ................................................................................................................ 84

3.6 Resultados MATLAB-Simulink .................................................................................... 90

CONCLUSIONES ............................................................................................................... 98

RECOMENDACIONES ................................................................................................... 100

REFERENCIAS BIBLIOGRÁFICAS .............................................................................. 101

X
 ÍNDICE DE FIGURAS
Figura 1. Generacion Distribuida Mediante Microrredes ................................................... 19
Figura 2. Arquitectura de una Microrred ............................................................................ 21
Figura 3. Redes Inteligentes Eléctricas............................................................................... 25
Figura 4. Clasificación de las Tecnologías de Almacenamiento de Energía...................... 27
Figura 5. Sistema Básico de la Lógica Fuzzy. .................................................................... 34
Figura 6. Ubicación Geográfica de la Parroquia Tabiazo .................................................. 40
Figura 7. Temperaturas Promedio Anual Parroquia Tabiazo. ............................................ 42
Figura 8. Características de Voltaje-Corriente de una Celda Solar con Variación de
Irradiancia Solar a una Temperatura de 25°C. .................................................................... 50
Figura 9. Características P-V de una Celda Solar para Varios Valores de Temperatura ... 51
Figura 10. Curvas V-I con Varias Cargas Resistivas. ........................................................ 52
Figura 11. La Relación entre la Temperatura y la Potencia de Salida................................ 54
Figura 12. Esquema de Control Difuso para el Conversor DC/DC ................................... 56
Figura 13. Proceso de Fuzzificación en Términos Lingüísticos. ........................................ 58
Figura 14. Configuración del Control Difuso..................................................................... 61
Figura 15. Esquema Circuital Equivalente de MG´s: a) Grid-Connected, b) Islanded
Single Mater, c) Islanded Muti Master. ............................................................................... 63
Figura 16. Esquema del Control Jerárquico de una Microrred........................................... 65
Figura 17. Curva de Carga/Descarga de una Celda ............................................................ 68
Figura 18. Ubicación Geográfica de Bunte de la Parroquia Tabiazo del Cantón Esmeraldas
............................................................................................................................................. 73
Figura 19. Carga Eléctrica en el Simulador ........................................................................ 74
Figura 20. Red Eléctrica en el Simulador ........................................................................... 75
Figura 21. Emisiones por la Producción de Energía .......................................................... 75
Figura 22. Sistema Fotovoltaico. ........................................................................................ 76
Figura 23. Inversor en el Simulador ................................................................................... 77
Figura 24. Esquema de la Instalación ................................................................................. 77
Figura 25. Red vs Fotovoltaica ........................................................................................... 78
Figura 26. Curva de Carga Mensual ................................................................................... 79
Figura 27. Consumo Energético ......................................................................................... 80
Figura 28. Dióxido de Carbono. ......................................................................................... 80
VII
Figura 29. Microrred con Algoritmo MPPT (Perturba y Observa). ................................... 82
Figura 30. Circuito del Inversor Fotovoltaico .................................................................... 83
Figura 31. Algoritmo MPPT............................................................................................... 83
Figura 32. Inversor Bidireccional. ...................................................................................... 84
Figura 33. Microrred con Controlador Difuso Aplicado a Algoritmos de Puntos de
Máxima Potencia. ................................................................................................................ 85
Figura 34. Variable de Entrada E(k). .................................................................................. 86
Figura 35. Variable de Entrada CE(k). ............................................................................... 87
Figura 36. Variable de Salida Delta_D. .............................................................................. 87
Figura 37. Reglas de Control. ............................................................................................. 88
Figura 38. Superficie de Control. ....................................................................................... 89
Figura 39. Diagrama del Algoritmo Fuzzy Aplicado al Rastreamento del Punto de
Máxima Potencia del Módulo Fotovoltaico. ....................................................................... 89
Figura 40. Curva de Voltaje del Panel Fotovoltaico. ......................................................... 90
Figura 41. Curva Característica P vs V .............................................................................. 91
Figura 42. Estado de Carga de la Batería ........................................................................... 92
Figura 43. Voltaje y Corriente de la Carga. ........................................................................ 93
Figura 44. Potencia de Panel Fotovoltaico. ........................................................................ 94
Figura 45. Corriente de la Batería. ..................................................................................... 95
Figura 46. THD de Corriente en la Carga. ......................................................................... 95
Figura 47. Voltaje e Irradiación del Panel Fotovoltaico ..................................................... 96
Figura 48. Curvas Características del Panel Fotovoltaico .................................................. 96
Figura 49. Datos de Irradiación .......................................................................................... 97

VIII
 ÍNDICE DE TABLAS

Tabla 1. Comparación de Tecnologías de Almacenamiento de Energía ............................. 31

Tabla 2. Temperatura Máxima y Mínima de Tabiazo ......................................................... 41
Tabla 3. Base del Conocimiento del Controlador Fuzzy. .................................................... 59
Tabla 5. Resumen de Valores Típicos por Celda ................................................................ 68

IX
 INTRODUCCIÓN

El desarrollo económico y social del mundo está directamente vinculado con el uso, el

acceso y la disponibilidad de la energía eléctrica, dado que este servicio puede

proporcionar condiciones mínimas necesarias para la producción en un país. De allí que

resulte lógico su creciente auge y demanda en la actualidad, lo que implica en una mayor

generación energética, la cual se supedita a los condicionamientos de preservación del

medio ambiente y la disminución de las reservas del petróleo.

En atención al hecho cierto de que el acceso a la energía eléctrica se ha configurado

hoy por hoy, en una de las dificultades más acuciantes en el mundo de manera global, en

correspondencia con un nivel desbordado de crecimiento de la población en pleno siglo

XXI, aumentando con ello, a su vez, la demanda del servicio de la energía eléctrica en las

casas de familia, en las empresas de producción pública y privada a lo largo y ancho de la

extensión territorial ecuatoriana, en este caso particular. En ese orden de ideas, plantear y

desarrollar una investigación que comporte el estudio y la evaluación de modelos de

microrred eléctrica inteligente en el cantón Esmeraldas es, además de relevante, necesario

y perentorio en esta latitud del mundo.

A este respecto, el modelo que impera es aún de reciente data, lo cual implica la

necesidad de universalizar el servicio eléctrico en el mundo. Sin embargo, hoy en día, uno

de los retos más grandes que enfrentan quienes detentan la responsabilidad de la toma de

decisiones sobre la materia, es precisamente repensar y replantear los modos de suministrar

el servicio de manera ecológica con el ambiente y la preservación del planeta, lo que

incluye la asunción de procesos sustentables de administración de recursos, en

10
correspondencia con las necesidades del servicio con calidad comprobada en la relación

costo/bien/producto/servicio.

Lo anteriormente expuesto, implica el reconocimiento de la necesidad de satisfacer de

un modo sostenible y eficaz, la solución a una creciente demanda de energía que se ha

hecho evidente por las razones antes aducidas. Ello podría dar pie a un modelo energético

diferente, en el que los grandes sistemas de generación eléctrica centralizados, pierdan

importancia frente a sistemas de generación distribuidos, en los que el uso de energías

renovables y sistemas de gestión inteligentes son clave.

A la luz de estas consideraciones, autores como Tolón (2013), refiere lo que se

presenta a renglón seguido: “Durante la última década, la Unión Europea ha promovido

activamente la liberalización del mercado eléctrico, así como también ha impulsado la

integración de los principios de eficiencia energética e integración de fuentes de

generación y energías renovables en el suministro y consumo final de energía.” Por su

parte Cobos (2020), menciona que la situación energética en Latinoamérica, se prevé un

crecimiento del 80% del consumo de electricidad entre el 2011 y 2030 según el Banco

Mundial, este crecimiento se debe a que la mayoría de los países son países en vías de

desarrollo, por lo que están desarrollando planes estratégicos de electrificación en zonas

aisladas y junto con el aumento demográfico de la región conllevará a una mayor

utilización de aparatos eléctricos, lo que, sumado a una mayor actividad industrial,

disparará la demanda energética.

En países como Brasil, Chile, México, Perú entre otros, miembros de la Alianza de

Energía y Clima de las Américas, ya han iniciado el cambio hacia una economía menos

intensa energéticamente, aprovechando sus abundantes recursos renovables y buscando

aumentar la eficiencia económica, mientras reducen sus necesidades de inversión en

11
infraestructura energética. Ante tal escenario, se ejerce presión para que los países

aumenten sus capacidades de generación, transmisión y distribución con el fin de asegurar

la disponibilidad de energía; es decir, su seguridad energética. Los países, hoy en día

enfrentan los desafíos de aumentar su eficiencia energética (EE) y la participación de las

energías renovables (ER) en sus matrices energéticas. La seguridad en conjunto con la

eficiencia energética y las energías renovables son fundamentales para el futuro del sector

eléctrico en de la región (Lee et al., 2018).

Los recursos energéticos distribuidos, pueden estar basados en el aprovechamiento de

recursos energéticos renovables; solar, fotovoltaica, térmica, eólica, hidráulica,

mareomotriz, biomasa (Schuler, 2018).

Asimismo la energía distribuida también aporta valor a la sociedad, reduciendo

contaminación y emisiones de gases de efecto invernadero, protegiendo contra los

limitados suministros de combustibles fósiles y creación de empleo (Pribnow , 2017).

De acuerdo a Muñoz-Vizhñay, Rojas-Moncayo y Barreto-Calle (2018), aseguran que

estos beneficios se agregan de 11 a 16 centavos de dólar en el balance final de los

contribuyentes por cada kWh de energía solar distribuida. En conjunto, la energía solar

distribuida refiere un valor a la red de 14 a 30 centavos de dólar por kWh.

En el caso de Ecuador, a través del Ministerio de Electricidad y Energía Renovable

(MEER), se promueve el uso racional de energía y el desarrollo de proyectos de uso de

energía no convencional; es así que también se ha implementado el Instituto Nacional de

Eficiencia Energética y Energías Renovables (INER), entidad encargada de investigar,

desarrollar, innovar y transferir tecnologías y conocimientos, en eficiencia energética y

energías renovables; orientada a cambiar la matriz productiva, diversificar la matriz

energética y mitigar el cambio climático.

12
 De acuerdo con las proyecciones del MEER, en cuanto al cambio de la matriz

energética del Ecuador; y en correspondencia con la Planificación de la Agenda 2030 para

el Desarrollo Sostenible, se plantea en el Objetivo de Desarrollo Sostenible Número 7: que

para el año 2030 se espera que: “el acceso sea universal a los servicios de energía

asequibles, confiables y modernos, incrementar substancialmente la proporción de las

energías renovables en la matriz energética global y duplicar la tasa mundial de mejora de

la eficiencia energética. La cooperación internacional y las tecnologías avanzadas se

identifican como pasos para alcanzar este objetivo” (Parejas, 2018). Durante el año de

2020, se logró que el 86% de la energía proviniese de generación hidroeléctrica, un 12%

por generación térmica y un 2% por tecnologías renovables no convencionales, lo cual ha

sido innovador e implica ahorro energético para el país¸ además de comportar un reto a

superar en las próximas décadas.

A partir del panorama expuesto, en este estudio se pretende estudiar y evaluar un

modelo de microrred de energía inteligente y su gestión energética en la parroquia rural

Tabiazo del cantón Esmeraldas. En dicho centro de atención se registra el uso de energías

renovables, que cuentan con una combinación de tecnologías energéticas convencionales y

renovables, adaptadas a cada consumo en particular, de tal manera que la electricidad

requerida adquiere una alta fiabilidad, eficiencia y un coste competitivo (Guamán , 2017).

Planteamiento y Formulación del Problema Científico

En América Latina existen millones de personas en las denominadas Zonas No-

Interconectadas, las cuales viven en territorios con abundantes recursos energéticos

renovables y con mucho potencial, pero sin suministro de electricidad.

13
 Una de las soluciones, es desarrollar proyectos que utilizan las referidas fuentes. La

tendencia que se enmarca en el desarrollo de energías renovables, se divide en tres tipos de

sistemas; sistemas autónomos o ‘stand alone systems’ (off grid), sistemas híbridos y las

microrredes eléctricas. En este sentido, se proponen microrredes, diseñadas con el objetivo

de satisfacer las necesidades energéticas de las comunidades, en zonas con recursos

energéticos diversificados y suficientes.

Estas pueden ser diseñadas como parte de un sistema de gestión de energía que

puede incluir fuentes fósiles y renovables, buscando reducir el impacto en la huella

ambiental. De acuerdo Gaviria et al., (2018), la operación de las microrredes está

relacionada con el precio de la energía proveniente de la red local de distribución. Por

tanto, Jamaica (2019), la formulación debe considerar esta señal de precio para las

decisiones de operación de la microrred, de tal manera que la operación garantice

beneficios de acuerdo con las decisiones de gestión de los recursos distribuidos (Pag,11).

Para efectos de investigación, se ha considerado la parroquia rural Tabiazo del

cantón Esmeraldas. Esta parroquia en la actualidad tiene necesidades energéticas, que

impiden el buen vivir de este sector. Así mismo, la ausencia de estrategias que permitan

gestionar de manera eficiente la gestión energética de la comunidad.

Por lo descrito, se propone los modelos de micro redes inteligentes como gestión

eficiente de la energía, lo que fundamenta la importancia de evaluar estos modelos como

estrategia para promover el bienestar y desarrollo local.

Formulación del Problema Científico

¿El estudio y la evaluación de modelos de micro red eléctrica inteligente y su gestión

energética en la parroquia rural Tabiazo del cantón Esmeraldas, logrará abrir caminos para

mejoras del sistema eléctrico en ésta comunidad?

14
Hipótesis

¿Es posible que el estudio y evaluación de modelos de micro red eléctrica inteligente y

su gestión energética, basada en fuentes de energía renovable, permita establecer los

requisitos de integración (solar, eólica) y los principios de eficiencia energética,

garantizando la sostenibilidad energética en la zona rural del Tabiazo del cantón

Esmeraldas?

Identificación de Variables

Independiente: Modelos de microrred eléctrica inteligente.

Dependiente: Gestión energética.

Justificación

La generación y el uso de energía eléctrica, hoy por hoy se han configurado en un

problema de orden mundial, que se conforma en un desafío para las naciones que deben

garantizar el incremento y optimización de la energía, en correspondencia con la

sostenibilidad y la preservación del medio ambiente, y del planeta en general. Tal desafío

implica el cálculo y la planificación presupuestaria de cuantiosos recursos, en la inversión

de generación, distribución y producción de la energía eléctrica en el país.

En Ecuador, el incremento continuo y acelerado del consumo de la energía eléctrica, la

junto con la aplicación y búsqueda de fuentes de energías renovables, vienen buscando de

manera importante, disminuir el impacto ambiental; ello ha conllevado a un aceleramiento

en el desarrollo de tecnologías de generación de energía eólica y fotovoltaica.

Mediante el estudio y evaluación de modelos de microrred eléctrica inteligente y su

gestión energética, basada en fuente de energía renovable, las cuales agrupan cargas,

15
generación, sistemas de almacenamiento de energía; que pueden funcionar

adaptativamente en isla o conectados a la red convencional de distribución eléctrica, y

tiene como objetivo principal brindar energía eléctrica de manera fiable, eficiente y a un

coste competitivo, cumpliendo con los estándares de calidad y continuidad del servicio,

respondiendo efectivamente a la demanda del mismo. Además, tienen grandes ventajas

adicionales relevantes, entre las cuales destacan las que siguen a continuación: reducción

de pérdidas en la red, alivia los sistemas de transporte de energía y disminuye un impacto

ambiental significativo del sistema eléctrico.

Este estudio es pertinente porque se enmarca dentro de los documentos rectores del

país, tales como la Carta Fundamental del Estado, el Plan del Buen Vivir, la Agenda para

el Desarrollo 2030, y las políticas de Estado, así como los instrumentos jurídicos que

establecen el servicio de energía eléctrica con eficiencia, calidad y sostenibilidad.

Adicionalmente, el estudio se enmarca con la línea de Investigación: Energía, y la sub-

línea de investigación: Eficiencia Energética y Fuentes Renovables de Energía,

circunscritas a la Maestría de Investigación en Electricidad, mención Sistemas Eléctricos

de Potencia de la Universidad Técnica de Manabí.

Desde los puntos de vista social, económico, político, e institucional, este trabajo es

relevante, visto que comporta una serie de aportes teórico-metodológicos para la puesta en

práctica de soluciones a diversas problemáticas del contexto local a la cual va dirigido;

aunado a ello, se aspira el alcance de la generación de conocimientos y enfoques

epistémicos que podrán ser utilizados por la comunidad científica interesada en el estudio

de esta materia.

Por las razones descritas, se plantea estudiar y evaluar un modelo de microrred

eléctrica inteligente y su gestión energética en la parroquia rural Tabiazo del cantón

16
Esmeraldas, a manera de poder confirmar la fiabilidad y eficiencia de tales modelos en el

proceso del suministro de electricidad, en correspondencia con la demanda de la misma, en

consonancia con los principios de innovación, sostenibilidad y ecología.

OBJETIVOS

Objetivo General

• Determinar, mediante un estudio evaluativo el modelo de micro red eléctrica

inteligente que permita mejorar la gestión energética en la parroquia rural Tabiazo

del cantón Esmeraldas.

Objetivos Específicos

• Revisar la bibliografía pertinente a las microrredes eléctricas inteligentes y su

gestión energética.

• Emplear la metodología requerida para el diseño y operación de microrredes en el

caso de estudio considerando.

• Simular modelos de microrred eléctrica inteligente en MATLAB/Simulink

utilizando bloques funcionales, obteniendo los datos para realizar una comparación

y ver cuál es el modelo más conveniente.

• Evaluar los resultados obtenidos con los modelos propuestos de micro red eléctrica

dentro del caso de estudio y la gestión energética.

Resultados Esperados

• Conocer modelos de micro red eléctrica inteligente y su gestión energética en la

parroquia rural Tabiazo del cantón Esmeraldas.

17
 • Analizar viabilidad más eficiente para la evaluación de la influencia de los modelos

de micro red eléctrica inteligente y su gestión energética en la parroquia rural

Tabiazo del cantón Esmeraldas.

• Obtener un documento físico que describa los resultados de la valoración analítica

de un estudio evaluativo de modelos de microrred eléctrica inteligente y su gestión

energética en la parroquia rural Tabiazo del cantón Esmeraldas y, de esta forma

contextualizar los avances en microrredes en el mundo y obtener una visión

integral del tema.

Alcance

Por medio del estudio evaluativo de modelos de microrred eléctrica inteligente y su

gestión energética en la parroquia rural Tabiazo del cantón Esmeraldas, a partir de una

serie de indicadores y criterios técnicos, será posible conocer en detalle, los mecanismos

que operan en los subsistemas de producción, para satisfacer la demanda de la zona.

Consiguientemente, se podrá comprender el beneficio de los aspectos de sostenibilidad, de

la preservación del medio ambiente, el ahorro de energía y la economía de recursos.

18
 CAPÍTULO I. MARCO TEÓRICO

1.1 Generación Distribuida

Para brindar mayor escalabilidad y confiabilidad al sistema de energía eléctrica, es

necesario pasar de una estructura centralizada, a una estructura distribuida. En términos de

una red inteligente, esto se conoce como DER (Distributed Energy Resources). De esta

forma se pasa de tener pocos centros de generación a tener muchos centros distribuidos en

toda la red eléctrica, que pueden ser renovables o tradicionales, formando microrredes

interconectadas, como se presenta en la Figura 1 (Sevilla y Fernández, 2013).

Figura 1

Generacion Distribuida Mediante Microrredes

Nota. Generacion distribuida mediante microrredes con fuente de respaldo con paneles
solares, puede trabajar conectada a la red y aislada del sistema. Tomada de Sevilla y
Fernández (2013).

1.2 Microrredes

Una microrred es un sistema de energía controlable que consiste en fuentes de

generación distribuidas, cargas, sistemas de almacenamiento de energía y operaciones

19
descentralizadas de redes eléctricas (Chen y Wei, 2018). De igual forma, Zuñiga et al.,

(2013), resaltan que las microrredes son vistas como un elemento fundamental del sistema

de potencia, ya que interactúa con la finalidad de brindar seguridad, reduciendo pérdidas

de enlace, también de resistir tensiones específicas y minimizar caídas de tensión para

suministrar fuentes de alimentación ininterrumpida, etc.

Desde el punto de vista de red eléctrica general, la microrred actúa como un sistema de

cuidado, puesto que, a pesar de estar compuesto por múltiples generadores, cargas y

unidades de almacenamiento de energía, ejecuta funciones de generador controlado

(Zorita, 2017). Las microrredes eléctricas juegan un papel preponderante en el

perfeccionamiento de la infraestructura eléctrica edificada cerca de las tecnologías

renovables descentralizadas, y pueden acelerar el acceso a la electricidad. En la medida en

la que se desarrollan, también permiten afrontar perspectivas de interconexión entre ellas,

creando una red descentralizada en la que se pueden añadir cargas y generación de forma

equitativa. Muchas naciones desarrolladas vienen dedicando recursos significativos para

mejorar la infraestructura eléctrica actual y permitir la integración de tecnologías

descentralizadas, como lo son las microrredes (Ruíz, 2019).

De acuerdo con Contreras (2020), las microrredes operan en dos modos conectadas

o aisladas, tomando como referencia la red principal:

Conectado: La microrred proporciona las referencias de tensión y frecuencia

necesarias para el correcto funcionamiento de los elementos generadores que contiene.

Aislado: Los generadores deben reaccionar rápidamente a los cambios en el

consumo para que tanto el voltaje como la frecuencia sean estables.

Las microrredes conectadas como las aisladas cuentan con un gestor de energía,

que se encarga de controlar cada una de las fuentes y las controla para que funcionen
20
siempre de forma óptima y cuando se produzcan picos de consumo (Dobakhshari A. et al.,

2011), aspecto igualmente constatado por Fossati (2011).

A continuación, se resalta la Figura 2, la cual presenta la estructura típica de una

microrred.

Figura 2

Arquitectura de una Microrred

Nota. Una visión general a las microrredes y sus necesidades desarrollo tomará una

importancia significativa en los sistemas eléctricos de distribución del país. Tomada de

Procetradi (2016).

La principal característica de una red inteligente es que “permite la distribución de

electricidad desde los proveedores hasta los consumidores, utilizando tecnología digital

con el objetivo de ahorrar energía, reducir costes e incrementar la fiabilidad” (Fossati,

2011).

Las principales ventajas de la microrred inteligente son las que se insertan a renglón

seguido, en correspondencia con Fossati (2011):

21
• Reducción de los picos de consumo: Siendo que la información es doble en cuanto

al consumo y generación, solo estarán en operación las unidades generadoras no

renovables requeridas en tiempo real. Esto torna a la red más eficiente

energéticamente y minimiza la inversión en los sistemas de generación, transporte

y distribución de electricidad (Gipuzkoa, 2009).

• La red inteligente permite que el excedente de energía sea incorporado a la red,

donde el usuario se transforma en generador de electricidad, es decir, en un

productor descentralizado. Esta forma de gestionar la electricidad pone la potencia

instalada a disposición de grandes generadores centralizados, para los que han

realizado poca o ninguna inversión. Consecuentemente, al descentralizarse la

generación, se minimizan las pérdidas por transmisión y distribución de energía

eléctrica, aprovechando el uso de la energía de manera más eficiente (Fossati,

2011).

• Reduce la dependencia de la red eléctrica tradicional al poder trabajar aislado de la

microrred. De esta manera es posible evacuar el excedente de energía para su

comercialización o absorber de la red parte de la energía consumida (Michael,

2010).

• En la red inteligente se incorporan sistemas de gestión y almacenamiento

inteligente, que permiten entre otras cuestiones, aprovechar al máximo las energías

renovables, independientemente del momento en que se producen. Por otro lado, es

posible asegurar la alimentación de las cargas críticas de la red (Hamidi et al.,

2010).

22
 • Según Hammad et al. (2009), menciona que pueden desconectarse y operar

autónomamente, y es posible además localizar las faltas, así como su naturaleza y

magnitud.

• Dado que las centrales de generación están equipadas con la electrónica de

potencia, se puede mejorar la calidad de la energía eléctrica (voltaje, frecuencia,

estabilidad de la tensión, suministro de potencia reactiva y corrección del factor de

potencia) (Piccolo et al., 2010).

• Los operadores pueden reducir el riesgo de sobrecarga de los transformadores de

potencia equipos claves en la transmisión de electricidad, permitiendo un servicio

continuo y de mayor vida útil. A su vez, es posible realizar un monitoreo continuo

de los distintos equipos de la red, facilitando así su mantenimiento (Getting Smart,

2008).

1.3 Las Redes Inteligentes en la Gestión de Energía

La Agencia Internacional de la Energía (AIE) define las redes inteligentes así: “Una

red inteligente es una red eléctrica que utiliza tecnologías digitales y otras tecnologías

avanzadas para controlar y gestionar de manera fiable el transporte y distribución de la

electricidad, partiendo de todas las fuentes de generación, a fin de satisfacer la demanda

energética variable de electricidad de los consumidores finales.

Las redes inteligentes coordinan las necesidades y capacidades de todos los

productores, operadores del sistema, consumidores finales y actores del mercado eléctrico

en la utilización de todas las partes del sistema eléctrico de la manera lo más eficiente

posible, minimizando los costos y el impacto ambiental, y del mismo modo en tiempo real,

aumentando la máxima fiabilidad, resistencia y estabilidad del sistema” (IEA, 2011: p.8).

23
 La gestión de energía se propone para tomar decisiones sobre el mejor uso de los

recursos disponibles en las microrredes. Incluye programas de generación de potencia,

almacenamiento de energía, gestión de carga y típicamente reúne el control jerárquico

(Cruz, 2020).

Las redes eléctricas del futuro pretenden dar un impulso cualitativo, el cual se debe

a la imperiosa necesidad de gestionar mejor manera los recursos energéticos, favorecer la

protección del medioambiente y responder a los requerimientos cada vez más exigentes de

calidad de servicio y producto, surge el concepto denominado redes eléctricas inteligentes

(Medina, 2012). Es evidente que existe un crecimiento del consumo de electricidad, por lo

que se tiende a incrementar la generación de la misma (Jarrin, 2017). En el pensamiento de

García et al., (2010) “la actual edificación de electricidad contiene capacidades de

monitoreo hasta los medidores de los usuarios finales y clientes finales de los negocios

para propósitos de facturación”.

Una de las características principales que diferencian una red eléctrica inteligente

de una red tradicional, es justamente la capacidad de soportar un flujo de energía

bidireccional. Es decir, de pasar de un esquema en donde el flujo de energía va solo desde

las grandes generadoras hacia los consumidores finales, particulares e industriales, hasta

otro esquema, en el que se incorpora y se aprovecha la capacidad de almacenamiento y

generación distribuida, con un rol activo para los usuarios, siendo capaces de proveer

energía a otros usuarios (Andrade, 2011).

Existen dos factores que hacen a la electricidad única y un reto para la red

inteligente, la falta de control de flujo, y los requerimientos de almacenaje de la energía

eléctrica (De Blasio, 2008). Para mejorar la eficiencia energética, la tecnología de redes

inteligentes optimiza la gestión de la oferta y la demanda de energía eléctrica, minimiza la

24
pérdida de energía eléctrica entre las centrales eléctricas y los consumidores y ahorra

electricidad (Lee et al., 2012). El uso de una microrred proporciona la incorporación de la

generación distribuida en las redes energéticas convencionales, bien como permite la

coordinación de generadores y la gestión eficiente de la energía (Aldona y Pawe, 2017).

La gestión energética optimiza uno de los logros técnicos importantes y más

complejos que es el sistema energético (Hurtado y Escamilla, 2015). Estos modelos no

necesitan seguir los mismos pasos, de hecho, no hay dos modelos que lo hagan, lo que

permite una mejora continua de la eficiencia energética (Venegas y Castaño, 2012).

Por otro lado, se basan en la administración y la optimización del uso eficiente de la

energía, al ejecutarse solo con las presentaciones necesarias. Cabe recordar que, la

manifestación de las redes inteligentes en los procesos de gestión eléctrica dinamiza la

facilidad de las operaciones en función de garantizar la eficiencia en la administración

energética.

Figura 3

Redes Inteligentes Eléctricas

Nota. Redes inteligentes en los procesos de gestión eléctrica y la optimización del uso

eficiente de la energía. Tomada de Carreira (2018).

25
1.4 Elementos de Almacenamiento de Energía (ESS)

Conforme expuesto por Chaudhary, Lamb, Burheim, y Austbo (2021), dentro de las

limitaciones técnicas de la termodinámica, la energía eléctrica no se puede almacenar a

gran escala.

Es más accesible y mucho más sostenible almacenar energía en otras formas, como

energía química, mecánica y térmica. De modo a elegir la tecnología adecuada para una

aplicación determinada, los sistemas de almacenamiento de energía se pueden clasificar en

función de la potencia y la densidad de energía, el ciclo de vida de los componentes

utilizados y las tasas de carga/descarga.

La eficiencia de un ESS se define aquí como la eficiencia energética de ida y vuelta

de CC a almacenamiento a CC del banco de almacenamiento, o la fracción de energía

puesta en el almacenamiento que se puede recuperar. Los ESS juegan un papel esencial en

la mejora de las capacidades operativas de una microrred. Aunque no todos se pueden

emplear con éxito en una microrred, existen varios tipos de ESS:

26
Figura 4

Clasificación de las Tecnologías de Almacenamiento de Energía

Nota. Tipos de tecnología de almacenamiento de energía, se basan en medios de

almacenamiento físico químico, electromagnético, electromecánico y de cambio de fase.
Tomada de Luzuriaga Velasco y Arcos Avilés (2020).

El funcionamiento de las baterías está basado en la pila electroquímica. Asimismo,

cada pila se compone de dos electrodos, constituidos físicamente con potencial positivo y

negativo respecto el uno del otro. Al estar sumergidos en un elemento líquido llamado

electrolito, generan una diferencia de potencial entre dichos electrodos y una corriente

eléctrica al mantener en circuito cerrado los mencionados elementos. Una batería contiene

varias pilas colocadas en compartimentos separados para aumentar el potencial eléctrico

disponible, optimizando el espacio que ocupará cada celda en la que está contenida

individualmente cada pila (Luzuriaga Velasco y Arcos Avilés, 2020).

27
1.4.1 Sistemas de Almacenamiento Electroquímico (EcSS)

En los sistemas de almacenamiento electroquímico, la energía química proveniente

de los socios de reacción (ánodo y cátodo) se convierte en energía eléctrica, disponible

como corriente eléctrica a un voltaje predefinido. Los EcSS generalmente se pueden

clasificar en dos categorías: baterías convencionales y baterías de flujo. Como principal

ventaja, los dispositivos de almacenamiento pueden diseñarse y fabricarse para cualquier

tamaño, en función de la tensión y la disponibilidad de corriente (Chaudhary et al., 2021).

1.4.2 Sistemas de Almacenamiento de Baterías de Plomo-Ácido

La batería de plomo-ácido (PbA) tiene más de un siglo de historia y experiencia,

siendo actualmente el sistema de almacenamiento recargable más utilizado. Cada celda de

PbA, con un voltaje de 2 V, está hecha con Pb como ánodo y PbO2 como cátodo, con

ácido sulfúrico como electrolito. Durante la descarga de la batería, los iones migran entre

el ánodo y el cátodo en un circuito externo debido a una reacción química.

Para recargar las pilas, los electrodos reciben voltaje, lo que permite que los iones

fluyan en sentido contrario al modo de descarga. Las baterías PbA poseen un alto voltaje

de celda, alta eficiencia (70-80%), bajo costo y son adecuadas para suministro de energía

ininterrumpida. Parecidamente, poseen alta densidad energética de respuesta rápida y, por

lo general, también una vida útil prolongada (de 5 a 15 años).

Sin embargo, tienen un ciclo de vida corto (500-2000 ciclos), baja energía

específica, requieren un mantenimiento periódico y pueden tener fallas prematuras debido

a la sulfatación. Aún presentando fácil capacidad de reciclaje, el Pb es un metal venenoso

que puede representar un riesgo para el medio ambiente (Chaudhary et al., 2021).

28
1.4.3 Sistemas de Almacenamiento de Baterías de Iones de Litio (Li-Ion)

Las baterías de iones de litio (LiB) existen desde la década de 1990 y se han

convertido en la tecnología más utilizada en el almacenamiento de energía electroquímica.

Las tres capas de baterías LiB son el ánodo (hecho principalmente de un compuesto de

litio); el cátodo (hecho de grafito), y el separador (ubicado entre el ánodo y el cátodo, que

contiene el electrolito). Los LiB contienen alta densidad de energía volumétrica y

gravimétrica, alta eficiencia (>90%), respuesta rápida (milisegundos), tasa de autodescarga

atractiva (5% por mes) y casi el doble del voltaje (3.7 V) de las celdas de batería de PbA.

El comportamiento de respuesta rápida y la naturaleza liviana del litio lo vuelven

adecuado para fabricar baterías. Las desventajas de los LiB incluyen su baja profundidad

de ciclo de descarga (DoD) y el alto costo del litio, cobalto y níquel. El daño físico, el

abuso eléctrico (p. ej., cortocircuitos y sobrecarga) y la exposición a temperaturas elevadas

pueden provocar una fuga térmica. Su coste global y cuestiones de seguridad son los dos

principales factores que impiden el uso extensivo de LiB en los sistemas de distribución de

energía (Chaudhary et al., 2021).

1.4.4 Sistemas de Almacenamiento de Baterías de Sodio y Azufre

Las baterías de sodio-azufre (NaS) consisten en azufre fundido en el ánodo y sodio

fundido en el cátodo. Un electrolito de beta-alúmina no acuoso permite que los iones de

sodio pasen del electrodo negativo al electrodo positivo durante la descarga. Estas baterías

tienen un tiempo aproximado de descarga entre 6 y 7 horas, y una vida útil de más de 4500

ciclos. La ventaja tecnológica radica en su larga vida útil (generalmente más de 10 años),

su alta densidad de potencia (cuatro veces más grande que la batería PbA) y su alta

eficiencia (hasta el 90%).

29
 También tienen una respuesta rápida (en milisegundos) durante la carga y descarga

completa. Se utilizan ampliamente para minimizar las caídas de tensión (es decir, la

reducción repentina de la tensión en la red), nivelar la carga y estabilizar la generación de

energía renovable. Este tipo de batería debe funcionar a altas temperaturas (entre 300 y 350

◦C) para garantizar que el sodio y el azufre se mantengan en su estado fundido con alta

reactividad. Esta limitación conduce a condiciones de trabajo peligrosas y elevados costes

operativos (Chaudhary et al., 2021).

1.4.5 Sistemas de Almacenamiento de Baterías de Flujo

En las baterías de flujo redox (RFB), la electricidad se genera a partir de una

reacción química redox (reducción-oxidación) entre electrolitos en tanques separados por

una membrana selectiva de iones. En estas baterías, los electrolitos se pueden intercambiar

(es decir, ambos electrolitos se pueden usar en cátodo y ánodo). La capacidad de las

baterías está directamente relacionada con la capacidad de los tanques y los materiales

utilizados como electrolitos.

Un ejemplo muy común y maduro de esta tecnología emplea vanadio. RFB tiene

solo un elemento activo en el anolito y el catolito. Los iones H + se intercambian a través

de la membrana de separación durante la carga / descarga. El beneficio de usar únicamente

un elemento es que, si la membrana se dañara, no habría problemas con la mezcla de

anolito y catolito. Los beneficios de los RFB incluyen una alta estabilidad, una larga vida

útil (aproximadamente 40 años) y una alta eficiencia (hasta un 85%). También tienen una

gran capacidad de almacenamiento con características operativas flexibles.

30
 Los RFB son estructuras complejas y, por lo tanto, se requiere un alto

mantenimiento. Además, son costosos y necesitan una alta fuente de alimentación externa

para operarlos (Chaudhary et al., 2021).

1.4.6 Características de Tipos de Sistemas de Almacenamiento de Energía

La Tabla 1 presenta características y diferencias de las diferentes tecnologías de

almacenamiento de energía, conforme los diferentes tipos de ESS. Al elegir un ESS

apropiado o un conjunto de ESS para aplicaciones prácticas de microrredes, se debe

considerar el mejor equilibrio entre el costo de capital, la densidad de potencia, la densidad

de energía, el tiempo de respuesta, la eficiencia energética y la vida útil.

BESS, que tiene una alta densidad de energía y una respuesta rápida, es el más

indicado para mantener el suministro de energía en las microrredes. Las tecnologías como

FESS, SMES y SC tienen una alta densidad de potencia y una vida útil prolongada, y

suelen utilizarse para mantener la calidad de la energía (Chaudhary et al., 2021).

Tabla 1

Comparación de Tecnologías de Almacenamiento de Energía

Nombre de la Wh/Kg Wh/litro Potencia Tiempo medio de Eficiencia

tecnología W/Kg descarga
Plomo-Ácido 30-40 60-75 180 10 sec–varias 50-92%
horas
Ion-Li 100-265 250-730 250-350 15 min–varias 80-90%
horas
Níquel metal hidruro 60-120 140-300 250-1000 Autodescarga de 66%
30%/mes
Sulfuro de Sodio 100 150 200 8 horas 70%
Redox ---40 --- 80-150 --- 80%
Supercondensadores 3-5 --- 6000 Autodescargas 95%
hasta 5%/día hasta
14%/mes
Celdas de 121 16 18 -- 80%
combustible
SMES <1 -- 1000 Menos de 100 ms 90%
31
 Volante de inercia 11-50 -- 180-1800 20% a 50% en 2 90-95%
FES horas
CAES 10-30 -- -- -- >60%
PHS 0.3 -- -- -- 70-85%
TES -- 177 -- -- >60%
Nota. Comparación de Tecnologías de Almacenamiento de Energía, potencia, tiempo de

carga y descarga y la eficiencia. Tomada de Chaudhary et al. (2021).

1.5 Energías Renovables

Para Fernández (2016), las energías renovables son todas aquellas energías que no

se agotan con el paso del tiempo. Estas fuentes son una alternativa a otras tradicionales y

producen un impacto ambiental mínimo, para un futuro energético limpio, eficaz, seguro y

autónomo. Es por ello, que mejorar la calidad de vida, implica un incremento en el

consumo energético, de tal manera se hace necesario crear proyectos enmarcados en el

desarrollo sustentable y sostenible, respetando el medio ambiente, reduciendo

significativamente el agotamiento de los recursos por el actual modelo de consumo

energético.

Las energías renovables invitan a valorar racionalmente el consumo energético, con

criterios de ahorro y eficiencia, por tanto, es importante no solo para países altamente

desarrollados, sino también para aquellos países en vías de desarrollo. Lo dicho conlleva a

plantear la utilización de recursos renovables con protección al medio ambiente y dentro de

esquemas de preservación, ya que tienen el potencial de disminuir los problemas

ambientales por contaminación.

En los últimos años, según Fernández (2016), varios factores han influido en el

crecimiento y desarrollo de éstas energías. En primer lugar, el crecimiento del progreso

científico y tecnológico, en el campo de sistemas de creación de energía, específicamente

32
la energía eléctrica, a través de celdas solares o sistemas eólicos, lo que disminuye el

consumo eléctrico nacional si se aplicara en el ámbito rural y empresarial.

Lo anterior puede ser de provecho para la nación, al considerar que la producción

de energía eléctrica, en gran medida debido a las buenas condiciones geomorfológicas,

topográficas y de localización geográfica. De ahí que hace varios años gobernantes en el

Ecuador han planteado políticas para aprovechar el gran recurso hídrico con el objetivo de

explotar y balancear las dos vertientes que poseen potencial hidroeléctrico en el país.

1.6 Generación Fotovoltaica

La energía solar es aprovechada de manera significativa para realizar procesos de

generación de energía eléctrica, a través de la irradiación que proviene del sol, mediante

celdas fotovoltaicas que transforman energía solar en energía eléctrica. Las plantas

fotovoltaicas se dividen en dos grupos; sistemas aislados y aquellos que se conectan a una

red eléctrica. Los sistemas aislados son utilizados en lugares de difícil acceso, mientras que

los sistemas que se pueden conectar a la red pueden aportar energía al sistema eléctrico

(Andrade, 2021). La energía que puede suministrar una planta fotovoltaica se lo puede

calcular de la siguiente manera:

𝐼𝑟 𝑋𝑃𝑃 𝑋𝑃𝑅 (1)

𝐸𝐹 =
𝐺

Donde:
𝐼𝑟: Irradiación solar
𝑃𝑃: Potencia pico
𝑃𝑅: Rendimiento energético
𝐺: Coeficiente de radiación térmica

33
1.7 Lógica Difusa

Es una lógica multi-valuada que permite una forma más práctica de enfocar los

problemas, emula la habilidad de razonamiento y hace uso de datos aproximados para

encontrar soluciones precisas. Básicamente, consiste de 3 etapas: fuzzificación, evaluación

de reglas y desfuzzificación, cada etapa sigue un modelo Mandami el cual está demostrado

en la Figura 5.

Figura 5

Sistema Básico de la Lógica Fuzzy

Nota. Esquema en diagrama de bloques la estructura de un controlador fuzzy. Tomado de

Sudati (2018).

Una interface de Fuzzificación modifica y convierte entradas en valores lingüísticos

adecuados para que las reglas en la base de reglas se puedan comparar. La base de reglas

contiene conocimiento en forma de un conjunto de reglas, donde el motor de inferencia

evalúa qué reglas son relevantes en el momento actual y luego decide cuál debería ser el

resultado. La interfaz de defuzzificación convierte las conclusiones alcanzadas por el

motor de inferencia en una salida precisa (Sudati, 2018).

34
1.7.1 Ventajas

• No requiere estructuras matemáticas complejas.

• Utilizar el lenguaje natural.

• Facilidad de configuración.

• Aunque la inferencia se realiza mediante lógica difusa, se sigue obteniendo el

resultado correcto.

• Fácilmente adaptable para trabajar en conjunto con otras técnicas.

1.7.2 Desventajas

• Debe comprender y ser capaz de identificar el problema.

• Los resultados necesitan ser evaluados y ajustados.

35
 CAPÍTULO II. MARCO METODOLÓGICO

La metodología aplicada se encuadra en un paradigma cuantitativo, misma que se

declara tanto aplicativa, como evaluativa, descriptiva, y documental bibliográfico.

2.1 Delimitación de la Investigación

✓ Espacial: El desarrollo de este proyecto se realizó en el territorio ecuatoriano,

provincia de Esmeraldas, cantón Esmeraldas, parroquia rural Tabiazo.

✓ Temporal: Se consideró información relacionada a las condiciones climáticas como

temperatura e irradiación solar de la parroquia rural Tabiazo.

2.2 Tipo de Investigación

El tipo de investigación es aplicada de tipo documental y de campo, la que permite

realizar toma de acciones y, establecer estrategias en caso de estudio considerado. Para

resolver el problema de la falta del servicio de energía eléctrica, la característica básica de

la investigación fue resolver problemas a mediano y largo plazo, siendo el nivel de la

investigación causal explicativo.

2.3 Diseño de la Investigación

La investigación es pre-experimental, ya que se trató del mismo proceso en que se

aplicó el estudio evaluativo de modelos de microrred eléctrica inteligente y su gestión

energética en la parroquia rural Tabiazo del cantón Esmeraldas.

2.4 Métodos

El método a utilizarse fue deductivo, ya que se partió de datos e información sobre

la falta de consumo de energía eléctrica por los habitantes del sector rural.

36
2.5 Comparación de Metodologías de Evaluación de Modelos de Microrred Eléctrica

y su Gestión Energética

La planificación óptima de la integración de generación eléctrica distribuida y las

microrredes de energía en redes de distribución, han sido un problema clásico muy

estudiado por la comunidad científica (Nick, et al., 2017). Esta planificación óptima

incluye la determinación de la óptima localización del punto de conexión del generador

distribuido en la red y el dimensionado de la potencia de generación a instalar (Currie et

al., 2017).

Los criterios de evaluación, modelos y gestión normalmente analizados son:

reducción de pérdidas en las líneas, mejora del perfil de tensión, aumento de la eficiencia

energética, maximización de la fiabilidad y seguridad del sistema, mejora de la calidad de

suministro y minimización de la congestión de las líneas. Últimamente, se han publicado

diversos estudios que analizan la optimización de la configuración de microrredes

energéticas (estructura, diseño y operación) bajo criterios de sostenibilidad energética,

medioambiental y económica. A continuación, se presenta un breve resumen de los más

relevantes para el desarrollo de este proyecto:

Autores como Marzband, Ghazimirsaeid, Uppal, y Fernando (2017), demuestran

que la gestión de la energía en tiempo real dentro de los conceptos de sistemas de

microrredes domésticas (H-MG) es crucial para la fiabilidad operativa H-MG y la

funcionalidad segura, independientemente de las variaciones emanadas simultáneamente

en la generación y los transitorios de demanda de carga. Para tanto, proponen un diseño

experimental y la validación de un sistema de gestión de energía central (CEMS) de tipo de

colonia artificial de abejas (MABC) de colonia artificial de abejas en tiempo real para H-

MGs en modo insular para maximizar la eficiencia operativa y minimizar el costo

37
operativo del H-MG con pleno grado de libertad para adaptar automáticamente el

problema de gestión bajo variaciones en los recursos de generación y almacenamiento en

tiempo real.

El sistema sugerido opera con base en la parametrización de datos tales como: la

energía disponible de los recursos de energía renovable, la cantidad de demanda de carga

no receptiva y las ofertas mayoristas de las unidades de generación y la programación en

cuanto al tiempo para una gama de unidades integradas de generación y demanda.

La validación experimental muestra la efectividad de nuestra propuesta de EMS

con márgenes de costo mínimos y capacidades plug-and-play para un H-MG en modo de

insularidad en tiempo real que se puede prever para sistemas híbridos multifuncionales de

cadena de suministro de red inteligente con arquitecturas revolucionarias. El mejor

rendimiento del algoritmo propuesto se muestra en comparación con el algoritmo de

programación no lineal de enteros mixtos (MINLP), y su efectividad se valida

experimentalmente sobre un banco de pruebas de microrredes. Los resultados obtenidos

muestran el aumento de la velocidad de convergencia y la notable mejora de la eficiencia y

la precisión en diferentes condiciones.

En ese sentido, Bordón, Schenberger, Berterame, Chezzi, y Penco (2018), plantean

una estrategia para la gestión de una microrred, recomendando un algoritmo de asignación

de energía para aplicación en un caso de simulación, con el fin de evaluar escenarios

distribuidos de generación y consumo energético, resultando en la obtención de un análisis

técnico, económico y de desarrollo sostenible para la configuración apropiada del sistema

eléctrico.

Del mismo modo, Sánchez (2020), propone el control del modo de operación de un

conjunto de microrredes eléctricas interconectadas entre sí mediante un bus común, pero

38
aisladas de la red eléctrica principal, con el fin de proteger la vida útil de las baterías,

también de un diseño de una arquitectura basada en Sistemas Multi-Agente (MAS); dado

al extenso uso de este tipo de modelos en gestión energética de microrredes, facilitando el

diseño y modelado de los sistemas de control.

Así, la tecnología de MAS, posee propiedades deseables, como son; la autonomía,

el impacto social, reactividad y proactividad. Además, es considerablemente reconocida

como una plataforma tecnológica para efectuar procesos de automatización y monitoreo

dentro de una microrred. Como resultado, demuestra con una simulación los beneficios de

emplear MAS, como una plataforma para estudiar las tecnologías de comunicación,

monitorización y control de microrred en tiempo real.

2.6 Metodología para el Diseño de la Microrred

2.6.1 Caracterización de la Zona

La parroquia de Tabiazo se encuentra ubicada en la costa sureste de la provincia de

Esmeraldas, por lo que posee un clima tropical húmedo debido a la abundancia de bosques

nativos en esta zona. Entre los meses más fríos se destaca el periodo comprendido entre

agosto y diciembre, durante el verano, y los más calurosos de enero a julio. La época de

observar las lluvias, es dada durante el mes de octubre, el más seco, es la temporada de los

monzones.

La temperatura fluctúa entre 21 y 30°C, por lo que no se registran cambios bruscos

de temperatura. Por otro lado, las precipitaciones se distribuyen a lo largo del año con

mayor período en los meses de enero a julio; siendo que la mayor precipitación mensual

promedio ocurre de febrero a marzo, alrededor de 1500 mm. La región posee una rica

vegetación y fuerte comportamiento pluvial, que facilitan el desbordamiento de ríos y la

39
ocurrencia de desastres naturales, especialmente para cultivos de corto plazo. (Ver Figura

6).

Figura 6

Ubicación Geográfica de la Parroquia Tabiazo

Nota. Ubicación de la zona donde se realizó el proyecto. Tomada de Google Maps.

Extensión 138,37 Km2

Límites Norte: Parroquia Vuelta Larga (Quebrada Uzanque)

Sur: Parroquia Carlos Concha

Este: Parroquia San Mateo

Oeste: Cantón Atacames Parroquias Tonsupa y La unión

Rango altitudinal 5 msnm zonas bajas hasta 26 (cabecera parroquial) y 365 zonas altas

(Tabante- chontaduro la llorona) msnm

40
Tiempo 30° C, Viento 0 a 6 Km/h y Humedad Relativa 81%.

[Link] Potencial Energético

Esta parroquia se encuentra ubicada en la costa sureste de la Provincia de

Esmeraldas, por lo tanto, tiene un clima húmedo tropical por la exuberancia de sus bosques

nativos del lugar, sus meses más fríos son de agosto a diciembre en las temporadas de

verano, y los meses más calurosos son de enero a julio, que es el período de lluvia, siendo

octubre el mes más seco, que es la estación en la que el viento sopla en todas direcciones.

Tabla 2

Temperatura Máxima y Mínima de Tabiazo

N° Mes Mínima Promedio Máxima

1 Enero 20 25 30
2 Febrero 19 25 29
3 Marzo 21 25 29
4 Abril 18 25 30
5 Mayo 20 25 30
6 Junio 22 25 30
7 Julio 23 25 30
8 Agosto 21 25 30
9 Septiembre 23 25 30
10 Octubre 22 25 30
11 Noviembre 19 24 30
12 Diciembre 20 25 30
Nota. Se presentan temperaturas mínimas, promedios y máximas, en donde temperatura

mínima promedio es de 24 °C y máxima de 30 °C de buena condición para los sistemas

fotovoltaicos. Tomada de POWER Data Access Viewer.

41
 La temporada de mayor calor dura 2,9 meses que va desde el 6 de agosto hasta el 2

de noviembre con una temperatura máxima diaria promedio de 30 °C. Agosto es el mes

donde se presenta mayor calor con temperatura máxima promedio de 30 °C y mínima de

25 °C. La temporada fresca dura 2,0 meses, del 29 de enero al 29 de marzo, y la

temperatura máxima promedio diaria es menos de 30 °C. El mes más frío del año es

noviembre, con una temperatura mínima promedio de 24 °C y máxima de 30 °C.

Figura 7

Temperaturas Promedio Anual Parroquia Tabiazo

Temperatura Promedio Enero-Diciembre (2021)

35
30
Temperatura °C

25
20
15
10
5
0

Mínima Promedio Máxima

Nota. Curva de temperatura promedio correspondiente a los meses de enero a diciembre

del 2021, donde se aprecia los valores máximos, promedios y mínimos de temperatura.

Tomada de POWER Data Access Viewer.

En la Figura antepuesta, se puede notar que la temperatura promedio anual de la

parroquia Tabiazo es de 25°C, con este valor podemos llegamos a la conclusión que es

42
factible la implantación de una microrred eléctrica con sistema de generación solar

fotovoltaica, ya que este sector cuenta con las condiciones apropiadas.

[Link] Demanda Eléctrica

El presente proyecto plantea como caso de estudio, una zona rural Bunte de la

parroquia Tabiazo del Cantón Esmeraldas, compuesta por 25 viviendas con una demanda

de energía de alrededor de 25 KVA los datos de demanda los encontraremos en el

ANEXO 1, en la cual se pretende implementar una microrred fotovoltaica que suministre

de energía a esta zona, cabe indicar que el factor de potencia del sistema es de 0,98.

Datos:

𝑆 = 25 𝐾𝑉𝐴

𝐹𝑃 = 0,98

𝑃 = 𝑆 ∗ 𝐹𝑃 = 25 ∗ 0,98 = 24,5 𝐾𝑊

Partiendo de la potencia, procederemos a calcular el número de paneles solares necesarios

que generen esa cantidad de energía, en la siguiente formula hallaremos:

𝐸𝑟 ∗ 1,3 (2)
#𝑁 =
𝐻𝑃 𝑊𝑃

Donde:

#N: número de panales solares.

Er: Demanda eléctrica

Hp: Horas picos de funcionamiento de la microrred fotovoltaica 5 horas

Wp: La cantidad de potencia en KW que puede entregar un panel solar la cual depende del

fabricante para este caso será de 0,34 KW, en el ANEXO 2 encontraremos las

características técnicas del fabricante.

43
 24,5𝐾𝑊 ∗ 1,3
#𝑁 = = 𝟏𝟖, 𝟕 ∷ 𝟏𝟖 𝑷𝒂𝒏𝒆𝒍𝒆𝒔 𝒇𝒐𝒕𝒐𝒗𝒐𝒍𝒕𝒂𝒊𝒄𝒐𝒔
5 ∗ 0,34

2.7 Análisis Técnico- Económico

Esta sección está destinada a mostrar información sobre la implantación de la

generación de energía a partir de fuentes renovables e integración de almacenamiento para

conectividad de red. El análisis se realizó con el software HOMER Grid, teniendo en

cuenta algunas medidas técnicas económicas. La evaluación técnico-económica de los

sistemas energéticos podría ejecutarse utilizando herramientas de simulación comerciales

avanzadas y fiables como alternativa a algoritmos complejos, al igual que experimentos

físicos de alto costo. En la actualidad, existen varios softwares para diseñar, optimizar y

simular sistemas de energía renovable (RES), apuntando principalmente a la evaluación

técnica y económica (Al Garni, Awasthi, Ramli, y management, 2018).

2.7.1 Indicadores Económicos

Los dos principales elementos económicos, que son el costo actual total de la red

(NPC) y el costo nivelado de energía (COE), dependen del costo total anualizado del

sistema. Debido a esto, el usuario necesita calcular los costos anualizados del sistema, que

corresponden al el costo anual de los componentes menos cualquier costo misceláneo

(Hafez & Bhattacharya, 2012). Para calcular el costo actual neto total, se utiliza la

siguiente ecuación:

𝐶𝑎𝑛𝑛,𝑡𝑜𝑡 (3)
𝐶𝑁𝑃𝐶 =
𝐶𝑅𝐹(𝑖, 𝑁)

44
donde Cann,tot es el costo total anual, i es la tasa de interés real año (tasa de descuento), N

el número de años, CRF(i, N) el factor de recuperación de capital, calculado según la

Ecuación (2).

𝑖(1 + 𝑖)𝑁 (4)

𝐶𝑅𝐹 (𝑖, 𝑁) =
(1 + 𝑖)𝑁 − 1

Asimismo, la tasa de interés anual real se puede determinar como sigue:

𝑖´ − 𝑓 (5)
𝑖=
1+𝑓

Donde f es la tasa de inflación, i′ es la tasa de interés nominal e i representa la tasa

de interés real anual. Otra variable considerada es el costo nivelado de energía calculado a

través de la Ecuación 4. HOMER Grid define el costo nivelado de energía (COE) como el

costo promedio por kWh de energía eléctrica útil producida por el sistema. Para calcular el

COE, dicho software divide el costo anualizado de producir electricidad (el costo total

anualizado menos el costo de servir la carga térmica) por la carga eléctrica total servida,

usando la siguiente ecuación

𝐶𝑎𝑛𝑛,𝑡𝑜𝑡 (6)
𝐶𝑂𝐸 =
𝐸𝑝𝑟𝑖𝑚 + 𝐸𝑑𝑒𝑓 + 𝐸𝑔𝑟𝑖𝑑,𝑠𝑎𝑙𝑒𝑠

Donde Eprim es la energía eléctrica que la microrred suministra a las cargas

esenciales, Edef es la energía eléctrica que la microrred suministra a las cargas no

esenciales y Egrid,sales la cantidad de energía eléctrica vendida a la red. En la ecuación del

costo nivelado de la energía (3), el costo total anualizado se divide por la carga eléctrica a

la que sirve la microrred.

En la ecuación de energía nivelada por costos, se suma la cantidad de electricidad

vendida a la red por la microrred. En HOMER Grid, el costo actual neto total es el

elemento económicamente preferible y se ha utilizado en el proceso de optimización, no el

45
costo nivelado de energía (Farret & Simoes, 2006). El retorno de la inversión (ROI) es el

ahorro de costos anual sobre la inversión inicial. HOMER Grid calcula el retorno de la

inversión con la siguiente ecuación:

∑𝑁 (𝐶𝑗.𝑟𝑒𝑓 −𝐶𝑗 ) (7)

ROI = 𝑁(𝑗=0
𝐶𝑒𝑎𝑝 −𝐶𝑒𝑎𝑝,𝑟𝑒𝑓 )

El ROI es la diferencia anual promedio en los flujos de efectivo nominales durante

la vida del proyecto dividida por la diferencia en el costo de capital del sistema elegido y

los sistemas base. La tasa interna de retorno (TIR) es la tasa de descuento a la que el caso

base y el sistema actual tienen el mismo costo actual neto. HOMER Grid calcula la TIR

determinando la tasa de descuento que hace que el valor presente de la diferencia de los

dos flujos de efectivo sea igual a cero.

𝑁 (8)
𝐶𝑗
∑
(1 + 𝑇𝐼𝑅)𝑁
𝐽=1

Otra consideración que se debe hacer sobre la idoneidad del proyecto, es la

verificación del payback que es el número de años en los que el flujo de caja acumulado de

la diferencia entre el sistema actual y el caso base cambia de negativo a positivo. La

recuperación es una indicación de cuánto tiempo llevaría recuperar la diferencia en los

costos de inversión entre el sistema actual y el sistema de caso base.

2.7.2 Descripción del Software HOMER Grid

El modelo de optimización de microenergía de la red HOMER es un software

desarrollado por el Laboratorio Nacional de Energía Renovable (NREL) de los Estados

Unidos de América, para ayudar en el diseño de sistemas de microenergía y facilitar la

comparación de tecnologías de generación de energía en una amplia gama de aplicaciones.

46
 De ese modo, HOMER Grid modela el comportamiento físico de un sistema de

energía y su costo de ciclo de vida, que es el costo total de instalar y operar el sistema

durante su vida útil. El software permite comparar diferentes opciones de diseño en

función de sus méritos técnicos y económicos, lo que también ayuda a comprender y

cuantificar los efectos de las incertidumbres o los cambios en las variables (Farret y

Simoes, 2006).

El software realiza tres tareas principales: simulación, optimización y análisis de

sensibilidad. En el proceso de simulación, HOMER Grid modela el rendimiento de una

configuración de sistema de microenergía determinada cada hora del año para determinar

su viabilidad y el costo del ciclo de vida. En el proceso de optimización, simula diferentes

configuraciones del sistema en busca de aquella que satisfaga las restricciones técnicas con

el menor costo de ciclo de vida.

En el proceso de análisis de sensibilidad, el software realiza varias optimizaciones

bajo una variedad de suposiciones de entrada para evaluar los efectos de la incertidumbre o

los cambios en las entradas del modelo. La optimización determina el valor óptimo de las

variables sobre las que tiene control el diseñador del sistema, como la combinación de

componentes que componen el sistema y el tamaño o la cantidad de cada uno. El análisis

de sensibilidad ayuda a evaluar los efectos de la incertidumbre o cambios en variables

sobre las que el diseñador no tiene control, como la radiación o el precio futuro del

combustible (Farret y Simoes, 2006).

2.7.3 Simulación

La capacidad fundamental de HOMER Grid es simular el funcionamiento a largo

plazo de un sistema de microenergía. Sus características de alto nivel, optimización y

47
análisis de sensibilidad, se basan en esta capacidad de simulación. El proceso de

simulación determina cómo una configuración particular del sistema, una combinación de

componentes del sistema de tamaños específicos y una estrategia operativa que define

cómo estos componentes funcionan juntos, se comportan en un entorno determinado

durante un largo período de tiempo (Farret y Simoes, 2006).

HOMER puede simular una amplia variedad de configuraciones de sistemas de

microgeneración, que comprenden cualquier combinación de un conjunto fotovoltaico, una

o más turbinas eólicas, una turbina hidráulica de pasada y hasta tres generadores, un banco

de baterías, un convertidor de CA/CC, un electrolizador y un tanque de almacenamiento de

hidrógeno (Farret & Simoes, 2006).

HOMER modela una configuración de sistema en particular mediante la ejecución

de una simulación de serie temporal por hora de su funcionamiento en el transcurso de un

año. HOMER también calcula las cantidades necesarias para calcular el costo del ciclo de

vida del sistema, como el consumo anual de combustible, las horas anuales de operación

del generador, la vida útil esperada de la batería o la cantidad de energía comprada

anualmente de la red (Farret & Simoes, 2006).

2.7.4 Optimización

En HOMER Grid, la mejor configuración posible, es la que satisface las

restricciones especificadas por el usuario con el costo actual neto total más bajo. Encontrar

la configuración óptima del sistema puede implicar decidir la combinación de

componentes que debe contener el sistema, el tamaño o la cantidad de cada componente y

la estrategia de envío que debe utilizar el sistema.

48
 En el proceso de optimización, HOMER Grid simula muchas configuraciones

diferentes del sistema, descarta las no factibles (aquellas que no satisfacen las restricciones

especificadas por el usuario), clasifica las viables según el costo actual neto total y presenta

la que tiene el costo actual neto más bajo. como la configuración óptima para el sistema. El

objetivo del proceso de optimización es determinar el valor ideal de cada variable de

decisión que interesa al diseñador. Una variable de decisión es una variable sobre la que el

diseñador del sistema tiene control y para la cual HOMER puede considerar varios valores

posibles en su proceso de optimización.

2.7.5 Análisis de Sensibilidad

En un análisis de sensibilidad, el usuario de HOMER ingresa un rango de valores

para una sola variable de entrada. Una variable para la cual el usuario ha ingresado

múltiples valores se llama variable de sensibilidad. Casi cada variable de entrada numérica

en HOMER, que no sea una variable de decisión, puede ser una variable de sensibilidad.

Los ejemplos incluyen el precio de la red, el precio del combustible, la tasa de

interés o la vida útil del panel fotovoltaico.

El usuario de HOMER Grid puede realizar un análisis de sensibilidad con cualquier

número de variables. Cada combinación de valores de variables de sensibilidad define un

caso de sensibilidad distinto. Por ejemplo, si el usuario especifica seis valores para el

precio de la energía de la red y cuatro valores para la tasa de interés, serán definidos 24

casos de sensibilidad distintos. HOMER ejecuta un proceso de optimización separado para

cada caso de sensibilidad y presenta los resultados en varios formatos tabulares y gráficos.

49
2.8 Características de la Matriz Solar

El punto de máxima potencia de un panel solar varía de acuerdo con los cambios en

la irradiación solar y temperatura. Las curvas características típicas de corriente versus

voltaje, potencia versus voltaje en diferentes niveles de irradiación solar y potencia versus

voltaje a diferentes temperaturas, se ilustran en Figura 8 y Figura 9 respectivamente.

Figura 8

Características de Voltaje-Corriente de una Celda Solar con Variación de Irradiancia

Solar a una Temperatura de 25°C.

Nota. Curva de voltaje-corriente para una celda solar con variación en la irradiación solar.

Tomada de Granda (2017).

50
Figura 9

Características P-V de una Celda Solar para Varios Valores de Temperatura

Nota. Curva de potencia-voltaje para una celda solar con variación de temperatura.

Tomada de Granda (2017).

La región de la fuente de corriente, en la que la impedancia interna del panel es

alta, se encuentra en el lado izquierdo de la curva de corriente-voltaje. El MPP del panel

está ubicado en la rodilla de la curva de corriente-voltaje. De acuerdo con la teoría de

transferencia de potencia máxima, la potencia entregada a la carga es máxima cuando la

impedancia interna de la fuente coincide con la impedancia de la carga.

Por lo tanto, la impedancia vista desde el lado de entrada del convertidor (puede

ajustarse mediante la señal de control PWM) debe coincidir con la impedancia interna del

panel si se requiere que el sistema funcione en o cerca del MPP del panel solar. Si el

sistema opera en la región de la fuente de voltaje (baja impedancia) de la curva

característica del panel, el voltaje del terminal del panel colapsará.

51
 De la Figura 8 y la Figura 9 se observa que cada curva tiene un punto de máxima

potencia (MPP), que es el punto óptimo para el uso eficiente del panel y este punto

depende de los valores de la temperatura. La función principal de un MPPT es ajustar el

voltaje de salida del panel a un valor en el que el panel suministre la máxima energía a la

carga (Ravindran & Sutaria, 2016).

2.8.1 Máximo Poder Punto MPPT

Cuando un módulo fotovoltaico está conectado directamente a una carga, el punto

de operación del módulo fotovoltaico estará en la intersección de su característica I-V y la

línea de carga que es la relación I-V de la carga (Bandri, Syofian, y Effendi, 2019). En

general este punto de operación no está en el MPP del campo fotovoltaico, lo que se puede

apreciar claramente en la Figura 10.

Figura 10

Curvas V-I con Varias Cargas Resistivas

Nota. Punto de operación del módulo fotovoltaico en la intersección de su característica I-

V. Tomada de Yatimi y Aroudam (2015).

52
 Por lo tanto, en un sistema de acoplamiento directo, la matriz fotovoltaica

generalmente debe sobredimensionarse para garantizar que se puedan suministrar los

requisitos de energía de la carga. Esto conduce a un sistema demasiado caro. Para superar

este problema, se puede utilizar un convertidor de potencia de modo conmutado para

mantener el punto de funcionamiento de la fotovoltaica en el MPP.

El MPPT controla el voltaje o la corriente del conjunto fotovoltaico

independientemente de los de la carga. Sin embargo, la ubicación del MPP en la

característica I-V no se conoce a priori. Debe ser localizado, ya sea a través del cálculo del

modelo o por algoritmo de búsqueda. La situación se complica aún más por el hecho de

que el MPP depende de forma no lineal de la irradiancia y la temperatura (Yatimi y

Aroudam, 2015).

2.8.2 Características de Salida de la Celda Solar

La potencia de salida de la celda solar es una función no lineal frente a la

temperatura y la intensidad de la luz, la Figura 11 muestra la curva de relación entre la

temperatura y la potencia de salida de la celda solar, donde se optimiza la coincidencia

entre el panel solar y el banco de baterías o la red de servicios públicos, y convierte un

voltaje de CC alto a uno bajo que se necesita para cargar las baterías (Qin y Lu, 2012).

53
Figura 11

La Relación entre la Temperatura y la Potencia de Salida

Nota. Curva de relación entre la temperatura y la potencia de salida de la celda solar.

Tomada de (Qin y Lu, 2012).

2.8.3 Seguimiento del Punto de Máxima Potencia (MPPT)

Es un método para determinar el punto en el que se produce la máxima potencia

generada por los paneles solares. Con base en investigaciones realizadas por Prinanda y

Sulistyowati (2015), una de las ventajas del uso del MPPT es la rapidez en satisfacer la

condición de equilibrio fotovoltaico para las condiciones requeridas por la carga y que

puede ser llenado con paneles solares. MPPT requiere dos componentes que soporten la

corriente de entrada para operar. Los dos componentes se combinan para obtener el valor

de potencia P como en la Ecuación 9.

P = V x I (1) (9)

En condiciones de temperatura y diferente irradiancia, los valores obtenidos de la

MPP son diferentes. Se requiere el método adecuado para obtener el valor de la potencia

máxima generada por los paneles solares.

54
2.8.4 Método Perturba y Observa

El método Perturba y Observa consta de dos fases:

1. Cambiar a perturbar, enviar un voltaje o una celda solar de referencia actual.

2. Observar, realizar el cálculo de potencia causado por perturbarlo.

La evaluación comparativa de potencia antes y después de la perturbación del

proceso efectuado como referencia utilizada para aumentar o disminuir el voltaje al

siguiente paso y obtener el valor del MPP.

En la investigación levantada por, Francis et al (2012), se usaron algoritmos y se

comenzó midiendo el voltaje V (k) y la corriente I (k) para obtener P (k) (Morales, 2010).

Perturbar (V) dado para observar el valor de la potencia de salida P (k + 1). El valor de P

(k + 1) y luego se compara con su P (k). Si el valor de P (k + 1) es mayor que P (k), se

puede concluir que la perturbación que hace Niali (2013), es correcta. Por el contrario, si el

valor de P (k + 1) es menor que P (k) entonces la perturbación debe hacerse en la dirección

opuesta. Así se puede obtener el valor del Punto de Máxima Potencia (MPP) (Bandri et al.,

2019).

2.9 Controlador Basado en Lógica Difusa

Esquemáticamente la configuración del controlador difuso para un conversor

DC/DC esta dado por la Figura 12.

55
Figura 12

Esquema de Control Difuso para el Conversor DC/DC

Nota. Esquema de control difuso la corriente y la tensión son censados. Tomada de

González Espinosa (2021).

En la Figura 12 se observa que tanto la corriente y la tensión son censados, y luego

llevados a los canales A/D, esto para luego obtener el error 𝐸(𝑘) el cual es una de las

entradas del control difuso, dicho error se obtiene con la ecuación siguiente:

𝑃(𝑘) − 𝑃(𝑘 − 1) (10)

𝐸(𝑘) =
𝑉(𝑘) − 𝑉(𝑘 − 1)

Donde 𝑃(𝑘) y 𝑉(𝑘) son la potencia y la tensión del panel fotovoltaico,

respectivamente. Por lo tanto, para obtener la máxima potencia generada 𝐸(𝑘) debe ser

cero (González Espinosa, 2021).

La entrada restante al controlador difuso, corresponde al denominado cambio de

error, el cual se determina haciendo la diferencia entre el valor actual del error y su valor

anterior como se presenta en la siguiente formula:

56
 𝐶𝐸(𝑘) = 𝐸(𝑘) − 𝐸(𝑘 − 1) (11)

El algoritmo del controlador difuso está dividido en tres etapas:

1. La fuzzificación, en donde los datos son transformados para ser trabajados en un

ambiente difuso.

2. La inferencia toma de decisión, y define las reglas del sistema que posteriormente

se evalúan para obtener una salida tipo difusa.

3. La desfuzzificación, es donde la salida obtenida es de nuevo transformada en una

variable concreta entendible por el resto del sistema.

2.9.1 Fuzzificación

Las variables de entrada 𝐸(𝑘) y 𝐶𝐸(𝑘), son expresados en términos lingüísticos

como:

PB= positivo grande, PM= positivo medio, PS= positivo pequeño, ZO= Cero, NS=

Negativo pequeño, NM= Negativo medio, NB= Negativo grande, utilizando para ello

subconjuntos difusos.

La Figura 13 muestra los grados de pertinencia de los siete subconjuntos difusos

para las variables de entrada y salida.

57
Figura 13

Proceso de Fuzzificación en Términos Lingüísticos

Nota. Funciones de membresía para (a) entrada E, (b) entrada CE y (c) variación del ciclo

de trabajo de la salida dD.

2.9.2 Método de Inferencia

Las reglas del controlador difuso, la cual se obtiene de todas las combinaciones

posibles entre las entradas E y CE, que proporcionan cuarenta y nueve reglas

correspondientes a las posibles salidas del controlador como podemos apreciar en la Tabla

3 a continuación:

58
Tabla 3

Base del conocimiento del Controlador Fuzzy

Nota. Base del conocimiento se conoce como diagonal cero, se utiliza mucho en el control

de los conversores DC/DC.

El proceso de toma de decisión se realiza por medio de la evaluación de conjuntos

de reglas como:

Si (E es NB) y (CE es NS) entonces (dD es NB)

Si (E es ZO) y (CE es ZO) entonces (dD es ZO)

Si (E es ZO) y (CE es PB) entonces (dD es PB)

Después de evaluar los antecedentes de cada regla, se obtienen los consecuentes y

con ellos se construye el conjunto difuso correspondiente a la salida (dD). Luego de ellos

se proporciona una salida de tipo lingüística que debe ser convertida a un valor concreto

con el cual se puede operar y realizar la acción de control correspondiente, la cual

59
pertenece a una variación del ciclo de trabajo, que comúnmente se lo conoce

desfuzzificación.

El método de inferencia utilizado en la obtención del consecuente a partir de ellos

antecedentes, corresponde al de Mandami.

2.9.3 Desfuzzificación

La salida del controlador difuso es un subconjunto de control, en un sistema para

operar requiere usualmente un valor de control no difuso (concreto), es por ello que se

hace necesaria una desfuzzificación.

La desfuzzificación se puede realizar normalmente mediante dos algoritmos:

método del máximo y método del centro de gravedad (COA). El método del centro de

gravedad es el más utilizado para casos discretos y este dado por la siguiente ecuación:

∑𝑛𝑗−1 𝑢(𝑑𝐷𝑗 ). 𝑑𝐷𝑗 (12)

𝑑𝐷 =
∑𝑛𝑗−1 𝑢(𝑑𝐷𝑗 )

Donde dD, es la j- ésima regla activa y 𝑢(𝑑𝐷𝑗 ) es el grado de cumplimiento de

dicha regla (0 ≤ 𝑑𝐷𝑗 ≤ 1). Por otro lado, dD es la salida del controlador difuso y

corresponde a una variación del ciclo de trabajo.

En la Figura 14, podemos observar la configuración del controlador difuso,

compuesto de un escalamiento en la entrada y salida, la toma de decisiones. Los factores

de escala SE, SCE y SdD cambia las entradas y salida proporcionalmente. La salida dD se

obtiene a partir del estado de las variables E y Ce donde cada uno se deriva de la señal

actual dividiendo por el factor de escala respectivo. La variable de salida es desfuzzificada

y multiplicada por el factor de escala SdD para construir la señal de control PWM. Su

60
papel es afinar el controlador difuso para obtener el seguimiento del punto de máxima

potencia de un sistema fotovoltaico (González Espinosa, 2021).

Figura 14

Configuración del Control Difuso

Nota. Observar la configuración del controlador difuso, compuesto de un escalamiento en

la entrada y salida, la toma de decisiones y los factores de escala SE, SCE y SdD cambia

las entradas y salida proporcionalmente. Tomada de González Espinosa (2021).

2.10 Operación de la Microrred Conectada a la Red y en Isla

Una microrred conectada continuamente a la red principal puede importar o

exportar energía desde o hacia la red principal, para equilibrar la oferta y la demanda.

Dado que uno de los principales objetivos de una microrred es garantizar el autoconsumo y

la generación a partir de sus propios recursos locales, su interacción con la red principal

difiere del enfoque tradicional orientado a maximizar la energía exportada a la red

principal (Castillo-Cagigal et al., 2011).

La estrategia convencional se basa en el uso de ESS para almacenar la energía

durante el tiempo en que la generación excede la demanda y liberar la energía almacenada

cuando la generación es menor que el consumo (Marra & Yang, 2015).

Al respecto Marańda y Piotrowicz (2010), determinan que la red principal puede

comportarse como un amortiguador de energía infinito para equilibrar los desajustes de

61
corto plazo entre la generación y el consumo, que son comunes en los sistemas de energía

con RES variables (Moreira, Lopes, y Computing, 2010).

De igual modo, la red es que la red principal se comporta como una unidad maestra

al definir las referencias de amplitud y frecuencia de voltaje en el PCC. Por su parte, los

DER son principalmente unidades seguidoras de red sincronizadas en fase y frecuencia con

la red principal y controladas en modo de control de corriente (CCM) para inyectar o

absorber potencia activa/reactiva (Figura 15 (a)) (Katiraei, Iravani, Hatziargyriou, Dimeas,

y magazine, 2008).

Las referencias de energía para las unidades seguidoras de la red pueden

distribuirse mediante una estrategia de administración de energía de alto nivel,

implementada en el control central de la microrred como se muestra en la Figura 15, o

pueden calcularse localmente de acuerdo con perfiles de energía específicos (es decir,

seguimiento del punto de máxima potencia (MPPT) en RES variables o proceso de cobro

regulado en ESS).

62
Figura 15

Esquema Circuital Equivalente de MG´s: a) Grid-Connected, b) Islanded Single Mater, c)

Islanded Multi Master

Nota. Diagrama equivalente de la microrred en modo, conectado a la red, Single Mater en

isla, c) Muti Master en isla. Tomada de De Matos, Silva, y Ribeiro (2014).

La operación en isla puede aparecer por varias razones, como una falla en la red

principal, una desconexión intencional debido a necesidades de mantenimiento, bien

cuando los problemas económicos y geográficos no permiten una interconexión con la red

principal es decir, áreas remotas (De Matos, Silva, y Ribeiro, 2014).

63
 El acceso a la energía eléctrica significa un avance importante en el desarrollo de

las comunidades pobres y representa un desafío tecnológico para el despliegue de MG

insulares, considerando que aún alrededor del 17% de la población mundial permanece sin

acceso a la electricidad.

Sin embargo Moreira et al., (2010), mencionan que la gestión de los DER en

microrredes aisladas implica desafíos técnicos adicionales, ya que la red principal ya no

impone el voltaje y la frecuencia y los DER deben generarlos internamente, al tiempo en

que la microrred se desconecta de la red principal, y con ello la responsabilidad de formar

la red en el sistema de energía insular (rol de formación de red), debe ser asumida por al

menos uno de los DER, que operará bajo el modo de control de voltaje (VCM) (Díaz,

Coelho, Vásquez, y Guerrero, 2015).

La unidad formadora de rejilla se comportará como una energía buffer en el sistema

de energía aislado para asegurar el equilibrio de energía y evitar perder el control sobre la

frecuencia y el voltaje en el bus común. La función de formación de red puede ser asumida

por una sola unidad en la MG en isla (configuración de maestro único como se muestra en

la Figura 15 (b), o esta función puede ser compartida por múltiples DER (configuración de

maestro múltiple como se muestra en la Figura 15 (c).

Los ESS pueden proporcionar una respuesta rápida en términos de inyección de

energía y pueden garantizar el equilibrio y el despacho de energía a corto o largo plazo.

2.10.1 Control Jerárquico en Microrredes

Para realizar las funciones descritas se utiliza una instrucción jerárquica inspirada

en la instrucción de frecuencia SP. Control, dividida en tres niveles: control primario,

64
control secundario y control terciario, ver esquema en la Figura 16, para el caso de

generadores con fuente de tensión invertir (VSI, Voltage Source Inverter).

Figura 16

Esquema del Control Jerárquico de una Microrred

Nota. Esquema de control de una microrred donde se utiliza una instrucción jerárquica.

Tomdad de Farrokhabadi et al. (2019).

El control primario se refiere al control de cada generador; con medidas locales se

busca regular la frecuencia y tensión en los nodos MR, con una adecuada distribución de

potencia entre los generadores. Hay varios controles para esto, como el control de voltaje

(V) y corriente (I) de salida del generador, control de potencia activa (P) y reactiva (Q), y

control electrónico de potencia diferente en GD y diferentes convertidores (Farrokhabadi et

al., 2019).

El control secundario funciona para devolver el sistema a un punto de operación

estable, pero también para tener valores de frecuencia y voltaje dentro del rango nominal.

El mismo puede ser distribuido o centralizado. En todos los casos, se requiere el uso de

información de contacto (Khayat et al., 2019).

65
 El control terciario está estrechamente relacionado con la coordinación del sistema

de potencia, la optimización de la operación y la optimización del flujo de carga. Es un

modelo de optimización, generalmente centralizado, para minimizar costos y pérdidas de

operación, teniendo en cuenta las restricciones operativas de los factores de producción y

almacenamiento, así como de la red (Ramírez Loaiza, 2020).

2.10.2 Sistemas de Almacenamiento de Energía en Microrredes

Se estima que para el año 2030 el consumo de energía se duplicará y en

consecuencia la emisión de CO2 se podrá incrementar hasta en un 75% debido al uso de

sistemas convencionales de generación de energía basados en combustibles fósiles

(Keyhani, 2016). En dicho escenario, la capacidad, confiabilidad y eficiencia de los

generadores centrales convencionales, conectados a través de líneas de transición de larga

distancia hasta el usuario final, pueden verse seriamente comprometidas.

Lo anterior, combinado con los efectos ambientales causados por las emisiones de

CO2, exige mudanzas en la forma en que se integran las nuevas fuentes de energía. La

integración de unidades de generación distribuida cerca del usuario final ha surgido como

una alternativa para contrarrestar la creciente demanda de manera más eficiente, gracias a

la reducción de pérdidas frente a las infraestructuras eléctricas convencionales.

Este hecho ha supuesto un cambio de paradigma para los consumidores de energía

que vislumbran la posibilidad de reducir la dependencia de la red principal y asegurar el

autoconsumo energético, apoyándose únicamente en sus propios recursos energéticos

locales “prosumidor”. En ese contexto, los sistemas de almacenamiento de energía (ESS)

se utilizan para suavizar la variabilidad del recurso de energía renovable, ya sea

absorbiendo el exceso de generación de RES o suministrando energía cuando la generación

66
de RES no es suficiente para cumplir con los requisitos mínimos de carga (Aldana, 2016).

Una MG puede operar completamente en modo conectado a la red o en isla y también en

modo dual por medio de una transición fluida entre ellos (Keyhani, 2016). Por lo general,

la MG se integra a la red principal mediante un punto de acoplamiento común (PCC)

conectado a través de un interruptor estático, por lo tanto, puede verse como una entidad

unificada desde el punto de vista del sistema de distribución (Lasseter, 2011).

[Link] Característica de Carga/Descarga de las Baterías

Debido a los cambios en las reacciones electroquímicas, el voltaje de la celda y su

resistencia interna variarán durante el proceso de carga y descarga.

(i) el estado de carga (SoC), que es una indicación de la cantidad de energía

almacenada en la celda, (ii) la corriente que fluye a través de la celda y (iii) la temperatura.

la firma de descarga en Li-Ion es más plana que la firma de plomo ácido) (Perez, 1993).

Cuando las baterías se acercan a su estado de carga completa o descarga total su

resistencia interna tiende a aumentar debido a la polarización de los materiales activos,

como consecuencia, la curva muestra un perfil más inclinado. Más allá de ciertos valores,

las baterías no pueden continuar almacenando o entregando energía a riesgo de degradarse

o estar en condiciones de operación inseguras. Una batería puede operar dentro de una

región de operación segura en la que la firma de voltaje es casi lineal (Storage, 2008).

El rango de la ventana de operación segura puede implicar diferencias potenciales

de Li-Ion a Plomo-ácido, por lo que una ventana SoC segura generalmente se establece

entre 20 % y 90 % consumo (Marra y Yang, 2015). Así el valor de SoC podría no ser la

mejor opción para definir los límites de operación, ya que la firma de voltaje también se ve

afectada por la corriente y la temperatura de la batería. Cuando la batería se está cargando,

67
el flujo de corriente provoca un incremento en el voltaje y cuando la batería se está

descargando, la corriente provoca una caída en el voltaje.

El valor máximo que se le permite alcanzar a una celda se conoce comúnmente

como voltaje de regulación (Vr), y el mínimo se conoce como valor final de descarga

(EOD) o desconexión por bajo voltaje (LVD), ya que más allá de este punto la carga debe

desconectarse de la batería para evitar una mayor descarga (Storage, 2008).

Figura 17

Curva de Carga/Descarga de una Celda

Nota. Curva característica de carga y descarga de la batería, donde se presenta el punto de

regulación de voltaje (Vr), y valor mínimo de descarga (EOD) y la desconexión por bajo

voltaje (LVD). Tomada de Storage (2008).

Tabla 4

Resumen de Valores Típicos por Celda

Nota. Diferencia de valores típicos característicos de las celdas de ácido de plomo y iones

de litio. Tomada de Storage (2008)

68
[Link] Carga de Plomo-Ácido

Las baterías de plomo ácido requieren un proceso de carga de al menos dos etapas

(comúnmente tres), ya que tanto la sobrecarga como la carga insuficiente pueden

comprometer la vida útil y el rendimiento de la batería (Buchmann, 2001). Descrito por

Storage (2008), "la carga adecuada es de vital importancia para la vida útil y el

rendimiento de las baterías de plomo-ácido, especialmente las baterías VRLA".

1). Una etapa de corriente limitada en la que la batería, como parte de un ESS que

opera en el papel de formación de red, absorberá el excedente de energía en la red local.

2). Una etapa de voltaje constante en la que el voltaje de la batería debe mantenerse

constante mediante una carga de tope en la que la corriente de la batería comenzará a

disminuir, mientras la batería continúa cargándose hasta la saturación (Storage, 2008).

La segunda etapa debe comenzar una vez que el voltaje de la batería alcance el

valor de regulación (Vr). Se recomienda una tercera etapa denominada carga de flotación

para las baterías de plomo-ácido cuando permanecen en espera durante períodos

prolongados (más de 48 horas). En la referida etapa, básicamente se compensa la

autodescarga de una batería de plomo-ácido y mantiene el SoC (Buchmann, 2001). La

misma se puede omitir cuando la batería no estará en stand-by por largos periodos, como

suele ocurrir en sistemas de potencia remotos (MGs insulares), donde se dan uno o dos

ciclos de carga en un día (Aldana, 2016).

Durante la primera etapa de carga se asegura alrededor del 80 % de la carga total,

mientras que la segunda etapa complementa la carga restante.

Ahora bien, es importante cargar completamente la batería entre ciclos de descarga

para maximizar la capacidad y evitar una degradación rápida. Ante lo definido cabe

considerar:
69
 • La carga máxima (carga de voltaje constante) es el método más eficaz para

garantizar la carga completa de las baterías de plomo-ácido.

• Dado que las baterías de plomo-ácido son dispositivos limitadores de voltaje, los

fabricantes recomiendan un controlador de carga con un punto de ajuste constante (la

regulación de voltaje Vr), que es determinado por los fabricantes.

• Se requiere una transición perfecta entre la etapa de corriente limitada y la etapa

de voltaje constante.

• Dado que el proceso de carga es ineficiente, es necesario cargar la batería con más

del 100 % de SoC (105 % a 110 %)

[Link] Carga de Iones de Litio

Las baterías de iones de litio también son dispositivos limitadores de voltaje, pero,

a diferencia de las baterías de plomo-ácido, el voltaje por celda es más alto, como se puede

apreciar en la Tabla 5. Por otro lado, las baterías de iones de litio son menos tolerantes a la

sobrecarga que las baterías de plomo-ácido, visto que son muy estrictas en sus límites

máximos de tensión.

De ese modo, cualquier operación más allá del límite compromete seriamente su

seguridad (Buchmann, 2001).

Por el contrario, las baterías de iones de litio no necesitan estar completamente

cargadas. De hecho, es más recomendable una carga parcial que una carga completa, por lo

que se puede descartar la etapa de saturación. Además, cualquier reducción en el voltaje

máximo de carga puede reflejarse en un ciclo de vida más largo. Sirve decir que esta

decisión es siempre una compensación, porque la reducción de voltaje reduce la capacidad.

No pueden operarse más allá del valor reglamentario, conforme es dado a seguir:

70
 • La carga parcial es mejor que la carga completa.

• La carga parcial no causa degradación adicional.

• No se requiere un controlador de voltaje constante.

Un voltaje de regulación más pequeño significa menos estrés y una vida más larga,

aunque se vería reflejado en la capacidad de la batería.

[Link] Descarga

La profundidad de descarga (DoD) de una batería debe limitarse a un valor seguro

(DoD(%)=100 SoC(%)). Para baterías de Li-Ion y Plomo-ácido, es aceptable un DoD

máximo del 80 %, más allá de ese límite no se recomienda el funcionamiento de la batería

debido al desgaste. Del mismo modo, los valores SOC o DoD no son los mejores

indicadores para acabar con la descarga de las baterías. Como se mencionó anteriormente,

la firma de voltaje también puede verse afectada por otros parámetros como la corriente y

temperatura. Por lo tanto, el EOD debe ser el valor a tener en cuenta para cortar la

corriente de descarga de la batería. La EOD debe decidirse en función de la orientación del

fabricante y el control de la batería también debe incorporar las acciones adecuadas para

evitar una descarga más profunda (Storage, 2008).

71
 CAPITULO III. SIMULACIÓN Y RESULTADOS

3.1 Configuración Propuesta

Las opciones de fuente de alimentación disponibles en microrred híbrida del diseño

del sistema bajo consideración son la solar fotovoltaica, el banco de baterías y la red. Las

características y costos de los componentes del sistema son presentados en las siguientes

subsecciones.

Fue previsto el uso de baterías para brindar seguridad y estabilidad en la red, ya que

es una instalación para Bunte de la parroquia Tabiazo del Cantón Esmeraldas, compuesta

por 25 viviendas, que opera diariamente, y para su uso como almacenamiento de energía

para ser utilizado en la hora de tarifa más alta (hora pico).

3.2 Consideraciones y Parámetros de Entrada para Simulación

Consideraciones generales de las diversas alternativas de DER para la integración

en microrredes, se considerará la generación y almacenamiento fotovoltaico, que podrá ser

a través de una base de datos, baterías convencionales o pila de combustible.

3.2.1 Carga

La carga considerada para el estudio es la consumida por Bunte de la parroquia

Tabiazo del Cantón Esmeraldas, la cual está compuesta por 25 viviendas.

72
Figura 18

Ubicación Geográfica de Bunte de la Parroquia Tabiazo del Cantón Esmeraldas

Nota. Ubicación de la zona donde se realizó el proyecto. Tomada de Google Maps.

3.3 Simulación Homer PRO

El simulador de Homer PRO es utilizado por la mayoría de las empresas debido a

su sencilla plataforma, por lo tanto, este simulador se ha convertido en una herramienta

estándar, siendo un lenguaje común para los desarrolladores de energía fotovoltaica.

Este consiste en un simulador que configura un tipo de carga que se adecue a lo

ilustrado en las tablas de elementos, esta carga es adquirida por internet, y únicamente se

modifica el número del recuadro llamado “Scaled Anual Average (kWh/day)” colocando el

valor de la potencial total que se consume que es igual a 1,247.71 kW, ver Figura 19.

73
Figura 19

Carga Eléctrica en el Simulador

Fuente: Elaborado con Homer (2022).

Al tener la carga, se estructura una red eléctrica o “grid”, siendo esta la que

proporciona la mayoría de la electricidad a la zona; en este apartado se realiza el cambio

del precio en el que es cobrado usualmente el kWh, el precio en el que es vendido a la red

si llegara el caso de no consumir toda la potencia ejecutada por el sistema fotovoltaico, la

capacidad de electricidad que puede suministrar y el dióxido de carbono que produce por

kWh, esto se observa en la Figura a continuación:

74
Figura 20

Red Eléctrica en el Simulador

Fuente: Elaborado con Homer (2022).

Siendo el precio de energía consumido igual a 0.100 $/kWh, el precio de venta a la

red es de 0.050 $/kWh, y finalmente el valor de CO2 que es emitido por la producción de

energía es de 632.00 g/kWh.

Figura 21

Emisiones por la Producción de Energía

Fuente: Elaborado con Homer (2022).

75
 En seguida, se modela el sistema fotovoltaico de acuerdo a las condiciones de

diseño expuestas anteriormente, siendo el total de energía fotovoltaica a implementar de

0,34 kW.

Con ello, se modifica en el apartado “sizing” colocando el valor de la potencia

fotovoltaica total a instalar, dando que el coeficiente de temperatura es de -0,41, la

temperatura nominal cuando está operando es de 45°C, y por último la eficiencia del panel

es del 17,49 %.

Figura 22

Sistema Fotovoltaico

Fuente: Elaborado con Homer (2022).

Por último, se configura el inversor modificando el valor que este dispositivo

convertirá de DC a AC, el cual es de la 30 kW y se ubica en la sección “sizing”, luego se

cambia las características del inversor, la eficiencia del inversor es del 96%, la capacidad

relativa es del 100%, y su vida útil es de 10 años.

76
Figura 23

Inversor en el Simulador

Fuente: Elaborado con Homer (2022).

En pose de la lista de configuración de todos los elementos que se necesitan para

realizar una simulación que muestre el comportamiento de la instalación fotovoltaica, nos

quedaría el grafico esquemático de la Figura a continuación:

Figura 24

Esquema de la Instalación

Fuente: Elaborado con Homer (2022).

Se realizó la simulación, y esta arroja los resultados de la utilización de la energía,

así mismo la producción de CO2 que tiene el sistema.

77
3.4 Resultados del Homer

Los resultados que arroja el simulador demuestran como el sistema fotovoltaico

aporta cierta cantidad de energía, donde la línea azul es lo que produce la red y la línea

amarilla es lo que convierte el sistema fotovoltaico, el gráfico se encuentra separado por

cada día del año versus el kW de consumo diario.

Figura 25

Red vs Fotovoltaica

Fuente: Elaborado con Homer (2022).

La Figura 26, muestra la curva de carga que ejecuta el sistema fotovoltaico

mensualmente, ilustrando el pico de potencia que produce, siendo este el máximo pico

anual correspondiente al mes de enero, con un valor de 8 kWp.

78
Figura 26

Curva de Carga Mensual

Fuente: Elaborado con Homer (2022).

Por otro lado, anualmente por parte de la instalación fotovoltaica se genera una

potencia de 430 kWh/yr, equivalente al 0.0944 % del consumo en la localidad sujeta del

presente estudio. A partir de ello, se puede decir que el 99,9 % del consumo fue producido

por la red eléctrica, con un valor de 454,982 kWh/yr, lo que permite inferir que el dato del

gasto energético es de 455,412 kWh/yr.

79
Figura 27

Consumo Energético

Fuente: Elaborado con Homer (2022).

Finalmente, la producción de CO2, por todo el sistema fue de 287,549 Kg/yr.

Figura 28

Dióxido de Carbono

Fuente: Elaborado con Homer (2022).

80
3.5 MATLAB-Simulik

La microrred de estudio ubicada en Bunte de la parroquia Tabiazo del Cantón

Esmeraldas, está compuesta de un sistema fotovoltaico de 16 kW y un sistema de

almacenamiento de energía de 30 kW. La microrred puede trabajar de forma conectada en

la red o aislada en el caso que se produzca alguna falla o para ahorrar dinero.

En este caso se plantean dos modelos de microrred eléctrica:

• El primer modelo implementa un algoritmo MPPT (Perturba y Observa).

• El segundo modelo implementa un controlador difuso aplicado a algoritmos de

Puntos de Máxima Potencia.

Los códigos de programación de las simulaciones correspondientes, se encuentran en el

ANEXO 3.

3.5.1 Modelo 1. Microrred con Algoritmo MPPT (Perturba y Observa)

En la Figura 29, se puede observar el circuito del inversor fotovoltaico. Fue

implementado un algoritmo MPPT (Perturba y Observa) para extraer la máxima potencia

del panel fotovoltaico y aumentar la eficiencia del sistema, también se adicionó breakers

en la salida de cada subsistema para emular varios escenarios.

81
Figura 29

Microrred con Algoritmo MPPT (Perturba y Observa)

Fuente: Elaborado con MATLAB/Simulink (2022).

En la salida del inversor fue implementado un filtro pasa bajos LC, con la finalidad

de obtener una onda senoidal con el menor THD posible, ya que por causa de las

transiciones de abrir y cerrar los transistores de potencia a altas frecuencias se tiene señales

a diferentes frecuencias no deseadas.

82
Figura 30

Circuito del Inversor Fotovoltaico

Fuente: Elaborado con MATLAB/Simulink (2022).

En la Figura 31, se puede observar el algoritmo MPPT implementado en una función del

Simulink.

Figura 31

Algoritmo MPPT

Fuente: Elaborado con MATLAB/Simulink (2022).

83
 En la Figura 32, se muestra el inversor bidireccional, que tiene la posibilidad

capacidad de entregar y absorber energía. Cuando el estado de carga de la batería esté más

bajo de su valor límite inferior, la batería ya no debe descargarse más y cuando se

encuentre sobre su límite máximo la batería no debe cargarse.

Es recomendable que se respeten esos valores, justamente para incrementar la vida

útil. Así como en el caso del inversor fotovoltaico, es implementado un filtro pasa bajos

LC.

Figura 32

Inversor Bidireccional

Fuente: Elaborado con MATLAB/Simulink (2022).

3.5.2 Modelo 2. Microrred con Controlador Difuso Aplicado a Algoritmos de Puntos de

Máxima Potencia

La Figura 33, muestra a continuación el modelo de Micorred con controlador difuso

aplicado a algoritmos de puntos de máxima potencia

84
Figura 33

Micorred con Controlador Difuso Aplicado a Algoritmos de Puntos de Máxima Potencia.

Fuente: Elaborado con MATLAB/Simulink (2022).

Para diseñar un controlador difuso se requiere analizar el tipo de entradas y salidas

del sistema a controlar. Se debe establecer las variables y en base a ellas plantear su

respectivo universo de discurso y funciones de pertenencia, de modo que se ajusten de

mejor manera al algoritmo de máxima potencia.

Al definir las variables se toma como referencia las curvas características P vs VyI

vs V de los módulos solares. Las entradas seleccionadas para el controlador son: el error (E)

y la variación error (CE), calculados de la siguiente forma:

𝑃(𝑘) − 𝑃(𝑘 − 1) (13)

𝐸(𝑘) =
𝑉(𝑘) − 𝑉(𝑘 − 1)

𝐶𝐸(𝑘) = 𝐸(𝑘) − 𝐸(𝑘 − 1) (14)

85
 𝑬(𝒌): Error que indica si el punto de operación del panel fotovoltaico se encuentra

a la derecha, izquierda o en el MPP. Analíticamente también representa la pendiente de la

curva en el instante k.

𝑪𝑬(𝒌): La variación del error representa en qué dirección se mueve el punto de

operación.

La salida del controlador difuso (D) es la señal de control del convertidor y puede

sufrir incrementos o decrementos para regular que el sistema trabaje en el MPP. El ciclo

de trabajo se puede calcular con la suma de la variación del ciclo de trabajo y el valor

anterior.

𝐷(𝑘) = 𝛥𝐷(𝑘) + 𝐷(𝑘 − 1) (15)

Con base en el diseño, se crean cinco variables lingüísticas para cada entrada del

controlador, que son: Negativo Grande (NB), Negativo Pequeño (NS), Cero (SE), Positivo

Pequeño (PS) y Positivo Grande (PB). Las Figuras 34, 35, y 36 muestran las variables:

Figura 34

Variable de Entrada E(k)

Fuente: Elaborado con MATLAB/Simulink (2022).

86
Figura 35

Variable de Entrada CE(k)

Fuente: Elaborado con MATLAB/Simulink (2022).

Figura 36

Variable de Salida Delta_D

Fuente: Elaborado con MATLAB/Simulink (2022).

Después de establecer las funciones de pertenencia y sus correspondientes

universos de discursos se definen las reglas difusas. Para este sistema se establecieron 25

reglas de control que dependen del número de funciones de pertenencia de entradas y

87
salidas. En la Figura 37 se puede observar las reglas utilizadas mismas que son “Si-

Entonces”.

Figura 37

Reglas de Control

Fuente: Elaborado con MATLAB/Simulink (2022).

Con las reglas se puede generar la superficie de control, conforme se puede

visualizar en la Figura 38. La superficie de control indica el comportamiento del

controlador Fuzzy en función de las señales de entrada.

88
Figura 38

Superficie de Control

Fuente: Elaborado con MATLAB/Simulink (2022).

En la Figura 39 se puede visualizar el circuito implementado para el controlador

MPPT de la lógica Fuzzy. La primera parte es la construcción de las variables de entrada E

y CE, el bloque Fuzzy Logic Controller contiene la lógica difusa. Finalmente, se calcula el

ciclo de trabajo que será la señal de control del conversor Boost.

Figura 39

Diagrama del Algoritmo Fuzzy Aplicado al Rastreamento del punto de máxima Potencia

del Módulo Fotovoltaico

Fuente: Elaborado con MATLAB/Simulink (2022).

89
3.6 Resultados MATLAB-Simulink

La Figura 40 presenta la señal de voltaje del panel fotovoltaico, se puede visualizar

que en el instante t=0.015s el controlador Fuzzy trabaja en su máximo punto de operación

igual a 174.1.

Figura 40

Curva de Voltaje del Panel Fotovoltaico

Fuente: Elaborado con MATLAB/Simulink (2022).

En la Figura 41, se puede observar que en el inicio de la simulación el controlador

Fuzzy se pasa del punto de máxima potencia debido al valor de la variación del error,

entonces el controlador hace que el voltaje se mueva para la derecha hasta llegar al MPP.

90
Figura 41

Curva característica P vs V

Fuente: Elaborado con MATLAB/Simulink (2022).

En la Figura 42, el primer gráfico podemos observar el estado de carga de la

batería. El SOC indica la cantidad de energía, en porcentaje de carga y descarga de la

batería. Una batería puede funcionar dentro de un rango de operación segura en la que la

firma de voltaje es casi lineal. El rango de la ventana de operación segura puede implicar

diferencias potenciales, pero el SoC seguro generalmente se establezca entre 20 % y 80 %.

Más allá de ciertos valores, las baterías no pueden continuar almacenando o

entregando energía a riesgo de degradarse o estar en condiciones de operación inseguras.

Podemos observar que la batería está descargando de cero a cuatro segundos, y más

o menos en cuatro segundos podemos imaginar que esté en 20% de su capacidad total,

entonces ya no podrá descargarse más. De ese modo, se hará necesario cargar la batería, en

los cuatro segundos empieza a cargar de nuevo la batería al simular el comportamiento del

inversor bidireccional que la energía puede ir de un lado al otro.

91
 La segunda gráfica, presenta que cuando ocurre la entrega de corriente a la batería,

incluso sobre descarga, es de tipo positiva, al tiempo en que se obtiene un valor negativo

en el estado de carga.

Figura 42

Estado de Carga de la Batería

Fuente: Elaborado con MATLAB/Simulink (2022).

Durante un lapso de tres segundos fue posible constatar la entrega de energía por

parte de la red, conllevando al fornecimiento energético global. Lo anterior es constatado

en la Figura 43, en el que se visualiza la transmisión del tiempo mínimo sobre el

funcionamiento de la batería.

92
Figura 43

Voltaje y Corriente de la Carga

Fuente: Elaborado con MATLAB/Simulink (2022).

En la Figura 44, se aprecia el grafico de la potencia del panel fotovoltaico, que en

0,5 el inversor está desconectado porque necesita de un tiempo para sincronizarse con la

red. En 0,5 se conecta al inversor y vemos que la irradiación en este caso es de 250W/m2,

entonces más o menos tenemos una potencia de 4000 W/m2, ya que la máxima potencia de

irradiación en 1000W/m2 corresponde a 16 kW. En ese sentido, en 1,5 segundos

imaginemos que estamos llegando al medio día entonces la irradiación aumenta y la

potencia que va hacer entregada a la red también aumenta, ya en 2,5 segundos aconteció

que estamos ya al medio día en la máxima irradiación entonces entregamos la máxima

potencia.

93
Figura 44

Potencia de Panel Fotovoltaico

Fuente: Elaborado con MATLAB/Simulink (2022).

En la Figura 45, en el primer gráfico podemos observar que de cero a tres segundos

la red eléctrica está entregando energía, entonces la batería en ese momento no se carga ni

se descarga, es decir, la batería está en reposo, imaginemos un UPC que cuando acontezca

alguna falla en la red la batería ingresa a entregar energía.

94
Figura 45

Corriente de la Batería

Fuente: Elaborado con MATLAB/Simulink (2022).

La Figura 46, muestra la distorsión de corriente en la carga, la misma que se

encuentra dentro de los parámetros normales.

Figura 46

THD de Corriente en la Carga

Fuente: Elaborado con MATLAB/Simulink (2022).

95
 La Figura 47, muestra a continuación los gráficos del voltaje del panel fotovoltaico

y la irradiación que varían en diferentes valores, podemos observar que si variamos en 1.5

transformamos de 250 W/m2 para 750 W/m2, el panel fotovoltaico trabaja en el máximo

punto de potencia en cada variación, es decir, trabaja en su mayor punto de eficiencia, en

donde se validó para diferentes valores de irradiación para ver el comportamiento del

sistema fotovoltaico.

Figura 47

Voltaje e Irradiación del Panel Fotovoltaico

Fuente: Elaborado con MATLAB/Simulink (2022).

La Figura 48, representa las curvas características del panel fotovoltaico, en donde

se varió la irradiación y se tiene que para cada irradiación se tiene una curva diferente, se

puede ver que en el valor de 425 W/m2 es el punto máximo de potencia, que el sistema

fotovoltaico está trabajando en su punto máximo para extraer la máxima potencia.

Figura 48

Curvas Características del Panel Fotovoltaico

96
 Fuente: Elaborado con MATLAB/Simulink (2022).

Figura 49
Datos de Irradiación

Fuente: Elaborado con MATLAB/Simulink (2022).

La Figura 49 representa los datos de irradiación del software Homer que están

graficados en el software MATLAB/Simulink.

97
CONCLUSIONES

Por medio de la revisión literaria realizada se han podido conocer diferentes

soluciones para la mejora del servicio de energía eléctrica. Estas soluciones basadas en su

mayoría en la modernización de las redes eléctricas de distribución a redes inteligentes o

Smart Grids, y que implementan tecnologías que permiten garantizar el continuo

suministro de energía eléctrica a los usuarios, pueden ser implementadas a futuro en la

mejora de la calidad del servicio de energía eléctrica.

A partir de la metodología evaluativa, se han obtenido resultados positivos, se

puedo comprobar que, a través de la correcta utilización del recurso energético, se ha

determinado que la energía solar es la más conveniente y aprovechable para su uso.

El modelo de microrred eléctrica y su gestión energética en un caso de estudio,

plantea una zona compuesta por 25 viviendas que se encuentra ubicada en un climática que

brindan las condiciones idóneas. Por motivos de disponibilidad recurso energético

renovable, se considera la energía fotovoltaica como fuente de suministro energético.

A través del análisis técnico-económico realizado con el software HOMER, se

verificó que, a pesar de las buenas condiciones de los recursos renovables en la zona, es

importante el uso de un sistema de almacenamiento de energía mediante la

utilización de baterías cuando no exista irradiancia.

Se plantearon dos modelos microrred en el MATLAB/Simulink, donde primero

implementa un algoritmo MPPT (Perturba y Observa) que varía buscando mantenerse en el

punto máximo, y el segundo adapta un controlador difuso aplicado a algoritmos de Puntos

de Máxima Potencia que se ubica en el punto máximo permitiendo trabajar al 100% y

aprovechando de mejor manera el recurso energético.

98
 En el diseño del controlador difuso, se analizó las entradas y salidas del sistema, se

establecieron variables, se planteó el respectivo universo de discurso y funciones de

pertenencia, de modo que se ajustaron de mejor manera al algoritmo de máxima potencia.

Se definieron las variables, donde se tomó como referencia las curvas

características P vs V y I vs V de los módulos solares, siendo las entradas a controlar el

error (E) y la variación error (CE), y la salida del controlador difuso (D) es la señal de

control del convertidor, la misma que sufrió incrementos y decrementos para regular que el

sistema trabaje en su máximo punto de potencia.

99
RECOMENDACIONES

La energía fotovoltaica está limitada por el tiempo y condiciones meteorológicas,

por lo que cualquier excedente de energía será desperdiciado, siendo necesario que la

energía sobrante sea almacenada o inyectada a la red.

Incentivar el uso de la energía dentro de estas comunidades ya que puede garantizar

a medida de lo posible el abastecimiento de energía.

Cuando se vayan a obtener datos en un sistema fotovoltaico es importante tener

condiciones adecuadas en los niveles de radiación, para obtener parámetros adecuados y

confiables.

En los sistemas de generación fotovoltaica se recomienda tener en consideración el

algoritmo para el seguimiento del máximo punto de transferencia (MPPT), ya que, la

irradiancia al ser una variable física aleatoria se deben seguir estos cambios con dicho

algoritmo.

Es importante que en trabajos futuros se estudien otros tipos de algoritmos

MPPT, como Célula Piloto, y el modelo de un diodo en Simulink, los cuales tienen mucha

relevancia en la energía solar y son de gran utilización.

Así mismo se recomienda hacer un estudio sobre los algoritmos MPPT, más

utilizados en Ecuador, teniendo presente el tipo de climas que se ven en diferentes

regiones.

Manejar funciones de membresía tipo triangular y trapezoidal en controladores de

lógica difusa, ya que sus cálculos matemáticos son sencillos y a su vez genera una

respuesta de control rápida.

100
REFERENCIAS BIBLIOGRÁFICAS

Abascal Pelayo, V. M., & Feijoo Ugalde, P. (2009). Implementación de Algoritmos

Genéticos sobre la plataforma de desarrollo paralelo CUDA.
Al Garni, H. Z., Awasthi, A., Ramli, M. A. J. E. c., & management. (2018). Optimal
design and analysis of grid-connected photovoltaic under different tracking systems
using HOMER. 155, 42-57.
Aldana, N. L. D. (2016). Coordinated Control and Management of Distributed battery-
based energy Storage Systems for Islanded Microgrids.
Aldona, K., Pawe O. (2017). “Auditorías energéticas en procesos industriales”. Revista de
Producción más Limpia, vol 142, pp. 3437-3453.
Andrade, D., Andrés C., Hernández j. “Smart Grid: Las TICs y la modernización de las
redes de energía eléctrica-Estado del Arte,” vol. 9, pp. 53–81, 2011.
Andrade Granja, K. A. (2021). Sistema óptimo de gestión de micro-redes distribuidas
geográficamente que permitan maximizar la venta de energía basados en
programas de respuesta de la demanda. Retrieved from [Link]
Bandri, S., Syofian, A., & Effendi, A. (2019). The application of perturb and observe
algorithm to optimized of solar cell output. Paper presented at the Journal of
Physics: Conference Series.
Barragán Escandón, E. A. (2019). El autoabastecimiento energético en los países en vías
de desarrollo en el marco del metabolismo urbano: Caso Cuenca, Ecuador.
Retrieved from [Link]
Bhasin, H., & Bhatia, S. J. I. (2011). Application of genetic algorithms in machine
learning. 2(5), 2412-2415.
Buchmann, I. (2001). Batteries in a portable world: a handbook on rechargeable batteries
for non-engineers.
Bordón, C. F., Schenberger, L., Berterame, F., Chezzi, C. M., & Penco, J. J. (2018).
Estrategia para la Gestión de una Micro Red. 2018 IEEE 9th Power, Instrum.
Meas. Meet. EPIM 2018. Retrieved from [Link]
Castillo-Cagigal, M., Caamaño-Martín, E., Matallanas, E., Masa-Bote, D., Gutiérrez, Á.,
Monasterio-Huelin, F., & Jiménez-Leube, J. J. S. e. (2011). PV self-consumption

101
 optimization with storage and Active DSM for the residential sector. 85(9), 2338-
2348.
CEPAL, N. (2003). Energía y desarrollo sustentable en América Latina y el Caribe: guía
para la formulación de políticas energéticas: Cepal.
Chen, W., & Wei, P. J. E. P. (2018). Socially optimal deployment strategy and incentive
policy for solar photovoltaic community microgrid: A case of China. 116, 86-94.
Contreras, D. I. (2020). Propuesta metodológica para dimensionar y evaluar, técnica y
económicamente, micro-redes urbanas. Retrieved from [Link]
Cortez, F., Hermamdez M., Martell M. (2018). Diseño de un sistema de gestión energética
basado en la norma iso 50001 para la facultad de odontología de la Universidad
del Salvador.
Cobos, F. J. V. (2020). Planificación con metodología de acceso universal a la energía y
proyecto constructivo de red eléctrica y energía alternativa en zonas rurales de
Cochabamba, Bolivia. Universidad Politécnica de Madrid, Retrieved from
[Link]
Cruz Saavedra, J. A. D. L. (2020). Desarrollo de un esquema de protección adaptativo
descentralizado multi agente para una Micro Red eléctrica. Universidad Nacional
de Colombia sede Medellín, Retrieved from [Link]
Currie, B., Abbey, C., Ault, G., Ballard, J., Conroy, B., Sims, R., & Williams, C. (2017).
Flexibility is key in New York: New tools and operational solutions for managing
distributed energy resources. IEEE Power and Energy Magazine, 15(3), 20-29.
doi:10.1109/MPE.2017.2660818
Chaudhary, G., Lamb, J. J., Burheim, O. S., & Austbø, B. J. E. (2021). Review of Energy
Storage and Energy Management System Control Strategies in Microgrids. 14(16),
4929. doi:[Link]
Chen, W., & Wei, P. J. E. P. (2018). Socially optimal deployment strategy and incentive
policy for solar photovoltaic community microgrid: A case of China. 116, 86-94.
Delgado, D. J. E. M. C. d. S. E. (2016). Balance Energético Nacional 2016: Año Base
2015 (p. 118).

102
De Matos, J. G., e Silva, F. S., & Ribeiro, L. A. d. S. J. I. T. o. I. E. (2014). Power control
in ac isolated microgrids with renewable energy sources and energy storage
systems. 62(6), 3490-3498.
Díaz, N. L., Coelho, E. A., Vásquez, J. C., & Guerrero, J. M. (2015). Stability analysis for
isolated ac microgrids based on pv-active generators. Paper presented at the 2015
IEEE Energy Conversion Congress and Exposition (ECCE).
Dobakhshari A., Azizi S. y Ranjbar, A. 2011. Control of Microgrids: Aspects and
Prospects. International Conference on Networking, Sensing and Control, págs. 38
– 43.
Economiques, O. d. c. e. d. d. (2014). Energy efficiency indicators: Essentials for policy
making: OECD Publishing.
Farret, F. A., & Simoes, M. G. (2006). Integration of alternative sources of energy: John
Wiley & Sons.
Farrokhabadi, M., Cañizares, C. A., Simpson-Porco, J. W., Nasr, E., Fan, L., Mendoza-
Araya, P. A., . . . Lagos, D. J. I. T. o. P. S. (2019). Microgrid stability definitions,
analysis, and examples. 35(1), 13-29.
Fossati J. (2011). Revisión bibliográfica sobre micro redes inteligentes. Memoria de
trabajos de difusión científica y técnica, núm. 9. ISSN 1510-7450.
Franco Mendoza, J. L., & Murillo Anacona, C. D. (2021). Diseño de control PID para un
mecanismo con movimiento espacial ajustado al IoT.
García, F., Hernández, G., & Luna, N. (2011). Manual de Estadísticas Energéticas
OLADE.
García C., Meneses J., Ibargüengoytia P. (2010). Red Eléctrica Inteligente:
comunicaciones y sensado. VIII Congreso Internacional sobre Innovación y
Desarrollo Tecnológico, 24 al 26 de noviembre de 2010, Cuernavaca Morelos,
México.
García, R. H. (2021). Algoritmos Genéticos en Ecuaciones Diferenciales.
Gaviria Cataño, F. A., & Gómez Leal, J. C. (2018). Metodología de optimización para
microrredes eléctricas en zonas no interconectadas. Universidad Autónoma de
Occidente.
Getting Smart. (2008), IEEE Power & Energy magazine.

103
Gipuzkoa: s.n., (2009). Centro de estudios e investigaciones técnicas de Guipuzkoa.
Propuesta de proyecto Micro Cuadrícula. Pág.2.
González Espinosa, R. A. (2021). Diseño, Implementación y Evaluación de Convertidor
DC-DC para Aplicaciones Fotovoltaicas.
Gómez, V. A., Hernández, C., & Rivas, E. J. I. t. (2018). Visión General, Características y
Funcionalidades de la Red Eléctrica Inteligente (Smart Grid). 29(2), 89-102.
doi:[Link]
Guamán Sánchez, C. F. (2017). Diseño de una microrred basada en renovables para
suministrar electricidad a un área de concesión de la Empresa Eléctrica Regional
Centro Sur.
Guanoluisa Pilatásig, I. D. (2018). Utilización de algoritmos genéticos para la ubicación
óptima de reconectadores en redes radiales de distribución–aplicación a la
Empresa Eléctrica Quito. Quito, 2018.,
Guayanlema, V., Fernández, L., & Arias, K. J. E. R. d. e. d. L. y. e. C. (2017). Análisis de
indicadores de desempeño energético en Ecuador. 1(2), 122-139.
Hafez, O., & Bhattacharya, K. J. R. E. (2012). Optimal planning and design of a renewable
energy based supply system for microgrids. 45, 7-15.
Hamidi V., Senior K., y Wilson, R. (2010). Revisión de la tecnología de redes inteligentes
en el sector de transmisión y distribución, tecnologías innovadoras de redes
inteligentes Conference Europe (ISGT Europe), IEEE PES, págs. 1 - 8.
Hammad A, y otros. (2009). Revisión de Tecnologías y Estrategias de Implementación en
el Área de Smart Grid. Kan, Power Engineering Conference, AUPEC, págs. 1-6.
Hurtado E., Escamilla J. (2015) Modelo de gestión de la demanda energética integral.
[Link]., Vol. XXIII (2), Diciembre 2015, 137-147, DOI:
[Link] Recuperado de:
[Link]
IEA. 2011. Technology Roadmap Smart Grids. Agencia Internacional de Energía.
Jamaica Obregón, J. (2019). Estrategias de operación óptimas de microrredes conectadas
a la red. Universidad Autónoma de Occidente, Retrieved from [Link]
Jarrin D. (2017). Gestión energética para una óptima respuesta a la demanda en micro
redes inteligentes. Universidad Politécnica Salesiana, Sede Quito, Ecuador.

104
Katiraei, F., Iravani, R., Hatziargyriou, N., Dimeas, A. J. I. p., & magazine, e. (2008).
Microgrids management. 6(3), 54-65.
Keyhani, A. (2016). Design of smart power grid renewable energy systems: John Wiley &
Sons.
Khayat, Y., Shafiee, Q., Heydari, R., Naderi, M., Dragičević, T., Simpson-Porco, J. W., . . .
Guerrero, J. M. J. I. T. o. P. E. (2019). On the secondary control architectures of
AC microgrids: An overview. 35(6), 6482-6500.
Lasseter, R. H. J. P. o. t. I. (2011). Smart distribution: Coupled microgrids. 99(6), 1074-
1082.
Lee Y., Paredes J., Lee S. (2012). Las redes inteligentes de energía y su implementación en
ciudades sostenibles RG-T2058. Banco Interamericano de Desarrollo
Departamento de Infraestructura y Medio Ambiente División de Energía NOTA
TÉCNICA # IDB-TN-446.
Lee, Y., Paredes, J. R., & Lee, S. H. (2018). Las redes inteligentes de energía y su
implementación en ciudades sostenibles. Banco Interamericano de Desarrollo.
Luzuriaga Velasco, J. A., & Arcos Avilés, D. G. (2020). Diseño y simulación de una
estrategia de gestión energética de una Microrred aislada.
Marańda, W., & Piotrowicz, M. (2010). Short-time energy buffering for photovoltaic
system. Paper presented at the Proceedings of the 17th International Conference
Mixed Design of Integrated Circuits and Systems-MIXDES 2010.
Marcos, Gestal, R., & Gestal, M. (2010). Introducción a los algoritmos genéticos y la
programación genética: Universidade da Coruña.
Marquez, A. C. (2021). Sistema de control PID sintonizado por algoritmo de Evolución
Diferencial y Ziegler-Nichols aplicado a motores de CD.
Marra, F., & Yang, G. J. S. D., CA, USA: Academic. (2015). Decentralized energy storage
in residential feeders with photovoltaics. 277-294.
Marzband, M., Ghazimirsaeid, S. S., Uppal, H., & Fernando, T. (2017). A real-time
evaluation of energy management systems for smart hybrid home Microgrids.
Electric Power Systems Research, 143, 624-633.
doi:[Link]

105
Medina O. (2012). Redes inteligentes ¿realidad, utopía o futuro? Asociación
Electrotécnica Argentina. Recuperado de: [Link]
Michael G. 2010. La red inteligente y los desafíos técnicos clave de la investigación.
Simposio sobre Tecnología VLSI (VLSIT), págs. 3 - 8.
Morales, D. S. J. S. (2010). Maximum power point tracking algorithms for photovoltaic
applications. 411(80), 82.
Moreira, C. L., Lopes, J. P. J. I. A., & Computing, S. (2010). Microgrids operation and
control under emergency conditions. 16(2), 255-272.
Mullo, A., Javier, V., Jiménez, M., Pilatasig, M., & Iturralde, H. (2017). Analysis of the
incidence of grounding with high resistivity against atmospheric discharges in the
sub—Transmission line of 69KV San Rafael—Mulalo. Paper presented at the 2017
CHILEAN Conference on Electrical, Electronics Engineering, Information and
Communication Technologies (CHILECON).
Muñoz-Vizhñay, J. P., Rojas-Moncayo, M. V., & Barreto-Calle, C. R. (2018). Incentivo a
la generación distribuida en el Ecuador. Ingenius. Revista de Ciencia y Tecnología,
(19), 60-68.
Nunes, P., Farias, T., & Brito, M. C. J. E. (2015). Enabling solar electricity with electric
vehicles smart charging. 87, [Link]:[Link]
Nick, M., Cherkaoui, R., & Paolone, M. (2017). Optimal planning of distributed energy
storage systems in active distribution networks embedding grid reconfiguration.
IEEE Transactions on Power Systems, 33(2), 1577-1590. Retrieved from
[Link]
Parejas, M. C. S. (2018). Relaciones entre la institucionalidad del espacio global y regional
en materia de energía. ENERLAC. Revista de energía de Latinoamérica y el
Caribe, 2(1), 72-90.
Perez, R. J. H. p. (1993). Lead-acid battery state of charge vs. voltage. 36, 66-69.
Pribnow Manríquez, S. C. (2017). Análisis técnico-económico para la implementación de
microredes eléctricas en Chile.
Piccolo A., Mokryani G. & Cecati C. (2010). Una descripción general del concepto de red
inteligente. 36th Annual Conference on IEEE Industrial Electronics Society,
págs.3322- 3327.

106
Prinanda, C., & Sulistyowati, R. J. S. T. I. S. (2015). Analisis dan Simulasi Metode Hill
Climbing Untuk Mximum Power Point Tracker (MPPT) pada Photovoltaic Statis.
Qin, L., & Lu, X. J. P. P. (2012). Matlab/Simulink-based research on maximum power
point tracking of photovoltaic generation. 24, 10-18.
Quiroz Rodríguez, A. F. (2019). Ubicación óptima de sistemas de almacenamiento para
maximizar la continuidad de servicio en una micro red.
Ramírez Loaiza, D. A. (2020). Tertiary control in microgrids: an optimal power flow
approach based on convex optimization and Wirtinger calculus.
Ravindran, V., & Sutaria, J. (2016). Implementation in arm microcontroller to maximize
the power output of solar panel using Hill Climbing Algorithm. Paper presented at
the 2016 International Conference on Electrical, Electronics, and Optimization
Techniques (ICEEOT).
Romo Fernández, L. M. (2016). Análisis de la producción científica en energías
renovables. Retrieved from [Link]
Rosales Manzo, D. E. (2020). Sistema difuso takagi-sugeno para monitoreo de humedad y
temperatura de cultivos de plátano.
Ruíz Villadiego, M. A. (2019). Análisis de casos en proyectos con enfoque social:
microrredes y la comunidad. Universidad Nacional de Colombia, Retrieved from
[Link]
Sánchez Silvera, A. (2020). Gestión energética basada en sistemas Multi-Agente para
Micro-Redes en modo isla. Recuperado de: [Link]
Sudati, L. U. (2018). Ferramenta híbrida para otimização da produção seriada utilizando
o controlador fuzzy.
Savina, N., Myasoedov, Y., & Myasoedova, L. (2018). Influence of quality of the electric
energy on reliability of electrical supply systems. Paper presented at the 2018
International Multi-Conference on Industrial Engineering and Modern
Technologies (FarEastCon).
Sekhar, P. C., Deshpande, R., & Sankar, V. (2016). Evaluation and improvement of
reliability indices of electrical power distribution system. Paper presented at the
2016 National Power Systems Conference (NPSC).

107
Serrano González-Peramato, J. I. (2020). Alivio de congestiones en redes de distribución
con vehículos eléctricos con capacidad V2G. Retrieved from
[Link]
Sevilla, A. G. P., & Fernández, F. O. A. (2013). Evolución de las redes eléctricas hacia
Smart Grid en países de la Región Andina. Revista Educación en Ingeniería, 8(15),
48-61.
Silva, R. C. (2018). Estudo sobre topologias de algoritmos genéticos paralelos com
aplicação em minimização de funções numéricas irrestritas.
Shan, X. (2021). Desarrollo y simulación mediante Simulink Power Systems de un sistema
de gestión energética para una instalación fotovoltaica aislada de 3.3 kW con
almacenamiento en baterías. Universitat Politècnica de València, Retrieved from
[Link]
Schuler, R. E. (2018). The Smart Grid. The Bridge, 42–50.
Storage, E. (2008). IEEE Guide for Optimizing the Performance and Life of Lead-Acid
Batteries in Remote Hybrid Power Systems.
Tolón Martín, T. I. (2013). Operación y gestión de microrredes energéticas urbanas en un
entorno de sostenibilidad energética y ambiental [Master’sThesis].
UniversitatPolitècnica de Catalunya.
Venegas J., Castaño J. (2012). Modelos de gestión energética: revisión de algunas
experiencias internacionales y perspectivas para Colombia. Revista TRILOGÍA
No. 6 / ISSN 2145-4426 / abril – octubre / 2012 / pp. 77 – 92, Recuperado de:
[Link]
Wijaya, H. J. b.-T. (2019). Optimization of Application of Genetic Algorithm Using C4. 5
Method to Predict Breast Cancer Disease. 2(1), 1-10.
Yatimi, H., & Aroudam, E. (2015). Modeling and simulation of a stand-alone photovoltaic
system. Paper presented at the Xeme Conférence Internationale: Conception et
Production Intégrées.
Ziebell, A. C., & Singh, V. K. J. P. o. t. I. o. C. E.-E. (2018). Energy indicator in
sustainable urban energy metabolism and challenges. 171(1), 26-31.
doi:[Link]

108
Zorita A. (2017). Descripción e infraestructura de una microrred para un entorno
residencial. Universidad de Valladolid, Escuela de Ingenierías Industriales.
Recuperado de: [Link]
Zúñiga G., Ornelas F. y Rico J. (2013). Optimización basada en pronóstico para una micro
red eléctrica inteligente, Baja California – México. Universidad Michoacana de San
Nicolás de Hidalgo

Abascal Pelayo, V. M. , & Feijoo Ugalde, P. (2009). Imp lementación de A lgoritmos Genético s sobre la plataforma de desarrollo paralelo CUDA.
Andrade Granja, K. A. (2021). Sistema óptim o de gestió n de micro-redes d istr ibuid as geogr áficamente que perm itan m aximiza r la venta de energ ía bas ados en p rograma s de respues ta de la dema nda. Retrieved from [Link] [Link]/bits tream/12345 6789/2 0494/1/U PS%2 0-%[Link]
Barragán Escandón, E. A. (2019). El autoa bastecimien to energético en los pa íses en vías de desa rrollo en el marco del metabo lismo urbano: cas o Cuenca, Ecua dor. Retrieved from [Link] its tream/10953 /936 /6/TE SIS%2 0DOCTO RAL%20%28A B%29. pdf
Bhasin, H. , & Bhatia, S. J. I. (20 11). Application of genetic alg orith ms in machine learning. 2(5), 2412-2415 .
Bordón, C. F., Schenberger, L., Berterame, F., Chezzi, C. M., & Penco, J. J. (20 18). Estrategia para la Gestió n de una Micro Red. 2018 IEE E 9th P ower, Ins trum. Meas . Meet. EPIM 2018.
CEPAL, N. (2003). Energ ía y desar rollo sus tentable en Amér ica La tina y el Car ibe: guía pa ra la formu lación de políticas energética s: Cepal.
Chaudhary, G., Lamb , J. J., Burheim, O. S., & Austb ø, B. J. E. (202 1). Review of Energy Storage and Energy Managemen t Sy stem Contro l Strategies in Microgrids. 14(16), 492 9. doi:[Link] 3390/en1 416492 9
Chen, W., & Wei, P. J. E. P. (2018). Socially optimal deployment strategy and incentive policy for solar pho tovoltaic commu nity microgrid : A case of China. 116, 86-9 4.
COBO S, F. J. V. (20 20). PLANIFICA CIÓN CO N METODO LOGÍA DE A CCE SO UNIVER SAL A LA E NERGÍA Y PRO YECTO CONS TRU CTIVO DE RED ELÉCTRICA Y E NERGÍA A LTER NA TIVA EN ZO NAS RU RA LES DE CO CHABAMBA, BO LIVIA. UNIVERSIDAD POLITÉCNICA DE MAD RID, Retrieved from [Link] 0/1/TFG_ FRANCI SCO_ JAVIER_VELA _CO BOS. PD F
Cruz Saavedra, J. A. D. L. (2020). Des arro llo de un es quema de pro tección adaptativo descentra liz ado multi a gente para u na Micro Red eléctr ica. Universidad Nacional de Co lomb ia sede Medellín, Retrieved from http s://[Link]/ahg 38
Currie, B., Ab bey, C., A ult, G ., Ballard, J., Conroy, B., Sims, R., & Williams, C. (2017). Flexib ility is key in New York: New tools and operational s olutions for managing d istrib uted energy resources. IEEE Power a nd Energy Maga zine, 15(3), 2 0-29. doi:10.1 109/MPE. 2017.2 660818
Delgado, D. J. E. M. C. d. S. E. (2016). Balance Energético Nacional 2016 : Año Base 2015 (p. 1 18).
économiques, O. d . c. e. d. d. (201 4). Energy efficiency ind icators: E ssentials for po licy making: OE CD Publishing.
Franco Mendoza, J. L., & Murillo Anacona, C. D. (2021). D iseño de contro l PID para un mecanismo con movimiento espacial ajustado al IoT .
García, F., Hernández, G., & Luna, N. (2011). Manual de Estad ísticas Energéticas OLADE.
García, R. H. (2021). Algoritmo s Genéticos en Ecuaciones Diferenciales.
Gómez, V. A., Hernández, C., & Rivas, E. J. I. t. (2018). Visión General, Características y Funcio nalidades de la Red Eléctrica Inteligente (Smart Grid). 29(2), 89-1 02. doi:[Link] [Link]/1 0.4067 /S0 718-0764 201800 020008 9
Guanoluisa Pilatás ig, I. D. (2018). U tilización de algo ritmo s genéticos p ara la ubicació n óptima de reconectadores en redes radia les de dis trib ución–ap licación a la Emp resa Eléctr ica Quito. Quito, 201 8.,
Guayanlema, V., Fernández, L., & Arias, K. J. E. R. d. e. d . L. y. e. C. (2017). Análisis de ind icadores de desempeño energético en Ecuador. 1(2), 122-139.
Jamaica Obregón, J. (2019). Es trateg ias de operac ión óp timas de microrredes conectada s a la red. Universidad Autón oma de Occidente, Retrieved from [Link]
Luzuriaga Velasco, J. A., & Arcos Av ilés, D. G. (2 020). Diseño y simulación de una estrategia de gestión energética de una Microrred aislada.
Marcos, Gestal, R., & Gestal, M. (2010). In troducción a lo s algo ritmo s genéticos y la prog ramación genética: Un iversidade da Coruña.
Marquez, A. C. (2021). Sis tema de control PID sin tonizado p or algoritmo de Evo lución D iferencial y Ziegler-Nichols aplicado a motores de CD.
Marzband, M., Ghazimirsaeid, S. S., Uppal, H., & Fernando, T. (20 17). A real-time evaluation of energy management s ystems for smart hy brid ho me Microgrid s. Electric Po wer Systems Research, 143, 624-633. d oi:h ttps ://[Link] /10.101 6/[Link]. 2016.10 .054
Mullo, A., Javier, V., J iménez, M., Pilatasig, M., & Iturralde, H. (2017). Ana lysis o f the incidence of groun ding with hig h resis tivity a gains t atmo spheric d ischarges in the s ub— Tran smiss ion line of 6 9KV S an Rafael—Mulalo. Paper presented at the 2017 CHILEAN Conference on Electrical, Electronics En gineering, Information and Co mmunication Technologies ( CHILECON).
Nick, M., Cherkaoui, R., & Paolone, M. (2017). Op timal planning of distribu ted energy storage sys tems in active dis tribution network s embedding grid reconfiguration. IEEE Trans action s on Po wer Systems, 33(2), 1577-15 90.
Nunes, P., Farias, T., & Brito, M . C. J. E. (201 5). Enablin g solar electricity w ith electric vehicles s mart charging. 87 , 10-20. d oi:h ttps ://[Link]/10.101 6/[Link].20 15.04.0 44
Quiroz Rodríg uez, A. F. (201 9). Ubicación ó ptima de sis temas de almacenamien to par a maximizar la contin uidad de servicio en una m icro red.
Romo Fernández, L. M. (201 6). Análisis de la pr oducción científica en energías renovab les. Retrieved from http s://[Link]/bitstream/10 662/4 033/1 /TDUEX_2 016_ Romo _Fernandez.pdf

Savina, N., Myasoedov, Y., & M yasoedova, L. (2018). In fluence of qu ality of the electric energy on reliab ility of electrical supply systems. Paper presented at the 2018 Internatio nal Mu lti- Conference on Industrial Eng ineering and Mo dern Technologies ( FarEastCon).
Sekhar, P. C., Deshpande, R., & Sankar, V. (2016). Eva luation an d impr ovement of reliability ind ices of electrical power distribu tion system. Paper presented at the 2 016 National Power Sys tems Conference (NPSC).
Serrano González-Peramato, J. I. (2020). Alivio de congestio nes en redes de dis trib ución con vehículo s eléctricos con cap acidad V2G . Retrieved from http s://[Link]/xmlui/hand le/1153 1/4649 1
Sevilla, A. G. P., & Fernández, F. O. A. (201 3). Evolución de las redes eléctricas hacia Smart Grid en países de la Reg ión And ina. Revista E ducación en Ingenier ía, 8(15), 48-6 1.
SILVA, R. C. (201 8). Estu do sobre to polog ias de algoritmos genéticos paralelos com aplicação em min imização de funções numéricas irrestritas.
Wijaya, H. J. b.-T. (201 9). Optimization of Application of Genetic Algorith m Using C4. 5 Method to Predict Breast Cancer Disease. 2(1), 1-10.
Ziebell, A. C., & Sin gh, V. K. J. P. o. t. I. o . C. E .-E. (2018). Energy indicator in sustainable urban energy metabolism and challenges. 171(1), 26-3 1. doi:[Link] 1680/jener.17.00010

109
 ANEXOS
− ANEXO 1. PLANILLA PARA LA DETERMINACION DE DEMANDAS

UNITARIAS

− ANEXO 2. DATOS DEL MODULO FV

− ANEXO 3. CÓDIGOS DE PROGRAMACIÓN

− ANEXO 4. MODELO 1. MICRORRED CON ALGORITMO MPPT (PERTURBA

Y OBSERVA)

− ANEXO 5. MODELO 2. MICRORRED CON CONTROLADOR DIFUSO

APLICADO A ALGORITMOS DE PUNTOS DE MÁXIMA POTENCIA

110
 ANEXO 1

PLANILLA PARA LA DETERMINACION DE DEMANDAS UNITARIAS DE DISEÑO

APARATOS ELECTRICOS Y DE ALUMBRADO FFUN CIR FSn DMU
RENGLON
DESCRIPCION CANT. Pn (W) (%) (W) (%) (W)

1 RADIO GRABADORA 9,00 40,00 100,00% 360,00 20,00% 72,00

2 FOCO RESIDENCIAL, 25 W 30,00 25,00 100,00% 750,00 30,00% 225,00
3 PUNTO DE TOMACORRIENTE 5,00 150,00 100,00% 750,00 30,00% 225,00
4 TELEVISOR 8,00 150,00 100,00% 1.200,00 20,00% 240,00

3.060,00 762,00

Factor de Demanda 0,25

Factor de Potencia FP 0,92

DMU ( KVA ) 0,83

Ti (%) 1,50

( 1 + Ti / 100 )^10 1,16

ING. BYRON CHERE QUIÑÓNEZ

DMUp ( KVA ) 0,96

NUMERO DE USUARIOS: 25,00

Demanda Calculada (kVA) 24,03

Factor de Sobrecarga 100,00%

DEMANDA REQUERIDA (kVA) 24,03

DEMANDA REQUERIDA (kW) 22,11

Observaciones:

111
 ANEXO 2

DATOS DEL MODULO FV

112
 ANEXO 3

CÓDIGOS DE PROGRAMACIÓN

% Programa para graficar

close all;
%% Bateria
figure(1)
subplot(2,1,1);
plot(SoC)
title('Estado de carga Bateria')
ylabel('(%)')
xlabel('Tiempo(s)')
subplot(2,1,2);
plot(Id_ref)
title('Corriente de carga y descarga de la Bateria')
ylabel('(A)')
xlabel('Tiempo(s)')
ylim([-65 65])

figure(2)
subplot(2,1,1);
plot(Vabc_carga)
title('Voltage y Corriente de la Carga')
ylabel('Vabc (V)')
xlabel('Tiempo(s)')
xlim([3 3.15])
subplot(2,1,2);
plot(Iabc_carga)
ylabel('Iabc (A)')
xlabel('Tiempo(s)')
xlim([3 3.15])

figure(3)
subplot(2,1,1);
plot(Ppv)
title('Potencia panel fotovoltaico')
xlabel('Tiempo(s)')
ylim([-0.5 20e3])
xlim([0 7])
subplot(2,1,2);
plot(Irrad)
title('Irradiación (W/m^2)')
xlabel('Tiempo(s)')
ylim([-0.5 1.1e3])
xlim([0 7])

% figure(4)
% subplot(2,1,1)
% plot(Iabc_Bateria)
% title('Corriente de la Bateria')
% xlabel('Tiempo(s)')
% ylim([-25 25])
% subplot(2,1,2)

113
% plot(Iabc_Bateria)
% title('Zoom corriente de la Bateria')
% xlabel('Tiempo(s)')
% ylim([-25 25])
% xlim([3.1 3.3])

figure(5)
plot([Link])
title('Irradiación Homer')
xlabel('Tiempo(s)')
xlim([0 200])
ylabel('(W/m^2)')

figure(6)
% subplot(2,1,1)
% plot(THD_Vcarga)
% title('THD de voltage en la carga')
% ylabel('(%)')
% xlim([3.1 5.0])
% subplot(2,1,2)
plot(THD_Icarga)
title('THD de corriente en la carga')
ylabel('(%)')
xlim([3.1 5.0])

%% PV
figure(7)
subplot(2,1,1)
plot(Voltage_PV)
title('Voltage del Panel Fotovoltaico')
ylabel('(V)')
xlabel('Tiempo(s)')
subplot(2,1,2);
plot(Irrad)
title('Irradiación (W/m^2)')
xlabel('Tiempo(s)')
ylim([-0.5 1.1e3])

%% MPPT

figure(8)
subplot(2,1,1)
plot(V_1000,Ppv_1000)
ylim([0 45.0e3])
xlim([0 520])
title('Potencia vs Voltage PV')
ylabel('P(W)')
xlabel('V(W)')
hold on;
plot(V_800,Ppv_800)
plot(V_600,Ppv_600)
plot(V_500,Ppv_500)
plot(V_200,Ppv_200)
hold off;
legend('1000(W/m2)','800(W/m2)','600(W/m2)','500(W/m2)','200(W/m2)')
114
 subplot(2,1,2)
plot(V_1000,I_1000)
ylim([0 110])
xlim([0 520])
title('Corriente vs Voltage PV')
ylabel('I(A)')
xlabel('V(W)')
hold on;
plot(V_800,I_800)
plot(V_600,I_600)
plot(V_500,I_500)
plot(V_200,I_200)
hold off;
legend('1000(W/m2)','800(W/m2)','600(W/m2)','500(W/m2)','200(W/m2)')

%% Datos HOMER
% Irra = [Link]*2.2;
% n_NAN = isnan(Irra);
% Irra([1:3],:) =[];
% Irra = timeseries(Irra);
% save('[Link]','Irra')
% save('[Link]','Irra','-v7.3');
%G:\My Drive\Mestrado UFRJ\2022-01\Trabajos\

%Datos PV
Irra = [Link]*10000;
% n_NAN = isnan(Irra);
% Irra([1:3],:) =[];
Irra = timeseries(Irra);
Temp = [Link];
Temp = timeseries(Temp);

save('[Link]','Irra')
save('[Link]','Irra','-v7.3');

save('[Link]','Temp')
save('[Link]','Temp','-v7.3');

MPPT

Irradiacion = [1000 800 600 500 200]

Irra=Irradiacion(1);
out = sim('Panel');
I_1000 = [Link](:,1);
V_1000 = [Link](:,2);
Ppv_1000 = [Link](:,3);

Irra=Irradiacion(2);
out = sim('Panel');
I_800 = [Link](:,1);
V_800 = [Link](:,2);
Ppv_800 = [Link](:,3);

115
 Irra=Irradiacion(3);
out = sim('Panel');
I_600 = [Link](:,1);
V_600 = [Link](:,2);
Ppv_600 = [Link](:,3);

Irra=Irradiacion(4);
out = sim('Panel');
I_500 = [Link](:,1);
V_500 = [Link](:,2);
Ppv_500 = [Link](:,3);

Irra=Irradiacion(5);
out = sim('Panel');
I_200 = [Link](:,1);
V_200 = [Link](:,2);
Ppv_200 = [Link](:,3);

%% Graficas
figure(1)
subplot(2,1,1)
plot(V_1000,Ppv_1000)
ylim([0 45.0e3])
xlim([0 520])
title('Potencia vs Voltage PV')
ylabel('P(W)')
xlabel('V(W)')
hold on;
plot(V_800,Ppv_800)
plot(V_600,Ppv_600)
plot(V_500,Ppv_500)
plot(V_200,Ppv_200)
hold off;
legend('1000(W/m2)','800(W/m2)','600(W/m2)','500(W/m2)','200(W/m2)')
subplot(2,1,2)
plot(V_1000,I_1000)
ylim([0 110])
xlim([0 520])
title('Corriente vs Voltage PV')
ylabel('I(A)')
xlabel('V(W)')
hold on;
plot(V_800,I_800)
plot(V_600,I_600)
plot(V_500,I_500)
plot(V_200,I_200)
hold off;
legend('1000(W/m2)','800(W/m2)','600(W/m2)','500(W/m2)','200(W/m2)')

116
 ANEXO 4

MODELO 1. MICRORRED CON ALGORITMO MPPT (PERTURBA Y

OBSERVA)

117
 ANEXO 5

MODELO 2. MICRORRED CON CONTROLADOR DIFUSO APLICADO A

ALGORITMOS DE PUNTOS DE MÁXIMA POTENCIA