See discussions, stats, and author profiles for this publication at: [Link]

net/publication/273304462

Diseño de una smart grid para un sistema híbrido de energía

Article in Prospectiva · July 2014

DOI: 10.15665/rp.v11i2.44

CITATIONS READS

7 4,974

1 author:

Kelvin DE JESUS Beleño Saenz

Universidad Autónoma del Caribe
23 PUBLICATIONS 234 CITATIONS

SEE PROFILE

All content following this page was uploaded by Kelvin DE JESUS Beleño Saenz on 27 June 2016.

The user has requested enhancement of the downloaded file.

Diseño de una smart grid para un sistema híbrido de energía

Diseño de una smart grid para un sistema híbrido de energía

Design of a smart grid for a hybrid power system
Kelvin de Jesús Beleño Sáenz1, Julie Stephany Berrío Pérez2, Aldo Pardo García3,
Oscar Eduardo Gualdrón Guerero4
1
Master en Automatización, email: 2Master en Ingeniería con énfasis en Ingeniería Electrónica
1,2
Profesor Titular de la Universidad Autónoma del Caribe, Grupo de Investigación en Ingeniería Mecatrónica GIIM,
3
Doctorado en Complejos Eléctricos y Electrotécnicos, Profesor Titular de la Universidad de Pamplona,
Grupo de Investigación en Automatización y Control.
4
Doctorado en Ingeniería Electrónica, Profesor Asociado de la Universidad de Pamplona, Grupo de Investigación en Sistemas Multisensoriales.
Email: [Link]@[Link],

Recibido 21/10/13, Aceptado 18/12/2013

RESUMEN

Este documento expone el diseño de una red eléctrica inteligente (Smart Grid) para un sistema hibrido de energía
haciendo uso de una técnica inteligente de control denominada lógica difusa. Las fuentes para el sistema están
compuestas por un sistema fotovoltaico, un acumulador eléctrico o baterías, y la red eléctrica convencional. Este
sistema es soportado por una regla de comparación en niveles de energía (lógica difusa), cuya fuente prioritaria
para el suministro de corriente eléctrica proviene de diferentes módulos fotovoltaicos. Cuando la energía sumi-
nistrada por el sistema resulta ser insuficiente para alimentar una carga mínima de 300 Watts, este operará de
forma autónoma para seleccionar las baterías como fuente de energía; las cuales han sido cargadas por medio del
sistema de arreglo de paneles solares. Como última opción se realizará la conmutación del sistema a la red eléctri-
ca, siempre y cuando se compruebe que las anteriores fuentes no son capaces de ofrecer la necesidad de energía
que requiere la carga, de esta forma se provee energía continuamente, sin interrupciones. Para el acondiciona-
miento de las señales obtenidas a partir del sistema fotovoltaico y de las baterías, se desarrolló un inversor DC-AC
utilizando estrategias PWM como mecanismo de conversión y utilizando Mosfets de potencia como dispositivos
para la conmutación controlada del inversor.

Palabras clave: Solar, Hibrido, Lógica Difusa, Inversor, Control, Red Eléctrica Inteligente.

ABSTRACT

This paper describes the design of a smart grid for a hybrid power system using an intelligent technique called
fuzzy logic control. The sources of the system are: a photovoltaic system, an electric accumulator or batteries,
and a conventional electric network. This system is supported by a comparison rule of energy levels (fuzzy logic)
whose prior source for power supplying are photovoltaic cells. When the energy supplied by the system seems
to be insufficient to feed a minimum load of 300 Watts, this will activate automatically the batteries as power
supplier, which are initially charged by a set of solar cells. As a last resort the system will switch the supply to the
electric network, as long as it is established that those sources are not able to provide the current requirement that
the load needs, in this way the energy is supplied continuously, and uninterrupted. For conditioning the signals
obtained from the photovoltaic system and batteries, we developed a DC-AC inverter using PWM strategies as a
transformation device and using power MOSFETs as the switching devices of the inverter controlled.

Keywords: Solar, Hybrid, Fuzzy Logic, Inverter, Control, Smart Grid.

94
 Prospect. Vol. 11, No. 2, Julio - Diciembre de 2013, págs. 94-101

1. INTRODUCCIÓN en profundidad las variables y métodos implementados

para dar lugar a los resultados, que son desplegados en la
Los sistemas de almacenamiento de energía distribuida siguiente sección. Por ultimo de finaliza el documento con
en combinación con la electrónica de potencia avanzada las conclusiones producto del trabajo investigativo.
tienen un gran papel técnico que desempeñar y tendrá un
gran impacto en los futuros sistemas de suministro eléc- 2. MARCO TEÓRICO
trico y conducirá a muchos beneficios financieros. Hasta
ahora, cuando los sistemas de almacenamiento de energía Los sistemas fotovoltaicos están conformados básicamen-
están integrados en redes eléctricas convencionales, to- te por un panel solar o un arreglo de los mismos, una
pologías de sistemas especiales y/o de control requieren batería, un regulador de carga para la batería y en caso
ser diseñados para casi cada caso particular. Esto conlle- que se requiera corriente alterna un inversor de DC/AC.
va un diseño costoso y depuración de cada componente Los inversores DC/CA son dispositivos que cumplen con
del sistema o de control individual cada vez que se decide la función de adaptar las señales eléctricas a las condicio-
añadir un sistema de almacenamiento de energía. No obs- nes requeridas para lograr la inyección de energía, estos
tante, los dispositivos de almacenamiento, arquitecturas dispositivos son de gran utilidad en los automóviles en
estandarizadas y técnicas para la inteligencia distribuida aplicaciones tales como carga de celulares, instalación de
y sistemas de energía inteligentes, así como herramientas plantas de sonido y video, y otros aparatos los cuales tra-
y modelos para ayudar a la integración de los sistemas de bajan con corriente alterna [4][5]. Para el diseño de un in-
almacenamiento de energía de planificación se utilizan versor se deben tener en cuenta aspectos muy importantes
cada vez más. [1] como: la potencia, la frecuencia y los diferentes disposi-
tivos con los cuales estará conformado. Existen dos tipos
Una red inteligente se puede definir como una infraestruc- de inversores monofásicos y trifásicos, que para su diseño
tura de red de energía eléctrica moderna para mejorar la se puede utilizar dispositivos con activación controlada
eficiencia, la fiabilidad y la seguridad, con la integración como BJT, MOSFET, IGBT, MCT, SIT, GTO.
de fuentes de energía renovables y alternativas, a través
de tecnologías modernas de comunicación y de control El sistema a implementar consiste en la selección autóno-
automatizado. El aumento de la necesidad de un control ma de fuentes (solar fotovoltaica, sistema de energía al-
más eficaz de los sistemas eléctricos de potencia, ha causa- macenada y red eléctrica convencional) para el suminis-
do que el desarrollo de las redes inteligentes se convierta tro ininterrumpido de energía eléctrica. Para lograr esto
el principal objeto de estudio de muchos investigadores. se utilizó un controlador basado en lógica difusa (Fuzzy
Algunos trabajos se proponen sistemas digitales para el Logic).
monitoreo de condición, el diagnóstico y el control de su-
pervisión aplicados a las redes inteligentes, sistemas que La lógica difusa ha surgido como una herramienta im-
se basan en la arquitectura de red híbrida, que consiste portante para el control de subsistemas y procesos indus-
en una infraestructura cableada, una red de sensores ina- triales complejos, así como también para la electrónica de
lámbricos y comunicaciones por línea eléctrica (con tres entretenimiento y hogar, sistemas de diagnóstico y otros
topologías de hardware responsables de la adquisición sistemas expertos [6]. En esencia un controlador lógico
de la señal, el procesamiento y la transmisión) [2]. Se han difuso, contiene un algoritmo que es capaz de convertir
propuesto redes inteligentes basadas en redes de corriente una estrategia de control lingüística en una estrategia de
alterna CA, Sin embargo, pocos son los trabajos presenta- control automático. Con la lógica difusa se pueden diseñar
dos o publicados en una red inteligente basada en una red aplicaciones que logren que las máquinas respondan con
de corriente continua CC. Así, algunos de estos presentan mayor inteligencia a la imprecisión y a las condiciones del
sistemas de energía inteligente CA/CC híbrido, sistemas mundo exterior, con lo que se busca imitar el razonamien-
con ventajas tanto de CC y redes de CA, que consisten en to humano.
generadores de viento y varias cargas controlables (con
capacidades diferentes). Mediante la aplicación de control Inversor con Transformador de Toma Media
de consumo de energía con la característica de caída, la “Push-Pull”
tensión del bus de CC se mantiene dentro del rango acep-
table. Como las cargas son controlables, se simulan calen- La topología “push- pull” observada en la Fig. 1, necesita
tadores de agua y vehículos eléctricos. [3] dos señales de control, de forma que el gobierno de ambos
conmutadores se realiza alternativamente, reseteándose el
El presente artículo muestra el marco teórico del proyecto transformador de forma automática al final de cada pe-
desarrollado, donde se expone los elementos y métodos riodo de conducción, las señales aplicadas a los transis-
de control objeto de la investigación. De igual forma en tores deben de ser exactamente simétricas, ya que de lo
un tercer apartado se presenta la metodología, explicando contrario el núcleo se llevaría a saturación [7]. El conver-

95
Diseño de una smart grid para un sistema híbrido de energía

sor consta de una configuración muy similar a la de un sistores están abiertos. Si no se añaden diodos, se crean
rectificador de medio puente, cuando se activa el pulsador grandes sobretensiones debido al corte instantáneo de la
S1 la corriente gira en sentido contrario a las manecillas corriente por la inductancia de la carga, con lo que acaba
del reloj a través de la primera derivación, generando un destruyéndose el convertidor de potencia.
pulso positivo en la salida del transformador (devanado
secundario). Cuando se activa S2 la corriente cambia de La modulación por ancho de pulso optimizada aparece
sentido y de esta manera se invierte el pulso de salida. como resultado del creciente desarrollo en la tecnología de
microprocesadores, que ha facilitado la realización a estas
Figura 1. Esquema de un inversor con transformador de estrategias [9]. La modulación se caracteriza por utilizar
toma media [8]. un tren de pulsos por semiperíodo, tal que al variar el an-
Figure 1. PushPull converter half bridge Schematic [8]. cho de los mismos, disminuye el contenido de armónicos
relativo de la onda de salida [10].

Sistema de lógica difusa

La lógica difusa aplica la lógica multivariada a la teoría de

conjuntos, estableciendo la posibilidad de que los elemen-
tos pudieran tener diferentes grados de pertenencia a un
conjunto, de esta forma se desarrolló un algebra completa
para los conjuntos difusos [11]. La lógica difusa se utiliza
cuando la complejidad del proceso en cuestión es muy alta
y no existen modelos matemáticos precisos, para procesos
altamente no lineales, y cuando se manejan definiciones y
conocimiento no estrictamente definido [12]. Los sistemas
de inferencia basados en lógica difusa se utilizan en mul-
En la Figura 2 se puede ver la señal de salida de un inver- titud de aplicaciones entre las que cabe citar los sistemas
sor con transformador de toma media. Para esta topología expertos (como sistemas de análisis financiero, de diag-
debemos tener en cuenta la relación del número de espiras nóstico médico o de toma de decisiones), el reconocimien-
del primario y secundario, ya que esta define como tal, el to de patrones (con múltiples aplicaciones en visión artifi-
valor de la tensión en la salida. El devanado primario tiene cial y reconocimiento de voz, entre otras) o los sistemas de
una división o derivación central, para que la amplitud del control (como sistemas de navegación de vehículos y de
pulso positivo sea igual a la magnitud del pulso negativo, robots y todo tipo de controladores industriales). [13] Los
esta división del devanado primario debe ser simétrica. conjuntos difusos suministran una ayuda para solucionar
problemas imprecisos. La variable lingüística resulta ser
Figura 2. Voltaje de salida para un inversor (push-pull) [8]. una herramienta eficaz para encausar lenguaje natural,
Figure 2. Output voltage for a converter [8]. que es impreciso y difuso, estas son análogas a las numé-
ricas ya que poseen valores que son asociados a ellas. Pero,
se diferencian en que los valores de las variables lingüísti-
cas no son números sino expresiones del lenguaje que re-
presentan alguno monto abstracto. Estas expresiones del
lenguaje son los nombres de conjuntos difusos que consis-
ten de valores numéricos.

La estructura de un sistema de lógica difusa (Figura 3)

para un controlador está conformada por: una interfaz de
fuzzificación, que se encarga de convertir los datos de en-
trada del controlador (un valor crisp) a valores que pue-
dan ser utilizados en el proceso de razonamiento difuso,
un mecanismo de inferencia encargado de realizar el pro-
ceso de razonamiento (estimar la salida en función de la
entrada), este mecanismo se encuentra compuesto por una
base de datos, que contiene la definición lingüística de las
Para esta configuración es necesario añadir diodos en anti- variables, y una base de reglas la cual posee el conjunto
paralelo con los transistores de potencia, para permitir la de acciones a realizar dependientes del estado de las va-
circulación de corriente de la carga cuando todos los tran- riables de entrada. Por último se encuentra la interfaz de

96
 Prospect. Vol. 11, No. 2, Julio - Diciembre de 2013, págs. 94-101

defuzzificación, esta interfaz convierte la salida difusa a salida será la Fuente de Alimentación. Para ello se define
una acción precisa que establece la salida total. el conjunto difuso a partir de las variables expuestas en la
Tabla 1.
Figura 3. Diagrama en bloques de un sistema de lógica
difusa. Tabla 1. Variables de estado del sistema.
Figure 3. Fuzzy logic system block diagram. Table 1. System status variables.

Base de Reglas Variable Lingüística Variables Difusas

Estado del clima Oscuro, Nublado, Soleado
Interfaz de Mecanismo de Interfaz de Carga baja, Carga media,
Nivel de carga de la batería
Fuzzificación Inferencia Defuzzificación Carga alta
Panel, Batería, Red
Fuente de alimentación
convencional
Bases de Datos
Para la variable lingüística Estado del Clima tenemos un
En función del tipo de regla difusa que se utilicen se pue- universo de discurso que va desde 20 hasta 24 voltios. Este
den distinguir principalmente dos tipos: rango fue elegido ya que con un voltaje menor a los 20 vol-
tios, el panel no tendría la energía suficiente para alimen-
• Tipo Mamdani [1975] tar el inversor y suministrar carga a la batería. El diagrama
• Tipo TSK (Takagi, Sugeno y Kang) [1985, 1988] de los conjuntos difusos para la variable estado del clima
se muestra en la Figura 4, donde los siglas Dos, Dop y Dso,
Para el sistema de inferencia Mamdani se tiene dos enfo- hacen referencia a las etiquetas de los conjuntos difusos
ques principales: el enfoque FATI (fírst aggregate, then in- Día Oscuro, Día Opaco y Día Soleado respectivamente.
ferencé), donde se aplica el operador de implicación con la
entrada dada a cada una de las reglas y obtiene su corres- Figura 4. Funciones de membrecía para la variable estado
pondiente conjunto difuso de salida, para luego agregar del clima.
los conjuntos difusos de salida obtenidos para construir Figure 4. Membership functions for the weather state va-
una única salida, reduciendo el conjunto difuso agrega- riable.
do resultante a un valor característico (número crisp). El
enfoque FITA (fírst inferencé, then aggregate), que aplica el
operador de implicación con la entrada dada a cada regla
para obtener el conjunto difuso de salida y reducir éste a
un valor característico (número crisp), y a continuación,
agregar estos valores (por ejemplo, mediante la media
ponderada por el grado de emparejamiento) [14,15,16,17].

La topología que se utilizó para definir los conjuntos di-

fusos es la correspondiente a la triangular, debido a que
esta ofrece una respuesta lineal con mayor grado de selec- Para obtener el comportamiento de las distintas variables
tividad, es sencilla de representar cualquier lenguaje de es necesario obtener el modelo matemático que representa
programación (en este caso el del software CCS), y puede cada conjunto de las variables del sistema denotadas por
Para obtener elrangos dentro
comportamien del
nto de lasuniverso deables
diistintas varia discurso, para
es neceesario obtener
obtene el matemát
er el modelo
definir un grado de incertidumbre frente a un solo dato
que representa
r caada conjunto
modelo se de las variab
utiliza la bles del siste
ecuación ema
de la denotad
recta das por rangoos dentro dell universo
del estado que se desee. discuurso, para obttener el moddelo se utilizaa la ecuaciónn de la recta
Para obtener el comportamiennto de las diistintas variaables es neceesario obteneer el modelo matemá
3. METODOLOGÍA que representa
r ��ca
ada conjunto
�������� de�����
��� �� las variab
bles� del
� sisteema denotaddas por rangoos
����
��
(1)dentro dell univers
����
��
discuurso, para obttener el moddelo se utilizaa la ecuaciónn de la recta
Como se mencionó anteriormente el mecanismo de infe- ���� ������� �� ��� ����� � � ��� �1
������− �0� + �0� (2)
�������� ��� �� ����� ��
rencia está conformado por la base de datos y un Aplic
conjunto ������
cando esto a cada uno de los conjuntoos se obtienenn las ecuacioones para loss diferentes conjuntos.
c
de reglas, que son las que determinan la acción de control Aplicando
��������� ��esto
� �����
�� a cada uno� de� ���
los�1conjuntos
− �0� + �0� se obtienen las
en el sistema. La base de datos está compuesta de variables ecuaciones para los diferentes conjuntos. 1 20
0 � � � 22
Apliccando esto
���a������
cada uno de
����
���los����
conjunto
���os������
se obtienen
−n las
� −� ecuacio
+ 23 222ones
≤ � para
� 23loss diferentes conjunto
c
de estado y proceso, en nuestro controlador las variables 0 � � 23
de entrada o de estado fueron definidas como: El Clima 1 200 � � � 22
y Nivel de Carga en la Batería y la variable de proceso o ��� ������ ���� ��� ���� ��� ������ � −� − 0+ 23 22 2 ≤ � ��23 � 22(3)
� − 22 � 22 ≤ � � 23
���
������ ������� ���� ��� � ����� � 0 � 23
−
−2� + 2� 23 ≤ � ≤ 23.5
0 0 ����23.5
22
� − 22 22 ≤ � � 23
��������� ������� ���� ���� ����� � 0
−2� + 2� 20 ≤
−
97��������� ������� ���� ���� ������� �− 23�≤��2≤3 23.5
−� +0 23 23 ≤ � � �23.5
� 23.5
1 � � 233.5
0 20 ≤ � � 23
 ����
��
��������� �� ��
� ����� � � ���
�1 − �0� + �0
� (2))
��������� �� ��
� ����� � � ���
�1 − �0� + �0
� (2))
Apliccando esto a cada uno de los conjuntoos se obtienenn las ecuacioones para loss diferentes conjuntos. c
pliccando esto a cada uno de los conjuntoos se obtienenn las ecuacio ones para loss diferentes conjuntos. c
Diseño de una smart grid para un sistema 1 híbrido
20
0��� de22energía
1 200 � � � 22
��� ������ ���� ��� ���� ��� ������ � −� − + 23 22 2 ≤ � � 23 (3))
��� ������ ���� ��� ���� ��� ������ � −� − + 23 222 ≤ � � 23 (3))
0 � � 23
Para obtener el comportamiennto de las diistintas variaables 0 es neceesario� obtene
� 23er el modelo matemático
La vaariable de saalida es de tipo o t Singleto on debido a que vamos a seleccionaar la fuente entre panel
que representa
r caada conjunto de las variabbles del sisteema denotad 0 das por rangoos � 22
� dentro
baterí ydel
ía 22 l universo
red Figura
elé[Link] Estas 6. Funciones
salidas estáánde membresía
representa adas median para ntelavaloresvariable d de sali-
discretos, en la Fig. 6 see
0 � �23 losLatres vaariable
La va ariable
de saalida de sa
es
alida de es t deSingleto
tipo t
tipo Singleto
on debido on debido a que avamos que vamos a selecciona
a selecciona
ar la fuente
ar la fuee
discuurso, para���obt tener el
������ ���� mod delo se utiliza
��� ���� ��� a la ecuación
� ����� � n de �la−recta
22 22 ≤ mues� �stran
(4) La vada
ariablefuente
conjuntos (4) )
de di sa de
ifusos.
alida alimentación.
es de t
tipo Singleto on debido a que vamos a selecciona ar discretos,
la fuente
��������� ���� ��� ���� ��� � ����� �−2��+−2�
− 22 2322 ≤≤ �≤ � 23.5
� 23 baterííabaterí y red
Figure ía yeléc
[Link]
(4)ctrica.
) elécctrica.
Membership Estas Estas salidas salidas
estáán está
functions representa
án
for representa
theadas power median
adas median
nte
supply valores
nte out-
valores
d
discretos, d en la
��−
−2� baterí ía ylos red eléc ctrica. Estas salidas estáán representa adas medianntearvalores d entre pan
discretos, en
0 + 2� 23 ≤� La �� ≤ 23.5
����
���������� ��� �� ����� �� Figur vaariable
23.5
ra mues
6. Funciondestransaalida
mues
nes )stran
(1)de es
tres
memb de
los t conjuntos
tipo
tres
conjuntos Singleto on
diifusos. debido
diifusos. dee asalida
que vamos a selecciona la fuente
������ 0 � � 23.5
baterí ía y mues
red put
stran
eléc [Link] tresbresía
variable.
Estas conjuntos
salidas
para laaifusos.
di
está
variable
án representa adas
fuentte de
median nte
alimenttación.
valores d
discretos, en la Fig. 6
0 20 ≤ � � Figur
23 restran
6. Membeership functioons for the power p supplyy output variaable.
��������� �� �� � ����� � � ����1 − �0� + �
�0 mues Figur
los ra
tresFigur
6. ra 6. Funcion
Funcion
conjuntos
(2) ) nesdi denes
ifusos. memb debresía
membbresía para laapara variable
laa variable
dee salida dee salida
fuenttefuentde aliment
te de aliment
tació[Link]ón.
��� ������ ���� ��� ���� ��� � ������� �− −� + 0 23 2320 ≤≤ �� �� 23.523 Figur
Figur [Link]
reFigur reFuncion
(5)
6.) Membe
ershipnes ership
de memb
functio onsbresía
functio forons para
the p la
for
power a variable
the psupplyysupply
power dee salida
output fuent
y output
varia [Link] de
varia alimenttación.
able.
��� ������ ���� ��� ���� ��� � ������� �− −�
1 + 23 23 ≤ � ��
� 23
Apliccando esto a cada uno de los conjuntoos se obtienenn las ecuacioones para loss diferentes conjuntos.
23.5
3.5
Figur ra (5)
6.
c
Figurrenes
Funcion 6. Membe
de (5))ership
memb bresía functio
para ons
la
a for the power
variable pdee salida supply y te
fuent outputde variaable.
aliment tación.
1 � �Figur
233.5re 6. Membeership functioons for the power p supplyy output variaable.
Para la variable liingüística nivel de cargaa de la batería 1 a él universo
20 o de discurso
0 � � � 22 o se encuentr ra entre 10 y
ara ra
13, la variable
ango li
definidingüística
do
��� según
������ ����elni vel de carga
comportami a de
iento
��� ���� ��� ������ � −�
la
de batería
la b a él
batería universo
frente
e oalde discurso
inversor r o
y se
su encuentr
nivel ra
máximo entre
(3)) de10
e y
− + 23 22 2 ≤ � � 23
3, raango
carga a. Para
definid la variable
do según lingüística
el comportami iento denivel de carga
la bbatería frentee de la batería
al inversor r y suélnivel máximo dee
0 � � 23
argaa. universo de discurso se encuentra entre 10 y 13, rango de-
Los aacrónimos C CN
CB,
finido segúny CA
C elque apareecen en la Fig.
comportamiento F [Link] en referencia
batería � 22a a al
� frente lasin-
etiquuetas de loss
os aacrónimos
conju untos difusos Cs Carga
CB, CNBaja,
y CAC, Carga
que Norm
apare
malecen en la�Alta
y Carga AFig.
F− 22 5. Hace
respecti en≤referencia
ivamente.
22 � � 23 a a las etiqu uetas de loss
onjuuntos difusos versor
���
s ������
Carga y Baja,
su
���� nivel
��� ����
, Carga máximo
���
Norm�mal�����yde � carga.
Carga (4))
−−2�Alta
A+ 2�respecti 23ivamente.
≤ � ≤ 23.5
Figurra 5. Funcionnes de membbrecía para laa variable nivvel 0 de la bate
ería. � � 23.5
igurra
Figur re 5.
5. Funcion
Membe
Los nes
ershipdefunctio
memb
acrónimos brecía
ons for
CB, para
theCNblaa variable
batteryy CA level
queniv
v velaparecen
[Link] la bateería.
en la Figura 5. Tabla 2. Base de reglas del controlador difuso.
igurre 5. Membe ership referencia
Hacen functioons for athelas b etiquetas
battery v de los20conjuntos
level 0variable. ≤ � � 2Una 3 vez definidaa la base de datos el passo a seguir es
difusos e generar laa base de reeglas para el controlado
��� ������ ���� ��� ���� ��� � ������� �−
−� + 23 23 ≤ � � 2difuso 3.5 o. Estas regllas Table
(5) ) [Link]
fueron Fuzzy
eneradas controller
abase
paartir del rules.
cono ocimiento qu
Carga Baja, Carga Normal y Carga 1 Alta respectivamente.
� � 23 3.5 Una vez
Una definida
vez definida
a la base
a la de datos de datos
el pas soel apas
seguir
so a seguireuegenerar
es seesetiene laaco
generar on
base respecto
laa de
base a re
al
reeglas
de inversor
para elparcy
eglas
compportamiento Unao.
difuso de
ddifuso
vez laso.
Estas fuente
definida
Estas
regllasesa regl
de
la aliment
fueronbase
las de
fueron
ge ación,
datos
eneradas yaelsepa
geeneradas mso
muestran
pas
artir a paaartir
del en
seguir
conodel l cono
lae tabla
es
ocimiento [Link]
generar
ocimiento base
ue sede
tiene co reeglas
tiene
on coonpara
respecto ae
respe
al
Para la variable liingüística nivel de cargaa de la bateríaa él universoo de discursoo seUna encuentr
vez difuso
comp
radefinida
entre o.
10
a Estas
portamiento
comp la base regl
yportamiento de
ddelaslas fueron
de
dfuente
datos las
el ge
es eneradas
pas DO
fuente
deso aliment
esa deseguira ación,
paartir
aliment e
es delsecono
yDop
ación,
generar my ocimiento
muestran
se
laa m
muestran
base ende l qu
la ue
Dso
tabla
reen se
eglasl 2.
la tiene
tabla
para co
2. oncontrolad
el respecto
Figura 5. Funciones de membrecía para la variable nivel comp portamiento de
deneradas
las fuente
13, raango definiddo según el comportamiiento de la bbatería frentee al inversorr ydifuso su nivel máximo
o. Estas regl lasdeefueron ge
CBcoontrolador a es
pa de aliment
artir
Red del cono ación,
ocimiento y se muestran
m
Red quue se tienePanel
en la lcoon
tabla 2.
respecto a inverso
al
cargaa. de la batería. Tabl a 2. Base de reglas del
compportamiento de
diifuso.
d las fuentees de alimentación, y se muestran m en la l tabla 2.
Figure 5. Membership functions for the battery level
Table va-
e 2. FuzzyTablco aontroller
Tabl
2. Base a [Link] rule
de
Base es.
reglasde reglas Batería
del coontrolador
del coontrolador Batería
[Link]. Panel
Los aacrónimos CB, C CN y CA C que apareecen en la Fig. F 5. Haceen referenciaa a las etiquuetas Tabl
Table de [Link]
eTable sBase
[Link]
e [Link] de reglas del coontrolador diifuso.
riable. Fuzzy
co ontroller coontroller
rulees. rule
Batería es.
conjuuntos difusoss Carga Baja,, Carga Norm mal y Carga Alta A respectiivamente. Table e 2. Fuzzy DO DopBateríaDso D Panel
Tabla 2. Base de reglas delcoontroller
coontrolador rulees.
diifuso.
Así, l raconjuntos
los snes
difusos se definen
dbrecía para
como CB Red DO
Red DO Panel Dop Dop Dso
P D D
Dso
Figur 5. Funcion de memb laao:variable nivvel de la bateería. Tablee 2. Fuzzy coontroller rulees.
Diseño del CM Inversor B
Batería
CB CB B DORed Panel
Batería
Red P
Red DopRed Panel P D Panel
Dso P
sí, l
los conjuntos s difusos se d
definen como
Figurre 5. Membeership functioons for the battery b o: level variable.
v1 � � 11.5 CA B CM
BateríaCB CMBatería
DO BBatería
B Red DopB
Batería BPanel
P Red
Batería DBatería
DsoB Panel
P Panel
P Panel
P
��� ������ ���� ��� ���� �� ���� ���� � −2� + 2� 11.5 ≤ � �≤�1211.5 (6))
1 El método directo
CB seCA CM
Redclasifica
CA B
Batería
B dentro
BateríaB
Batería
Red B B de
Batería
Batería
Panel
P B la
Batería modulación
Panel
P Panel
P Panel
P
��������� ���� ��� ���� �� ���� ���� � −2� 0 + 2� 11.5 ≤ �� 1212 (6))
�≤ PWM optimizada. CM B CAmétodo
Este
Batería BBatería
Batería
B se denomina BPanel
Batería
P Panel
P
directo, ya
0 0 Diseñ ño�12
� �� del
11.5Inverrsor
que no utilizaCA la señal B portadora
Batería B para la
Batería P obtención de la
Panel
2� − 23
0 2 11.5 ≤ � � 12Diseñ ño delño
Diseñ Inver
delrsor Inverrsor
���������� ������� ���� ������ ������ � � � 11.5 onda PWM
(7)
rsorde salida.
) a dentro Este método ón PWMconsiste enEsigualar la se
−2� + 25 5 12El≤m�étodo ≤ 12.5 directo
Diseñ oño sedel clasifica
Inver de la modulaci opptimizada. ste método s denominaa
������ ������� ���� ������ ������ � 0
����
2� − 232 11.5
direct ≤to,�ya
��
� que
12.5
12
El mno oenergía
étodo
El m
utiliza étodo
directo
la deo
se
(7)) eñal la
directo
se señal
clasifica
o se
portado que
clasifica
a radentro
paraa se laquiere
dentro
de obla
btención con
modulaci
de la de la
modulaci
ón
la
l señal
PWM
onda ón modulada.
op
PWM ptimizada.
M op
deptimizada.
Es
salida. steEste
E método
Esste méto
métodoso
se
−2� + 25 5 Diseñ
12 ≤iste ño
�≤ del Inver rsor
consi en 12.5
direct
iguala
El m ardirect
to, layaenergía
étodo to,
que yanooque
directo outiliza
de nooseñal
la
se utiliza
la seeñal
clasifica q aladentro
que portado
seeñal
se quiere deracon
portado para
la ra
lalapara
modulaci obbtención
señal llaón obbtención
modulada.
PWM de lal oponda
de lal PWM
ptimizada. ondaMEs PWM
de
steMsalida.
de sal
método E
0 0 � � 12 2 � � 12.5 consi iste
consien iste
iguala
enar iguala
olaautiliza
energía
ar la la energía
de la señal
de la que
qseñal separa
qquiere
que se
la quiere
con lacon
señallal modulada.
señal l modulada.
Así, los �����
conjuntos
�� ����difusos se �−definen
2� + 2�como: El m étodo direct
directoLa
to,
o señal
ya
se que
clasifica sinusoidal
no dentro de deseada
seeñalla portado
modulaci está
raón representada
PWM obbtención
opptimizada. por:
de la
lEsste
onda PWM
método Mse s dedenomi
salida
���� ����� ������ ����
0
1 ≤ � ≤La12
12 seeñal sinusoid
2.5
� �direct
122 considaliste en (8)
deseada ) está
igualalaarse larepresent
energíatada de la por:señal qobbtención
que se quiere lcononda la señal lMmodulada.
Así, los
l conjuntoss difusos se definen
d comoo: 1 � � 12 2.5 to, yaLaque noo sinusoid
seeñal
La utiliza
se eñal sinusoid
dal eñal dalportado
deseada está ra
deseada para
represent
está latada
represent por:
tada por: de la PWM de salida. Este E méto
��������� ������� ���� ������ ���� �−2� + 2� 12 1 ≤ � ≤consi 122.5
iste en igualaar la energía (8)) de la señal � =q
que � se���quiere
�� � . con la señal
(9) l modulada. (9
La seeñal sinusoid dal deseada está representtada por:
�
1 1 ����11.5 122.5 � = �� �= ����������� . ��� .
��� ������ ���� ��� ���� �� ���� ���� � −2� + 2� 11.5 ≤ � ≤Dónd Lade:
12 seeñal (6)
sinusoid dal(6))deseada está representtada por: � = � ��� ��� .
0 � � 12 Dóndde: Dónde:
Dónd de: �

� = �������Dónd �� ������
�de: ��������. � �� = �� =��� ���� ���� .������ � ��������� ��.
0 � � 11.5 � = ������� � = ������� �� ������
� �� ������ � ��������. ��������. �� =�� �����= �� ������ � ���������
��� ������ � ���������
��. ��.
2� − 23 2 11.5 ≤��Dónd � 12
= de:
���������� � �������.
������ ������� ���� ������ ������ �
���� (7) � = �������
�(7)
��
=) ����������
�
������ ���� ����. �� = �� ��� ������ � ��������� ��.
−2� + 25 5 12 ≤ � ≤ 12.5 � = ���������� � �������. � �������.
0 La��� �������
=12.5
ennergía de�la�� =señal� en un
������
s ���������� ���� s ����.
semiperiodo está �� dada=poor ��su ���integral
������ y�el���������
semiperriodo ��. está deefinido en un n
rangoo entre La (0 yennergía
�La
La en
). Por nergía
delolatan
energía de� de
señal
snto �������.
la
laenseñal
senergía
launseñal
en
s a un
semiperiodo
de en un está
sla señal
semiperiodo quedada
semiperiodoestá
se po
dada
quiere po
or esuestá integral
or
estásu integral
dada
dada ypor:
p el semiper
y el su
por semiper
riodo riodo
está deefi
est
0 � � 12 2 � = ���������� � �������.
�rango � �
rango
La oennergía
entre
integral o (0
entre
deyla�y(0 ).señal
sel Por
y semiperiodo
).loPor
tannto
lo
s la tannto
energíalaestá
energía
a de laa señal
de la po
definido señal
que
oren seque quiere
un se equiere
rango está
y eledada
estápor:
entre pdada p está d
por:
� en un semiperiodo está dada su integral semiper riodo
��������� ������� ���� ������ ���� �−2� + 2� 12 1 ≤ � ≤ 12 2.5 (8) (8)) �⁄ � ⁄
1 � � 12 2.5La en rango
nergía de�la���� (0
o y
entre
señal
s = en ). (0 y ).Por
�� un��semiperiodo
� Por
s� ��� �� lo
lo
�⁄ ��tanto
tannto
� �está la
=� �
⁄
la �energía
energía
dada cc��
� a de
poor �� la de� la
señal
su integral � señal
que
��� ��y el�semiper se que
quiere
⁄� �⁄riodo
se
e quiere
está dada p
por:
� está deefinido(10 en
� ��� 0cc��
rangoo entre (0 yestá
�
). Pordada lo�����
tan nto�=la
por: ���� =
�energía����a ���
de �la
�� ���
� señal� ��= que��se=
�� � ��
quiere e � ��
cc��
está dada � por:
p
�
�⁄ � � 0 0
� � �⁄�
����� = �� � �� ��� �� �� � = � � cc�� �� �
La variable de salida es de tipo Singleton debido a que �⁄ �
�
�⁄� 0
����� = �� � �� ��� �� �� � = � � cc�� �� � (10) (1
vamos a seleccionar la fuente entre panel, batería y red � 0
eléctrica. Estas salidas están representadas mediante valo-
res discretos, en la Figura 6 se muestran los tres conjuntos De la ecuación 10 se obtiene la energía correspondiente al
difusos. área del medio ciclo de la señal sinusoidal que es la misma
energía que se desea en la señal PWM, esta área se puede
De la Ecu. 10 se obtiene la energía correspondiente al área del medio ciclo de la señal sinusoidal q
Una vez definida la base de datos el paso a seguir
es laes
dividir
ge- energía
misma
en intervalos de tiempos regulares (np) como se
que se desea en la señal PWM, esta área se puede dividir en intervalos de tiemp
regulares
nerar la base de reglas para el controlador difuso. muestra a continuación.
(np) como se muestra
Estas a continuación.
reglas fueron generadas a partir del conocimiento que se � �� �� � � ��
�� = 0, �� = , �� = , �� = = �� = (11) (1
tiene con respecto al inversor y comportamiento de las �� � �� � �� � � �� �
fuentes de alimentación, y se muestran en la tabla 2.
������ � = 0,�,�,�, � � � � � � ������ ��� ���������� �� �������

Como el medio ciclo de la señal fue dividido en n intervalos, es necesario hallar la energía de cada u
98 esto se realiza haciendo uso de la Ecu. 12.
de estos intervalos,
��
�� �� ��
 De la Ecu. 10 se obtiene la energía correspondiente al área del medio ciclo de la señal sinusoidal que
es la misma energía que se desea en la señal PWM, esta área se puede dividir en intervalos de tiempos
regulares (np) como se muestra a continuación.
la Ecu. 10 se obtiene la energía correspondiente al área del medio ciclo de la señal sinusoidal que
Prospect. Vol. 11, No. 2, Julio - Diciembre de 2013, págs. 94-101
a misma energía que se desea en la señal PWM,� esta área se��puede dividir �� �en intervalos
� de��tiempos
�� = 0, �� = , �� = , �� = = �� = (11)
ulares (np) como se muestra a continuación. �� � �� � �� � � �� �
Ecu. 10 se obtiene la energía correspondiente al área del medio ciclo de la señal sinusoidal que
misma energía������ que se desea en � la0,�,�,�,
señal PWM, esta área
�� � se���puede dividir
�� en ��intervalos
������� de tiempos
Los resultados obtenidos con las dos técnicas se muestran
� = 0, ��= �� = � � ,� � � ���=������ ����������
�� �
� = � �, = �� = (11)
res (np) como� se muestra a continuación.
� �� � �� � � �� �
en la tabla 3, donde la entrada al controlador fue la misma
cu. 10 se obtiene Comolaelenergía medio correspondiente
ciclo de la señal al fueárea
dividido en n intervalos,
ciclo��de la es necesario hallar la energía de cada uno
��� � = � =Como �� �del medio señal sinusoidal
n inter-de tiempos
que
para ambos casos.
0,�,�,�, ��el � medio ciclo
� �� � ,� � ������ se�����de la señal
, ���������� fue
��uso dividido enintervalos
��������
sma energía de0,
� que estos
se desea intervalos,
= en la �esto
señal
� = PWM, realiza �� haciendo
esta =área se = puede de��dividir
la=[Link] 12. (11)
�� � �� � �� � � �� �
s (np) valos,
como ciclo
se muestra es anecesario
continuación. hallar la energía de cada uno de estos
�� en n intervalos, es necesario hallar la energía de cada uno
mo el medio de la señal fue dividido Tabla 3. Resultados de simulación y comparación de téc-
� � = intervalos,
0,�,�,�, �
estos intervalos, esto se realiza � � � esto
� � se
������
haciendorealiza
��� haciendo
���������� �� uso
�
�������de la ecuación
� �12.
�� uso de la Ecu.
��� 12.
�� = − � � ��� �� �� � � = − � ���� � − ��� 0�
�� = 0, �� =
� �
, ��� = = � � ���
,� �� = �� = � �� = nicas.
(11)
�� � �� � �� � � �� � ���� �
el medio ciclo de la �señal � fue dividido ���� en n intervalos, es necesario hallar la energía de cada uno 3. Simulation results and comparison techniques.
Table
s intervalos, esto se realiza haciendo uso ��de la Ecu. 12. �� ��
�= �� = ��� ��� �
0,�,�,�, ���� ���������� =��� �− ����������
��� �� � �� ������� =− ���� � − ��� 0�
= − � ���� � ����� ��� ������� � � (12)
������ � (12) Respuesta con Respuesta
medio ciclo de la señal fue dividido en �� n intervalos, es
�� necesario
�� hallar la energía de cada uno
Entrada al controlador
�
intervalos, estoUna
= �vez � se logra
��� �� conocer
�� = − el área
��� de
�� cada
� uno
= de
− los ����
intervalos
� − ���podremos
0� conocer al ancho de cada uno Mamdani con TSK
=se−realiza ����haciendo uso �de la Ecu. 12.
� ��
�
����� ��� �� � � amplitud���� � (12)
de los
����pulsos� si conocemos la de la señal PWM, el ancho de los pulsos lo obtenemos
Nivel de carga a través
11.5
de la�� Ecu. 13. 1 1
a vez se logra conocer �� el área de cada uno �� de los intervalos �� ��
podremos conocer al ancho de cadaEstado uno del clima 22
� = Una �vez
= −
�
os pulsos si� conocemos � ����
� la ��� seamplitud
���� logra
��
��� =���conocer
− ��
de � la� señalelPWM,
���� �� área
� de
=
����el ��
−cada
ancho uno de los inter-
���� � − ��� 0�
��de� los pulsos lo obtenemos a través
(12)
Nivel de carga 12 (13)
� = 2.87 2.87
a Ecu. 13. valos ���� podremos conocer al ancho de cada
�� uno de los pul- Estado del clima 22
ez se logra conocer el área de cada uno de los intervalos podremos conocer al ancho de cada uno
sos��si conocemos la amplitud de la señal PWM, el ancho Nivel de de
carga
=Para
pulsos si conocemos− determinar
���� �����las
la amplitud ���características
de��la�� señal� PWM,
� �� = �
de laelseñal
anchoPWM,de los se debelodeterminar
pulsos obtenemoslaaubicación
través
(12)
(13) cada12.5
uno de 3 3
cu. 13. de los
� pulsos
los pulsos obtenidos lo obtenemos
en el centro �� de a sus
través de la ecuación
respectivos 13. esto se utiliza
intervalos, para Estado del clima
la Ecu. 14. 20
asedeterminar
logra conocer el área de cada
las características de uno de los
la señal PWM,
��
intervalos
se debe podremos
���� ��determinar
���
conocer al ancho��de
la ubicación
���� ��� de
cadaNivel
uno de carga 13
�cada uno de 3 3
ulsos si conocemos la amplitud de ��señal
la
pulsos obtenidos en el centro de sus respectivos � =�����PWM, � =
�� intervalos,el� ancho (13)
�
−
de los
� para esto
� � �
pulsos lo +
obtenemos
� se utiliza�la Ecu.� 14.
� a (13) del clima 20(14)
través
Estado
u. 13.
Teniendo estos deparámetros Nivel de carga 13micro
eterminar lasPara características la señal � se ��procede
���� ��PWM, � se debe �a determinar
implementar el algoritmo
la ubicación de programación
de cada uno de en el 2 2
determinar
������ = �las características
�− � � � ��� de
���
+ la� �señal PWM, se
��
(14) del clima 23.5
Estado
controlador.
sos obtenidos en el centro de sus respectivos
��� = � �
intervalos, para esto se utiliza la Ecu. 14.
� � � (13)
debe determinar la ubicación �� de cada uno de los pulsos Nivel de carga 11.7
iendo estos parámetros seenprocede
4." obtenidos el ����a��implementar
centro � de el� algoritmo
���sus respectivos �� de programación en el micro 3 3
RESULTADOS + � �intervalos, para
���
erminar las �����
características de =la �señal PWM, − �se � ���
�debe determinar la ubicación de cada uno Estado
de del clima 22.5
(14)
trolador. �
os obtenidos esto se utiliza
de suslarespectivos
ecuaciónintervalos,14.
� � � �
en el centro para esto se utiliza la Ecu. 14.
do estos La herramienta
parámetros se de simulación
procede a Matlab el
implementar en algoritmo
la toolbox de fuzzy ofrece la opción
programación en elEl de simular el controlador
micro
SULTADOSpor el método mamdani ���� ���o por ��� Takagi-Sugeno-Kang
���� ��� ��� (TSK). Para este caso se método
hizo que se desarrollo
la simulación por en este trabajo para la imple-
lador. ������ = �
los dos métodos comparando
�
− ���
�su respuesta
+ �
� y posteriormente
�
(14)
escogiendo el método
(14)
mentación del controlador
implementado en el es el de Mamdani ya que este
herramienta de simulación Matlab en la toolbox fuzzy ofrece la opción de simular el controlador
sistema. método nos proporciona una forma genérica para su dise-
oLTADOS
el estos
método mamdani
parámetros
Teniendo osepor Takagi-Sugeno-Kang
procede
estos a implementarse
parámetros (TSK).
el procedePara este
algoritmo caso se hizo la simulación
adeimplementar
programación en
el el micro por
dos métodos Figura
dor. comparando
8. su respuesta
Respuesta del ycontrolador
posteriormente con escogiendo
la técnica el método implementadoño
Mamdani. enyelno se tiene que buscar una ecuación a la salida que se
ramienta de algoritmo
ema.
de programación
simulación Matlab en la toolbox fuzzy en elofrecemicrolacontrolador.
opción de simular el controladoradapte a la respuesta que se requiera.
método mamdani Figureo [Link] of the Mamdani
Takagi-Sugeno-Kang controller
(TSK). Para technique.
este caso se hizo la simulación por
TADOS
suramétodos comparando
4. RESULTADOS
8. Respuesta su respuesta
del controlador con ylaposteriormente
técnica Mamdani. escogiendo el método implementado en el
a.
Una vez definido el mecanismo de inferencia (máximo-
ure
mienta8. Response of the Mamdani
de simulación Matlab encontroller
la toolbox technique.
fuzzy ofrece la opción de simular el controlador
método mamdani o por Takagi-Sugeno-Kang (TSK). Para este caso se hizo la simulación por
mínimo), el enfoque implementado fue FITA (First Aggre-
amétodos
8. Respuesta Ladelherramienta
controlador delasimulación
con técnica Mamdani. Matlab en la toolbox fuzzy gate, Then inference) ya que este ofrece un menor costo
comparando su respuesta y posteriormente escogiendo el método implementado en el
e 8. Responseofrece la opción
of the Mamdani de simular
controller technique. el controlador por el método computacional. Y el método de desfuzzyficacion emplea-
mamdani o por Takagi-Sugeno-Kang (TSK). Para este caso do fue Centro de gravedad, de esta forma se obtiene a la sa-
8. Respuestase
delhizo
controlador con la técnica
la simulación porMamdani.
los dos métodos comparando su lida el valor representativo sin discontinuidades. Una vez
8. Response of the Mamdani controller technique.
respuesta y posteriormente escogiendo el método imple- definidos los parámetros se procedió a trabajar en el pro-
mentado en el sistema. ceso del controlador.

Figura 8. Respuesta del controlador con la técnica Mam- El controlador se implementó en un microcontrolador de
dani. gama alta (PIC 18F4550) y se utilizó el software de pro-
Figure 8. Response of the Mamdani controller technique. gramación CCS. Como entradas se tomaron las medidas
obtenidas del panel y batería, estas medidas se hicieron a
través de un divisor de tensión y datos medidos suminis-
trados por los optoacopladores como se muestra en la Fig.
9. Este divisor se ha calibrado de tal manera que cuando el
voltaje de sus terminales sea el máximo en el medio obten-
gamos el voltaje límite con el cual la salida del optoacopla-
dor responde a variaciones en la entrada. Como podemos
ver los optoacopladores U4, U5 y U6 cumplen el objetivo
de proteger y aislar el circuito de control de la etapa de
potencia conformada por los dispositivos de conmutación
(relés) los cuales reflejan en la salida la decisión del con-
trolador. Los relés en su estado normalmente cerrados re-
flejan en la salida la entrada de la red eléctrica. Cuando el
controlador tome como decisión el suministro de energía

99
Diseño de una smart grid para un sistema híbrido de energía

la red eléctrica convencional, este tendrá que informar al En la Figura 10 se observa la simulación de la señal PWM
inversor para que deshabilité los MOSFET. optimizada con np = 12. Esta simulación fue desarrollada
en el software de simulación electrónica Proteus. Una vez
En la Figura 9 se puede observar el circuito diseñado en realizado el diseño se procedió a la implementación física
el software de simulación electrónica Proteus. El circuito del circuito, obteniendo como resultado una salida como
implementado físicamente, posee un sistema para la vi- la que se muestra en la Figura 11.
sualización y supervisión del sistema.
Figura 11. Salida del inversor con un Np=3.
En el inversor desarrollado bajo la técnica de modulación Figure 11. Inverter output with Np = 3.
PWM optimizada empleando el método directo, se diseño
una modulación con np=12 consiguiendo buenos resulta-
dos en cuanto a disminución de armónicos.

Figura 10. Señal PWM optimizada con NP =12.

Figure 10. Optimized PWM signal with NP = 12.

Figura 9. Diagrama esquemático para el circuito del controlador.

Figure 9. Controller board’s schematic diagram.

100
 Prospect. Vol. 11, No. 2, Julio - Diciembre de 2013, págs. 94-101

En esta imagen (figura 11) se evidencia la salida del sis- [3] Kurohane, K.; Senjyu, T.; Yona, A.; Urasaki, N.; Goya,
tema en su funcionamiento real, esta señal es obtenida a T.; Funabashi, T., “A Hybrid Smart AC/DC Power System,”
traves de la medida de un osciloscopio, aquí se evidencia Smart Grid, IEEE Transactions on , vol.1, no.2, pp.199,204,
la correspondencia con el diseño y frecuencia nominal de Sept. 2010
red. Las pruebas y validaciones se realizaron con la cone-
xión de una carga de 300 Watts de potencia, permitiendio [4] Chenlo F., Abella M. “Inversores para conexión de siste-
corroborar como tal el éxito del desarrollo de este trabajo. mas fotovoltaicos a la red eléctrica.” en Era solar: Energías
renovables 115, España, 2003, pp. 18-33.
5. CONCLUSIONES
[5] Cáceres M., Busso A., Cadena C., Vera L., “Determinación
• Se desarrolló el cálculo para un inversor con topología de la eficiencia de conversión del inversos empleado en un
transformador de toma media para un Np=1, Np=3 y sistema de generación fotovoltaica conectado a la red instalado
Np=12. De los cuales se implemento con Np=12. Debido en el nordeste argentino” en Avances en Energías Renovables
a que sistema con Np=1 la señal tendría muchos armóni- y Medio Ambiente Vol. 12, Argentina, 2011, pp. 4.17-4.24.
cos. El diseño implementado fue el Np=12, sería el ade-
[6] Morales, G. “Introducción a la lógica difusa.” Cinvestav-IPN,
cuado, ya que este garantizaría mejores resultados en la
México, 2002.
disminución de armónicos. Para la implementación de
este diseño se utilizaron dispositivos optoacopladores [7] Garcés Pedro. “Analisis y control de convertidores con-
de alta velocidad de respuesta, para evitar solapamien- tinua-continua para módulos reguladores de baja tensión”
tos en los pulsos de conmutación; para de esta forma ga- Universitat Rovira I Virgili.
rantizar un óptimo funcionamiento del inversor. Como
dispositivos de conmutación se utilizaron MOSFET de [8] Timothy J. M., “Electrónica industrial. Dispositivos y
canal n y de enriquecimiento, con un método de modu- sistemas”. Primera edición, Prentice Hall, 2006.
lación directo optimizado obteniendo una señal a la sali-
da de 110v AC a 60 Hz para una entrada de 12V DC. [9] Pardo A. y Díaz J. L. “Aplicaciones de los convertidores
de frecuencia. Estrategias PWM.” Universidad de Pamplona,
• La lógica difusa toma gran importancia en la repre- Editorial JAVA E.U., Colombia, 2004.
sentación de respuestas ambiguas de sistemas reales,
presenta su principal aplicación en los sistemas de [10] Gallardo, J. “Diseño e implementación de un control escalar
control difuso. Gracias a la flexibilidad que se tiene para un convertidor de frecuencia trifásico utilizando modu-
para interpretar a partir de esta el razonamiento hu- lación PWM regular, optimizado para el dsp 56f801”, Trabajo
mano basado en reglas; permiten mejorar, solucionar fin de carrera. Universidad de Pamplona, Pamplona, 2006.
y facilitar la forma de representación de modelos ma-
temáticos más complejos. [11] del Rio; Martin, Bonifacio; Sanz Molina, Alfredo. Redes
neuronales y sistemas difusos. Addison, Wesley Iberoame-
• En base a los resultados obtenidos, es posible concluir ricana. Estados Unidos. 2002.
que la técnica de control difuso no solo es eficiente
[12] DNegri, C. E., & De Vito, E. L. (2006). Introducción al
para sistemas no lineales y de difícil modelado ma-
razonamiento aproximado: Lógica Difusa. Revista Argentina
temático, también es eficiente para sistemas sencillos
de medicina respiratoria, 14, 128-130.
como el implementado en este trabajo, el cual presen-
ta como salida una señal tipo singleton presentando [13] Moreno Velo, Francisco José. “Un entorno de desarrollo
una gran fiabilidad y robustez. para sistemas de inferencia complejos basados en lógica
difusa.” 2013
REFERENCIAS
[14] R.R. Yager y D.P. Filev. “Essentials of fuzzy modeling
[1] Mohd, A.; Ortjohann, E.; Schmelter, A.; Hamsic, N.; and control”, John Wiley, 1994.
Morton, D., “Challenges in integrating distributed Energy
storage systems into future smart grid,” Industrial Electro- [15] L. Reznik. “Fuzzy controllers”. Newnes, 1998.
nics, 2008. ISIE 2008. IEEE International Symposium, Junio
30 2008-Julio 2 2008 [16] Alberto Pedro Lorandi Medina Controladores PID y
Controladores Difusos, Revista de Ingeniería Industrial
[2] Salvadori F., Gehrke C.S., Campos M., Sausen P. S., Oliveira Vol 5 N° 1, 2011.
A. C. “A Hybrid Network Architecture Applied to Smart
Grid”, International Journal of Computing and Network [17] Caicedo, E., J.A. Lopez y M.A. Muñoz, Control Inteli-
Technology, Int. J. Com. Net. Tech. 1, No. 1, 45-59 (2013) gente, Universidad del Valle, 2009.

101

View publication stats