Emulador A Pequeña Escala de Un SFVR, Bajo La Aplicaci (On de GD para Un Usuario Residencial PDF

EMULADOR A PEQUEÑA ESCALA DE UN SISTEMA FOTOVOLTAICO CONECTADO A LA RED,
BAJO LA APLICACIÓN DE GENERACIÓN DISTRIBUIDA PARA UN USUARIO TIPO RESIDENCIAL
MAURICIO ALEXANDER URUEÑA SAAVEDRA
DANIEL ALBERTO BALAGUERA CAÑOLA
ANDRÉS FELIPE CORTÉS BORRAY
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA
PROYECTO CURRICULAR DE INGENIERÍA ELÉCTRICA
LÍNEA DE INVESTIGACIÓN EN FUENTES ALTERNATIVAS DE ENERGÍA (LIFAE)
BOGOTÁ D.C.
2013
i
EMULADOR A PEQUEÑA ESCALA DE UN SISTEMA FOTOVOLTAICO CONECTADO A LA RED,
BAJO LA APLICACIÓN DE GENERACIÓN DISTRIBUIDA PARA UN USUARIO TIPO
RESIDENCIAL
Proyecto para optar al título de
Ingeniero Eléctrico
MAURICIO ALEXANDER URUEÑA SAAVEDRA

Código: 20082007007
DANIEL ALBERTO BALAGUERA CAÑOLA
Código: 20082007032
ANDRÉS FELIPE CORTÉS BORRAY
Código: 20082007033
Director
Ing. MsC. PhD. JOHANN ALEXANDER HERNÁNDEZ MORA
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DE INGENIERÍA
PROYECTO CURRICULAR DE INGENIERÍA ELÉCTRICA
LÍNEA DE INVESTIGACIÓN EN FUENTES ALTERNATIVAS DE ENERGÍA (LIFAE)
BOGOTÁ D.C.
2013
Johann Alexander Hernández Mora. PhD.
Director proyecto de grado
Nota de Aceptación:
Firma del Jurado
Firma del jurado
Noviembre 2013
iii
iii
Este trabajo de grado está dedicado especialmente a Dios por brindarme la vida a través de mis queridos
padres.
A mí querida madre que gracias a su esfuerzo y perseverancia ha logrado inculcar en mí el sentido de

lucha para alcanzar y cumplir con esta meta que concluye.
A mis queridos hermanos que han estado a mi lado para apoyarme incondicionalmente a lo largo de este
camino.
Finalmente, a mis dos grandes compañeros de estudio, ya que junto a ellos he alcanzo grandes triunfos
durante el transcurso de esta etapa de mi vida.
Mauricio Alexander Urueña Saavedra

iv
Dedico este libro por sobre todas las cosas a mis padres, ya que gracias a ellos llegué a donde estoy.
Recordando con gratitud que siempre estuvieron con migo a lo largo de todo este tiempo. Asimismo, deseo
expresar mi gratitud y afecto a mis compañeros de proyecto de grado, personas a las que considero
verdaderos amigos y a las cuales dedico este trabajo.
En ese mismo orden de ideas, dedico este libro a todos aquellos que se interesaron en mí mientras estaba
trabajando en este proyecto, puesto que me brindaron su ayuda y apoyo en el momento en que lo
necesitaba.
Por último, pero no menos importante, dedico el fruto de este trabajo de grado al de arriba, porque sé que
sin su gracia, no habría tenido la tenacidad para llegar al final.
Daniel Alberto Balaguera Cañola

v
Desde lo más profundo de mi corazón, dedico este libro a ti Jesús por haberme dado las fuerzas y la
entereza necesaria para caminar durante estos cinco años de aprendizaje y crecimiento integral en todas
las áreas de mi vida, logrando así vislumbrar un sendero en el caminar de mi vida.
Asimismo, en mi sentir más sincero, dedico todo lo alcanzado en este proyecto y durante mis años de
estudio en la universidad a mis padres, por su apoyo incondicional y los consejos sinceros que dieron, los
cuales aproveché en todo momento para entregar lo mejor de mí. Porque es aquí, donde todo se resume
como un resultado de gran satisfacción de mis sueños y metas.
Andrés Felipe Cortés Borray

vi
AGRADECIMIENTOS
Me gustaría que estas líneas sirvieran para expresar nuestro más profundo y sincero agradecimiento
a todas aquellas personas que con su ayuda han colaborado en la realización del presente proyecto
de grado, en especial al Ing. Johann Alexander Hernández, director de este proyecto, por la
orientación, apoyo, paciencia y por el seguimiento continuo del mismo. Pero, sobre todo, por la
motivación y el conocimiento recibido a lo largo de estos años.
Especial reconocimiento merece el interés mostrado por nuestro trabajo y las sugerencias recibidas
del profesor y amigo Ing. Oscar David Flórez, con el que nos encontramos en deuda por todas las
horas dedicadas en el laboratorio y el ánimo infundido y la confianza en nosotros. También nos
gustaría agradecer la ayuda recibida del Ing. Oscar Eduardo Guzmán, por su ayuda incondicional en
la búsqueda de las herramientas para el desarrollo del sistema de control del proyecto.
Quisiéramos hacer extensiva nuestra gratitud al grupo de investigación LIFAE, por brindarnos el
espacio donde trabajar, así como los equipos y herramientas para el desarrollo del proyecto de
grado, especialmente a los compañeros de este grupo, porque entre todos compartimos los
conocimientos adquiridos. Asimismo, extendemos nuestro agradecimiento al Ing. Julián Camargo,
por facilitarnos el uso de los laboratorios de la universidad, en especial el uso de la fuente
programable.
Por último, pero no menos importante, agradecemos al Centro de Investigación y Desarrollo

Científico (CIDC) de la Universidad Distrital “Francisco José de Caldas”, por materializar su apoyo
económico para el desarrollo de nuestro proyecto.
Y finalmente, sobre todas las personas mencionadas, un agradecimiento muy especial merece la
comprensión, paciencia y el ánimo recibidos de parte de nuestros familiares y amigos.
vii
Resumen
En este proyecto de grado se presenta un prototipo que comprende tanto, hardware como software,
sustentando el concepto de generación distribuida mediante generadores fotovoltaicos y a su vez
aplicando conceptos de redes inteligentes. Esto, debido a que actualmente el país no cuenta con
una forma de estudio técnica para observar el comportamiento de este tipo de tecnología sobre el
sistema de potencia, ya que la regulación gubernamental no lo establece. Por tal razón, el sistema
tendrá la capacidad de gestionar la energía a partir de curvas típicas de demanda de un usuario
residencial y a partir de la curva de irradiancia de un generador fotovoltaico. De esta manera, este
sistema podría ser utilizado para usuarios comerciales e industriales.
En primer lugar, para el desarrollo del software, que simula el comportamiento del generador
fotovoltaico conectado a la red de baja tensión, se trabaja con la herramienta computacional
Matlab®, mediante el entorno de programación visual GUIDE. Este programa permite simular tres
diferentes casos que pueden ocurrir con un SFVCR. El primero se basa únicamente en el consumo
de energía de la red de distribución, el segundo se basa solamente en la generación de energía por
parte del arreglo fotovoltaico y finalmente el último se basa en el consumo de energía junto con la
generación de la misma.
Seguidamente, se realiza un modelo físico que ejemplifique los resultados que se obtienen a partir
del programa, es decir, de esta manera se logra representar el comportamiento de la curva final
proveniente del software, de tal forma se pueda trabajar con ambas herramientas (software y
hardware), lo que significa que el usuario puede trabajar en tiempo real tanto con el software como
con la maqueta, determinando de forma práctica el comportamiento del generador fotovoltaico. Para
ello, se debe comunicar los resultados del programa con el modelo físico por medio de un puerto
serial y USB, los cuales son controlados utilizando un Microcontrolador y una fuente DC
respectivamente.
Finalmente, el desarrollo de este proyecto permite observar y estudiar de manera práctica y

entendible, la gestión de la demanda de un usuario que participa de forma activa en una red
inteligente.
ix
Abstract
In this degree project is presented a prototype that includes such hardware and software, sustaining
the concept of distributed generation through photovoltaic generators and at the same time it is
applying concepts of smart grids. This is because at present Colombia does not count with a
technical learning way to observe the behavior of this type of technologies over the power system,
due to Colombian regulation settled. Accordingly, the system will be able to manage energy from
typical demand curves of a typical residential user and at the same time, the radiation curve from the
photovoltaic generator. Also, this system might be used to commercial and industrial users.
First of all, to the development of the software, which simulates the photovoltaic generator‟s behavior
connected into the low voltage grid; the computation tool MATLAB® is used, through its visual
environment‟s programming GUIDE. This software allows to simulate three different cases that may
be happen with a PVSGC (Photovoltaic System Grid Connected). The first one is based only on
energy consumption from the distribution grid, the second one is based on power generation by
photovoltaic array, and finally, the last one is based on the energy consumption and power
generation working together.
Then, a physical model is developed to exemplify outcomes obtained from the software, thus the final
curve behavior from the software can be represented, in such a way that the user can work with both
tools (software and hardware), which means that the user can work with the software, abreast the
model, determining in a practical way the photovoltaic generator‟s behavior. According to that, the
outcomes from the software must be communicated with the model through a serial port and a USB
port, which are driven using a microcontroller and a DC power supply.
Finally, the development of this project allows to observe and studying in a practical and
understandable way, the management demand from an user that participates in an active way into a
smart grid.
x
Contenido
INTRODUCCIÓN ................................................................................................................................... 1
1.1. Objetivos ............................................................................................................................... 4
1.2. Estructura del documento ....................................................................................................... 4
MARCO CONCEPTUAL ......................................................................................................................... 8
2.1. Sistema Fotovoltaico .............................................................................................................. 8
2.2 Sistema fotovoltaico conectado a la red (SFVCR)...................................................................... 9
2.3 Funcionamiento SFVCR [18] ................................................................................................. 10
2.4 Generación Distribuida ......................................................................................................... 10
2.5 Gestión de la Demanda ........................................................................................................ 11
DISEÑO Y DIMENSIONAMIENTO DEL SISTEMA FOTOVOLTAICO CONECTADO A LA RED Y DE LAS
CARGAS QUE MODELAN LA DEMANDA DEL USUARIO....................................................................... 14
3.1 Diseño y dimensionamiento del SFVCR ................................................................................. 14
3.2 Diseño de las cargas que modelan la curva de demanda del usuario ........................................ 18
DESARROLLO DEL SOFTWARE .......................................................................................................... 21
4.1 Grafical User Interface (GUI) ................................................................................................. 21
4.2 Ventana principal ................................................................................................................. 22
4.3 Redes Neuronales Artificiales RNA ........................................................................................ 25
4.4 Curvas de Demanda ............................................................................................................. 30
4.5 Curvas de Potencia Generada ............................................................................................... 35
4.6 Generación Curva Total ........................................................................................................ 44
PROTOCOLOS DE COMUNICACIÓN ................................................................................................... 46
5.1 El modelo de referencia OSI .................................................................................................. 46
5.2 Protocolo de comunicación serial ........................................................................................... 47
5.3 Protocolo de comunicación VISA ........................................................................................... 52
5.4 Establecer comunicación ...................................................................................................... 55
xi
5.5 Adquisición de Datos ............................................................................................................ 57

PROTOTIPO FÍSICO............................................................................................................................ 62
6.1 Nivel 1 ................................................................................................................................. 62
6.2 Nivel 2 ................................................................................................................................. 64
6.3 Nivel 3 ................................................................................................................................. 66
6.4 Panel Frontal ....................................................................................................................... 67
ANÁLISIS DE RESULTADOS ............................................................................................................... 70
7.1 Escenario 1 ......................................................................................................................... 70
7.2 Escenario 2 ......................................................................................................................... 72
7.3 Escenario 3 ......................................................................................................................... 74
CONCLUSIONES................................................................................................................................. 77
APORTES ORIGINALES ...................................................................................................................... 80
TRABAJOS A FUTURO ........................................................................................................................ 81
BIBLIOGRAFÍA .................................................................................................................................... 83
ANEXO A. PRODUCTIVIDAD ............................................................................................................... 89
A1. Publicaciones derivadas de este trabajo ................................................................................. 89
A2. Publicaciones que complementan la formación de pregrado ................................................... 89
ANEXO B. DIMENSIONAMIENTO DEL CONDENSADOR Y LA INDUCTANCIA ........................................ 90
B.1 Reactancia Capacitiva .......................................................................................................... 90
B.2 Reactancia Inductiva ............................................................................................................ 91
ANEXO C. BALANCE ENERGÉTICO .................................................................................................... 93
ANEXO D. CURVAS RESULTANTES DEL MODELAMIENTO DEL SOFTWARE ...................................... 94
D1. Curva de Demanda 1 .............................................................................................................. 94
D4. Curva de Demanda por RNA ................................................................................................... 97
D5. Curva de Generación Ideal ...................................................................................................... 98
D6. Curva de Generación „03-09-12‟ por RNA ................................................................................. 99
D7. Curva de Generación „02-10-12‟ por RNA ............................................................................... 100
D10. Curva Total ........................................................................................................................ 103
xii
ANEXO E. CARACTERIZACIÓN DEL INVERSOR ................................................................................ 104

ANEXO F. CURVA DE DEMANDA RESIDENCIAL ................................................................................ 107
ANEXO G. EQUIPOS UTILIZADOS E INSTALADOS EN EL PROTOTIPO .............................................. 109
G1. Equipos Utilizados ................................................................................................................ 109
G2. Equipos Instalados en el Prototipo ......................................................................................... 113
ANEXO H. MARCO REGULATORIO DE LA GENERACIÓN DISTRIBUIDA ............................................ 116
H1 Regulación en Colombia ..................................................................................................... 116
H2 Regulación a nivel mundial .................................................................................................. 117
ANEXO I. PRESUPUESTO ................................................................................................................. 118
ANEXO J. DISEÑO DEL PROTOTIPO FÍSICO ..................................................................................... 121
J1. Nivel 3 .............................................................................................................................. 121
J2. Nivel 2 ............................................................................................................................... 122
J3. Perfiles de Sujeción Horizontal y Vertical .............................................................................. 123
J4. Pieza Frontal..................................................................................................................... 124
J5. Pieza Lateral ..................................................................................................................... 124
J6. Pieza Trasera .................................................................................................................... 125
ANEXO K. ALGORITMOS DE PROGRAMACIÓN ................................................................................. 126
K1. Sección Algoritmo Básico .................................................................................................... 126
K2. Sección Algoritmo comunicación fuente Agilent..................................................................... 126
K3. Sección Algoritmo comunicación cargas ............................................................................... 127
K4. Sección Algoritmo RNA ...................................................................................................... 127
K5. Algoritmo comunicación serial Microcontrolador .................................................................... 127
xiii
Lista de Figuras
Figura 1. Diagrama Esquemático SFVCR .......................................................................................................... 3
Figura 2. Diagrama de flujo de la metodología desarrollada .............................................................................. 6
Figura 3. Diagrama de Bloques (a) Sistema Autónomo y (b) Sistema Interconectado. ...................................... 8
Figura 4. Sistema fotovoltaico Conectado a la Red. ........................................................................................... 9
Figura 5. Carga Resistiva ................................................................................................................................. 19
Figura 6. Configuración cargas RLC ................................................................................................................. 19
Figura 7. Controles de la interfaz. Matlab® ...................................................................................................... 22
Figura 8. Ventana Principal............................................................................................................................... 23
Figura 9. Interfaz Opciones Consumo y Generación ........................................................................................ 25
Figura 10. Modelo Neurona Artificial Estándar. Fuente: [35] ............................................................................ 28
Figura 11. Red Neuronal Tipo Feedforward...................................................................................................... 29
Figura 12. Curva de Demanda 1, 2, 3............................................................................................................... 31
Figura 13. Curva de Demanda Objetivo ........................................................................................................... 32
Figura 14. Estructura propuesta predicción Curva de Demanda ...................................................................... 33
Figura 15. Entrenamiento RNA Curva de Demanda ......................................................................................... 34
Figura 16. Regresión Lineal Curva de Demanda .............................................................................................. 34
Figura 17. Performance Red Curva de Demanda............................................................................................. 35
Figura 18. Curva de Irradiancia Laboratorio ..................................................................................................... 36
Figura 19. Curva Temperatura Ambiente Laboratorio ...................................................................................... 36
Figura 20. Curva de Potencia Generada Objetivo ............................................................................................ 40
Figura 21. Estructura Propuesta Predicción Curva de Potencia Generada ...................................................... 41
Figura 22. Entrenamiento RNA Curva Potencia Generada .............................................................................. 42
Figura 23. Regresión Lineal Curva Potencia Generada ................................................................................... 43
Figura 24. Performance Red Curva Potencia Generada .................................................................................. 43
Figura 25. Curva Ideal V-I ................................................................................................................................. 44
Figura 26. Modelo referencia OSI. Fuente: [53] ................................................................................................ 46
Figura 27. Diagrama del conector DB-9. Fuente: [55]. ..................................................................................... 47
Figura 28. Diagrama de Bloques Arquitectura MC68HC908JL8. Fuente: [56]. ................................................ 48
Figura 29. Diagrama de Bloques Módulo SCI. Fuente: [56] ............................................................................. 49
Figura 30. Circuito MAX232. Fuente: [57] ......................................................................................................... 50
Figura 31. Diagrama de Flujo Control de Cargas ............................................................................................. 51
Figura 32. Circuito control de cargas ................................................................................................................ 52
Figura 33. Símbolo USB. Fuente: [59] .............................................................................................................. 53
Figura 34. Fuente Agilent N8762A.................................................................................................................... 53
Figura 35. Panel frontal Fuente Agilent N8762A............................................................................................... 53
Figura 36. Panel trasera Fuente Agilent N8762A. ............................................................................................ 54
Figura 37. Diagrama de Flujo control fuente programable DC Agilent N8762A................................................ 54
xiv
Figura 38. Botón para establecer comunicación ............................................................................................... 55

Figura 39. Espacios Editables para establecer comunicación. ......................................................................... 55
Figura 40. Tiempos de simulación. ................................................................................................................... 55
Figura 41. Resistencia Shunt ............................................................................................................................ 57
Figura 42. Corriente del sistema ....................................................................................................................... 58
Figura 43. Diagrama de flujo adquisición de datos. .......................................................................................... 59
Figura 44. Grafica resultante adquisición de datos ........................................................................................... 60
Figura 45. Prototipo Físico ................................................................................................................................ 62
Figura 46. Disposición elementos nivel 1.......................................................................................................... 63
Figura 47. Inversor. ........................................................................................................................................... 63
Figura 48. Salidas del inversor ......................................................................................................................... 63
Figura 49. Diagrama de Bloques conexión inversor. ........................................................................................ 64
Figura 50. Punto de Acople Común .................................................................................................................. 64
Figura 51. Nivel 2 .............................................................................................................................................. 65
Figura 52. Circuito Impreso............................................................................................................................... 65
Figura 53. Relés................................................................................................................................................ 66
Figura 54. Nivel 3 .............................................................................................................................................. 66
Figura 55. Sistema de Refrigeración ................................................................................................................ 67
Figura 56. Indicadores Panel Frontal ................................................................................................................ 67
Figura57. Comparación Curvas Escenario 1 .................................................................................................... 71
Figura 58. Comparación curvas escenario 2 .................................................................................................... 73
Figura 59. Curva para escenario 3 ................................................................................................................... 74
Figura 60. Curvas escenario 3 .......................................................................................................................... 75
Figura A1. Banco de Condensadores ............................................................................................................... 90

Figura A2. Método del vatímetro, amperímetro y voltímetro. Fuente: [46] ........................................................ 91
Figura A3. Curva de Demanda 1 ...................................................................................................................... 94
Figura A6. Curva de Demanda por RNA .......................................................................................................... 97
Figura A 7. Curva de Generación con condiciones estándar............................................................................ 98
Figura A8. Curva de generación 06-09-12 por RNA ......................................................................................... 99
Figura A9. Curva de generación 02-10-12 por RNA ....................................................................................... 100
Figura A10. Curva de generación 03-10-12 por RNA ..................................................................................... 101
Figura A11. Curva de generación 01-11-12 por RNA ..................................................................................... 102
Figura A12. Curva total generación más consumo ......................................................................................... 103
Figura A13. Eficiencia medida del inversor ..................................................................................................... 105
Figura A14. Línea de tendencia de la eficiencia del inversor.......................................................................... 105
Figura A15. Potencia de salida del inversor estimada .................................................................................... 106
Figura A16. Perfil de carga obtenido con el PQA ........................................................................................... 108
Figura A17. Vatímetro Utilizado ...................................................................................................................... 109
Figura A18. Equipo Analizador Utilizado ........................................................................................................ 110
Figura A19. Vista frontal y lateral soporte resistencias ................................................................................... 121
Figura A20. Vista superior soporte resistencias.............................................................................................. 121
xv
Figura A21. Diseño nivel 3 .............................................................................................................................. 122

Figura A22. Vista frontal y lateral soporte circuito de control .......................................................................... 122
Figura A23. Vista superior soporte circuito de control .................................................................................... 122
Figura A24.Diseño nivel 2 ............................................................................................................................... 123
Figura A25. Vista lateral y disposición del perfil.............................................................................................. 123
Figura A26. Pieza Frontal ............................................................................................................................... 124
Figura A27. Pieza Lateral ............................................................................................................................... 124
Figura A28. Vista lateral y trasera de la pieza trasera .................................................................................... 125
xvi
Lista de Tablas
Tabla 1. HSS Promedio .................................................................................................................................... 14
Tabla 2. Parámetros para el cálculo de la PGFV ............................................................................................. 16
Tabla 3. Características Modulo fotovoltaico .................................................................................................... 16
Tabla 4 Características Inversor....................................................................................................................... 17
Tabla 5. Configuración Resistencias ................................................................................................................ 18
Tabla 6. Sistemas Globales de Procesos de RNA ........................................................................................... 27
Tabla 7. Datos de entrada curvas demanda RNA ............................................................................................ 31
Tabla 8. Partición de los conjuntos de entrada para la predicción de la curva de demanda ............................ 32
Tabla 9. Valores estándar del modelo neuronal Curvas de Demanda ............................................................. 33
Tabla 10. Datos de entrada Curva Potencia RNA ............................................................................................ 39
Tabla 11. Partición de los conjuntos de entrada para la predicción de la curva de demanda .......................... 41
Tabla 12. Valores estándar del modelo neuronal Curvas de Demanda ........................................................... 41
Tabla 13. Caracteres ASCII Utilizados ............................................................................................................. 56
Tabla 14. Caracterización Resistencia Shunt ................................................................................................... 60
Tabla A1. Datos obtenidos por al analizador.................................................................................................. 107

Tabla A2. Presupuesto General ..................................................................................................................... 118
Capítulo 1
INTRODUCCIÓN
El desarrollo de la energía eléctrica es uno de los procesos de innovación que más ha impactado en
el progreso de la humanidad, la cual ha requerido un proceso de generación, transmisión y
distribución, siendo esta la base del sistema eléctrico de potencia, afectando no solo el bienestar de
las personas, sino la economía de las naciones. Sin embargo, las potencias tecnológicamente más
avanzadas se han preocupado por garantizar la oferta energética en el mundo, investigando y
desarrollando nuevas tecnologías en cuanto a fuentes no convencionales de producción de energía
eléctrica [1, 2] puesto que éstas reducen parcialmente la cantidad de elementos contaminantes en
comparación con los sistemas de combustibles fósiles, los cuales, durante las últimas décadas han
contribuido a la emisión de millones de toneladas de CO2 [3]. Es por ello que hoy en día, las
investigaciones han puesto la mirada en el uso de fuentes limpias de generación, además de realizar
diferentes políticas que justifican este interés, como lo indican estudios hechos por diferentes
organismos internacionales especializados en el tema, como el REN21 (Renewable Energy Police
Network for the 21st Century). Según los reportes del REN21, la contribución de las fuentes de
energía no convencionales a la producción de energía eléctrica mundial es del 16%, donde la
generación fotovoltaica contribuye con un 0.6% de dicha producción [4]. Por lo tanto, se puede
afirmar que todo este tipo de tecnologías tienen un gran potencial para utilizarlas no solo en
proyectos de generación a gran escala, sino también en sistemas de sub transmisión y distribución
de energía eléctrica, contribuyendo a mitigar las grandes pérdidas e inconvenientes de confiabilidad
que poseen los sistemas de potencia hoy en día.
Los recientes avances obtenidos en el campo de la generación a pequeña escala y almacenamiento

eléctrico implican cambios en la forma en que se ha ido concibiendo la generación y distribución de
energía en las últimas décadas, donde se retoma con vigor el concepto de generación distribuida
(GD) [5]. Para lograr que el concepto de generación distribuida comience a tener gran auge a nivel
mundial, es necesario que éste garantice aspectos tales como eficiencia, confiabilidad y calidad en el
servicio prestado de energía eléctrica. En extensos trabajos, diversos investigadores [1, 6] discuten
acerca de las ventajas de la GD en aspectos de eficiencia, flexibilidad, interconexión con redes de
distribución, niveles de emisión de gases de las plantas de generación aisladas, e inversiones por
instalación y costos de mantenimiento y funcionamiento [6]. En estos se resaltan generalmente
aspectos que identifican a la GD como una alternativa con grandes proyecciones para diversos
nichos de mercado, que demandan consumos inferiores a los 10 MW y/o ciertos requerimientos
especiales de generación transmisión y distribución.
Las tecnologías de generación distribuida se dividen, a su vez, en convencionales y no

convencionales. Las primeras incluyen motores de combustión interna, micro turbinas y turbinas a
1
CAPÍTULO 1. INTRODUCCIÓN
gas, mientras que las segundas se refieren a la implementación de PCH, turbinas eólicas (motores
síncronos o de inducción), geotérmica, biomasa y módulos fotovoltaicos. Las tecnologías de
almacenamiento son aquellas comprendidas por los acumuladores químicos (baterías), volantes de
inercia (flywheels), bobinas superconductoras (SNER), celdas de combustible hidrógeno y súper
capacitores [7].
Estos posibles nichos de consumo hacen pensar en muchos núcleos de usuarios potenciales en el
contexto nacional colombiano, tanto a nivel residencial como industrial, así como en sectores
públicos y privados, y en particular centrando la atención en aquellas áreas donde se tenga el
potencial necesario para lograr la implementación de este tipo de tecnologías. Especialmente, se
presentan algunos casos referentes a proyectos existentes como el de energía eólica a escala media
y de energía solar a baja escala [8] los cuales pueden ser enmarcados dentro del concepto de
generación distribuida en Colombia, tomando como punto de partida lo mencionado en el objetivo
del plan de desarrollo 2011-2030 para fuentes no convencionales de energía (FNCE) [9].
En tal sentido, el enfoque que tiene esta investigación radica en el uso de tecnologías no
convencionales para generación distribuida, utilizando principalmente módulos fotovoltaicos para su
desarrollo. Conforme al uso histórico que han tenido los sistemas fotovoltaicos en Colombia, éste
generalmente está relacionado con su implementación en zonas apartadas o con difícil acceso al
SIN debido a su alto costo de instalación [10], por lo cual se plantea la idea de empezar a relacionar
este tipo de tecnología dentro del SIN.
Lograr la propagación del concepto de generación distribuida mediante la aplicación de sistemas

fotovoltaicos, conlleva a grandes retos relacionados con la planeación, inversión, operación y
regulación de los sistemas eléctricos tradicionales. Para los sistemas interconectados, el usuario
final podría llegar a entregar energía eléctrica al sistema en el lado de baja tensión, lo que permitiría
reducir la magnitud en cuanto a las pérdidas de transporte y distribución, al igual que incrementar la
extensión del sistema y disminuir la dependencia de los sistemas centralizados. Por tal razón,
observando el contexto Colombiano es necesario identificar las condiciones técnicas de
interconexión para estos nuevos generadores, de tal forma que se mantengan los niveles de
confiabilidad establecidos por la CREG 070 de 1998 [11].
Los sistemas fotovoltaicos interconectados a la red en países como Alemania y España están siendo
utilizados como complemento a los sistemas de generación centralizada [12]. La generación
distribuida ha sido pieza fundamental para que este tipo de tecnología alcance un grado de
importancia tal que, éste ha empezado a ser implementado en áreas urbanas, donde plantas de
pequeña capacidad de generación son instaladas en los techos de edificios o residencias dentro del
concepto “Photovoltaic Grid Connected Buildings” (PVGCB) [12]. En la figura 1 se observa con
detalle el esquema típico de un Sistema Fotovoltaico Conectado a la Red SFVCR de operación
distribuida (sistemas PVGCB).
2
Figura 1. Diagrama Esquemático SFVCR
Conforme a lo expuesto anteriormente, el desarrollo del presente proyecto pretende servir como
punto de partida para generar un espacio donde sea posible estudiar los aspectos que se
encuentran relacionados directamente con las redes inteligentes. Para ello se implementará un
modelo a escala de un usuario con generación distribuida, el cual estará conformado por una
aplicación computacional, que modela el comportamiento probabilístico de un sistema fotovoltaico,
así como la curva de demanda de un usuario residencial, y un modelo eléctrico, constituido por una
serie de cargas RLC, que comúnmente se encuentran dentro de este tipo de usuarios, junto con una
fuente DC que modelará el arreglo de módulos fotovoltaicos.
Dichas cargas serán las encargadas de simular el consumo que tendrá el usuario durante el tiempo
en que el generador fotovoltaico no esté entregando energía al sistema. Esto se realizará a partir del
software y mediante el uso de un sistema de control, teniendo como referencia la curva generada
por el software en tiempo real. La fuente DC junto con el inversor, simularán la etapa de generación
del sistema fotovoltaico teniendo de igual forma, como referencia, la curva generada por el software.
A tenor de lo anterior, el desarrollo de este sistema podrá ser utilizado como una herramienta de
investigación que genere espacios académicos dentro de la universidad. Dichos espacios estarán
disponibles para que el estudiantado contribuya en investigaciones futuras relacionadas con esta
temática. De esta forma, será posible derivar de manera más específica la inclusión de las energías
renovables en el sector eléctrico del país como GD, la gestión activa de la demanda por parte del
usuario, el impacto en la calidad de potencia del sistema y el comportamiento de los flujos de carga,
entre otros.
En general, el desarrollo de este proyecto junto con lo trabajado en el grupo de investigación LIFAE,
en proyectos tales como el laboratorio de sistemas fotovoltaicos interconectados a la red trifásica de
baja tensión [13] o el desarrollo de una metodología para evaluar la influencia de los sistemas
fotovoltaicos como tecnología de generación distribuida [14], entre otros, permitirá a la Universidad
Distrital Francisco José de Caldas verse beneficiada en la puesta en marcha de un laboratorio que
pueda integrar modelos a escala que compongan una micro-red. Lo que dará como punto de partida,
la creación de procesos interdisciplinarios por parte de docentes y estudiantes, permitiendo así, la
participación dentro de distintos enfoques afines a la ingeniería eléctrica.
3
1.1. Objetivos
OBJETIVO GENERAL
Emular el comportamiento a escala de un sistema fotovoltaico conectado a la red de baja tensión de

un usuario residencial, bajo la aplicación de Generación Distribuida con la opción de generar y/o
consumir energía eléctrica, según sea la configuración del usuario, esto mediante la implementación
de un equipo eléctrico, un software y un medio de comunicación.
OBJETIVOS ESPECÍFICOS
 Implementar un equipo eléctrico que tenga la capacidad de suministrar y/o consumir energía
eléctrica de la red de baja tensión, según lo establezca el usuario; este equipo estará
compuesto por una fuente DC programable, un inversor y sistema electromecánico con
cargas RLC.
 Diseñar un software mediante el uso de la herramienta computacional MATLAB®, que tenga
la capacidad de simular las curvas de radiación de un generador fotovoltaico, y de demanda
de un usuario típico residencial, las cuales podrán ser ajustadas por el usuario.
 Establecer un medio de comunicación alámbrico entre el software y el equipo eléctrico, de
forma tal, que lo configurado en el primero se transmita en tiempo real al segundo, para que
ese último opere de acuerdo a los ajustes establecidos.
 Desarrollar las diferentes pruebas sobre el emulador con el fin de corroborar su correcto
funcionamiento.
 Elaborar un manual de usuario, así como el documento final del trabajo de grado.
1.2. Estructura del documento
Este trabajo se estructura en ocho capítulos principales que describen la metodología desarrollada,
así como un apéndice que incluye 11 anexos.
El primer capítulo presenta la introducción del documento, donde se expone la problemática y

necesidad del por qué desarrollar el trabajo de grado, así como un contexto global de los sistemas
fotovoltaicos conectados a la red, y las expectativas a futuro con el desarrollo de este. De igual
forma, se enumeran los objetivos de partida en la realización del trabajo de investigación cuya
explicación, desarrollo y resultados se recogen en los demás capítulos.
El capítulo 2 presenta el marco referencial del trabajo, donde se exponen los conceptos de un
sistema fotovoltaico conectado a la red y su funcionamiento. Adicionalmente, se exponen los
conceptos de generación distribuida, con sus respectivas aplicaciones, ventajas y barreras. Y
finalmente, para contextualizar al lector sobre la temática del trabajo, se aborda el tema de gestión
de la demanda.
El capítulo 3 muestra el diseño y dimensionamiento del sistema fotovoltaico conectado a la red y el

respectivo diseño de las cargas que modelan la demanda del usuario. Dentro de este se presentan
las relaciones matemáticas necesarias para realizar estos diseños. Todo ello con el propósito de
4
implementar y desarrollar el software que modela de manera veraz el comportamiento del generador
fotovoltaico.
El capítulo 4 está relacionado con el software que describe el comportamiento del generador
fotovoltaico, aplicando conceptos de generación distribuida. Dentro de este capítulo se describen
aspectos tales como: el funcionamiento del mismo, la explicación de las herramientas que se tienen
en la ventana principal del programa y la explicación de cómo se desarrollaron cada una de las
curvas de demanda y generación. Además, se presenta lo relacionado al desarrollo de las curvas
mencionadas, por medio del uso de redes neuronales artificiales RNA.
En el capítulo 5 se explican los protocolos de comunicación que se emplearon para comunicar el

programa con el prototipo físico y la fuente programable. Adicionalmente, se muestra de manera
detallada cada una de las vías de comunicación y los respectivos diagramas de flujo
correspondientes a los algoritmos que fueron implementados.
El capítulo 6 muestra de manera precisa y detallada la metodología utilizada para el desarrollo del
modelo físico que ejemplifica el comportamiento dado en el software. Además, se presentan los
planos y diseños que se utilizaron para el montaje del prototipo.
El capítulo 7 demuestra los resultados obtenidos a lo largo del desarrollo de este proyecto de grado.
Específicamente, se realiza una comparación entre las simulaciones y la operación real del prototipo
físico. Demostrando así, la veracidad de lo planteado en el anteproyecto.
Finalmente, en el capítulo 8 se enuncian las conclusiones que se obtuvieron a partir del desarrollo de
este proyecto y los aspectos relevantes del mismo. Igualmente, se tiene un capítulo de apéndice,
donde se presentan 11 anexos, los cuales relacionan: las publicaciones resultantes del presente
proyecto, un marco regulatorio de la generación distribuida, el dimensionamiento de las cargas del
usuario, el balance energético, la caracterización del inversor, la curva obtenida con el PQA, el
diseño del prototipo físico, el presupuesto requerido, las características de los equipos instalados y
utilizados, las curvas resultantes del modelamiento del software y algunos apartes del código del
software.
Junto con el documento se entrega el manual de usuario del software realizado.
La figura 2 muestra un diagrama de bloques del desarrollo del trabajo de grado con la respectiva
integración con los capítulos del presente documento.
5
Figura 2. Diagrama de flujo de la metodología desarrollada
6
Capítulo 2
MARCO CONCEPTUAL
2.1. Sistema Fotovoltaico
Una celda solar es un dispositivo electrónico que transforma la radiación solar en energía eléctrica
[15]. Puesto que la tensión de cada celda se encuentra alrededor de 0,5 voltios, la totalidad de
aplicaciones eléctricas están asociadas directamente con el número y configuración de dichas
celdas para constituir un módulo solar y a su vez un generador fotovoltaico. La potencia eléctrica
producida depende linealmente, en una primera aproximación, de la superficie de módulos [16].
De forma general, un sistema fotovoltaico está constituido por una agrupación de módulos y un
conjunto de elementos que adaptan la energía eléctrica que produce el generador para múltiples
aplicaciones como: alumbrado de exteriores, electrificación completa y venta de energía a la red
[12]. Los sistemas fotovoltaicos se pueden clasificar en dos grandes grupos [12]: sistemas
autónomos y sistemas interconectados a la red eléctrica. En la figura 3 se muestra el diagrama de
bloques para las dos clasificaciones mencionadas.
(a)
(b)
Figura 3. Diagrama de Bloques (a) Sistema Autónomo y (b) Sistema Interconectado.
8
CAPÍTULO 2. MARCO CONCEPTUAL
El primer grupo requiere asegurar la disponibilidad de electricidad aún en los casos en donde la
generación es inferior a la demanda o cuando no está visible el sol, con lo cual no hay generación.
Para ello es indispensable almacenar la energía que se produce durante los períodos en que la
generación supera a la demanda.
En el segundo grupo, no existen requerimientos de seguridad en el suministro de energía, de modo

que los criterios para la elección de la potencia del generador son más ambiguos. En este caso, la
red es la fuente infinita de energía eléctrica. Este tipo de sistemas permite intercambiar energía
eléctrica con la red cuando la generación excede las necesidades de energía del usuario y tomar
energía de la red cuando la demanda es mayor a la energía generada por el generador fotovoltaico.
Teniendo en cuenta lo anterior, se tomará como referencia el segundo grupo, ya que una parte
importante del presente trabajo se basó en el estudio de su interacción con la red.
2.2 Sistema fotovoltaico conectado a la red (SFVCR)
Un sistema fotovoltaico interconectado a la red, consiste en un arreglo de elementos, entre los

cuales están los módulos solares e inversores. El objetivo de este tipo de tecnología consiste en
generar energía eléctrica a partir de radiación primaria (solar). Mediante el efecto fotovoltaico, los
paneles solares transforman la energía proveniente de los fotones que inciden sobre el material, en
un flujo de electrones que se comportan como una fuente de corriente directa [15]. Al ser conectados
en instalaciones en donde la tensión de la red es de naturaleza alterna se hace necesario utilizar un
inversor que permita inyectar al sistema de potencia electricidad desde el generador fotovoltaico
[17].
Figura 4. Sistema fotovoltaico Conectado a la Red.
9
2.3 Funcionamiento SFVCR [18]
La figura 4 señala un diagrama de bloques específico para un SFVCR, donde se encuentran cada
uno de los componentes que hacen parte de éste y que pueden ser aplicados en GD. Como primera
instancia se encuentra el generador fotovoltaico, el cual está conformado por módulos fotovoltaicos y
su correspondiente estructura de soporte. Seguidamente, se localiza el inversor, que es el
responsable de adecuar los parámetros de potencia producidos por el generador DC a tensión
variable, a los parámetros requeridos por la red eléctrica de baja tensión (por ejemplo, AC a 120 ó
208 V). Adicional a estos, se tiene el punto de acople común: (PCC - point of common coupling), en
el cual se ubican los elementos de protección adoptados para garantizar la seguridad del propio
SFVCR y la seguridad de la red eléctrica. Junto con los elementos anteriores, se ubica el medidor
bidireccional de energía AC, cuyo objeto es registrar la energía que se consume de la red además
de la energía que está siendo entregada al sistema interconectado en un instante de tiempo
específico. Siguiendo con el orden del diagrama, se encuentra la carga, que está conformada por
todos aquellos elementos (lineales y/o no lineales) que demandan energía eléctrica para su
funcionamiento, finalizando con la red eléctrica
Su funcionamiento con la red de energía eléctrica, consiste en la transformación de la energía DC

producida por el generador fotovoltaico en energía AC. Esta energía debe garantizar los mismos
parámetros de la red, para así poder interconectarse automáticamente con esta. El inversor es el
encargado de realizar este proceso, proporcionando tensión de salida estable y corriente variable en
función de la irradiancia solar. La corriente alterna generada por el inversor es sincronizada con la
frecuencia de la corriente de la red (60 Hz), posteriormente pasa por el contador y es inyectada a la
red.
2.4 Generación Distribuida
Cuando se hace una revisión de la literatura, en realidad no existe una definición única y común
acerca del concepto de generación distribuida y muchos autores manejan diferentes esquemas, así
como intervalos de trabajo, para caracterizar servicios que pueden caer en el margen de la
generación distribuida (GD). Sin embargo, en el contexto del presente documento, se entenderá por
generación distribuida el proceso de producción (o generación) y distribución de energía eléctrica a
pequeña o mediana escala (desde los cientos de KW hasta los 10 MW), con una cercanía a los
centros finales de consumo y con posibilidad de interactuar con las redes de interconexión eléctrica
[15]. Debe aclararse, sin embargo, que el concepto de generación distribuida no es un nuevo
paradigma que haya sido formulado en los últimos tiempos, pues en realidad se trata de un concepto
básico que ha cobrado nuevo impulso, alentado por diversos factores tecnológicos, así como por
condiciones del mercado y políticas energéticas y ambientales [19, 20]. Los esquemas comerciales
de venta de energía en el mundo comenzaron a optar por sistemas de electricidad apenas a
mediados del siglo XIX, y aun así hicieron falta unos años más para tener opciones reales de
sistemas de generación y comercialización similares a los que luego consolidaron a la energía
eléctrica como una de las principales fuentes de energía, con su concepto de transporte a sitios
distantes de las fuentes de generación [21].
10
Antes de esto, la mayoría de los sistemas de generación eran, de hecho, sistemas de generación
distribuida. Los sistemas basados en vapor, carbón, gas o energía hidráulica suministraban la
energía en lugares cercanos o en el sitio de carga, en donde se hacía el consumo directo.
Resulta necesario adicionar a la definición de GD algunos elementos más que marcan la esencia
fundamental de esta alternativa de generación, tales como el empleo de diversas fuentes de energía,
como pueden ser la energía eólica, solar, térmica, hidráulica, entre otras. Diferentes tipos de
combustibles, tales como biomasa, gas natural, diesel, biodiesel, etanol, gasolina, etc., en el caso de
tecnologías basadas en sistemas de combustión, la alta eficiencia en la generación (normalmente
asociada a procesos de cogeneración; Combined Heat and Power CHP), los altos niveles de
confiabilidad en el suministro y de calidad en la energía entregada y los relativamente bajos niveles
de inversión inicial en los proyectos de generación [22].
En la GD se pueden identificar cuatro tipos de aplicaciones básicas definidas como: generación para
carga base, generación para carga en picos, generación aislada y generación para soporte de la red
de distribución [23].
El primer escenario ubica a la GD como un sistema de generación principal y continua

interconectada a la red de distribución para operaciones de compra y venta de energía. El segundo
escenario muestra la GD como un sistema alterno de respaldo para reducir el consumo desde la red
de distribución en los periodos de mayor precio del KWh, de acuerdo con las fluctuaciones de la
oferta en el mercado. El tercer caso ubica a la GD como un sistema de generación para poblaciones
totalmente aisladas del sistema de interconexión eléctrica. Finalmente, el cuarto escenario sitúa la
GD como un sistema de respaldo empleado especialmente en empresas de alto consumo energético
sólo en ciertos periodos del año, o para casos en los que se requiere elevar los niveles de
confiabilidad en el suministro eléctrico [23].
2.5 Gestión de la Demanda
La gestión de la demanda de energía (GDE), es un término ambiguo que ha sido interpretado de

diversas formas en la regulación. Una definición restringida incluye todas las medidas que
promuevan la reducción y/o el desplazamiento del consumo eléctrico final, mejorando la eficiencia en
su utilización, pero sin modificar el contenido de los servicios finales (calor, iluminación, fuerza, etc.)
que la energía eléctrica proporciona. Sin embargo, es posible también contemplar medidas
encaminadas a la adopción de nuevas pautas de consumo, que no han de significar necesariamente
una pérdida de bienestar.
Ampliando el concepto con mayor detalle, se incluye el conjunto de acciones, ya sean impulsadas o
realizadas por las empresas eléctricas, por otras empresas o instituciones o por la administración,
cuyo objetivo común es influir sobre el uso que los consumidores hacen de la electricidad, de forma
que se produzcan los cambios deseados, produciendo un ahorro de energía como para incrementar
la eficiencia [24], bien sea en el ámbito de un solo usuario o en la curva de demanda que represente
un grupo de éstos.
El establecimiento de procedimientos que hagan posible la participación activa de la demanda por

parte de los consumidores, hace que no sólo sean informados de los precios para que puedan
11
reaccionar ante los mismos, sino que además contribuyan activamente a la formación de éstos,
además de poder proporcionar servicios al conjunto del sistema eléctrico con valor de mercado,
como la interrupción en situaciones de emergencia, o para resolver congestiones, proveer reservas
de operación y participar en la gestión de desvíos o de la compensación de energía reactiva [24].
Estos procedimientos se completan con otros que posibilitan al consumidor conocer el origen de la
electricidad que consume, con lo que se permite la diferenciación de productos. De esta forma se
proporciona a los consumidores una verdadera capacidad de elección en su suministro de
electricidad, junto con las contribuciones a la eficiencia y a la mejora de la operación del sistema
eléctrico [24].
Por lo tanto, con la implementación de la GDE, es posible obtener un ahorro energético y económico
por la menor utilización de combustibles fósiles importados. Finalmente, a causa de la mayor
eficiencia energética y de la menor utilización de los combustibles fósiles, habrá menores emisiones
de CO2 y de contaminantes atmosféricos.
12
Capítulo 3
DISEÑO Y DIMENSIONAMIENTO DEL SISTEMA FOTOVOLTAICO CONECTADO A
LA RED Y DE LAS CARGAS QUE MODELAN LA DEMANDA DEL USUARIO
En este capítulo se presentan los cálculos y análisis necesarios para determinar los componentes
del SFVCR, los cuales son utilizados para el desarrollo del software, el cual se presenta en el
capítulo 4. Igualmente, se describe la metodología que se empleó para establecer las características
de las cargas a utilizar acorde a la potencia que emula el consumo del usuario. Estas cargas son
utilizadas en el modelo físico para representar el comportamiento de consumo del usuario, el cual se
explica en el capítulo 6.
3.1 Diseño y dimensionamiento del SFVCR
Para diseñar un SFVCR, es necesario conocer el recurso energético disponible en el sitio de

instalación, el cual se cuantifica mediante los kWh/m2-día (generalmente conocido como horas de sol
estándar (HSS)). Este parámetro define la energía disponible en forma de radiación solar en la
localidad donde se va a ubicar el sistema. Corresponde al número promedio de horas por día con un
sol radiando a 1000 W/m² [25]. Los valores de HSS se reportan generalmente como promedios
mensuales y anuales. Para el caso del dimensionamiento de los SFVCR de este proyecto, se utilizan
los datos mensuales proporcionados por los registros del laboratorio del LIFAE [26]. En la tabla 1 se
muestran los valores promedios mensuales de las horas de sol estándar medidos desde el año
2012.
Tabla 1. HSS Promedio
Mes ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
HSS
5,01 4,66 4,77 3,93 3,7 3,79 4,04 4,33 4,31 4,33 4,1 4,55
(kWh/m2)
El diseño y dimensionamiento de un SFVCR se realiza por energía más no por potencia, como
generalmente se hace en una instalación eléctrica. Los dos principales componentes de un SFVCR
son el generador y el inversor. Estos se diseñan a partir de cuánta energía en kWh debe ser
producida por el sistema en un tiempo determinado. Habitualmente, para determinar el diseño del
SFVCR, se inicia encontrando la potencia del generador fotovoltaico, y a partir de esta, se define el
tamaño del inversor, para cumplir con los requerimientos del sistema.
14
CAPÍTULO 3. DIMENSIONAMIENTO
GENERADOR FOTOVOLTAICO
Está compuesto por un arreglo de módulos que son interconectados en serie y/o paralelo
dependiendo de la tensión DC del sistema [25]. La mayoría de módulos solares vienen configurados
con tensiones nominales múltiplos de 12 V DC. Sin embargo, la tensión del sistema es especificada
por el inversor. La expresión que determina el cálculo de la potencia pico que debe suministrar el
generador fotovoltaico, se representa por medio de la ecuación 1 [18].
(1)
Donde,
Ei es la producción promedio de electricidad solar mensual (en kWh/mes) que está definida por el
usuario. Para el caso de este proyecto, Ei está representada por el área bajo la curva de demanda
del usuario.
HSS es el valor de kWh/m2-día promedio mensual de la localidad.
Ni es el número de días del mes.
PR es el factor de rendimiento del sistema, el cual permite dimensionar el sistema FV para

compensar la reducción de capacidad de generación especificada por los fabricantes debido a varios
factores como: control inadecuado de calidad en la fabricación de módulos, efectos de temperatura,
polvo, pérdidas debidas a malas conexiones, etc. [25]. Este factor de rendimiento se emplea de tal
manera que el sistema quede sobredimensionado en un valor alrededor del 10 – 20 % [18].
El valor de Ei en la ecuación 1, generalmente es el valor de la energía esperada en el año, dividido

por doce, a menos que se requiera una generación específica durante algún mes para alguna
aplicación especial, como lo es para este proyecto, en el cual, el valor de energía que se analiza es
diario, es decir, que Ei=Eih, como se muestra en la tabla 2. Por lo tanto, en la ecuación 2 se muestra
cómo determinar la potencia del generador FV.
(2)
El PR que se elige para el desarrollo de este proyecto es 0,8, debido a que con este se compensa la
reducción de la capacidad de generación del sistema por parte de los módulos, como se enuncia en
la literatura [12].
15
Tabla 2. Parámetros para el cálculo de la PGFV
Mes E (kWh) HSS (kWh/m2) PR PGFV (kW)

ENERO 0,645 5,01 0,8 0,160
FEBRERO 0,631 4,66 0,8 0,169
MARZO 0,639 4,47 0,8 0,178
ABRIL 0,633 3,93 0,8 0,201
MAYO 0,629 3,7 0,8 0,212
JUNIO 0,633 3,79 0,8 0,208
JULIO 0,639 4,04 0,8 0,197
AGOSTO 0,634 4,33 0,8 0,183
SEPTIEMBRE 0,628 4,31 0,8 0,182
OCTUBRE 0,632 4,33 0,8 0,182
NOVIEMBRE 0,639 4,1 0,8 0,194
DICIEMBRE 0,627 4,55 0,8 0,172
PROMEDIO 0,634 4,268 0,8 0,187
De este modo, la potencia del generador FV es de 187 Wp. Debido a que no existen en el mercado
módulos solares con valores de potencia pico de 187 Wp, se decide trabajar con un módulo con
potencia pico de 160 Wp.
Las características del panel solar que se utilizó como ejemplo para el desarrollo software, se
encuentran en la tabla 3, las cuales corresponden a un módulo Gi-Power New Energy [27].
Tabla 3. Características Modulo fotovoltaico
Parámetro Valor Unidad

CONDICIONES A RADIACIÓN ESTÁNDAR (STC)
Potencia de salida 160 W
Tolerancia de la potencia de salida +/-3 %
Eficiencia del módulo 15 %
Voltaje Pmax 36,36 V
Corriente Pmax 4,44 A
Voltaje OC 42,6 V
Corriente SC 4,84 A
16
La cantidad de módulos fotovoltaicos se determina a partir de la ecuación 3 [18].
(3)
INVERSOR CON CONEXIÓN A LA RED
El inversor con conexión a la red realiza la conversión de la energía de naturaleza DC generada por
los módulos fotovoltaicos a energía de naturaleza AC. Para el sistema eléctrico de potencia
colombiano, en instalaciones residenciales, se requiere un valor de frecuencia de 60 Hz y un nivel de
tensión de 208-120 V. Los fabricantes de este tipo de dispositivos, deben garantizar su buen
funcionamiento de acuerdo a los estándares internacionales para que el SFVCR responda de forma
ideal [28, 29].
La potencia que llega al inversor proveniente del panel solar posee características no lineales, por lo
que los inversores utilizan mecanismos de seguimiento del punto de máxima potencia (MPPT),
aumentando así el rendimiento y la eficiencia del sistema.
Para el desarrollo del modelo físico se seleccionó el inversor AEP WPI-36V150W120 [30], cuyas
características se describen en la tabla 4 y se acondicionan a las características eléctricas de salida
del software (véase capítulo 4). Es importante señalar que mediante la metodología presentada se
puede utilizar cualquier referencia de panel fotovoltaico y/o inversor, siempre y cuando cumplan con
las exigencias técnicas de diseño.
Tabla 4 Características Inversor
Parámetro Valor Unidad

DATOS DC
Máxima entrada de tensión DC 48 V
Rango del seguidor de potencia 22 – 36 V
Rango de operación 24-48 V
Máxima corriente de cortocircuito DC 15 A
Máxima corriente de entrada Control Automático A
DATOS AC
Máxima potencia de salida 230 W
Corriente nominal de salida 1,6 A
Rango de tensión nominal 90-140 V
Rango nominal de frecuencia 50-60 Hz
Factor de potencia >0,99 Unidad
THDi <5 % Unidad
17
Normalmente, para la elección del inversor se debe tener en cuenta el factor de dimensionamiento
(FDI) del mismo, el cual se define como la relación entre la potencia nominal del inversor y la
potencia máxima del generador fotovoltaico, como se enuncia en la ecuación 4. Este factor siempre
debe estar en un rango entre 0,7 y 1 [31].
(4)
3.2 Diseño de las cargas que modelan la curva de demanda del usuario
Para emular las diferentes curvas de demanda resultantes del software, se utilizan resistencias
industriales que modelan las cargas típicas de un usuario residencial. Se utilizan este tipo de
resistencias debido al nivel de tensión que se maneja (110-220 V).
Se utilizan 6 resistencias industriales planas de 5 W 12x12 cm y 2 resistencias planas de 10W 12x12

cm (véase figura 5). Las cuales se conectan en paralelo para representar el comportamiento de la
curva de demanda generada por el software. En la tabla 5 se muestra como se deben conectar las
resistencias para cumplir con los valores de potencia de las curvas de demanda, así como sus
respectivos valores resistivos.
Tabla 5. Configuración Resistencias
P (W) R1 R2 R3 R4 R5 R6 R7 R8
5 Resistencia Valor (KΩ) Potencia (W)
10 1 2,289 5
15 2 2,29 5
20 3 2,328 5
25 4 2,125 5
30 5 2,214 5
35 6 2,266 5
40 7 0,888 10
45 8 1,04 10
50
Las cargas resistivas se diseñaron con los valores de potencia mencionados anteriormente, puesto
que las curvas de demanda que son simuladas tienen como potencia máxima 50 W. Se decide
modelar la curva con una resolución de 5 W, debido al costo de elaboración de las mismas.
18
Figura 5. Carga Resistiva
Asimismo, se conectan cargas con reactancia capacitiva de 663,14 Ω y una reactancia inductiva
(sistema de refrigeración) de 822,43 Ω, como se determinó en el anexo B. Con el propósito de
representar el comportamiento no resistivo que existe en las curvas de demanda de usuarios
residenciales cuando se conecten elementos tales como: Taladros, Lavadoras, Máquinas de coser,
Bombillas ahorradoras, entre otras, los cuales hacen que el factor de potencia no sea unitario.
A tenor de lo anterior, en la figura 6 se muestra la configuración general de las cargas RLC dentro
del prototipo físico.
Figura 6. Configuración cargas RLC
19
CAPÍTULO 4 SOFTWARE
Capítulo 4
DESARROLLO DEL SOFTWARE
En este capítulo se explica el funcionamiento del software que se utilizó para poder emular el
comportamiento del generador fotovoltaico conectado a la red, así como el consumo del usuario
final. Este software se realizó mediante el uso de la herramienta computacional MATLAB®, debido a
que los modos de ejecución de los algoritmos permiten que la elaboración de los programas sea de
forma más ágil y fácilmente modificable. Se utilizó el entorno gráfico GUI y el toolbox de análisis de
redes neuronales con el que cuenta esta herramienta.
4.1 Grafical User Interface (GUI)
Matlab Guide es un entorno de programación gráfica que este ofrece para poder realizar y ejecutar
programas de Simulación a medida de forma simple. Matlab utiliza una GUI como una figura que se
despliega en una ventana que contiene varios objetos o controles [32]. Cada uno de estos se debe
programar para realizar la acción que se quiera cuando el usuario ejecute el GUI.
Esencialmente GUI es un conjunto de herramientas para la distribución, pero también facilita el

acceso al archivo M-File que contiene el código que maneja la iniciación y acometida del GUI. El
archivo M-File constituye un marco para la implementación de los Callbacks, es decir, las funciones
que se ejecutan cuando los usuarios activan los componentes en el GUI [32].
Al ejecutar o guardar el GUI, GUIDE automáticamente genera los archivos de extensiones .fig y .m;
el primero contiene la descripción completa del GUI, mientras que el segundo contiene las funciones
que corren y controlan el GUI y los callbacks. Por lo tanto, es mucho más fácil utilizar el GUIDE
debido a que este permite hacerlo interactivamente [32].
ESTRUCTURA DEL ARCHIVO GUI M-FILE
GUIDE simplifica el proceso de elaboración de una GUI mediante la generación automática del
archivo GUI M-File directamente desde su entorno. Inicialmente, GUIDE genera exactamente una
línea que define la función para cada callback. Se puede, entonces, añadir código al callback para
hacer que desarrolle la operación que se quiere [33].
El archivo M-File contiene otras dos funciones las cuales permiten añadir líneas de código, las
cuales son “Opening function” y “Output function” La función “Opening function” desarrolla tareas
antes que el GUI sea visible al usuario, tales como la creación de datos para el GUI. GUIDE, por
21
CAPÍTULO 4. SOFTWARE
defecto, denomina a esta función como untitled1_OpeningFcn, siendo untitled1 el nombre del GUI
que el usuario puede cambiar La función “Output function”, da salida a las variables hasta la línea de
comandos. Si es necesario, GUIDE le asigna como nombre a esta función: untitled1_OutputFcn [33].
CONTROLES EN LA INTERFAZ DE USUARIO: INSTALACIÓN Y PROPIEDADES
La paleta de componentes del editor del GUI que se muestra en la figura 7, contiene los controles
que el usuario puede colocar dentro del mismo. Estos componentes son objetos programables a
través de sus propiedades “Callbacks” y se denominan “Push Buttons”, “Toggle Buttons”, “Radio
Buttons”, “Check Boxes”, “Edit Text”, “Static Text”, “Sliders”, “Frames”, “List Boxes”, “Pop-Up Menus”,
“Axes” y “Figures”.
Figura 7. Controles de la interfaz. Matlab®
4.2 Ventana principal
A continuación se describe de forma detallada la ventana principal del programa que modela el
comportamiento del generador fotovoltaico conectado a la red y el consumo del usuario.
22
Figura 8. Ventana Principal
23
En la sección A de la figura 8 se encuentra una agrupación de Radio Buttons los cuales representan
el tipo de simulación que el usuario puede correr en el programa. El primero de ellos representa la
generación, el cual al ser seleccionado habilita la opción de generar la curva de potencia del módulo
fotovoltaico. El segundo corresponde a la potencia consumida por parte del usuario, el cual habilita
la generación de la curva de demanda. Y el último de ellos habilita conjuntamente las dos opciones
mencionadas anteriormente.
En la sección B de la figura 8 se ubica la agrupación de opciones que el usuario tiene para generar
la curva de demanda. En la primera opción se encuentra la adición de datos por parte del usuario,
basándose en que éste tendrá un registro histórico de consumo propio que podrá ingresar al
programa. Para esto se utilizó un Edit text, junto con dos botones, los cuales permiten adicionar y
graficar los datos que el usuario registre.
La segunda opción de la misma sección, muestra tres curvas de demanda típicas que el usuario
puede seleccionar según sea su necesidad. Estas curvas fueron proporcionadas por la empresa
operadora de red, la cuales se encuentran dentro de un menú Pop-up, que permite seleccionarlas,
para luego poder graficarlas mediante la acción de un botón.
La última opción de esta sección, consiste en proyectar una curva de demanda a partir de la
programación de una red neuronal artificial tipo Feedforward. Para ello, dentro de un menú Pop-up
se encuentra una curva objetivo para ser seleccionada. Luego se proyecta la curva de demanda
mediante el accionamiento de un botón. Esto, con el propósito que el usuario tenga la posibilidad de
predecir el comportamiento del perfil de carga del día siguiente, a partir del uso de los registros
históricos.
En la sección C de la figura 8, se encuentra la agrupación de funciones para la curva de potencia

generada por el arreglo fotovoltaico. Esta se compone de un menú Pop-up, el cual contiene registros
históricos de radiación y temperatura obtenidos en el laboratorio del LIFAE [14], además de un botón
que habilita el análisis por RNA, con el propósito de estimar el comportamiento de los datos de
radiación y temperatura del día siguiente para el sistema de generación fotovoltaica . Asimismo, se
tiene un botón que muestra la curva de potencia ideal del arreglo fotovoltaico simulado en
condiciones de radiación estándar (1000 W/m2).
A partir del análisis que realiza la programación de la RNA, tanto para las curvas de demanda, como
para las curvas de potencia generada, se tiene un static text que permite visualizar el error máximo
de predicción respecto a la función objetivo de entrada, de la aproximación de cada caso ejecutado
(demanda y potencia), como se muestra en la sección E de la figura 8.
Dentro del programa se tiene dos espacios de gráfica, los cuales se observan en la sección D de a
figura 8. Estos representan un gráfico dentro del entorno de Matlab® y se emplean para mostrar las
curvas parciales y totales que se utilizan a lo largo de la ejecución del software, según la selección
del usuario. El primer espacio de gráfica visualiza la curva total final del programa, mientras que el
segundo espacio de gráfica muestra las curvas de demanda y potencia generada por separado, para
su futuro análisis. Adicionalmente, estos espacios de gráficas tienen la propiedad de aumentar y
disminuir el rango de visualización para facilitar la lectura de los datos por parte del usuario, aun
cuando se está ejecutando la simulación en tiempo real.
24
En la sección F de la figura 8 se muestra las opciones para graficar la curva de generación-

consumo, el cual utiliza un menú Pop-up que contiene 10 selecciones (Véase figura 9) con las
diferentes combinaciones posibles para llegar a la curva final total. Para graficar dicha curva se debe
accionar el botón bajo el menú Pop-up.
Figura 9. Interfaz Opciones Consumo y Generación
Como se observa en la sección H de la figura 8, se encuentra un botón que permite limpiar los axes
con las curvas generadas por parte del software y las demás áreas de trabajo. En la sección I de la
misma figura, se localiza un segundo botón para exportar los datos de la curva final total o las curvas
individuales a Excel®. Finalmente, en la sección J de la figura citada, se ubica un tercer botón que
permite establecer la comunicación entre el software y el modelo físico. Este último, además habilita
el puerto de audio del ordenador para observar el comportamiento de la curva real que se tenga.
En la sección G de la figura 8, se encuentra una agrupación de botones, en el cual se muestra el

balance energético del sistema, el cual se entiende como una estadística relativa de la producción y
utilización de la energía eléctrica vista desde un usuario residencial. Para mayor detalle, remítase al
anexo C.
En la sección K de la figura 8, se muestra un menú Pop-up, el cual permite seleccionar entre dos
rangos de tiempo de ejecución: 24 minutos y 24 horas de las curvas generadas cuando se conecta
el programa con el prototipo físico, debido a que los tiempos de respuesta de la fuente DC
programable no se acondicionan para intervalos menores a 24 minutos. En la sección L de la figura
citada, se encuentra un área que muestra el conteo del tiempo de ejecución de la simulación.
Finalmente, en la sección M de la figura 8, se presentan dos Edit Text, en los cuales el usuario debe
introducir el número del puerto COM al cual se encuentra conectado el cable serial, y la dirección
VISA proveniente de la fuente DC Agilent (véase capítulo 5), donde se encuentra conectado el cable
USB.
4.3 Redes Neuronales Artificiales RNA
Las redes neuronales artificiales son técnicas de procesamiento de información basadas en el

funcionamiento de un sistema nervioso bilógico, como el cerebro, donde se procesa la información.
El concepto fundamental de la red neuronal artificial es la estructura del sistema de procesamiento
de información. Compuesto de un gran número de unidades interconectadas (neuronas)
25
concentradas dentro de una red, el sistema de redes neuronales utiliza una técnica similar al
aprendizaje humano. A cada una de las neuronas se le aplica una entrada, una función de activación
y una salida. La red está configurada para una aplicación específica, como la clasificación de datos o
reconocimiento de patrones, y el aprendizaje se realiza a través de un proceso llamado
entrenamiento [34].
Por lo tanto, se puede señalar que una RNA es un sistema de computación distribuida caracterizada
por [34]:
 Un conjunto de unidades elementales, cada una de las cuales posee bajas capacidades de
procesamiento.
 Una densa estructura interconectada usando enlaces ponderados.
 Parámetros libres que deben ser ajustados para satisfacer los requerimientos de
desempeño.
 Un alto grado de paralelismo.
MODELAMIENTO DE UNA RED NEURONAL
El diseño de la arquitectura para una red, junto con la elección de los parámetros utilizados en la
aplicación de un algoritmo de aprendizaje, son los puntos claves en una metodología de diseño y
creación de redes neuronales.
Se introduce el denominado modelo estándar de una neurona artificial acorde a distintos enfoques y
modelos descritos en principios bilógicos y psicológicos [35], que aproximan el comportamiento
neuronal a cualquier procesamiento artificial. Siguiendo dichos modelos, la enésima neurona artificial
estándar se muestra en la figura 10. Esta consiste en:
 Un conjunto de entradas Xj y unos pesos sinápticos Wij, con j = 1,…, n.
 Una regla de propagación hi definida a partir del conjunto de entradas y los pesos sinápticos.
Tal como se muestra en la ecuación 13 [35].
(5)
La regla de propagación más comúnmente utilizada consiste en combinar linealmente las

entradas y los pesos sinápticos, como se muestra en la ecuación 14 [35].
(6)
Generalmente se añade al conjunto de pesos de la neurona un parámetro adicional θ i, que

se denomina umbral, el cual se acostumbra a restar al potencial pos-sináptico. En la
ecuación 15 [35] se indica este proceso.
26
(7)
 Una función de activación, ecuación 16 [35], la cual representa simultáneamente la salida de

la neurona y su estado de activación. Si se denota por y i dicha función de activación, se
tiene lo expresado en la ecuación 16:
(∑ )
(8)
En la tabla 6 se enuncian los diferentes sistemas globales de procesos de una red neuronal, que
trabajando en función representan una RNA común.
Tabla 6. Sistemas Globales de Procesos de RNA
Fuente: [35]
27
Figura 10. Modelo Neurona Artificial Estándar. Fuente: [35]

FUNCIONES DE ACTIVACIÓN
Las funciones de activación definen la salida de un nodo dada una entrada o un conjunto de
entradas. Se podría decir que un circuito estándar de computador se comporta como una red digital
de funciones de activación al activarse como "ON" (1) u "OFF" (0), dependiendo de la entrada [36].
Una vez activada la neurona se puede aplicar una función de salida, encargada de transformar el
valor de entrada neta en el valor de salida del nodo. Si la función de activación es lineal, se
denomina neurona lineal, mientras que si la función es no lineal, se denomina neurona no lineal [37].
Existen diferentes tipos de funciones:
1. Neuronas Todo-Nada
En este tipo de neuronas todo-nada, también llamadas dispositivos de umbral, la función fi es una
función escalonada. En tal caso, se tiene lo indicado en la ecuación 17 [37]:
∑
{
(9)
2. Neurona Continua Sigmoidea
Para obtener una salida continua, se utiliza como función de activación una función sigmoidea. Las
funciones sigmoideas más usadas se muestran en las ecuaciones 18 y 19 [37].
[ ]
(∑ )
(10)
28
(∑ ) [ ]
(11)
Ambas funciones de activación son continuas y diferenciables, el requisito de trabajar con funciones
diferenciables puede venir impuesto por la regla de aprendizaje.
ARQUITECTURA DE LA RED NEURONAL
La arquitectura neurona es la topología, estructura o patrón de conexión de una red neuronal. En

una RNA los nodos se conectan por medio de sinapsis, estando el comportamiento de la red
determinado por la estructura de conexiones sinápticas. Estas conexiones sinápticas son
direccionales, es decir, la información solamente puede propagarse en un único sentido (desde la
neurona pre-sináptica a la pos-sináptica). En general las neuronas se suelen agrupar en unidades
estructurales denominadas capas. El conjunto de una o más capas constituye la red neuronal [38].
Se distinguen tres tipos de capas; de entrada, de salida y ocultas. Una capa de entrada, también
denominada sensorial, está compuesta por neuronas que reciben datos o señales procedentes del
entorno. Una capa de salida se compone de neuronas que proporcionan la respuesta de la red
neuronal. Una capa oculta no tiene una conexión directa con el entorno, es decir, no se conecta
directamente a órganos sensores [38].
Para el desarrollo del software, se utilizó la topología neuronal tipo FEEDFORWARD, la cual se
presenta en la figura 11. Esta arquitectura neuronal se empleó tanto para el desarrollo de las curvas
de demanda, como para las curvas de potencia generada. Este tipo de red se presenta cuando
todas las neuronas de una capa reciben señales provenientes de la entrada de la red, para ser
enviadas a la entrada de una capa posterior bajo un aprendizaje supervisado. La primera capa tiene
pesos provenientes de la entrada. Cada capa posterior tiene un peso proveniente de la capa
anterior. Todas las capas tienen predecesoras. La última capa es la salida de la red. La adaptación
se logra con los procesos de aprendizaje que actualiza los pesos con la función de activación [39].
Figura 11. Red Neuronal Tipo Feedforward
El método de entrenamiento que se utilizó para el procesamiento de la RNA es Levenberg-

Marquardt, el cual define el rendimiento de la red a partir del error medio cuadrático [40].
29
Teniendo en cuenta la justificación teórica del uso de las RNA, se determina que éstas representan
el mejor método de predicción, tanto de demanda como de consumo. Esto debido a su versatilidad y
manejo matemático dentro del entorno de programación de Matlab®.
4.4 Curvas de Demanda
Las curvas de demanda están formadas por los valores máximos de potencia obtenidos en
intervalos de una hora para cada hora del día. Dichas curvas indican las características de la carga
en el sistema, ya sean residenciales, comerciales o industriales, así como la forma en que se
combinan para producir los valores máximos de potencia. Su análisis debe conducir a conclusiones
similares a las curvas de carga anual, proporcionando mayores detalles sobre la forma en que han
venido variando durante el período histórico y constituyendo una base para determinar las
tendencias predominantes de las cargas del sistema [41].
Para el desarrollo del software, las curvas de demanda tienen como función principal constituir el
patrón de consumo del usuario, determinando así la cantidad de energía que se consumirá de la red
en un instante de tiempo dado. De acuerdo a estas curvas, se selecciona la carga que satisfaga las
necesidades que el usuario tenga para dicho instante de tiempo.
INSERCIÓN DE DATOS DE POTENCIA POR PARTE DEL USUARIO
En el botón “Power Consump”, el programa le permite al usuario introducir registros de consumo que
este posee. En primera instancia el usuario debe seleccionar esta opción, con lo cual se habilita el
grupo “Curva de Demanda”, junto con todas las diferentes opciones que esta contiene.
Para este caso, el usuario debe asignar un nombre al registro de datos que va a introducir; debido a
que Matlab® asigna este nombre a un documento de Excel®, el cual previamente ha sido adecuado
con las celdas que el usuario puede modificar. Seguidamente, el usuario debe oprimir el botón “Add”
para generar y abrir el archivo de Excel, al cual deberá asignarle sus respectivos registros.
SELECCIÓN DE CURVAS DE DEMANDA TÍPICAS
En esta opción, el usuario puede seleccionar entre tres diferentes curvas de demanda
predeterminadas, las cuales fueron proporcionadas por una empresa operadora de red. La figura 12
muestra las curvas de demanda que están en el programa para su respectivo análisis.
Estas curvas se encuentran almacenadas en un archivo de Excel, el cual es leído por el software en
el momento en que el usuario selecciona cualquiera de estas, para que seguidamente mediante una
rutina de programación, el programa asigne esos registros a los ejes de la curva total final. En el
anexo D se observan las curvas graficadas en el programa según lo establecido por el usuario
30
Figura 12. Curva de Demanda 1, 2, 3.
GENERACIÓN CURVA DE DEMANDA POR RNA
Para generar una curva por RNA, el usuario debe seleccionar dentro de un menú Pop-up el
parámetro “Evaluate”. Seguidamente, se debe oprimir el botón “Plot curve”, para que el programa
abra el toolbox de entrenamiento de la red neuronal y así se genere la curva con su respectivo error
en la aproximación real.
Dentro del menú Pop-up sólo se tiene un parámetro de registro a desplegar, debido a que las curvas
de demanda no presentan mayores cambios entre días para un mismo usuario residencial, es decir,
no es necesario introducir diversos registros históricos de entrada a la red, con lo cual se vuelve
viable entrenar la red con una sola curva tipo.
Se tienen datos de entrada que han sido asignados por defecto para el programa, tomados de las
mediciones realizadas en una unidad residencial (véase anexo G), al igual que una serie de datos
objetivo de las mismas dimensiones que los datos de entrada. Los datos de entrada se encuentran
en la tabla 7.
Tabla 7. Datos de entrada curvas demanda RNA
Tiempo (H) 1 2 3 4 5 6 7 8
Potencia
22,2789 20,5038 20,4914 20,4922 27,3068 25,8915 23,5326 25,3856
(W)
Tiempo (H) 9 10 11 12 13 14 15 16
Potencia
27,9428 28,0604 27,447 27,6487 27,941 28,2242 26,7808 28,3758
(W)
31
Tiempo (H) 17 18 19 20 21 22 23 24
Potencia
27,7327 27,0181 27,4471 39,7774 38,4858 32,8833 29,5527 25,1777
(W)
La función objetivo que se utilizó para el modelamiento de la red fue una curva de demanda dada
por una empresa operadora de red, en un estudio de variabilidad de la demanda promedio en un día
típico para un usuario residencial, por lo cual se adopta como curva modelo En la figura 13 se
presenta la curva de demanda previamente descrita.
Figura 13. Curva de Demanda Objetivo

Los datos de carga de entrada y objetivo deben estar normalizados entre 0 y 1 para que puedan ser
operadas dentro de las funciones de transferencia en la Red Neuronal.
Los datos de entrada a la red neuronal se dividen así en tres conjuntos, cada uno con diferentes
características y porcentajes de partición según las recomendaciones dadas por [42, 43].
Considerándose así las últimas 4 muestras para el conjunto de prueba, valor que se encuentra entre
el 10% y el 30% de la longitud total de los datos, mismo valor que se asigna al conjunto de
validación, mientras que el conjunto de entrenamiento corresponde a los restantes 18 datos. De esta
forma, son constituidos los conjuntos para la predicción que se reportan en la tabla 8 y que se
encuentran dentro de los valores reportados en la literatura.
Tabla 8. Partición de los conjuntos de entrada para la predicción de la curva de demanda
CONJUNTO DE DATOS VALOR PORCENTUAL NÚMERO DE MUESTRAS

Entrenamiento 75% 18
Validación 15% 4
Prueba 10% 2
La red neuronal adopta las características descritas a continuación, seleccionando los valores
estándar descritos en la literatura y que se muestran en la tabla 9. Se dispone entonces de una red
neuronal encargada del pronóstico de la curva de demanda, como se observa en la figura 13.
32
Tabla 9. Valores estándar del modelo neuronal Curvas de Demanda
Parámetro Valor estándar

Número de capas 2 [44]
Número neuronas en la capa oculta 4 [39]
Número neuronas en la de salida 1 [44]
Algoritmo de entrenamiento Levenberg–Marquardt [40]
Partición para el entrenamiento En bloque [44]
Número de épocas de entrenamiento 1000 [45]
Objetivo 0 [45]
Chequeos de validación (validation checks) 6 [45]
Gradiente 1e-5 [45]
Taza de aprendizaje 0.01 [45]
Función de activación capa oculta Sigmoidal logística [45, 44]
Función de activación capa de salida Lineal [45, 44]
Figura 14. Estructura propuesta predicción Curva de Demanda
Al momento en que la RNA realiza el primer entrenamiento, los datos de salida obtenidos son
procesados para obtener el error relativo, por medio de la ecuación 12 [46].
(12)
Este error se establece como parámetro de referencia para que la RNA pueda encontrar una
aproximación a la función objetivo (véase figura 15). Para ello, ésta comienza a iterar n-veces hasta
llegar al error establecido para el programa, que para el caso de la simulación se estableció del 5 %,
debido al tiempo de ejecución de máquina que la simulación acarrea.
En la figura 16 se observa las regresiones lineales para el entrenamiento de los datos, la validación,
la prueba y el sistema completo. Con esto se evidencia que la predicción de la RNA se aproxima
más a la función objetivo, por la aproximación lineal que se aprecia en esta figura.
33
Figura 15. Entrenamiento RNA Curva de Demanda
Figura 16. Regresión Lineal Curva de Demanda
Asimismo, el programa genera la variación del error medio cuadrático con respecto al número de
épocas de la red neuronal (véase figura 17), para encontrar así el mejor valor de validación entre las
anteriores variables.
34
Figura 17. Performance Red Curva de Demanda
Los datos de salida son los 24 valores de carga del día predicho, donde se obtienen valores entre 1
y 0, los cuales se multiplican por el valor máximo de la base de datos inicial para obtener los valores
en unidades de Watts originales.
En el anexo E se aprecia un ejemplo de la curva de demanda predicha por medio de la

programación de la RNA. En esta se observa que el error relativo fue de 4,8945% respecto a la
función objetivo.
4.5 Curvas de Potencia Generada
Esta curva representa las posibles combinaciones de corriente y voltaje para un dispositivo
fotovoltaico, bajo condiciones ambientales determinadas (radiación solar incidente y temperatura
ambiente).
Para el modelamiento del comportamiento del SFVCR en el software, se calcula el valor de la

corriente y la tensión de la celda en el punto de máxima potencia, en intervalos de una hora, a partir
de los valores diarios medidos de irradiación y temperatura, así como los parámetros de la celda en
condiciones estándar, los cuales fueron tomados por el Laboratorio del LIFAE y suministrados para
el desarrollo del presente proyecto.
Según la literatura, uno de los procedimientos para calcular el modelo del SFVCR se puede resumir
en la siguiente secuencia de bloques.
1. Obtención de los valores de la irradiación diaria global usando los dispositivos de

adquisición de datos del laboratorio del LIFAE. En la figura 18 se observa una curva de
irradiancia utilizada en el software.
35
2. Obtención de los valores de la temperatura ambiente usando los dispositivos de adquisición

de datos del laboratorio del LIFAE. En la figura 19 se observa una curva de temperatura
contra tiempo, utilizada en el software.
3. Cálculo de la corriente de cortocircuito, del factor de llenado, corriente y tensión en el punto
de máxima potencia de la celda [47, 48].
Curva de Irradiancia
1200
1000
Radiación (w/m2)
800
600
400
200
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (horas)
Figura 18. Curva de Irradiancia Laboratorio
Curva de Temperatura Ambiente

25
20
Temperatura (°C)
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (horas)
Figura 19. Curva Temperatura Ambiente Laboratorio
El proceso de cálculo emplea secuencialmente las siguientes 12 ecuaciones para obtener los
valores de operación del módulo.
1. Corriente de cortocircuito de la celda como se indica en la ecuación 13 [48].
36
(13)
Donde,
2. Temperatura de la celda según la ecuación 14 [48].
( )
(14)
Donde,
3. Tensión de circuito abierto acorde a la ecuación 15 [48].
(15)
Donde,
4. Tensión de la celda normalizada como se muestra en la ecuación 16 [48].
(16)
Donde,
37
(17)
5. Factor de llenado como se muestra en la ecuación 18 [48], sin considerar una resistencia
serie.
(18)
Donde,
6. Resistencia normalizada tal como se muestra en la ecuación 19 [48].
(19)
Donde,
7. Tensión y corriente de la celda en el punto de máxima potencia según lo indicado en las

ecuaciones 20 y 21 [48].
[ ( ) ]
(20)
(21)
y son constantes dadas por las ecuaciones 22 y 23 [48],
(22)
(23)
Donde,
38
8. Máxima potencia de la celda como se muestra en la ecuación 24 [48].
(24)
Donde,
Con el uso y análisis de las ecuaciones anteriormente citadas, se logró obtener los valores de
potencia máxima sobre el módulo fotovoltaico seleccionado para la simulación, que posteriormente
se obtendrá como un arreglo de módulos para formar el generador fotovoltaico a partir de los
registros históricos de irradiancia y temperatura ambiente dados por el laboratorio del LIFAE. Así, se
introducen estos valores de potencia al programa y de esta manera se puede generar las curvas de
potencia generadas según sea la necesidad del usuario.
GENERACIÓN CURVA DE POTENCIA GENERADA A PARTIR DE RNA
El usuario debe seleccionar uno de los registros de irradiancia y temperatura de los siguientes días
del año 2012: 3 de septiembre, 2 de octubre, 3 de octubre y 1 de noviembre. Se tomaron estos
registros, dado que en dichos días se presentaron los mayores niveles de irradiación. Conforme se
vaya ampliando la base de datos de registro del laboratorio LIFAE, el software tendrá un rango más
amplio de días de simulación.
Los registros diarios de irradiancia y temperatura se encuentran dentro de un menú Pop-up. En el
cual, al oprimir el botón “plot curve” el programa abre el toolbox de entrenamiento de la red neuronal
y así, se genere la curva y el error que se tiene en la aproximación real.
Para la red neuronal, los datos de entrada son aquellos que el usuario selecciona del menú anterior.
Dichos datos de entrada se resumen en la tabla 10.
Tabla 10. Datos de entrada Curva Potencia RNA
1 de Noviembre 2 de Octubre 3 de Septiembre 3 de Octubre

Hora
Irradiancia T(ºC) Irradiancia T(ºC) Irradiancia T(ºC) Irradiancia T(ºC)
0 0 7,484 0 6,879 0 9,779 0 6,128
1 0 6,692 0 7,161 0 9,773 0 5,655
2 0 6,246 0 7,113 0 9,103 0 5,417
3 0 5,86 0 6,676 0 7,372 0 4,324
4 0 4,676 0,474 6,762 0 8,748 0,376 4,722
5 3,383 5,204 13,226 5,908 3,139 9,058 8,061 4,669
6 19,156 5,649 90,448 7,807 18,139 9,077 84,236 6,068
7 35,142 6,921 148,776 8,999 72,451 8,338 233,678 7,314
39
8 282,52 10,012 491,188 10,371 119,794 7,888 510,339 9,363

9 362,639 10,884 770,441 13,78 206,835 8,378 649,593 12,492
10 765,327 13,733 462,214 14,24 542,172 12,76 637,818 13,801
11 936,835 16,163 843,739 16,859 889,174 19,059 876,953 16,425
12 707,582 17,388 495,915 15,652 825,133 18,654 956,714 17,581
13 592,684 16,422 506,882 15,973 365,255 15,053 793,483 17,849
14 702,6 19,401 455,215 14,526 581,194 16,554 734,167 17,813
15 475,911 19,165 389,646 16,133 194,257 12,825 621,889 16,93
16 199,892 16,338 158,187 14,201 126,585 11,647 249,935 16,907
17 124,728 15,696 37,322 11,432 50,508 10,861 16,779 11,648
18 7,822 11,623 4,223 9,877 11,874 9,806 4,204 9,888
19 2,245 9,694 1,571 9,495 2,963 9,598 1,664 9,143
20 0 9,121 0 8,626 0 8,773 0 8,707
21 0 8,482 0 7,288 0 7,318 0 8,31
22 0 7,865 0 7,422 0 8,561 0 7,024
23 0 7,638 0 6,841 0 8,651 0 7,524
La función objetivo que se utilizó para el modelamiento de la red fue un registro histórico donde se
presentó una condición de irradiancia que superó el parámetro de irradiancia estándar; por lo cual se
adopta como curva modelo para los demás registros. En la figura 20 se presenta la gráfica a lo largo
del día de la curva objetivo previamente descrita.
Función Objetivo
1200
1000
Radiación (w/m2)
800
600
400
200
0
1 2 3 4 5 6 7 8 9 101112131415161718192021222324
Tiempo (horas)
Figura 20. Curva de Potencia Generada Objetivo
Los datos de carga de entrada y objetivo deben estar normalizados entre 0 y 1 para que puedan ser
operadas dentro de las funciones de transferencia en la Red Neuronal.
40
Los datos de entrada a la red neuronal se dividen así en tres conjuntos, cada uno con diferentes
características y porcentajes de partición según las recomendaciones dadas por [42, 43].
Considerándose así las últimas 4 muestras para el conjunto de prueba, valor que se encuentra entre
el 10% y el 30% de la longitud total de los datos, mismo valor que se asigna al conjunto de
validación, mientras que el conjunto de entrenamiento corresponde a los restantes 18 datos. De esta
forma, son constituidos los conjuntos para la predicción que se reportan en la tabla 11 y que se
encuentran dentro de los valores reportados en la literatura.
Tabla 11. Partición de los conjuntos de entrada para la predicción de la curva de demanda
CONJUNTO DE DATOS VALOR PORCENTUAL NÚMERO DE MUESTRAS

Entrenamiento 75% 18
Validación 15% 4
Prueba 10% 2
La red neuronal adopta las características descritas a continuación, seleccionando los valores
estándar descritos en la literatura y que se muestran en la tabla 12. Se dispondrá de una red
neuronal encargada del pronóstico de la curva de potencia generada, como se observa en la figura
21.
Tabla 12. Valores estándar del modelo neuronal Curvas de Demanda
Parámetro Valor estándar

Número de capas 3 [44]
Número neuronas en la capa oculta 20 [39]
Número neuronas en la de salida 1 [44]
Algoritmo de entrenamiento Levenberg–Marquardt [40]
Partición para el entrenamiento En bloque [44]
Número de épocas de entrenamiento 1000 [45]
Objetivo 0 [45]
Chequeos de validación (validation checks) 6 [45]
Gradiente 1e-5 [45]
Taza de aprendizaje 0.01 5 [45]
Función de activación capa oculta Sigmoidal logística [45, 44]
Función de activación capa de salida Lineal [45, 44]
Figura 21. Estructura Propuesta Predicción Curva de Potencia Generada
Al momento en que la RNA realiza el primer entrenamiento, los datos de salida obtenidos son
procesados para obtener el error relativo, por medio de ecuación 25 [46],
41
(25)
Este error se establece como parámetro de referencia para que la RNA pueda encontrar una
aproximación a la función objetivo (véase figura 22). Par ello, comienza a iterar n-veces hasta que se
llegue al error establecido para el programa, en este caso el error es del 8%, debido al tiempo de
ejecución de máquina que la simulación acarrea.
En la figura 23 se observa las regresiones líneas para el entrenamiento de los datos, la validación, la
prueba y el sistema completo. Con esto se evidencia que la predicción de la RNA se aproxima más a
la función objetivo, por la aproximación lineal que se aprecia.
Figura 22. Entrenamiento RNA Curva Potencia Generada
42
Figura 23. Regresión Lineal Curva Potencia Generada
Asimismo, el programa genera la variación del error medio cuadrático con respecto al número de
épocas de la red neuronal (véase figura 24), para encontrar así el mejor valor de validación entre las
anteriores variables.
Figura 24. Performance Red Curva Potencia Generada
Los datos de salida son los 24 valores de potencia generada del día predicho, donde se obtienen
valores entre 1 y 0, los cuales se multiplican por el valor máximo de la base de datos inicial para
obtener los valores en unidades de Watts originales.
43
Finalmente, en el anexo D se aprecia un ejemplo de la curva de potencia generada predicha por

medio de la programación de la RNA. En esta se observa que el error relativo fue de 4,271%
respecto a la función objetivo. El registro histórico que se utilizó fue el del día 3 de septiembre.
GENERACIÓN CURVA DE POTENCIA GENERADA EN CONDICIONES ESTÁNDAR
Debido a que existe la posibilidad que en algunas épocas del año se puedan presentar condiciones
de irradiación estándar, en el programa se plantea la generación de una curva ideal, a partir de los
datos de irradiancia tomados por las fichas técnicas de los fabricantes [49, 50]. En la figura 25 se
presenta la gráfica I contra V para cada nivel de radiación normalizado.
Figura 25. Curva Ideal V-I
En el anexo D se muestra la gráfica de la curva de potencia ideal que genera el programa,

observándose que los valores pico de potencia que alcanza ésta, están entre los 150W a los 160W.
Dicha curva de potencia representa el comportamiento de un panel con el que trabaja el sistema.
4.6 Generación Curva Total
En términos generales, los generadores fotovoltaicos conectados a la red pueden aportar

importantes beneficios a los sistemas de distribución, dependiendo de las características y
condiciones operativas de la red de distribución, así como de la localización de estos dentro de la
misma. El beneficio potencial más importante es poder suavizar los picos de demanda cuando existe
cierto grado de coincidencia entre el perfil de generación fotovoltaica y el perfil de consumo [51].
44
Para mostrar el impacto de la generación fotovoltaica sobre el patrón de demanda eléctrica del
usuario, el software permite a este seleccionar entre 10 diferentes combinaciones, mostradas en la
figura 9 del subíndice 4.2.
Así, dependiendo de la curva simulada: potencia demandada o potencia generada, el programa

realiza la superposición de dichas curvas y las grafica en la sección D de la figura 8. Como resultado
de esta superposición, se presentan intervalos positivos y negativos al momento de realizar la
comparación de la energía suministrada por el generador fotovoltaico y la energía demandada por el
usuario. Se presenta un intervalo negativo cuando la energía del generador fotovoltaico supera la
energía demandada de la red por el usuario y viceversa. Para el caso de este proyecto, debido al
dimensionamiento de la carga del usuario, la energía demandada por éste no sobrepasa la energía
proveniente del sistema fotovoltaico en la mayoría de los casos de simulación.
45
Capítulo 5
PROTOCOLOS DE COMUNICACIÓN
En este capítulo se enuncia la metodología que fue implementada para comunicar el programa
desarrollado en Matlab® con el prototipo físico que emula el comportamiento del software. Se
implementaron dos métodos de comunicación. El primero, consiste en un protocolo de comunicación
serial a partir de una interfaz RS232 entre el ordenador y un microcontrolador de la familia Motorola
(MC68HC908JL8). El segundo, es un protocolo de comunicación VISA (Virtual Instrument Software
Architecture) mediante interfaz USB, que permite comunicar el ordenador con una fuente DC
programable Agilent N8762A.
5.1 El modelo de referencia OSI
Cuando se describe la estructura y funcionamiento de los protocolos de comunicación, es necesario

recurrir al modelo de arquitectura desarrollado por la ISO (International Standards Organization), el
cual se denomina Modelo de Referencia OSI (Open Systems Interconnect) [52].
El modelo OSI está constituido por siete capas que definen las funciones de los protocolos de
comunicación. Cada capa del modelo representa una función realizada cuando los datos son
transferidos entre aplicaciones cooperativas a través de una red intermedia [52]. En La figura 26 se
presentan las siete capa que constituyen el modelo OSI.
Figura 26. Modelo referencia OSI. Fuente: [53]
46
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
De acuerdo con lo anterior, el presente proyecto involucra las dos primeras capas del modelo OSI,
debido a que éste posee un canal de comunicación alámbrico para realizar un enlace de datos. Tal
como se define en el modelo OSI, la primera capa (denominada capa física), se encarga de la
transmisión de los bits a lo largo de un canal de comunicación, y la segunda capa (denominada capa
de enlace de datos), proporciona el servicio de envío de datos a través del enlace físico [52].
5.2 Protocolo de comunicación serial
La comunicación serial envía la información como un tren de pulsos utilizando el protocolo RS-232
[54]. Para realizar la tarea del envío de información, es necesario, que tanto el emisor como el
receptor estén configurados para trabajar a la misma tasa de transferencia (9600 Baudios), ya que la
comunicación es asíncrona y la señal de reloj no es enviada con la información [54].
En este proyecto, el transmisor de datos es el programa desarrollado en Matlab® (véase capítulo 4)

mientras que el receptor de datos es el microcontrolador Motorola MC68HC908JL8 empleando sus
puertos de transmisión y recepción de datos.
A continuación se presenta de manera detallada el puerto de comunicación y el microcontrolador

empleado, así como la metodología utilizada para realizar el protocolo de comunicación serial. Para
esto, se desarrolló un algoritmo de programación bajo lenguaje assembler en el entorno WinIDE.
PUERTO RS 232
Para la transmisión de información se emplea un puerto serial RS-232, el cual consta de 9 pines
(véase figura 27). Para el proceso de transmisión sólo son necesarios 3 pines: uno a través del cual
se envía la información, otro a través del cual se recibe ésta y otro como referencia de voltaje o
tierra. Los 5 restantes son para el control de datos, petición de información, libre para enviar, etc.
[55].
Como característica principal de este puerto, los valores de tensión que éste utiliza para sus niveles
lógicos, están entre +3 y +25 voltios para representar un 0 (cero), mientras que los niveles de
tensión entre -3 y -25 voltios representan un 1 (uno) lógico.
Figura 27. Diagrama del conector DB-9. Fuente: [55].
Para trabajar con el estándar de comunicación serial no se hace referencia al tipo de conector que
debe usarse. Sin embargo los conectores más comunes son el DB-25 (25 pines) y el DB-9 (9 pines).
En el desarrollo e implementación de este proyecto se utilizó un conector de 9 pines, debido a la
facilidad y practicidad que este puerto posee en el momento de comunicar ordenadores con
Microcontroladores.
47
MICROCONTROLADOR MOTOROLA (MC68HC908JL8)
El MC68HC908JL8 es un dispositivo de bajo costo y alta eficiencia de la familia de

Microcontroladores Motorola M68HC08 de 8-bit. Posee un módulo SCI (Serial Communication
Interface), que permite realizar una comunicación asincrónica con otros medios físicos. La figura 28
muestra el diagrama de bloques de la arquitectura del microcontrolador, especificando el módulo de
comunicación serial y los puertos de salida utilizados para el presente proyecto [56].
Figura 28. Diagrama de Bloques Arquitectura MC68HC908JL8. Fuente: [56].
El módulo SCI permite la comunicación full-duplex, asíncrona, entre el microcontrolador y

dispositivos remotos. El transmisor y el receptor de la SCI operan de forma independiente, a pesar
que utiliza el mismo generador de velocidad en baudios. Durante el funcionamiento normal, la CPU
controla el estado de la SCI, escribiendo los datos a transmitir, y los procesos de los datos recibidos.
La fuente de reloj de la velocidad de transmisión para el SCI es el reloj de bus [56]. La figura 29
describe la forma en el que el microcontrolador realiza la transmisión y recepción de datos mediante
el módulo SCI, el cual utiliza los puertos de salida DDRB del microcontrolador como medio de salida.
48
Figura 29. Diagrama de Bloques Módulo SCI. Fuente: [56]
CONTROLADOR MAX232
El MAX232 es un doble controlador / receptor que incluye un generador de tensión capacitiva para
suministrar niveles de tensión EIA-232 a partir de una sola fuente de 5 V. Cada receptor convierte
las entradas EIA-232 a niveles TTL / CMOS 5 V. Estos receptores tienen un umbral típico de 1,3 V y
una histéresis típica de 0,5 V, y pueden aceptar entradas ± 30 V. Cada controlador convierte los
niveles de entrada de TTL / CMOS en niveles de ± 8.5 V [57]. En la figura 30 se observa el circuito
para la operación típica del integrado MAX232 en sistemas de comunicación serial.
49
Figura 30. Circuito MAX232. Fuente: [57]
Para lograr que el microcontrolador Motorola MC68HC908JL8 reciba datos desde el programa que
se realizó en Matlab®, es necesario enviar éstos a través del canal de comunicación serial del
controlador MAX232 (pin 8).
DIAGRAMA DE FLUJO CONTROL DE CARGAS
En la figura 31 se describe la metodología programada al microcontrolador para que éste realice el

control de las cargas resistivas. Mediante el seguimiento de los procesos mostrados en el diagrama
de flujo, se explican las rutinas que debe implementar el microcontrolador para poder establecer
comunicación serial entre el software desarrollado en Matlab® y el prototipo físico (véase capítulo 6).
50
Inicio
Definir Variables
Inicializar el SP (Stack Point)
Deshabilitar el módulo COPD del registro de config 1
Habilitar Puerto B (PORT B) como salida
Habilitar registro de control del SCI (Serial Communication Interface)
Limpiar registro X y H
Inicializar variables A
Habilitar Recepción Serial Rx
Borrar banderas y habilitar lectura del registro
Recibir datos más significativos en código ASCII
Deshabilitar Recepción Serial Rx
NO
El dato está
entre 1 y 9
SI
Poner en 0 el acumulador
Almacenar dato en variable 1
Multiplicar por 10 la variable 1
Continuar para recibir el siguiente dato
Habilitar Recepción Serial Rx
Borrar banderas y habilitar lectura del registro
SI
Recibir dato menos significativo en código ASCII
Deshabilitar Recepción Serial Rx
NO
El dato está
entre 1 y 9
SI
Continuar con la suma de datos
Almacenar el valor del acumulador en la variable 3

A
Sumar variable 1 y variable 2
SI
El resultado está
Almacenar resultado en variable 3 entre 5 y 50
Enviar datos al PORTB
Figura 31. Diagrama de Flujo Control de Cargas
51
La figura 32 muestra el circuito implementado para realizar el control de cargas resistivas que
modelan la curva de demanda mediante el microcontrolador Motorola MC68HC908JL8 y su conexión
con el controlador MAX232. Éste se conecta a un puerto serial de 9 pines para realizar la
comunicación entre el prototipo físico y el software.
Adicionalmente, este circuito se compone de un integrado 74LS125, el cual se utiliza para proteger
las entradas del microcontrolador contra tensiones mayores a 10 mV.
Figura 32. Circuito control de cargas
5.3 Protocolo de comunicación VISA
La arquitectura para sistemas de instrumentación virtual (Virtual Instrumentation Systems

Architecture) VISA, es un estándar definido por Agilent Technologies y National Instruments,
desarrollado para comunicarse con instrumentos independientemente de la interfaz que se utilice.
VISA es un conjunto de bibliotecas destinadas a configurar, programar y controlar instrumentos bajo
arquitecturas VXI, VME, PXI, GPIB, RS-232 y USB. VISA ayuda al rápido desarrollo de sistemas de
instrumentación industriales y permite la reutilización del software para la ejecución de diferentes
programas [58].
En este proyecto el protocolo de comunicación VISA es utilizado en el espacio de trabajo de Matlab®

para realizar la comunicación y control de una fuente DC programable Agilent N8762A, mediante
interfaz USB.
Para poder emplear el protocolo de comunicación VISA entre el ordenador y el instrumento

programable, es preciso utilizar un puerto de comunicación USB. A continuación se presenta de
manera destallada el puerto de comunicación USB y la fuente DC programable (Agilent N8762A)
empleada para realizar el protocolo de comunicación VISA.
PUERTO USB
El Universal Serial Bus (bus universal en serie) o Conductor Universal en Serie (CUS), abreviado
comúnmente USB, es una arquitectura de bus desarrollada por las industrias de computadoras y
52
telecomunicaciones, que permite instalar periféricos sin tener que abrir la máquina para colocar
hardware, es decir, basta con conectar dicho periférico al computador [59].
El puerto USB permite comunicar dispositivos periféricos rápidamente sin necesidad de reiniciar la
computadora ni de volver a configurar el sistema. El puerto USB trabaja como interfaz para la
transmisión de datos y distribución de energía del dispositivo periférico, con el fin de mejorar las
lentas interfaces serie y paralelo. Los puertos USB son capaces de transmitir datos a 12 Mbps [59].
Figura 33. Símbolo USB. Fuente: [59]
FUENTE DC PROGRAMABLE AGILENT N8762A
La fuente de alimentación DC programable Agilent N8762A, es un sistema de alimentación

conmutado con tensión de salida hasta 600V y corriente de 8.5A. Esta fuente de tensión posee un
factor de potencia corregido y ofrece opciones flexibles de tensión de entrada en corriente alterna
[60].
Figura 34. Fuente Agilent N8762A
La tensión y corriente de salida se muestran continuamente a través de matrices LED, las cuales
muestran el estado de funcionamiento de la fuente de alimentación. Los controles del panel frontal
permiten al usuario configurar los parámetros de salida, sobre-tensión, baja tensión, y los niveles de
protección de sobre-corriente y la vista previa de los ajustes manuales.
Figura 35. Panel frontal Fuente Agilent N8762A.
53
El panel trasero incluye los conectores necesarios para controlar y supervisar la operación de
suministro de energía por medio de señales analógicas o las integradas en interfaces de
comunicación a distancia [60].
La figura 36 muestra el panel trasero de la fuente Agilent N8762A, así como la ubicación del puerto
de comunicación USB que se utilizó para realizar el control y transferencia de datos entre el software
realizado y la fuente DC programable.
Figura 36. Panel trasera Fuente Agilent N8762A.
CONTROL DE FUENTE PROGRAMABLE DC AGILENT N8762A
La figura 37 describe por medio de un diagrama de flujo, la metodología desarrolladla que se empleó
para realizar el control de la fuente programable DC Agilent N8762A a partir del software
implementado en Matlab®.
Inicio
Crear objeto del dispositivo Agilent N57xx.mdd, USB0::2391::n87629-US13906696::0::INST’
Establecer conexión con la fuente DC
Encender fuente DC
Establecer nivel de tensión
Enviar niveles de corriente 24x1
Establecer niveles de corriente
Mantener nivel de corriente durante el intervalo de simulación
Apagar fuente DC
Establecer desconexión de la fuente DC
Eliminar objetos del dispositivo
Fin
Figura 37. Diagrama de Flujo control fuente programable DC Agilent N8762A
54
5.4 Establecer comunicación
Para lograr establecer la comunicación entre el software desarrollado en Matlab® y el prototipo

físico, se ubicaron dos espacios editables y un botón en la ventana principal del programa que
permite conectar paralelamente el microcontrolador y la fuente programable DC con el ordenador.
De este modo se controlan las cargas resistivas y la fuente programable DC Agilent N8762A, de
acuerdo a las curvas que previamente fueron generadas en el programa.
Figura 38. Botón para establecer comunicación
Figura 39. Espacios Editables para establecer comunicación.
En los espacios editables se debe introducir el número del puerto COM en el que se conecta el cable
serial y la dirección VISA que es proporcionada por el programa general de la fuente Agilent (Agilent
Connection Expert). Para mayor información, anexo a este documento se entrega el manual de
usuario donde se explica detalladamente este proceso.
Para lograr establecer la comunicación paralelamente entre el microcontrolador y la fuente

programable DC se utilizan dos protocolos de comunicación diferentes. El primero, es un protocolo
de comunicación serial a través de un puerto RS232, el cual comunica el ordenador con el
microcontrolador. El segundo es un protocolo de comunicación VISA utilizando un cable USB, el cual
se emplea para conectar el ordenador con la fuente.
Asimismo, el programa presenta una opción donde se puede establecer el tiempo de simulación
según la necesidad que el usuario tenga al momento de establecer comunicación en tiempo real.
Para ello, se ubicó en la ventana principal un menú pop-up, como se observa en la figura 40, que
contiene las variables de simulación que el software presenta. En este menú se tienen dos opciones:
24 minutos y 24 horas, estas opciones son funcionales en el momento de trabajar de manera
práctica con el prototipo.
Figura 40. Tiempos de simulación.
55
La opción de 24 minutos permite que el usuario prediga el comportamiento de las curvas generadas
del día siguiente y así acomodar sus necesidades de consumo y generación. La opción de 24 horas
permite al usuario participar como ente activo del sistema de potencia, debido a que el prototipo
estará conectado en tiempo real con la red de distribución 24 horas 7 días.
Adicionalmente, en la ventana principal debajo del menú pop-up del tiempo de simulación, se
encuentra un indicador que le muestra al usuario en que hora de la curva generada se encuentra la
simulación (1 hora a 24 horas).
COMUNICACIÓN CON LAS CARGAS RESISTIVAS
Para controlar las cargas a partir de las curvas de demanda generadas, Matlab® debe convertir los
valores resultantes en su respectivo valor ASCII, debido a que en el momento en que estos datos
son enviados a través del puerto serial y el microcontrolador sólo recibe caracteres ASCII. En la
tabla 13 se muestran los caracteres ASCII que se emplearon para el algoritmo de comunicación.
Estos caracteres corresponden a los valores numéricos entre 0 y 9 que representan los valores de
potencia de cada hora generada.
Tabla 13. Caracteres ASCII Utilizados
ASCII Hexadecimal Símbolo

48 30 0
49 31 1
50 32 2
51 33 3
52 34 4
53 35 5
54 36 6
55 37 7
56 38 8
57 39 9
Debido a que el microcontroloador únicamente recibe datos de manera serial, es decir uno por uno,
Matlab® debe dividir el dato de potencia que se requiere enviar en términos de decenas y unidades.
Por lo tanto, si se quiere transmitir un valor de potencia de 75 W, el programa primero envía el
carácter “7” y luego envía el carácter “5”. Luego, dentro de la secuencia lógica del algoritmo del
microcontrolador, estos caracteres vuelven a convertirse en 75, tal como se explica en el diagrama
de flujo de la figura 31.
COMUNICACIÓN CON LA FUENTE
Para inicializar el protocolo de comunicación entre Matlab® y la fuente programable, se debe crear
un objeto virtual VISA-USB para utilizar el driver IVI que permitirá controlar la fuente. La dirección
VISA que se utiliza proviene de la interfaz del fabricante, a través del programa “Agilent Connection
Expert”, como se mencionó anteriormente.
56
Después de establecer comunicación con la fuente y configurar el nivel de tensión, el programa

envía, de acuerdo al tiempo de simulación configurado por el usuario, el vector de corrientes
resultante del software a la fuente, para que ésta asigne cada valor a la salida de la misma.
5.5 Adquisición de Datos
Con el fin de efectuar un seguimiento en tiempo real del comportamiento de las cargas instaladas en
el prototipo, se diseña un sistema de adquisición de datos mediante medición indirecta de la
corriente del sistema de cargas del usuario.
La adquisición de datos se realiza a través de la tarjeta de audio del ordenador, debido a que esta
permite la captura de señales análogas con valores de tensión pico entre ± 1 V [61]. De este modo,
se emplea algoritmos de programación en Matlab® (véase figura 43) con el fin habilitar el canal de
recepción derecho de la tarjeta de audio, el cual va a recibir todas las señales tomadas. Además, es
necesario utilizar un cable „plug and play‟ estéreo como enlace de comunicación de la señal, junto
con una resistencia shunt ubicada en serie al alimentador principal las cargas. La cual introduce un
error relativo cercano al 0,05%, puesto que la potencia que ésta disipa no es comparable con la que
consumen las cargas conectadas.
Figura 41. Resistencia Shunt
De acuerdo a las ecuaciones 35 y 36, se instala una resistencia de 0,5 Ω como se muestra en la
figura 41.
(26)
La corriente del sistema es medida por medio de una pinza amperimétrica (véase figura 42) en el
momento en que todas las cargas están encendidas.
57
(27)
Figura 42. Corriente del sistema
Debido a que comercialmente no existen valores de resistencia cercana a 0,389 Ω, se decide

realizar un paralelo entre dos resistencia con valor de 1 Ω para trabajar con una Rshunt de 0,5 Ω. Con
este valor de resistencia la tensión pico que existe entre bornes no será superior a ± 1 V cuando
todas las cargas están encendidas, razón por la cual se puede realizar un muestreo que no afecte el
hardware de adquisición de datos del ordenador.
En la figura 43 se describe la metodología que Matlab® emplea para adquirir los datos por medio de
la tarjeta del audio del ordenador.
58
Inicio
Conexión del cable estéreo entre el ordenador y el prototipo
Selección del tiempo de simulación
Inicio de simulación
Creación del objeto de audio (analog input ai)
Habilitar canal derecho en la tarjeta de sonido
Establecer tasa de muestreo (10000 muestras por segundo)
Establecer número de muestras por trigger (1000 muestras)
Sincronizar tiempo real del ordenador
Iniciar adquisición de datos
Capturar la señal recibida
Almacenar dato en el intervalo de simulación
Finalizar sincronización tiempo real del ordenador
NO
Simulación
Finalizada ?
SI
Borrar objeto de audio (ai)
Cargar datos capturados
Graficar datos capturados
Fin
Figura 43. Diagrama de flujo adquisición de datos.
59
Esta resistencia se instala en serie al alimentador principal de las cargas existentes en el prototipo.
Cada vez que una carga se enciende sobre la resistencia se presenta una diferencia de tensión, la
cual es proporcional a la corriente que circula por el sistema, como se resume en la tabla 14.
Tabla 14. Caracterización Resistencia Shunt
Caracterización Shunt
Combinación Resistencia
Valor Valor
1 2 3 4 5 6 7 8 Máximo Mínimo
0,1704 0,1832
0,2022 0,2149
0,2274 0,2444
0,2724 0,308
0,3124 0,3353
0,3455 0,3721
0,3872 0,4174
0,4235 0,4624
0,4637 0,4883
0,49 0,5364
En el momento en que la señal análoga es recibida, Matlab® acondiciona dicha señal entre los
valores máximos admisibles hasta que finalice la simulación, desplegando una ventana emergente
con el grafico del perfil de carga discreto que se obtuvo de la simulación, tal como se indica en la
figura 44.
Figura 44. Grafica resultante adquisición de datos
60
Capítulo 6
PROTOTIPO FÍSICO
En este capítulo se describe el diseño y ensamble del prototipo físico que emula el comportamiento
tanto de las cargas como del generador FV a partir de los resultados obtenidos por el software. Este
prototipo físico se diseñó y dimensionó para contener todos los dispositivos electrónicos y eléctricos
necesarios para el buen comportamiento del emulador. Para ello, el prototipo se dividió en tres
niveles, con el propósito de emplazar de manera ordenada y que sea entendible físicamente para el
usuario. En la figura 45 se muestra la disposición física del prototipo.
Figura 45. Prototipo Físico
6.1 Nivel 1
El área que comprende este nivel está dedicada para albergar el inversor, la fuente de poder, el
punto de acople común tanto en AC como en DC, así como el arreglo que se le adapto al inversor
para establecer la corriente (carga de estabilización). La disposición total del nivel 1 se muestra en la
figura 46.
62
CAPÍTULO 6. PROTOTIPO FÍSICO
Figura 46. Disposición elementos nivel 1.
El inversor se muestra en la figura 47. Como se explicó anteriormente, su función es convertir la

energía de naturaleza DC en naturaleza AC. Para conectar el inversor a la fuente DC Agilent, en sus
bornes se adaptó un conductor 10 AWG THWN/THHN/600V/90ºC Cu Cable tanto para el positivo
como para el negativo, como se observa en la figura 48. Asimismo, en los bornes AC del inversor se
instaló una extensión en conductor 14 AWG THWN/THHN/600V/90ºC Cu Cable dispuesto para fase,
neutro y tierra. Cada uno de los conductores está debidamente rotulado con cinta de colores según
RETIE y NTC 2050 [62, 63].
Figura 47. Inversor.
Figura 48. Salidas del inversor
63
La carga de estabilización de corriente, la cual consta de 2 elementos resistivos de 60 W y opera

cuando el inversor se conecta a la fuente DC Agilent. Esta carga está conectada en paralelo entre el
inversor y la fuente DC Agilent como se observa en el diagrama de bloques de la figura 49. El
propósito de esta carga es reducir el tiempo de respuesta de la fuente cuando se alcanza el valor de
la corriente de cortocircuito de la misma. Para reducir este tiempo de respuesta, la carga de
estabilización siempre estará consumiendo una corriente de 0,59 A, garantizando así, que la fuente
volverá a alcanzar el valor de corriente programado más rápido, es decir, que la corriente no llega a
cero, sino que llega al valor que la carga consuma
Figura 49. Diagrama de Bloques conexión inversor.
Finalmente, en este nivel se encuentra el punto de acople común PAC tanto DC como AC (véase figura 50).
Para este PAC se utilizó una caja de conexión de cuatro barrajes. En orden ascendente, el primero se dispuso
como barraje de fase y el segundo como barraje de neutro, los cuales se emplean para alimentar las cargas
del sistema eléctrico. El tercero como barraje positivo y el cuarto como barraje negativo, los cuales se utilizan
para alimentar el sistema de control.
Figura 50. Punto de Acople Común
6.2 Nivel 2
En este nivel se ubican el sistema de control, la resistencia shunt y el banco de condensadores. En

la figura 51 se muestra como están ubicadas estas partes dentro del nivel.
64
Figura 51. Nivel 2
El circuito de control es el encargado de activar o desactivar las cargas acorde a las simulaciones
del software. Este sistema de control consta de un circuito impreso con un Microcontrolador, tres
buffer de protección, un driver UGN 3804 y un controlador MAX 232 para comunicación serial, como
se muestra en la figura 52. Asimismo, el sistema de control contiene ocho relés de cinco pines de 5
V, los cuales son los encargados de energizar y desenergizar eléctricamente las resistencias. Dichos
relés están conectados directamente al circuito impreso que se ubica en el prototipo físico. En la
figura 53 se muestran la disposición de los relés dentro del nivel.
Figura 52. Circuito Impreso
65
Figura 53. Relés.
En el anexo B se habla acerca del banco de condensadores instalado en el prototipo físico.
6.3 Nivel 3
En este nivel está se ubican las resistencias (5 W y 10 W), el ventilador, que para efectos de este
prototipo funciona como inductancia, y el termomagnético DC que se conecta al inversor. En la figura
54 se observa la disposición de los objetos de este nivel.
Figura 54. Nivel 3
La función del termomagnético DC, consiste en proteger los conductores del inversor contra
cualquier elevación de corriente que se pueda presentar en el sistema. En la figura 49 se observa la
ubicación de éste dentro del diagrama de bloques. Asimismo, en el anexo J se encuentra la ficha
técnica de este termomagnético con su respectiva curva de corriente contra tiempo.
Debido a que las resistencias industriales están energizadas durante la ejecución de la simulación, la
temperatura de éstas se eleva rápidamente, con lo cual se hace necesario utilizar un sistema de
refrigeración. Este sistema de refrigeración consiste en un ventilador de flujo dirigido, como se ilustra
66
en la figura 55, el cual se dispone para reducir la temperatura de las dos resistencias de 10 W que
son las que mayor tiempo estarán encendidas.
Figura 55. Sistema de Refrigeración
6.4 Panel Frontal
El panel frontal del prototipo físico se dispuso como un espacio para instalar todos los indicadores de
operación, las terminales de comunicación y adquisición de datos, así como los interruptores que
controlan el inversor y el prototipo. Estos indicadores y salidas guían al usuario para la buena
manipulación del emulador.
Figura 56. Indicadores Panel Frontal
67
En la parte superior del panel frontal se ubican dos indicadores globales del sistema: „Demanding‟ e
„Injecting‟. El primero es un LED amarillo que le indica al usuario cuando las cargas están
encendidas y se está consumiendo energía de la red. El segundo es un LED blanco, el cual indica
que se está generando energía y entregándose a la red, como se observa en la figura 56.
Además, existen 10 indicadores LED: R1, R2, R3, R4, R5, R6, R7, R8, L y C, que tienen como
función anunciar al usuario si una carga se encuentra encendida o no. Los primeros seis LED azules
muestran qué resistencia de 5 W está encendida. Los dos LED rojos informan qué resistencia de 10
W se encuentra energizada. Finalmente, el LED verde indica cuando el condensador se conecta y el
LED amarillo cuando se enciende la inductancia, como se muestra en la figura 56.
Asimismo, en el panel frontal se tienen las terminales dispuestas para establecer comunicación con
el ordenador: „Serial Communication‟ y „Data Reception‟. Para ello, se tiene una terminal DB9 donde
se conecta el cable serial RS232 para establecer enlace entre el ordenador y el prototipo, y así
controlar las cargas. También, al lado del DB9 se dispone de una terminal de audio, en la cual se
conecta un cable de estéreo para realizar un muestreo en tiempo real del comportamiento de las
cargas, tal como se ilustra en la figura 56.
Para manipular de forma segura el prototipo, en el panel frontal se instalan dos interruptores „Load
On/Off‟ e „Inverter On/Off‟. El primer interruptor tiene como función encender o apagar las cargas AC
que están instaladas en el prototipo, mientras que el segundo interruptor desconecta y conecta el
inversor de la red según lo considere el usuario. Estos interruptores se encuentran ubicados en la
parta inferior del panel frontal como se observa en la figura 56.
68
Capítulo 7
ANÁLISIS DE RESULTADOS
En este capítulo se resume los resultados obtenidos de la operación en conjunto del software y el
prototipo físico, con el propósito de comprobar y garantizar el funcionamiento del emulador. Para
esto, se realizaron un conjunto de pruebas para los siguientes escenarios:
 Escenario 1: Curva de demanda

 Escenario 2: Curva de generación
 Escenario 3: Curva total (generación más demanda)
Para demostrar que el emulador está operando de forma adecuada, se compara la energía
suministrada por el software versus la energía registrada en tiempo real, en un periodo de simulación
de 24 horas.
7.1 Escenario 1
Para este escenario se colocó en funcionamiento el emulador con una de las curvas de demanda
(curva de demanda 1), con el objeto de verificar que la curva resultante del software concordó con el
comportamiento del prototipo físico.
En la figura 57 se muestra en la parte izquierda la curva resultante del software y en la parte derecha
se presenta la curva obtenida a través del puerto de audio del ordenador. En esta misma figura se
aprecia que la energía que el software calcula es 824,2455 Wh, mientras que la energía resultante
de la adquisición de datos es 862,155 Wh. Se establece así que el error que se obtuvo de este caso
de estudio fue de 4,5 %, de acuerdo a los parámetros de la ecuación 28.
| |
(28)
| |
70
CAPÍTULO 7. ANÁLISIS DE RESULTADOS
Figura57. Comparación Curvas Escenario 1
71
7.2 Escenario 2
Para este escenario se colocó en funcionamiento el emulador con una de las curvas de generación
simuladas mediante RNA, con el objeto de verificar que la curva resultante del software concordó
con el comportamiento del prototipo físico.
En la figura 58 se muestra en la parte izquierda la curva resultante a partir del análisis de la red
neuronal en el software y en la parte derecha se presenta la curva obtenida a través de las
mediciones de tensión, corriente y potencia activa realizadas en el lado AC del inversor.
Los datos medidos anteriormente se introducen en Matlab®, con el fin de graficar el perfil de
generación para este escenario y determinar la energía a partir del área bajo la curva de esta
gráfica. Como resultado de las mediciones realizadas sobre el lado AC del inversor, se determina
que la energía obtenida para este escenario es de 866.167 Wh. Además, en la figura 58 se aprecia
que la energía que el software calcula es de 932,3969 Wh.
Se establece así que el error que se obtuvo de este caso de estudio fue de 4,5 %, de acuerdo a los
parámetros de la ecuación 29.
| |
(29)
| |
72
Figura 58. Comparación curvas escenario 2
73
7.3 Escenario 3
Para este escenario, se generó una curva generación-consumo, con la cual el emulador operó, con
el objeto de verificar que dicha curva estuvo acorde con el comportamiento del prototipo físico. Así,
en la figura 60 se muestra el resultado de la curva generación-consumo. En la figura 59, se
presentan las curvas obtenidas a través de las mediciones de tensión, corriente y potencia activa
realizadas en el lado AC del inversor y la curva de consumo obtenida por adquisición de datos.
Los datos medidos en el lado AC del inversor se introducen en Matlab®, con el fin de determinar la
energía inyectada a la red, dando como resultado, que la energía inyectada a la red en este
escenario es de 724.4694 Wh y la energía demandada es de 567.6204 Wh, por lo tanto el balance
energético resultante es de 156,849 Wh. Adicionalmente, en la figura 60 se aprecia que el balance
energético fue de 164,7334 Wh.
Se establece así que el error que se obtuvo de este caso de estudio fue de 4,5 %, de acuerdo a los
parámetros de la ecuación 29.
| |
(30)
| |
Figura 59. Curva para escenario 3
74
Figura 60. Curvas escenario 3
75
Capítulo 8
CONCLUSIONES
En el presente trabajo se dio cumplimiento a todos los objetivos planteados, además de otras
contribuciones adicionales. El propósito de este proyecto de grado era elaborar un emulador a
pequeña escala de un sistema fotovoltaico conectado a la red, bajo la aplicación de generación
distribuida para un usuario tipo residencial. En toda la extensión de este documento, se presentaron
todos los detalles del desarrollo de los sistemas que componen el emulador. A continuación se
presentan las principales conclusiones obtenidas.
 Se desarrolló un emulador compuesto por un software elaborado en Matlab®, un sistema de

comunicación alámbrico y un prototipo físico. El correcto funcionamiento de dicho emulador
se evidenció satisfactoriamente, a través de los resultados obtenidos en los diferentes
escenarios propuestos en el presente documento, como se muestra en los capítulos 4, 5 y 6.
 Con la disposición de cargas R-L-C que se instalaron en el emulador, se logró reproducir

satisfactoriamente el comportamiento de consumo de un usuario residencial, gracias al
sistema de control desarrollado para esto, como se enunció en capítulo 5. Además, se
demostró que al implementar una fuente DC programable conectada a un inversor con
conexión a la red, a partir de una serie de parámetros establecidos, se pudo inyectar energía
a la red de forma controlada. Por lo tanto, se comprueba que el emulador desarrollado tiene
la capacidad de generar o consumir energía eléctrica, según lo establezca el usuario.
 Se elaboró un software bajo el entorno gráfico de Matlab®, con la capacidad de simular la

curva de potencia de un generador fotovoltaico, la curva de consumo para un usuario
residencial y la combinación de ambas curvas.
 El software que el prototipo físico utiliza, fue desarrollado con la característica de operar de
forma portable en sistemas operativos hasta Windows 7. Lo que facilita su aplicabilidad a
cualquier ordenador con esta característica.
77
CAPÍTULO 8. CONCLUSIONES
 Se desarrolló un algoritmo de procesamiento de datos, bajo el concepto de inteligencia

artificial, específicamente mediante el uso de redes neuronales artificiales tipo Feed Forward
en el entorno Matlab®. Esto con el propósito de predecir el comportamiento no lineal, tanto
de las curvas de generación como de consumo, las cuales fueron obtenidas a partir de
valores medidos e históricos, optimizando así el resultado de la simulación.
 Al aumentar el número de neuronas de la red en las capas ocultas, no se obtuvo una

disminución de los errores de predicción de la misma, de forma tal, que el mejor desempeño
se alcanzó con diez neuronas en la primera capa oculta y diez en la segunda, para el caso
de generación. Para el caso de consumo, se alcanzó el mejor resultado con diez neuronas
en la primera capa oculta y seis en la segunda, sobrepasando así en ambos casos, el
desempeño obtenido con redes de menor número de neuronas en las capas ocultas.
 Comparando los algoritmos de entrenamiento disponibles en el toolbox de Matlab®, se logró

que la configuración en la que se utilizó el entrenamiento bajo el modelo Levenberg-
Marquardt, alcanzó un desempeño superior sobre el error porcentual establecido, tanto para
generación (8 %) como para consumo (5 %).
 Debido a que el equipo eléctrico se compone, tanto de las cargas R-L-C como de la fuente
programable Agilent N8762A, se decidió utilizar dos medios de comunicación alámbrica:
serial y USB, descritos en el capítulo 5. El primero, para controlar adecuadamente las
cargas, y el segundo, para manejar la fuente. Lo que resultó en un sistema funcional para lo
que se necesitaba, además de los costos que este implicaba. Así, con la implementación de
estos dos medios de comunicación, se evitaron inconvenientes de enlaces de comunicación
cruzados.
 En el área de generación del emulador, se programó la fuente DC Agilent N8762A con la

capacidad de trabajar simultáneamente en tiempo real con la interfaz del software
desarrollado bajo el entorno Matlab®, específicamente mediante el protocolo de
comunicación VISA. Es decir, cualquier configuración que el usuario realice sobre la interfaz
del software, será ejecutada por la fuente DC dentro de los parámetros establecidos en el
código fuente.
 Como se presentó a lo largo de este documento, el emulador opera de forma adecuada

conforme al propósito que se concibió inicialmente. Además, se elaboró un manual de
usuario, en el cual se especifican los requerimientos y el modo de operación del emulador.
 Con el fin de garantizar el funcionamiento adecuado del inversor monofásico, fue necesario
efectuar la caracterización del mismo mediante la medición de tensiones y corrientes a su
entrada y salida con diferentes valores de corriente inyectada. Así, a través de este
procedimiento, fue posible establecer que la entrega de potencia por parte de la fuente DC
Agilent N8762A reproduce de forma real el comportamiento de un panel fotovoltaico a la
entrada del inversor, lo que implica que la caracterización se realizó adecuadamente.
 Este proyecto de grado, junto con los desarrollados anteriormente por el grupo de
investigación LIFAE, contribuyeron a que la Universidad Distrital Francisco José de Caldas,
78
CAPÍTULO 8. CONCLUSIONES
diera el aval para un proyecto de investigación, en el cual se construirá una micro-red dentro
de las instalaciones físicas de la misma.
 El desarrollo de este emulador proporciona a los estudiantes de la Universidad Distrital

Francisco José de Caldas, un espacio donde pueden estudiar y experimentar de manera
práctica, los conceptos relacionados a las redes inteligentes, la generación distribuida, las
micro-redes y la gestión de la demanda.
 Este emulador tiene la capacidad de configurarse modularmente con otro tipo de fuente de
generación de energía diferente a la solar fotovoltaica. Considerando que los datos de
entrada del software pueden ser modificados, de acuerdo a la naturaleza de la fuente de
entrada.
 Puesto que el emulador permite manejar, no sólo perfiles de carga residencial, sino también
de otro tipo de usuarios, se pueden realizar estudios relacionados a los mercados
energéticos, las factibilidades del impacto energético a ciertas horas del día en los perfiles
de carga y estudios de calidad del servicio. Entendiendo así, que el desarrollo de este
emulador permite abrir las puertas, para trabajar en otras áreas de la ingeniería eléctrica.
79
Aportes Originales
 Se propuso una metodología completa mediante RNA, para realizar la predicción de la

demanda de energía eléctrica, así como para la generación de energía eléctrica por parte de
un panel fotovoltaico simulado.
 Debido a que en la literatura no existe cómo comunicar la fuente Agilent N8762A con el
entorno de programación de Matlab®, fue necesario obtener los controladores de otros
fabricantes, que fueran compatibles con Matlab®, para así definir el controlador adecuado
para trabajar de manera remota con la fuente, así como la elaboración del algoritmo de
operación de la misma.
 En este trabajo se presentó un completo estudio experimental que demostró que el usuario
puede ser un agente activo del sistema eléctrico, mediante la gestión de la energía
generada y / o consumida.
80
Trabajos a futuro
El emulador desarrollado en el presente proyecto de grado, puede ser mejorado, teniendo en cuenta
las siguientes consideraciones.
Reemplazar el sistema de generación proveniente de la fuente DC Agilent por un sistema de

naturaleza DC portable, que permita controlar la energía de manera eficiente. Puesto que la fuente
programable limita la portabilidad de operación del emulador, ya que esta siempre debe estar
conectada al mismo. Por lo tanto, como diseñadores del emulador, se sugiere trabajar con un banco
de baterías.
Al sistema de cargas R-L-C instaladas en el emulador, se recomienda aumentar el número de estas,

de forma tal, que la resolución de la curva emulada tenga mayor número de muestras. Asimismo, se
propone reemplazar el sistema de accionamiento electromecánico por relés de estado sólido.
Para mejorar el sistema de adquisición de datos del emulador, se propone cambiar la resistencia
Shunt empleada por una tarjeta de adquisición de datos. Y esto permitirá incrementar los intervalos
de simulación a conveniencia del usuario.
81
82
Bibliografía
[1] C. Gischler y N. Janson, «Perspectivas sobre la generación distribuida mediante energías
renovables en América Latina y el Caribe,» Banco Interamericano de Desarrollo, Noviembre
2011.
[2] C. Casmus y E. Eusebio, «Micro-generation evalution of the zero emission technologies in the
Portuguese market,» Instituto Superior de Engenharia, Lisboa, Portugal, 2008.
[3] P. Grundi, «Shell Energy Scenarios to 2050,» Shell Internation BV, pp. 8-10, 2008.
[4] REN21, «Renewable Energy Policy Report. Global Statutus Report 2011,» pp. 1-80, 2012.
[5] A. Wijesinghe y L. Lei Lai, «Small Hydro Power Plants Analyse and Development,» State Grid
Energy Researche Institute, Beijing, China, 2011.
[6] N. Strachan y H. Dowlatabadi, «Distributed Generation and Distribution Utilities,» Energy Policy,
2002.
[7] A. Hernández, Conference Electric Mobility, Bogotá, Colombia: [Conferencia], Seminar: Smart
Grids on Electri Mobility, 2012.
[8] E.E.P.P.M, Jepirachi wind farm-monitoring periods January 2004-July 2006, Medellín, Colombia,
Febrero, 2008.
[9] Consorcio Energético CORPOEMA, Plan de Desarrollo para las fuentes no convencionales de
Energía en Colombia, Bogotá, Diciembre, 2010.
[10] H. Rodríguez, «Desarrollo de la Energía Solar en Colombia y sus perspectivas,» Revista de
ingeniería Universidad de los Andes, nº 9, pp. 83-100, Noviembre, 2008.
[11] CREG, Comisión Reguladora de Energía y Gas, «Resolución 070/98, Regalamento de
Distribución de Energía Eléctrica,» Miniesterio de Minas y Energía, Bogotá, Colombia, Mayo,
1998.
[12] M. Caamaño, «Edificios Fotovoltaicos conectados a la Red Eléctrica: Caracterización y
Análisis,» de Tesis Doctoral, Madrid, España, Universidad Politécnica de Madrid, Escuela
Técnica Superior de ingenieros de Telecomunicaciones, 1998.
[13] A. Feo, E. Delgado y S. Botia, «Diseño e implementación de un laboratorio de sistemas
fotovoltaicos interconectados a la red trifásica de baja tensión en las instalaciones físicas de la
Universidad Distrital "Francisco José de Caldas",» de Tesis de Pregrado, Bogotá, Colombia,
Universidad Distrital Francisco José de Caldas, Ingeniería Eléctrica, 2012.
[14] L. Osorio, «Metodología para evaular la influencia de los sistemas fotovoltaicos como tecnología
de generación distribuida,» de Tesis de Pregrado, Bogotá, Colombia, Universidad Distrital
Francisco José de Caldas, Ingeniería Eléctrica, 2012.
83
BIBLIOGRAFÍA
[15] S. Fathpour, K. Tsia y B. Jalali, «Two-photovoltaic effect in silicon,» IEEE Journal of Quantum
Electronics, vol. 43, nº 12, 2007.
[16] W. Gerol y Neudck, «The PN junction diode,» de Modular series on solid state devices, Segunda
Edición ed., Addison-Wesley Publishing Company, 1990.
[17] B. Azzopardi y J. Mutale, «Smart integration of future grid-connected PV Systems,» IEEE Power
and Energy Management, nº 978, pp. 2364-2369, 2009.
[18] J. Hernández, METODOLOGÍA PARA EL ANÁLISIS TÉCNICO DE LA MASIFICACIÓN DE
SISTEMAS FOTOVOLTAICOS COMO OPCIÓN DE GENERACIÓN DISTRIBUIDA EN REDES
DE BAJA TENSIÓN, Bogotá: Universidad Nacional, 2012.
[19] G. Pepermansa, J. Driesenb, D. Haeseldonckxc, R. Belmansc y W. D'haeseleerc, «Distributed
Generation: Definition, Benefits and Issues,» Energy Policy, vol. 33, pp. 787-798, 2005.
[20] D. Balaguera, A. Cortés y M. Urueña, «Distributed generation scheme analysis, as an option for
Bogota electrical system,» IEEE Alternative Energies and Energy Quality SIFAE, IEEE
International Symposium, pp. 1-6, Septiembre, 2012.
[21] International Energy Agency, «Distributed Generation in Liberalized Electricity Markets,» New
York, 2002.
[22] F. Jurado, A. Cano y J. Carpio, «Biomass based on micro-turbine plant and distribution network
stability,» IEEE Energy Conversion and Management, nº 45, pp. 2713-2727, 204.
[23] T. Ackermann, G. Andersson y L. Söder, «Distributed Generation: A definition,» IEEE Electric
Power System Researche, vol. 57, pp. 195-204, 2001.
[24] J. Pérez, L. Sánchez y M. Pardo, «La gestión de la demanda de electricidad,» Fundación
Alternativas, vol. 1, pp. 7,8,25, 2005.
[25] S. Karavanov y Y. Kukhmistrov, «Photovoltaic Systems,» Modern Electric Power Systems, pp.
10,5-10,10, 2010.
[26] J. Luna y H. Vásquez, «Proyecto de Grado,» de Desarrollo de un sistema prototipo para la
caracterización de módulos solares, radiación solar y temperatura ambiente como laboratorio
para la facultad de ingeniería de la Universidad Distrital, Bogotá, Ingeniería Eléctrica, 2012.
[27] Gi-Power, «GP160PA,» Gi-Power New Energy Co., Ltd., Guangdong, China, 2013.
[28] IEEE Std. 929-2000, «Recommended practice for utility interface of photovoltaic systems,»
IEEE, 2000.
[29] IEC Std. 61724, «Photovoltaic system performace monitoring guidelines for mesurements data
exchange and analysis,» IEC.
[30] AEP, «Inverter WPI-36V150W120,» Dongguan AEP Electronics Manufactory, China, 2013.
[31] J. Hernández y E. Sáenz, «Variabilidad de la radiación en el diseño de sistemas fotovoltaicos,»
Académica Española, 2012.
[32] L. Reyes, «Interfaz gráfica en MATLAB Guide,» Universidad Autonóma de México, Mexico,
2002.
[33] MathWorks Inc, «Graphical User Interface, User Manual,» MathWorks, USA, 2012.
[34] K. Metaxiotis, A. Kagiannas, D. Askounis y J. Psarras, «Artificial intelligence in short term electric
load forecasting: a state of the art survey for the researcher,» IEEE Energy Conversion and
Management of Athens, vol. 44, nº 9, pp. 1525-1534, 2003.
[35] D. Rumelhart y J. MacClelland, «Parallel distributed processing,» Psychological and biological
84
BIBLIOGRAFÍA
models, vol. 1, pp. 318-336, 1986.

[36] S. Haykin, Neural Networks: a comprehensive foundation, Segunda Edición ed., Prentice Hall,
1998.
[37] F. Izaurieta y C. Saavedra, «Redes Neuronales Artificiales,» Universidad de Concepción,
Departamento de Física, Chile, 2008.
[38] A. Ballesteros, «Desarrollo del diseño de redes neuronales,» de Tesis Doctoral, Malaga,
España, Universidad de Malaga, 2006.
[39] MATLAB, «Neural Networks Toolbox,» Mathworks, 2012.
[40] P. Amani, M. Kihl y A. Robertsson, «Multi-step ahead response time prediction for sigle server
queuing systems,» IEEE Computers and communications (ISCC), pp. 950-955, 2011.
[41] S. Ramírez Castaño, Redes de Distribución de Energía, Manizalez, Colombia: Universidad
Nacional de Colombia, 2009, pp. 21-23.
[42] J. Velásquez, C. Franco y H. García, «Un modelo no lineal para la predicción de la demanda,»
Estudios Gerenciales, vol. 25, nº 112, pp. 27-54, 2009.
[43] V. Rueda Mejia, «Predicción del consumo de Energía en Colombia con modelos no lineales,»
Universidad Nacional de Medellín, Medellín, Colombia, 2011.
[44] H. Tabares y J. Hernández, «Typical Demand curves of electric powers for the residential,
commercial and industrial sector of Medellín, using artificial neural networks and algorithms of
interpolation,» Facultad de ingeniería Universidad de Antioquia, nº 46, pp. 110-118, Diciembre,
2008.
[45] M. Hudson Beale, M. Hagan y H. Demuth, «Neural Network Toolbox seven user's guide,»
Mathworks Inc., 2010.
[46] M. Perez y J. Alvarez, Instrumentación Electrónica, Madrid: Paraninfo S.A, 2008.
[47] M. Green, «Solar Cells. Operating principles, technology and system applications,» Prentice
Hall, New Jersey, 1982.
[48] B. Merion, «A method for modeling the current-voltage curve of a PV modulo for outdoor
condition,» Progress in photovoltaic, pp. 205-214, 2002.
[49] UNIVERSAL ENERGY, «UE M185HH Series technical datasheet,» Universal Energy.
[50] SOLAR WORLD, «SW 235 technical datasheet,» SOLAR WORLD.
[51] R. Gonzáles, H. Jimenez y J. Lagunas, «Sistemas fotovoltaicos conectados a la red,» Boletín
IIE, México, 2003.
[52] L. Yadong, C. Wenqiang, L. Danlan y Z. Rui , «Research based on OSI model,» 3rd International
Conference on Communication Software and Networks (ICCSN), 2011 IEEE , pp. 554-557,
2011.
[53] C. Nuangjamnong, S. Maj y D. Veal, «The OSI Network Management Model- Capacity and
Performance Management,» 4th IEEE International Conference on Management of Innovation
and Technology, 2008. ICMIT 2008. , pp. 1266-1270, 2008.
[54] J. Nascano, «Trabajo para proyecto de grado,» de Diseño e implementación de un sistema de
automatización en la balanza de pesaje de materia prima, Ambato, Ecuador, Ingniería
Electrónica, Universidad Técnica de Ambato, 2006, pp. 1-63.
[55] F. d. I. Universidad Nacional Autónoma de México, «Comunicaciones RS-232 (Puerto Serie),»
México, 2007.
85
BIBLIOGRAFÍA
[56] Freescale semiconductor, Data sheet M68HC08 Microcontrollers, Estados Unidos: Freescale
semiconductor, 2005.
[57] Texas Instruments, MAX232, MAX232I DUAL EIA-232 DRIVERS/RECEIVERS, Estados Unidos:
Texas Instruments, 2002.
[58] The Mathworks Accelerating the pace of engineering and science, Instrument Control Toolbox 2
User's Guide, Estados Unidos: The Mathworks, 2007.
[59] E. López, Protocolo USB (Universal Serial Bus), México D.F. : Ingeniería en microcontroladores,
2008.
[60] Agilent Technologies, Agilent Technologies System DC Power Supply Series N8700A, User's
Guide, Estados Unidos: Agilent Technologies, 2009.
[61] J. Quiroga, «Sistema de Adquisición de Datos por Tarjeta de Sonido,» TEINCO Tecnología
Industrial Colombiana, pp. 1-4, 2008.
[62] Ministerio de Minas y Energía, Reglamento Técnico de Instalaciones Eléctricas RETIE, Bogotá:
Ministerio de Minas y Energía, 2013.
[63] Instituto Colombiano de Normas Técnicas ICONTEC, Código Eléctrico Colombiano NTC 2050,
Bogotá: ICONTEC, 1998.
[64] CREG, Comisión Reguladora de Energía y Gas, «Resolución 084/96, Autogenerador conectado
al sistema de interconexión nacional,» Ministerio de Minas y Energía, Bogotá, Colombia, 1996.
[65] CREG, Comisión Reguladora de Energía y Gas, «Resolución 082/2002, Cargos por uso de los
sistemas de transmisión regional y distribución local,» Ministerio de Minas y Energía, Bogotá,
Colombia, 2002.
[66] CREG, Comisión Reguladora de Energía y gas, «Resolución 085/1996, Conegerador conectado
al SIN,» Ministerio de Minas y Energía, Bogotá, 1996.
[67] J. D. Name Cardozo, Por medio de la cual se regula la integración de las energías renovables
no convencionales al Sistema Energético Nacional. [Energías renovables no convencionales en
el Sistema Energético Nacional, Energías limpias], Bogotá: Senado de la República de
Colombia, 2012.
[68] G. Strbac, «Impact of Dispersed Generation on Distribution Systems: a European perspective,»
IEEE Power Engineering Society Winter Meeting, nº 7322, pp. 118-120, January, 2002.
[69] J. Sepulveda, «La generación distribuida en España,» de Tesis de Pregrado, Madird, España,
Universidad Carlos III de Madrid, Ingeniería Técnica Industrial-Electricidad, 2010.
[70] BUNDESMINISTERIUM DER JUSTIZ, «Ley de Energía Renovables,» Ministerio Federal
Alemán de Justicia, 2009. [En línea]. Available: http://bundesrecht.juris.de/eeg_2009. [Último
acceso: 12 Noviembre 2012].
[71] IEEE Guide for IEEE Std. 1547, «IEEE Standard for interconecting distributed resourses with
electric power systems,» IEEE.
[72] J. Watson, «Perspective of Decentralised Energy Systems in a liberalised Market: The UK
Perspective,» RoIf Wu¨stenhagen, Thomas Dyllick, St. Gallen, Institute for Wirtschaft und
Ökologie (IWO ) — Diskussionsbeiträge, nº 72, pp. 38-47, Enero 1999.
[73] R. Menges y K. Barsantny, «Die Liberalisierung der Strommärkte in Norwegen und Schweden,»
Zeitscltrift für Energiewirtschaft, Energiewirtschaftliches Institute an der Universität Köln, vol. 21,
pp. 39-56, 1997.
[74] VDEW, «Die Nordische Elektrizita¨tswirtschaft im Wettbewerb, Bericht über die VDEW
86
BIBLIOGRAFÍA
Studienreise nach Norwegen,» VDEW, Frankfurt/Alemania, 1998.

[75] Swedish Electricity, «SFS 1997:857.,» Swedish Electricity, 1997.
[76] H. T. Pham, V. T. Tran, and B.-S. Yang, «A hybrid of nonlinear autoregressive model with
exogenous input and autoregressive moving average model for long-term machine state
forecasting,» Expert Systems with Applications, vol. 37, nº 4, pp. 3310-3317, 2010.
[77] Versión oficial española de la norma europea EN 61727, «Sistemas fotovoltaicos: características
de interfaz de conexión a la red eléctrica,» España, Agosto, 1995.
[78] J. Fenández, «Caracterización de módulos fotovoltaicos con dispositivo portatil,» de Tesis de
Pregrado, Madrid, España, Universidad Carlos III de Madrid, Ingeniería Eléctrica, 2008.
87
Anexos
ANEXO A. PRODUCTIVIDAD
En el desarrollo del presente trabajo de pregrado, y en general, durante los estudios de pregrado, se
obtuvo la siguiente producción académica:
A1. Publicaciones derivadas de este trabajo
D. Balaguera, A. F. Cortés, M. Urueña, J. Hernández. “Global research related to photovoltaic

systems connected into the power systems: State-of-the- art”. Revista TECNURA. En revisión.
D. Balaguera, A. F. Cortés, M. Urueña. J. Hernández. Design and implementation of software to

describe the behavior of a Photovoltaic Generator connected to the low voltage grid. Revista
Elsevier‟s Energy Procedia. ISSN: 1876-6102. Accepted 05 sept 2013
D. Balaguera, A. F. Cortés, M. Urueña. J. Hernández. Design and implementation of software to

describe the behavior of a Photovoltaic Generator connected to the low voltage grid. Solar World
Congress 2013, Cancún, México, Noviembre 3-7 de 2013.
A2. Publicaciones que complementan la formación de pregrado
D. Balaguera, A. F. Cortés, M. Urueña. Distributed generation scheme analysis, as an option for

Bogota electrical system. Simposio Internacional en Fuentes Alternativas de Energía y Calidad de
Potencia SIFAE 2012, Barranquilla, Colombia, Octubre 25-26 de 2012.
D. Balaguera, A. F. Cortés, M. Urueña. J. Pinzón. A. Pedraza. Charging infrastructure and plug-in

of electric vehicle into power system. Workshop on Power Electronics and Power Quality Applications
PEPQA 2013, Bogotá, Colombia, Julio 7-8 de 2013.
89
ANEXO B. DIMENSIONAMIENTO DEL CONDENSADOR Y LA INDUCTANCIA
En este anexo se especifican los cálculos realizados para determinar el valor de la reactancia
capacitiva e inductiva, que se emplearon en el prototipo físico, con el propósito de generar un factor
de potencia menor a la unidad, y así modelar de manera real el comportamiento de un usuario
residencial.
B.1 Reactancia Capacitiva
Para representar la carga capacitiva se utiliza un banco de condensadores de 4µF, el cual está
conformado por capacitores de 20µF conectados en serie. Este banco se diseñó con el propósito de
generar un factor de potencia capacitivo en el consumo del usuario, sin que este modifique de
manera significativa la corriente de las cargas resistivas. En la figura A1 se observa el banco de
condensadores que se instaló en el prototipo.
Figura A1. Banco de Condensadores
Para el dimensionamiento del banco de condensadores se efectuó lo estipulado en las ecuaciones

28 y 29.
(31)
90
ANEXO B. DIMENSIONAMIENTO DE C Y L
(32)
B.2 Reactancia Inductiva
Se utiliza el ventilador del sistema de refrigeración del prototipo físico como inductancia, debido a la
poca corriente que esta consume, pero el fabricante no proporcionó el valor de dicha inductancia,
por lo que fue necesario emplear métodos de circuitos para determinar este valor.
Para determinar el valor de la inductancia se utilizó el método del voltímetro, amperímetro y

vatímetro [46]. La configuración para determinar el valor de la inductancia empleada se muestra en
la figura A2, para llegar al valor de ésta se sigue lo enunciado en las ecuaciones 30 a 35 [46].
Figura A2. Método del vatímetro, amperímetro y voltímetro. Fuente: [46]
(33)
(34)
91
ANEXO B. DIMENSIONAMIENTO DE C Y L
( )
(35)
| |
(36)
| |
| |
| |
(37)
| |
(38)
92
ANEXO C. BALANCE ENERGÉTICO
En este anexo se explica por qué es necesario establecer la relación de energías generadas y
consumidas, con lo cual se hace necesario desglosar a cabalidad el concepto de balance energético
aplicado en este proyecto.
Dado que Colombia no tiene definida una regulación entorno a la generación distribuida, como se
explicó en el anexo A, se concibe la necesidad de crear estrategias para introducir este tipo de
tecnologías, especialmente para usuarios residenciales.
De este modo, dentro de la implementación del emulador se propone en primera instancia, que el
usuario consuma lo que genere, evitando así inconvenientes comerciales con los operadores de red.
Pero, existen lapsos del día donde esta premisa no se cumple y el usuario podría generar y entregar
energía a la red, o por el contrario su capacidad de generación no fue lo suficiente para soportar la
cantidad de energía demandada, con lo cual se consumió energía de la red. Así, se realiza una
relación de energías, como se explica en la ecuación 39, para establecer qué cantidad de ésta se
inyectó o consumió de la red.
(39)
Donde,
Con respecto a lo mencionado, el software muestra en su interfaz el resultado del balance de

energía resultante de la simulación realizada por el usuario. Teniendo como consideración, que el
resultado de dicho balance energético siempre será positivo, representado como un pequeño
excedente aportado a la red. De este modo el usuario sabrá al final de la jornada cuánta energía
consumió, cuánta generó, así como su respectiva relación, dándole a este la opción de planificar
mejor su consumo y/o generación a futuro.
Con esto, el usuario aporta un beneficio significativo en la disminución de las pérdidas del sistema,
puesto que su consumo se ve reducido cuando genera la cantidad de energía necesaria para
satisfacer su demanda. Visto desde aspectos económicos, las tarifas de energía por parte del
usuario se reducen sustancialmente, puesto que éste no se consumirá energía en los periodos en
que su generación supla dicha demanda.
93
ANEXO D. CURVAS RESULTANTES DEL MODELAMIENTO DEL SOFTWARE
En este anexo se muestran diferentes simulaciones realizadas para cada uno de los casos que el software proporciona al usuario.
D1. Curva de Demanda 1
Figura A3. Curva de Demanda 1
94
ANEXO D. CURVAS RESULTANTES
El porcentaje de error comparando la energía del software con la real fue de 5,02 %.
95
96
D4. Curva de Demanda por RNA
Figura A6. Curva de Demanda por RNA
97
D5. Curva de Generación Ideal
Figura A 7. Curva de Generación con condiciones estándar
98
D6. Curva de Generación ‘03-09-12’ por RNA
Figura A8. Curva de generación 06-09-12 por RNA
El porcentaje de error comparando la energía del software con la real fue de 8 %.
99
100
101
102
D10. Curva Total
Figura A12. Curva total generación más consumo
103
ANEXO E. CARACTERIZACIÓN DEL INVERSOR
En este anexo, se muestra a cabalidad la metodología que se empleó para caracterizar el inversor
con conexión a la red que se instaló dentro del prototipo físico. Esta caracterización se realizó para
conocer un estimativo de cuánta potencia de salida se presenta en los bornes del inversor con
determinada potencia de entrada en el mismo.
Para caracterizar el inversor se realizaron los siguientes pasos:
1. Conectar a las terminales del lado DC del inversor las terminales positiva y negativa de la
fuente DC Agilent y posteriormente, conectar el lado AC del inversor a la red de distribución.
2. Establecer el valor de tensión de la fuente en 35,6 V.
3. Comenzar a incrementar gradualmente el valor de corriente de la fuente hasta llegar al valor

de potencia máxima del inversor.
4. Determinar la eficiencia del inversor, a partir de la relación entre los datos de potencia de
salida y potencia de entrada del inversor, como se muestra en la ecuación 38.
(40)
5. Graficar la eficiencia Vs la potencia de entrada del inversor. En la figura A13 se muestra la

gráfica resultante de esta relación. En esta, se puede observar que el comportamiento de la
eficiencia es logarítmica.
6. Debido al comportamiento de la eficiencia, es necesario realizar una regresión logarítmica a

esta gráfica, con el propósito de encontrar la función que la describa. En la figura A14 se
muestra la línea de tendencia proveniente de la regresión logarítmica de la gráfica de la
figura A13.
104
Figura A13. Eficiencia medida del inversor
Figura A14. Línea de tendencia de la eficiencia del inversor
7. A partir de la ecuación proveniente de la regresión logarítmica de la gráfica de eficiencia del

inversor, ecuación 38, se determina la potencia estimada que tendría el inversor en torno a
su eficiencia, como se explica en la ecuación 39.
(41)
105
La figura A15 muestra la potencia estimada el inversor que presenta bajo la función de eficiencia
obtenida (figura A13). Esta potencia se grafica en relación con la potencia de entrada de la fuente
DC Agilent.
Figura A15. Potencia de salida del inversor estimada
106
ANEXO F. CURVA DE DEMANDA RESIDENCIAL
El presente anexo muestra los datos de las mediciones realizadas en una unidad residencial,
mediante un analizador de calidad de energía HT-PQA824, durante un día promedio de consumo.
Los datos obtenidos de tal medición se acondicionaron a los requerimientos del desarrollo del
software para proporcionar un resultado satisfactorio en el análisis mediante redes neuronales
artificiales.
Tabla A1. Datos obtenidos por al analizador
t(H) P(W)
1 16,61576
2 12,99928
3 12,11986667
4 12,66308267
5 29,53114667
6 25,99264
7 42,74194667
8 27,09522667
9 19,54736
10 20,09986667
11 29,23317333
12 19,05912
13 20,91754667
14 25,2176
15 25,76304
16 25,00234667
17 28,74744
18 31,72026667
19 29,23306667
20 46,71893333
21 51,84906667
22 55,208
23 39,012
24 22,97797333
107
ANEXO F. USO DEL PQA PARA GENERA EL PERFIL DE CARGA
En la figura A13 se muestra el perfil de carga resultante del estudio realizado por medio del
analizador de calidad de energía.
Datos demanda PQA-824

60
50
40
P(W)
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Datos demanda PQA824 t(W)
Figura A16. Perfil de carga obtenido con el PQA
108
ANEXO G. EQUIPOS UTILIZADOS E INSTALADOS EN EL PROTOTIPO
En este anexo se presentan las características generales de los instrumentos utilizados para la medida y
registro de potencia: Vatímetro y Analizador de Redes. Así, como los parámetros de tres de los equipos que
componen el prototipo físico: Breaker DC, Inversor con conexión a la red y La fuente Agilent N8762A.
G1. Equipos Utilizados
VATÍMETRO CHAUVIN ARNOUX CA405
 Seguridad eléctrica conforme IEC 61010-1

 Carcasa resistente con caballete
 Un sólo conmutador
 Bornas de seguridad
 Doble aislamiento
Figura A17. Vatímetro Utilizado
109
ANEXO G. EQUIPOS UTILIZADOS E INSTALADOS
ANALIZADOR DE CALIDAD DE POTENCIA PQA 824
Equipo: PQA824
Marca: HT
Fabricado: Italia.
Figura A18. Equipo Analizador Utilizado
110
 CARACTERÍSTICAS TÉCNICAS
Tensión TRMS CA/CC Fase-Neutro/Fase-Tierra – Sistema Monofásico / Trifásico
Escala Precisión Resolución Impedancia Entrada

0.0 ÷ 600.0V ±(0,5% lectura + 2digitos) 0,1V 10MΩ
Factor de Cresta máx. = 2

Los valores de Tensión < 2.0V serán cero
El instrumento es conectado a TV con Factor programable de 1 ÷ 3000
Tensión TRMS CA/CC Fase-Fase – Sistema Trifásico
Escala Precisión Resolución Impedancia Entrada

0.0 ÷ 1000.0V ±(0,5% lectura + 2digitos) 0,1V 10MΩ

Anomalías de Tensión – Fase-Neutro – Sistema Monofásico / Trifásico con Neutro
Precisión tiempo Resolución

Escala Precisión Tensión (50Hz) Resolución tiempo
0.0 ÷
600.0V ±(1% lectura + 2digitos) ±10ms 0,2V 10ms

Umbral programable desde ±1% a ±30%
Potencia – Sistema Monofásico y Trifásico (@ Cosϕ>0.5 e Vmed >60V)
111
Para Pinzas STD

Vmed = Tensión la cual ha medido la Potencia
FE = Fondo Escala Corriente
Energía – Sistema Monofásico y Trifásico (@ Cosϕ>0.5 e Vmed >60V)
Para Pinzas tipo STD

Vmed = Tensión la cual ha medido la Potencia
FE = Fondo Escala Corriente
Factor de Potencia (Cosϕ) – Sistema Monofásico y Trifásico
Frecuencia
 CARACTERÍSTICAS GENERALES
Normativas consideradas
Seguridad instrumento: IEC / EN61010-1

Documentación técnica: IEC / EN61187
Seguridad accesorios de medida: IEC / EN61010-031, IEC / EN61010-2-032
Aislamiento: Doble aislamiento
Grado de polución: 2
Altitud máx.: 2000m
Categoría de sobre tensión: CAT IV 600V respecto Tierra, máx. 1000V entre entradas
Calidad de la red eléctrica: IEC / EN50160
Calidad de la potencia eléctrica: IEC / EN61000-4-30 clase B
Asimetría: IEC / EN61000-4-7, IEC / EN50160
112
Condiciones ambientales de uso
Temperatura de referencia de calibración: 23 ± 5°C

Temperatura de uso: 0 ÷ 40°C
Humedad relativa admitida: <80%HR
Temperatura de almacenamiento: -10 ÷ 60°C
Humedad de almacenamiento: <80%UR
Este instrumento es conforme a los requisitos de la Directiva europea sobre baja tensión 2006/95/CE
(LVD) y de la directiva EMC 2004/108/CE.
G2. Equipos Instalados en el Prototipo
BREAKER
Ficha técnica
113
FUENTE DE TENSIÓN DC AGILENT N8762A
Características generales
114
INVERSOR MONOFÁSICO CON CONEXIÓN A LA RED WPI-36V150W120 DE AEP

ELECTRONICS
Características Generales
Parámetro Valor
Datos DC
Máxima entrada de tensión DC 48 V
Rango del seguidor de potencia 22– 36 V
Rango de operación 24-48 V
Máxima corriente de cortocircuito DC 15 A
Máxima corriente de entrada Control Automático
Datos AC
Máxima potencia de salida 230 V
Corriente nominal de salida 1,6 A
Rango de tensión nominal 90-140 V
Rango nominal de frecuencia 50-60 Hz
Factor de potencia >0,99
THDi <5 %
115
ANEXO H. MARCO REGULATORIO DE LA GENERACIÓN DISTRIBUIDA
Este anexo tiene como finalidad dar a conocer qué aspectos regulatorios hay en torno a la
generación distribuida tanto en Colombia como en algunos países del mundo.
H1 Regulación en Colombia
Las resoluciones que se encuentran en la legislación colombiana no tienen definida las reglas o
aspectos a tener en cuenta en el momento de hablar del concepto de GD. Sin embargo, existen
ciertas definiciones que intentan introducir ideas relacionadas con esta temática, ya que algunos
usuarios están empezando a emplear este tipo de tecnología para su propio uso. Dentro del marco
regulatorio de Colombia, se puede encontrar lo estipulado en las resoluciones CREG 084/96, CREG
085/96 y CREG 082/2002, las cuales hacen referencia a generación a pequeña escala, pero no
ingresan dentro del marco que se tiene para generación distribuida [64, 65].
Como se encuentra definido dentro de la resolución CREG 084/96, se entiende por Autogenerador
como aquella persona natural o jurídica que produce energía eléctrica exclusivamente para atender
sus propias necesidades. Por lo tanto, no usa la red pública para fines distintos al de obtener
respaldo del SIN, y puede o no, ser el propietario del sistema de generación [64].
De igual forma, dentro de la resolución CREG 085/96, se hace referencia a cogeneración cuando
existe un proceso de producción combinada de energía eléctrica y energía térmica, que hace parte
integrante de una actividad productiva, destinadas ambas al consumo propio o de terceros y
destinadas a procesos industriales o comerciales [66]. Por lo tanto, cogenerador es aquella persona
natural o jurídica que produce energía utilizando un proceso de Cogeneración, y que puede o no, ser
el propietario del sistema de Cogeneración [66].
A tenor de las definiciones dadas con anterioridad, se dice que un auto productor corresponde a los
autogeneradores y cogeneradores, como se enuncia en la resolución CREG 082/2002 [65]. Como en
Colombia no existe un esquema regulatorio para la aplicación de la generación distribuida, el
concepto de autoproductor empieza a tomar bastante fuerza debido a que este es el único término
que se encuentra en la reglamentación, siendo así el único instrumento al cual se acude en el
momento de empezar a emplear este tipo de tecnologías.
116
ANEXO H. MARCO REGULATORIO DE LA GD
Actualmente en el senado de la república se encuentra en el tercer debate el proyecto de ley titulado

“Por medio de la cual se regula la integración de las energías renovables no convencionales al
Sistema Energético Nacional. [Energías renovables no convencionales en el Sistema Energético
Nacional, Energías limpias]”, el cual tiene por objeto el fomento del ahorro y la eficiencia energética,
la promoción del desarrollo y utilización en el mercado energético colombiano de la energía
procedente de fuentes renovables no convencionales [67].
H2 Regulación a nivel mundial
En el momento de hablar sobre regulación en GD a nivel mundial [68], se debe mencionar a países
como Alemania o España, debido a que el primero se ha considerado como el país más avanzado
en cuanto a generación mediante fuentes renovables, las cuales en muchos casos implican GD [69].
Un aspecto que tienen en común estos países es que no existe una definición oficial de GD, ni
tampoco una regulación, estándar o norma que se aplique la GD como tal [69].
En el caso español se tiene la regulación del nuevo sistema eléctrico, fundamentada en la ley 54 del
1997 del sector eléctrico y su desarrollo normativo. En ésta ley se incluyen esquemas de mercado
en las actividades de generación y comercialización, además de la modificación del régimen
especial. Cuando se modificó el régimen especial se agregó el tratamiento de residuos, biomasa,
hidráulica, eólica, solar y cogeneración [69]. La mayor parte de las instalaciones de GD en España
se acogen al régimen especial.
En el caso alemán cabe destacar que la nueva ley de energías renovables que regula la adquisición,
el transporte y la retribución de la electricidad producida mediante algunas tecnologías de GD, donde
se fijan criterios de interconexión de las mismas. En cuanto la cogeneración, ésta viene regulada de
forma independiente, con criterios técnicos y de interconexión propios [70].
En el caso de Norte América, a diferencia de Europa y Colombia, se está legislando directamente

sobre GD, aunque se habla directamente de “Recursos Distribuidos de Energía (DER – Distributed
Energy Resources). Cada estado establece su propia normatividad y reglamentación, manteniendo
estándares federales en común, lo cual hace que el mapa de GD sea más complicado en este país.
Para solucionar el dilema de la normatividad federal, el IEEE desarrolló en 2003 un estándar para
conexión de GD [71], el cual muestra cómo trabajar con este tipo de tecnologías avaladas
normativamente. Un ejemplo de iniciativa estatal es el del caso del estado de California, donde se
tienen tres organismos trabajando en torno a la normatividad de GD, los cuales son “California Public
Utilities Comission (CPUC), California Energy Comission (CEC) y California Air Resources Board
(CARB) [69]”. Estos organismos fomentan la GD a través de subsidios, incentivos y la inclusión de
GD en planes futuros de actuación. Asimismo, se incluye el sistema de medición neta, el cual
permite al usuario medir la energía consumida menos la energía inyectada a la red [3].
En el caso del Reino Unido, las plantas de GD con capacidades menores a 50 MW no son
despachadas en el mercado centralizado [72]. Otro caso está dado en la legislación sueca, donde se
da tratamiento especial a los pequeños generadores con capacidad máxima hasta 1500 kW [73, 74,
75, 5].
117
ANEXO I. PRESUPUESTO
Tabla A2. Presupuesto General
PRESUPUESTO GENERAL DEL PROYECTO DE GRADO
ÍTEM DESCRIPCIÓN UND CANTIDAD VALOR UNITARIO VALOR TOTAL

1 Sistema de Control
1,1 Microcontrolador MC908JL8CPE und 2 $ 9.000,00 $ 18.000,00
1,2 Buffer 74LS125 und 8 $ 1.500,00 $ 12.000,00
1,3 Driver UGN3400 und 2 $ 2.000,00 $ 4.000,00
1,4 Max 232 und 2 $ 2.500,00 $ 5.000,00
1,5 Relés 5 pines 5 voltios und 16 $ 2.500,00 $ 40.000,00
1,6 Váquela de Cu 30x15 und 1 $ 40.000,00 $ 40.000,00
1,7 Impresión Circuito impreso und 1 $ 40.000,00 $ 40.000,00
1,8 Diseño de circuito impreso hora/ing 10 $ 10.000,00 $ 100.000,00
1,9 LED und 20 $ 100,00 $ 2.000,00
1,10 Conector DB9 und 2 $ 1.000,00 $ 2.000,00
1,11 Cable Serial RS232 und 2 $ 30.000,00 $ 60.000,00
1,12 Cable 16 AWG ml 40 $ 450,00 $ 18.000,00
1,13 Jumper para impreso und 30 $ 200,00 $ 6.000,00
1,14 Conector tipo punta und 30 $ 200,00 $ 6.000,00
1,15 Condensadores und 10 $ 300,00 $ 3.000,00
1,16 Bases para Microcontrolador und 1 $ 10.000,00 $ 10.000,00
1,17 Bases para integrados und 10 $ 1.000,00 $ 10.000,00
Bornera de alimentación para
1,18 und 2 $ 500,00 $ 1.000,00
impreso
Montaje e Instalación de circuito de
1,19 und 18 $ 10.000,00 $ 180.000,00
control
Elementos de marcación e
1,20 und 1 $ 20.000,00 $ 20.000,00
identificación
Subtotal $ 577.000,00
2 Adquisición de datos
2,1 Váquela de Cu 10x5 und 2 $ 2.000,00 $ 4.000,00
118
2,2 Resistencia cerámica 1Ω 5W und 10 $ 1.500,00 $ 15.000,00
2,3 Bornera de alimentación para impreso und 4 $ 1.000,00 $ 4.000,00
2,4 Cable estéreo Plug-in und 1 $ 6.000,00 $ 6.000,00

2,5 Conector estéreo und 1 $ 1.000,00 $ 1.000,00
2,6 Cable oxigenado 2X16 ml 20 $ 600,00 $ 12.000,00
2,7 Diseño de circuito Rshunt hora/ing 1 $ 10.000,00 $ 10.000,00
2,8 Montaje e Instalación de circuito Rshunt hora/ing 2 $ 10.000,00 $ 20.000,00
2,9 Elementos de marcación e identificación und 1 $ 20.000,00 $ 20.000,00
Subtotal $ 92.000,00
3 Cargas
3,1 Resistencia industrial 10W und 6 $ 25.000,00 $ 150.000,00
3,2 Resistencia industrial 5W und 5 $ 25.000,00 $ 30.000,00
3,3 Condensador 20uF und 1 $ 6.000,00 $ 10.000,00
3,4 Ventilador und 1 $ 10.000,00 $ 10.000,00
3,5 Caja de conexiones und 1 $ 45.000,00 $ 45.000,00
3,6 Cable 14 AWG ml 30 $ 800,00 $ 24.000,00
3,7 Indicador Piloto und 20 $ 2.000,00 $ 40.000,00
3,8 Interruptor und 1 $ 2.000,00 $ 2.000,00
3,9 Montaje e instalación de las cargas hora/ing 20 $ 10.000,00 $ 200.000,00
Subtotal $ 531.000,00
4 Generación
Inversor con conexión a la red más bornes de
4,1 und 2 $ 525.000,00 $ 1.050.000,00
conexión
4,2 Fuente DC 15A 12/24V und 1 $ 45.000,00 $ 45.000,00
4,3 Caja negra und 1 $ 25.000,00 $ 25.000,00
4,4 Breaker 1X6A Riel und 1 $ 16.000,00 $ 16.000,00
4,5 Cable 14 AWG ml 10 $ 800,00 $ 8.000,00
4,6 Cable 10 AWG ml 10 $ 1.200,00 $ 12.000,00
4,7 Clavija macho-hembra und 1 $ 6.000,00 $ 6.000,00
4,9 Montaje de elementos hora/ing 15 $ 10.000,00 $ 150.000,00
119
Subtotal $ 1.332.000,00
5 Estructura
5,1 Acrílico und 1 $ 650.000,00 $ 650.000,00
5,2 Base metálica und 1 $ 30.000,00 $ 30.000,00
Elementos de marcación, sujeción e
5,3 und 1 $ 40.000,00 $ 40.000,00
identificación
5,4 Montaje de estructura hora/ing 40 $ 10.000,00 $ 400.000,00
Subtotal $ 1.120.000,00
SUBTOTOTAL $ 3.652.000,00
IVA 16% $ 584.320,00
TOTAL $ 4.236.320,00
120
ANEXO J. DISEÑO DEL PROTOTIPO FÍSICO
En este anexo se indican las dimensiones de las piezas y secciones que comprenden el prototipo
físico.
J1. Nivel 3
Figura A19. Vista frontal y lateral soporte resistencias
Figura A20. Vista superior soporte resistencias
121
Figura A21. Diseño nivel 3
J2. Nivel 2
Figura A22. Vista frontal y lateral soporte circuito de control
Figura A23. Vista superior soporte circuito de control
122
Figura A24.Diseño nivel 2
J3. Perfiles de Sujeción Horizontal y Vertical
Figura A25. Vista lateral y disposición del perfil
123
J4. Pieza Frontal
Figura A26. Pieza Frontal
J5. Pieza Lateral
Figura A27. Pieza Lateral
124
J6. Pieza Trasera
Figura A28. Vista lateral y trasera de la pieza trasera
125
ANEXO K. ALGORITMOS DE PROGRAMACIÓN
En este anexo se presentan algunos apartes de los algoritmos que fueron desarrollados para el
funcionamiento del software del emulador.
K1. Sección Algoritmo Básico
K2. Sección Algoritmo comunicación fuente Agilent
126
K3. Sección Algoritmo comunicación cargas
K4. Sección Algoritmo RNA
K5. Algoritmo comunicación serial Microcontrolador

MOV #00H,P2 CBEQA #56T,OCHO1
MOV #00H,P3 CBEQA #57T,NUEVE1
ENSCI EQU 6 JMP DATO1
TE EQU 3 ;;;;;;;;;;;;;;;;;;;;;;;
TC EQU 6 ; RECEPCIÓN DEL 1ER DATO CERO1: LDA #0T
SCTE EQU 7 ;;;;;;;;;;;;;;;;;;;;;;; STA P1
RE EQU 2 LDX #10T
SCRF EQU 5 DATO1: MUL
STA P1
ORG 060H BSET RE,SCC2 ;RECEPCION JMP DATO2
P1 DS 3 SERIAL HABILITADA
P2 DS 3 LDA SCS1 ;Borra Banderas, UNO1: LDA #1T
P3 DS 3 lectura del registro STA P1
ORG 0DC00H BRCLR SCRF,SCS1,$ ;Continua si LDX #10T
se recibe Dato MUL
INICIO: RSP LDA SCDR ;Lee dato en STA P1
BSET COPD,CONFIG1 Acumulador JMP DATO2
MOV #0FFH,DDRD BCLR RE,SCC2 ;Deshabilita Rx
MOV #11111111Q,DDRB CBEQA #48T,CERO1 DOS1: LDA #2T
MOV #00000001Q,SCBR CBEQA #49T,UNO1 STA P1
BSET ENSCI,SCC1 CBEQA #50T,DOS1 LDX #10T
CLRH ;Borrar H CBEQA #51T,TRES1 MUL
CLRX ;Borrar X CBEQA #52T,CUATRO1 STA P1
MOV #00000000Q,PORTB CBEQA #53T,CINCO1 JMP DATO2
CBEQA #54T,SEIS1
MAIN: MOV #00H,P1 CBEQA #55T,SIETE1 TRES1: LDA #3T
127
STA P1 JMP DATOS OUT2:

LDX #10T LDA #01000001Q
MUL DOS2: LDA #2T STA PORTB
STA P1 STA P2 JMP MAIN
JMP DATO2 JMP DATOS OUT3:
LDA #11000000Q
CUATRO1: LDA #4T TRES2: LDA #3T STA PORTB
LDX #10T JMP DATOS OUT4:
MUL LDA #11000001Q
STA P1 CUATRO2: LDA #4T STA PORTB
JMP DATO2 STA P2 JMP MAIN
JMP DATOS OUT5:
CINCO1: LDA #5T LDA #11000011Q
STA P1 CINCO2: LDA #5T STA PORTB
LDX #10T STA P2 JMP MAIN
MUL JMP DATOS OUT6:
STA P1 LDA #11000111Q
JMP DATO2 SEIS2: LDA #6T STA PORTB
STA P2 JMP MAIN
SEIS1: LDA #6T JMP DATOS OUT7:
STA P1 LDA #11001111Q
LDX #10T SIETE2: LDA #7T STA PORTB
MUL STA P2 JMP MAIN
JMP DATO2 LDA #11011111Q
OCHO2: LDA #8T STA PORTB
SIETE1: LDA #7T STA P2 JMP MAIN
LDX #10T LDA #11111111Q
MUL NUEVE2: LDA #9T STA PORTB
JMP DATO2 JMP DATOS
;BSET TE,SCC2 ;TRANSMISION
OCHO1: LDA #8T ;;;;;;;;;;;;;;;;;;; SERIAL HABILITADA
STA P1 ; SUMA DE LOS DATOS ;LDA SCS1 ;Borrar Banderas,
LDX #10T ;;;;;;;;;;;;;;;;;;; lectura del registro
MUL ;MOV P2,SCDR
STA P1 DATOS: ;BRCLR TC,SCS1,$
JMP DATO2 LDA #0T ;BCLR TE,SCC2
STA P3
NUEVE1: LDA #9T ADD P1
STA P1 ADD P2 ORG 0FFFEH
LDX #10T STA P3 DW INICIO
MUL
STA P1 ;;;;;;;;;;;;;;;;;;;;;;;;;;;
JMP DATO2 ; COMPARAR LOS DATOS TOTALES
;;;;;;;;;;;;;;;;;;;;;;;;;;;
;;;;;;;;;;;;;;;;;;;;;;;
; RECEPCIÓN DEL 2DO DATO CMP #5T
;;;;;;;;;;;;;;;;;;;;;;; BLS OUT
CMP #10T
DATO2: BLS OUT1
BSET RE,SCC2 ;RECEPCION CMP #15T
SERIAL HABILITADA BLS OUT2
LDA SCS1 ;Borra Banderas, CMP #20T
lectura del registro BLS OUT3
BRCLR SCRF,SCS1,$ ;Continua si CMP #25T
se recibe Dato BLS OUT4
LDA SCDR ;Lee dato en CMP #30T
Acumulador BLS OUT5
BCLR RE,SCC2 ;Deshabilita Rx CMP #35T
CBEQA #48T,CERO2 BLS OUT6
CBEQA #49T,UNO2 CMP #40T
CBEQA #50T,DOS2 BLS OUT7
CBEQA #51T,TRES2 CMP #45T
CBEQA #52T,CUATRO2 BLS OUT8
CBEQA #53T,CINCO2 CMP #50T
CBEQA #54T,SEIS2 BLS OUT9
CBEQA #55T,SIETE2
CBEQA #56T,OCHO2 JMP DATOS
CBEQA #57T,NUEVE2
JMP DATO2 OUT:
LDA #00000001Q
CERO2: LDA #0T STA PORTB
STA P2 JMP MAIN
JMP DATOS OUT1:
LDA #01000000Q
UNO2: LDA #1T STA PORTB
STA P2 JMP MAIN
128

Emulador A Pequeña Escala de Un SFVR, Bajo La Aplicaci (On de GD para Un Usuario Residencial PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Emulador A Pequeña Escala de Un SFVR, Bajo La Aplicaci (On de GD para Un Usuario Residencial PDF

Caricato da

Copyright:

Formati disponibili

EMULADOR A PEQUEÑA ESCALA DE UN SISTEMA FOTOVOLTAICO CONECTADO A LA RED,

BAJO LA APLICACIÓN DE GENERACIÓN DISTRIBUIDA PARA UN USUARIO TIPO RESIDENCIAL

MAURICIO ALEXANDER URUEÑA SAAVEDRA

DANIEL ALBERTO BALAGUERA CAÑOLA

ANDRÉS FELIPE CORTÉS BORRAY

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

PROYECTO CURRICULAR DE INGENIERÍA ELÉCTRICA

LÍNEA DE INVESTIGACIÓN EN FUENTES ALTERNATIVAS DE ENERGÍA (LIFAE)

Proyecto para optar al título de

MAURICIO ALEXANDER URUEÑA SAAVEDRA

Ing. MsC. PhD. JOHANN ALEXANDER HERNÁNDEZ MORA

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

Firma del Jurado

Firma del jurado

A mí querida madre que gracias a su esfuerzo y perseverancia ha logrado inculcar en mí el sentido de

Mauricio Alexander Urueña Saavedra

Daniel Alberto Balaguera Cañola

Andrés Felipe Cortés Borray

Por último, pero no menos importante, agradecemos al Centro de Investigación y Desarrollo

Finalmente, el desarrollo de este proyecto permite observar y estudiar de manera práctica y

5.5 Adquisición de Datos ............................................................................................................ 57

ANEXO E. CARACTERIZACIÓN DEL INVERSOR ................................................................................ 104

Figura 38. Botón para establecer comunicación ............................................................................................... 55

Figura A1. Banco de Condensadores ............................................................................................................... 90

Figura A21. Diseño nivel 3 .............................................................................................................................. 122

Tabla A1. Datos obtenidos por al analizador.................................................................................................. 107

Los recientes avances obtenidos en el campo de la generación a pequeña escala y almacenamiento

Las tecnologías de generación distribuida se dividen, a su vez, en convencionales y no

Lograr la propagación del concepto de generación distribuida mediante la aplicación de sistemas

Figura 1. Diagrama Esquemático SFVCR

Emular el comportamiento a escala de un sistema fotovoltaico conectado a la red de baja tensión de

1.2. Estructura del documento

El primer capítulo presenta la introducción del documento, donde se expone la problemática y

El capítulo 3 muestra el diseño y dimensionamiento del sistema fotovoltaico conectado a la red y el

En el capítulo 5 se explican los protocolos de comunicación que se emplearon para comunicar el

Junto con el documento se entrega el manual de usuario del software realizado.

Figura 2. Diagrama de flujo de la metodología desarrollada

2.1. Sistema Fotovoltaico

En el segundo grupo, no existen requerimientos de seguridad en el suministro de energía, de modo

2.2 Sistema fotovoltaico conectado a la red (SFVCR)

Un sistema fotovoltaico interconectado a la red, consiste en un arreglo de elementos, entre los

Figura 4. Sistema fotovoltaico Conectado a la Red.

2.3 Funcionamiento SFVCR [18]

Su funcionamiento con la red de energía eléctrica, consiste en la transformación de la energía DC

2.4 Generación Distribuida

El primer escenario ubica a la GD como un sistema de generación principal y continua

2.5 Gestión de la Demanda

La gestión de la demanda de energía (GDE), es un término ambiguo que ha sido interpretado de

El establecimiento de procedimientos que hagan posible la participación activa de la demanda por

3.1 Diseño y dimensionamiento del SFVCR

Para diseñar un SFVCR, es necesario conocer el recurso energético disponible en el sitio de

Tabla 1. HSS Promedio

HSS es el valor de kWh/m2-día promedio mensual de la localidad.

Ni es el número de días del mes.

PR es el factor de rendimiento del sistema, el cual permite dimensionar el sistema FV para

El valor de Ei en la ecuación 1, generalmente es el valor de la energía esperada en el año, dividido

Tabla 2. Parámetros para el cálculo de la PGFV

Mes E (kWh) HSS (kWh/m2) PR PGFV (kW)

Tabla 3. Características Modulo fotovoltaico

Parámetro Valor Unidad

La cantidad de módulos fotovoltaicos se determina a partir de la ecuación 3 [18].

INVERSOR CON CONEXIÓN A LA RED

Tabla 4 Características Inversor