Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FACULTAD DE INGENIERÍA
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
Ingeniero Eléctrico
Director
Nota de Aceptación:
Noviembre 2013
iii
iii
Este trabajo de grado está dedicado especialmente a Dios por brindarme la vida a través de mis queridos
padres.
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.
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.
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.
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.
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.
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
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
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
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.
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.
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
CAPÍTULO 1. INTRODUCCIÓN
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
CAPÍTULO 1. INTRODUCCIÓN
1.1. Objetivos
OBJETIVO GENERAL
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.
Este trabajo se estructura en ocho capítulos principales que describen la metodología desarrollada,
así como un apéndice que incluye 11 anexos.
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.
4
CAPÍTULO 1. INTRODUCCIÓN
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.
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.
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
CAPÍTULO 1. INTRODUCCIÓN
6
Capítulo 2
MARCO CONCEPTUAL
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.
9
CAPÍTULO 2. MARCO CONCEPTUAL
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
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
CAPÍTULO 2. MARCO CONCEPTUAL
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].
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.
11
CAPÍTULO 2. MARCO CONCEPTUAL
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.
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.
(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
CAPÍTULO 3. DIMENSIONAMIENTO
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].
16
CAPÍTULO 3. DIMENSIONAMIENTO
(3)
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.
17
CAPÍTULO 3. DIMENSIONAMIENTO
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).
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
CAPÍTULO 3. DIMENSIONAMIENTO
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.
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.
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.
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].
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].
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”.
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
CAPÍTULO 4 SOFTWARE
23
CAPÍTULO 4 SOFTWARE
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.
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
CAPÍTULO 4. SOFTWARE
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 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.
25
CAPÍTULO 4. SOFTWARE
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.
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:
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)
(6)
26
CAPÍTULO 4. SOFTWARE
(7)
(∑ )
(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.
Fuente: [35]
27
CAPÍTULO 4. SOFTWARE
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].
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)
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
CAPÍTULO 4. SOFTWARE
(∑ ) [ ]
(11)
Ambas funciones de activación son continuas y diferenciables, el requisito de trabajar con funciones
diferenciables puede venir impuesto por la regla de aprendizaje.
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].
29
CAPÍTULO 4. SOFTWARE
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®.
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.
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.
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
CAPÍTULO 4. SOFTWARE
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.
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
CAPÍTULO 4. SOFTWARE
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.
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.
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
CAPÍTULO 4. SOFTWARE
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
CAPÍTULO 4. SOFTWARE
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
CAPÍTULO 4. SOFTWARE
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.
Esta curva representa las posibles combinaciones de corriente y voltaje para un dispositivo
fotovoltaico, bajo condiciones ambientales determinadas (radiación solar incidente y temperatura
ambiente).
Según la literatura, uno de los procedimientos para calcular el modelo del SFVCR se puede resumir
en la siguiente secuencia de bloques.
35
CAPÍTULO 4. SOFTWARE
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)
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)
El proceso de cálculo emplea secuencialmente las siguientes 12 ecuaciones para obtener los
valores de operación del módulo.
36
CAPÍTULO 4. SOFTWARE
(13)
Donde,
( )
(14)
Donde,
(15)
Donde,
(16)
Donde,
37
CAPÍTULO 4. SOFTWARE
(17)
5. Factor de llenado como se muestra en la ecuación 18 [48], sin considerar una resistencia
serie.
(18)
Donde,
(19)
Donde,
[ ( ) ]
(20)
(21)
y son constantes dadas por las ecuaciones 22 y 23 [48],
(22)
(23)
Donde,
38
CAPÍTULO 4. SOFTWARE
(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.
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.
39
CAPÍTULO 4. SOFTWARE
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)
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
CAPÍTULO 4. SOFTWARE
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
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.
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
CAPÍTULO 4. SOFTWARE
(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.
42
CAPÍTULO 4. SOFTWARE
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.
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
CAPÍTULO 4. SOFTWARE
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.
44
CAPÍTULO 4. SOFTWARE
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.
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.
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.
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].
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].
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.
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
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
48
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
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
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
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).
50
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
Inicio
Definir Variables
Limpiar registro X y H
Inicializar variables A
NO
El dato está
entre 1 y 9
SI
Poner en 0 el acumulador
SI
Recibir dato menos significativo en código ASCII
NO
El dato está
entre 1 y 9
SI
Poner en 0 el acumulador
Poner en 0 el acumulador
51
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
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.
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
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
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].
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.
53
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
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.
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
Encender fuente DC
Apagar fuente DC
Fin
54
CAPÍTULO 5. PROTOCOLOS DE 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.
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.
55
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
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).
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.
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.
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
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
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.
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
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
(27)
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
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
Inicio
Inicio de simulación
NO
Simulación
Finalizada ?
SI
Fin
59
CAPÍTULO 5. PROTOCOLOS DE COMUNICACIÓN
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.
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.
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.
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
63
CAPÍTULO 6. PROTOTIPO FÍSICO
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.
6.2 Nivel 2
64
CAPÍTULO 6. PROTOTIPO FÍSICO
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.
65
CAPÍTULO 6. 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.
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
CAPÍTULO 6. PROTOTIPO FÍSICO
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.
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.
67
CAPÍTULO 6. PROTOTIPO FÍSICO
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:
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
71
CAPÍTULO 7. ANÁLISIS DE RESULTADOS
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
CAPÍTULO 7. ANÁLISIS DE RESULTADOS
73
CAPÍTULO 7. ANÁLISIS DE RESULTADOS
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)
| |
74
CAPÍTULO 7. ANÁLISIS DE RESULTADOS
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.
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
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.
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.
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
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.
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
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
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:
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.
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.
(31)
90
ANEXO B. DIMENSIONAMIENTO DE C Y L
(32)
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.
(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 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.
94
ANEXO D. CURVAS RESULTANTES
El porcentaje de error comparando la energía del software con la real fue de 5,02 %.
95
ANEXO D. CURVAS RESULTANTES
El porcentaje de error comparando la energía del software con la real fue de 4,77 %.
96
ANEXO D. CURVAS RESULTANTES
El porcentaje de error comparando la energía del software con la real fue de 7,67 %.
97
ANEXO D. CURVAS RESULTANTES
El porcentaje de error comparando la energía del software con la real fue de 7,12 %.
98
ANEXO D. CURVAS RESULTANTES
99
ANEXO D. CURVAS RESULTANTES
El porcentaje de error comparando la energía del software con la real fue de 7,34 %.
100
ANEXO D. CURVAS RESULTANTES
El porcentaje de error comparando la energía del software con la real fue de 7,65 %.
101
ANEXO D. CURVAS RESULTANTES
El porcentaje de error comparando la energía del software con la real fue de 7,68 %.
102
ANEXO D. CURVAS RESULTANTES
El porcentaje de error comparando la energía del software con la real fue de 7,02 %.
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.
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.
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)
104
ANEXO E. CARACTERIZACIÓN DEL INVERSOR
(41)
105
ANEXO E. CARACTERIZACIÓN DEL INVERSOR
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.
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.
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.
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)
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.
109
ANEXO G. EQUIPOS UTILIZADOS E INSTALADOS
Equipo: PQA824
Marca: HT
Fabricado: Italia.
110
ANEXO G. EQUIPOS UTILIZADOS E INSTALADOS
CARACTERÍSTICAS TÉCNICAS
111
ANEXO G. EQUIPOS UTILIZADOS E INSTALADOS
Frecuencia
CARACTERÍSTICAS GENERALES
Normativas consideradas
112
ANEXO G. EQUIPOS UTILIZADOS E INSTALADOS
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.
BREAKER
Ficha técnica
113
ANEXO G. EQUIPOS UTILIZADOS E INSTALADOS
Características generales
114
ANEXO G. EQUIPOS UTILIZADOS E INSTALADOS
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
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 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
118
ANEXO I. PRESUPUESTO
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
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
119
ANEXO I. PRESUPUESTO
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
121
ANEXO J. DISEÑO DEL PROTOTIPO FÍSICO
J2. Nivel 2
122
ANEXO J. DISEÑO DEL PROTOTIPO FÍSICO
123
ANEXO J. DISEÑO DEL PROTOTIPO FÍSICO
124
ANEXO J. DISEÑO DEL PROTOTIPO FÍSICO
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.
126
ANEXO K. ALGORITMOS DE PROGRAMACIÓN
127
ANEXO K. ALGORITMOS DE PROGRAMACIÓN
128