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

dc.contributor.advisorFranco Linares, Víctor Rulmanes_ES
dc.contributor.authorFidel Humberto, Andía Guzmánes_ES
dc.date.accessioned2022-04-01T13:44:35Z
dc.date.available2022-04-01T13:44:35Z
dc.date.issued2022
dc.description.abstractEl trabajo de investigación desarrollado, tiene como interés fundamental el modelado de un control predictivo basado en modelos (CPBM) y asociado a un control neurodifuso (CND), con el objeto de optimizar la gestión energética en microrredes eléctricas con fuentes renovables. Primero, como resultado de las encuestas realizadas, se procedió a dimensionar un prototipo de microrred eléctrica de baja potencia, integrado por fuentes de energía solar, eólica y baterías. Luego, usando datos simulados, se estimó el modelo dinámico del sistema utilizando la estructura paramétrica ARMAX de tercer orden; pero, el reducido de segundo orden da resultados similares. En tercer lugar, se modeló el control predictivo basado en modelos (CPBM) aplicado a la microrred, empleando los algoritmos de solución distribuidos alternativos siguientes: cooperativo, no cooperativo y la formulación de Lagrange; demostrándose que el más limitado en cuanto a intercambio de energía y la que más emplea la energía de la red pública es la no cooperativa; así también, empleando 3 estrategias, es la tercera que usa CPBM económico y CPBM con previsión perfecta, que genera ahorros del 17,6% y 10.4%, respectivamente. En cuarto lugar, se simuló mediante 3 variante de control neurodifuso, demostrándose que la variante 3 en términos de energía es casi igual que la variante 1, pero en régimen de batería es mejor. Se concluye que, el control CPBM, logra aprovechar óptimamente los recursos energéticos disponibles y; en cuanto al control Neurodifuso, la variante 3 arroja mejores resultados, aumentando la sostenibilidad del sistema. Para todos los cálculos y simulaciones, se empleó los recursos de Matlab/Simulink.es_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttps://hdl.handle.net/20.500.13028/3552
dc.language.isospaes_ES
dc.publisherUniversidad Nacional San Luis Gonzagaes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/es_ES
dc.subjectMicroredeses_ES
dc.subjectControl CPBMes_ES
dc.subjectControl neurodifusoes_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.05.08es_ES
dc.titleControl predictivo basado en modelos y neurodifuso, aplicado a la optimización de energía en microrredes eléctricas con fuentes renovableses_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_ES
renati.advisor.dni21454777
renati.advisor.orcidhttps://orcid.org/000-0001-6577-6254es_ES
renati.author.dni22075065
renati.discipline521088es_ES
renati.jurorAquije Tueros, Luis Antonioes_ES
renati.jurorMassa Palacios, Luis Albertoes_ES
renati.jurorGuerra Landa, Edith Isabeles_ES
renati.levelhttp://purl.org/pe-repo/renati/level#doctores_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesises_ES
thesis.degree.disciplineGestión Ambientales_ES
thesis.degree.grantorUniversidad Nacional San Luis Gonzaga. Escuela de Posgradoes_ES
thesis.degree.nameDoctor en Gestión Ambientales_ES

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
Control Predictivo Basado en Modelos y Neurodifuso, aplicado a la optimización de energía en microrredes eléctricas con fuentes renovables.pdf
Tamaño:
4.14 MB
Formato:
Adobe Portable Document Format
Descripción:

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: