Control predictivo basado en modelos y neurodifuso, aplicado a la optimización de energía en microrredes eléctricas con fuentes renovables
dc.contributor.advisor | Franco Linares, Víctor Rulman | es_ES |
dc.contributor.author | Fidel Humberto, Andía Guzmán | es_ES |
dc.date.accessioned | 2022-04-01T13:44:35Z | |
dc.date.available | 2022-04-01T13:44:35Z | |
dc.date.issued | 2022 | |
dc.description.abstract | El 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.format | application/pdf | es_ES |
dc.identifier.uri | https://hdl.handle.net/20.500.13028/3552 | |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad Nacional San Luis Gonzaga | es_ES |
dc.publisher.country | PE | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/ | es_ES |
dc.subject | Microredes | es_ES |
dc.subject | Control CPBM | es_ES |
dc.subject | Control neurodifuso | es_ES |
dc.subject.ocde | http://purl.org/pe-repo/ocde/ford#1.05.08 | es_ES |
dc.title | Control predictivo basado en modelos y neurodifuso, aplicado a la optimización de energía en microrredes eléctricas con fuentes renovables | es_ES |
dc.type | info:eu-repo/semantics/doctoralThesis | es_ES |
dc.type.version | info:eu-repo/semantics/publishedVersion | es_ES |
renati.advisor.dni | 21454777 | |
renati.advisor.orcid | https://orcid.org/000-0001-6577-6254 | es_ES |
renati.author.dni | 22075065 | |
renati.discipline | 521088 | es_ES |
renati.juror | Aquije Tueros, Luis Antonio | es_ES |
renati.juror | Massa Palacios, Luis Alberto | es_ES |
renati.juror | Guerra Landa, Edith Isabel | es_ES |
renati.level | http://purl.org/pe-repo/renati/level#doctor | es_ES |
renati.type | http://purl.org/pe-repo/renati/type#tesis | es_ES |
thesis.degree.discipline | Gestión Ambiental | es_ES |
thesis.degree.grantor | Universidad Nacional San Luis Gonzaga. Escuela de Posgrado | es_ES |
thesis.degree.name | Doctor en Gestión Ambiental | es_ES |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Control Predictivo Basado en Modelos y Neurodifuso, aplicado a la optimización de energía en microrredes eléctricas con fuentes renovables.pdf
- Size:
- 4.14 MB
- Format:
- Adobe Portable Document Format
- Description:
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: