Artículo Académico / Academic Paper
Recibido: 30-10-2021, Aprobado tras revisión: 18-01-2022
Forma sugerida de citación: Mediavilla, E.; Cuji, C. (2022). “Controlador Difuso Para Gestión De La Energía En Un Proceso De
Transición De Central De Generación Térmica A Renovables”. Revista Técnica “energía”. No. 18, Issue II, Pp. 61-73
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
© 2022 Operador Nacional de Electricidad, CENACE
Fuzzy Controller for Energy Management in a Transition Process from
Thermal Generation Plant to Renewables
Controlador Difuso Para Gestión De La Energía En Un Proceso De
Transición De Central De Generación Térmica A Renovables
E. A Mediavilla
1
C. C. Cuji
1
1
Universidad Politécnica Salesiana, Quito - Ecuador
E-mail: emediavillay@est.ups.edu.ec; ccuji@ups.edu.ec
Abstract
This article considers a transition scenario to non-
conventional renewable energy sources (NCRE) of
mixed technology, composed of photovoltaic solar
generation and micro wind generation, taking into
account a gradual decarbonization event. As a case
study, the Dayuma thermoelectric plant (2MW),
located in the province of Orellana, Ecuador, will be
considered. Initially for its development, the natural
energy resources of the area were evaluated, such as
temperature, irradiance, wind speed at its
maximum, minimum and average points, in a time
interval of five years. Subsequently, for the optimal
management of energy production, controllers
based on fuzzy logic were used to monitor the
maximum power point (MPPT), and this controller
was compared with a conventional P&O. Finally, the
calculations were carried out to determine the
amount of high-efficiency panels needed and the
number of micro-wind generators was established in
the same way. In this way, the physical area for the
implementation of the proposed plant is established.
This research seeks to provide an additional option
to evaluate the electricity generation of a new
renewable plant, it should be noted that the expected
results are focused on a decarbonization process and
the design of a controller with advantages and
disadvantages.
Resumen
El presente artículo considera un escenario de
transición a fuentes energía renovable no
convencional (ERNC) de tecnología mixta,
compuesta por generación solar fotovoltaica y micro
generación eólica, tomando en cuenta un evento
paulatino de descarbonización. Como caso de
estudio se va considerar la central termoeléctrica
Dayuma (2MW), ubicada en la provincia de
Orellana, Ecuador. Inicialmente para su desarrollo
se evaluó los recursos naturales energéticos de la
zona, tales como, temperatura, irradiancia,
velocidad de viento en sus puntos máximos, mínimos
y promedio, en un intervalo de tiempo de cinco años.
Posteriormente para la óptima gestión de la
producción energética se utilizó controladores
basados en lógica difusa, para el seguimiento del
punto de máxima potencia (MPPT), y se ha
comparado este controlador con un P&O
convencional. Finalmente se realizó los cálculos para
determinar la cantidad de paneles de alta eficiencia
necesarios y de igual forma se estableció el número
de micro - generadores eólicos. De esta manera se
establece el área física para la implementación de la
central propuesta. Con esta investigación se busca
brinda una opción adicional para evaluar la
generación eléctrica de una nueva central renovable,
cabe señalar que los resultados esperados se enfocan
en un proceso de descarbonización y el diseño de un
controlador con ventajas y desventajas.
Index terms Photovoltaic, wind, micro-generation,
MPPT, fuzzy logic.
Palabras clave Fotovoltaico, eólico, micro
generación, MPPT, lógica difusa, ERNC.
61
Edición No. 18, Issue II, Enero 2022
1. INTRODUCCIÓN
Generar electricidad determinan el desarrollo, calidad
de vida y seguridad de un país, con base en la capacidad,
eficiencia y confiabilidad que el sistema eléctrico posea.
Por tal razón, se han creado diferentes formas de
generación, las cuales principalmente se dividen en
convencionales y energías renovables no convencionales.
Entre las convencionales se encuentra la generación
termoeléctrica, siendo una de las alternativas más
utilizadas en países como China y Estados Unidos, por los
recursos primarios que poseen; sin embargo, es conocido
que este tipo de generación es contaminante. Los
ecopuntos de impacto son la unidad con la cual se mide la
contaminación que crean las diferentes tecnologías
generadoras, con base en estos se determina que las
centrales térmicas llegan por encima de las 1000 unidades
mientras que las centrales de energías renovables están por
debajo de los 150 [1], [2].
Por ese motivo se considera como alternativa el uso de
nuevas tecnologías en generación eléctrica, como es el caso
de las energías renovables no convencionales: fotovoltaica
y eólica. La tecnología fotovoltaica posee diversos
modelos en paneles, la diferencia entre ellos es la eficiencia
que tienen al momento de convertir la energía solar en
energía eléctrica, siendo el incremento de temperatura un
factor que disminuye considerablemente la eficiencia del
panel. Los paneles convencionales tienen una eficiencia
aproximada del 15% mientras que los de alta eficiencia
llegan a tener hasta 23%, existen sistemas fotovoltaicos de
ultra alta eficiencia que tienen valores mayores al 35% pero
estos posen elementos extras como concentradores de luz,
y sistemas refrigerantes, los cuales los hacen más
complejos por lo que aún se encuentran en desarrollo e
investigación y no serán tomados en cuenta en este
artículo.[3],[4]
En cuanto a la micro - generación eólica, se trata de
sistemas que aprovechan la fuerza cinética generada por el
viento. Los parámetros más relevantes son la velocidad, el
azimut (ángulo) y la densidad de viento. Los micro -
generadores son elementos de tamaño más pequeño que los
generadores eólicos convencionales y suelen tener
potencias entre los 10kW a 100kW, son muy utilizados
como sistemas de compensación. [5], [6]
Para optimizar la coordinación de la producción
energética se debe encontrar el punto de máxima potencia
(MPP).[7] Existen diferentes métodos para hacerlo, entre
ellos están los controles convencionales PID, o métodos
modernos como el sistema perturbación y observación
(P&O) el cual, como su nombre lo indica, perturba la señal
de potencia y corriente para posteriormente encontrar su
derivada observando si se acerca o aleja del punto de
máxima potencia [8]. Otro método es el de conductancia
incremental (INC) el cual a diferencia del P&O, deriva la
curva de tensión y potencia, P-V en donde el MPP será
cuando la diferencial sea un valor nulo [9],[10]. Estos
métodos son los que se utilizan en el caso de paneles
fotovoltaicos, aunque el método de P&O también es
aplicado en aerogeneradores. Por otro lado, el método HCS
se basa en la variación de potencia la cual compara en t y
t-1, determinando el error y en base a él, aumenta o
disminuye el ciclo de trabajo, es un método bastante
simple, lo que implica una de sus ventajas, no obstante,
ante perturbaciones como turbulencias o imprevistos,
tiende a cometer errores [11], [12].
La lógica difusa es un método de control, que no es
nuevo puesto que sus primeros postulados fueron descritos
en el año de 1965. Sin embargo, la lógica difusa se trata de
un método vanguardista que ha demostrado grandes
mejoras y resultados con respecto a la lógica booleana
clásica. Su principio se basa en tomar valores intermedios,
no exactos, es decir, si la lógica booleana tiene dígitos
cerrados 1 o 0, la difusa toma valores intermedios como
0.1, 0.5, 0.9 lo cual se asemeja más a la mente humana,
puesto que los seres humanos no tomamos decisiones
teniendo en cuenta solo valores exactos o cerrados.
[13],[14].
También en este estudio se evaluarán los recursos
energéticos necesarios para determinar la posibilidad de
sustituir una central térmica de baja potencia por una
central de energía renovable no convencional, evaluando la
posibilidad de contribuir a un proceso de descarbonización.
Los recursos serán los valores máximos, mínimos y
promedio de irradiancia, temperatura y velocidad de
viento. En la Fig. 1 se puede ver una representación
simplificada del objetivo de este artículo.[15],[16]
Figura 1: Representación gráfica del objetivo del presente
artículo
62
Cuji et al. / Controlador Difuso para Gestión de la Energía en un Proceso de Transición de Generación Térmica a Renovables
2. CARACTERIZACIÓN Y CONDICIONES
PREVIAS A LA TRANSICIÓN DE
DESCARBONIZACIÓN
Este estudio se basa en tres componentes: El primer es una
evaluación de recurso energético. El segundo es la
simulación en MATLAB/SIMULINK mediante métodos
de control P&O y lógica difusa para su comparación en la
obtención del punto de máxima transferencia de potencia
MPP. El tercer componente es la medición de potencia
generada de la central de energía renovable propuesta para
determinar la posibilidad de sustitución ya mencionada.
2.1. Evaluación de recursos y eficiencia energética
Datos generales central Dayuma [17], [18]
Tabla 1: Datos central Dayuma
CENTRAL TÉRMICA DAYUMA
Ubicación Geográfica Sistema de coordenadas UTM
WGS84, Zona 17S
X: 957176.22 Y: 9907544.84
Altitud: 290
m.s.n.m.
Potencia instalada 2MW
Dirección
Km 60 vía Auca
Cantón Francisco de Orellana
Ciudad Dayuma
Provincia Orellana
Promotor
CELEC-Termo
Pichincha
Área total 10170 m
2
Área de emplazamiento 600m
2
Combustible Diesel
Rendimiento 9.54 kWh/galón
Costo de producción
15.71 ctvs/kWh
Producción anual 1.59 GWh
Factor de Planta 11.27 %
Mediante los datos obtenidos de la central Dayuma se
graficó una curva de generación anual presentado en la Fig.
2: Para la evaluación de recursos se utilizaron los datos
obtenidos de la página de la NASA Prediction Of
Worldwide Energy Resources, desde el año 2014 hasta el
2019.[19] Para determinar los valores máximos, mínimos
y promedio de irradiancia, temperatura y velocidad de
viento, se utilizaron comandos genéricos de MATLAB
como max, min, mean.[20]
2.2. Generación Fotovoltaica
Para la generación fotovoltaica se seleccionaron dos tipos
de paneles comerciales, uno de baja de alta por sus
prestaciones tanto en optimización de la producción como
en el área de implementación necesaria, y paneles de baja
eficiencia para su posterior comparación. A continuación,
se detallarán las principales características técnicas de cada
uno de ellos. [3],[21]
Figura 2: Generación Anual central Dayuma
Tabla 2: Características técnicas Panel de alta eficiencia [22]
Panel de alta eficiencia
N° Descripción Valor
1 Marca SunPower
2 Modelo SPR-X22-370
3 Pnom 370 W
4 Eficiencia 22.7 %
5 Vmpp 59.1 V
6 Impp 6.26 A
7 Voc 69.5 V
8 Icc 6.66 A
9 Voc temp coef -0.29 % /
o
C
10 Isc temp coef -0.016 % /
o
C
11 N
O
Celdas 96
12 Largo 1558 mm
13 Ancho 1046 mm
Tabla 3: Características técnicas Panel de baja eficiencia [23]
Panel de baja eficiencia
N° Descripción Valor
1 Marca DAH Solar
2 Modelo DHPT72
3 Pnom 330 W
4 Eficiencia 16.25 %
5 Vmpp 36.9 V
6
Impp
8.54 A
7 Voc 45.6 V
8 Icc 9 A
9 Voc temp coef -0.32 % /
o
C
10 Isc temp coef -0.05 % /
o
C
11
N
O
Celdas
72
12 Largo 1950 mm
13
Ancho
1100 mm
Con los datos obtenidos se graficaron las curvas de
potencia-voltaje de cada unos de ellos representados en la
Fig. 3:
63
Edición No. 18, Issue II, Enero 2022
Figura 3: Curva P-V de los paneles
Tabla 4: Características técnicas del inversor
Inversor
N° Descripción Valor
1 Marca ABB
2
Modelo
PVS800
-
57
-
1000kW
3 V
DC
Min 600 V
4 V
DC
Max 850 V
5 Imax
1710
Por motivos de seguridad y confiabilidad se pensó en una
central de energía renovable con 2 MW de energía
fotovoltaica 1 MW de energía eólica y un banco de
baterías.
Cálculo de número de paneles: Tomando en cuenta los
datos obtenidos al evaluar los recursos energéticos y
también los datos de los paneles y el inversor, se procede a
determinar el número de paneles siguiendo el siguiente
modelo matemático: [24]
Variación del voltaje en el punto de máxima potencia por
coeficiente de tempera.
∆𝑽𝒎𝒑𝒑
𝒕𝒎𝒂𝒙
= 𝑽𝒎𝒑𝒑 × 𝑽𝒐𝒄 𝒕𝒆𝒎𝒑 𝒄𝒐𝒆𝒇 (𝟏)
Voltaje en el punto de máxima potencia a temperatura
máxima:
𝑽𝒎𝒑𝒑
𝒕𝒎𝒂𝒙
= 𝑽𝒎𝒑𝒑 + ∆𝑽𝒎𝒑𝒑
𝒕𝒎𝒂𝒙
(𝟐)
Número de paneles en serie:
𝑵𝒑𝒔 =
𝑽
𝑫𝑪
𝒎𝒊𝒏 𝒊𝒏𝒗𝒆𝒓𝒔𝒐𝒓
𝑽𝒎𝒑𝒑
𝒕𝒎𝒂𝒙
(𝟑)
Número de paneles en paralelo
𝑵𝒑𝒑 =
𝑰𝒎𝒂𝒙 𝒊𝒏𝒗𝒆𝒓𝒔𝒐𝒓
𝑰𝒄𝒄 𝒑𝒂𝒏𝒆𝒍
(𝟒)
Número total de paneles:
𝑵𝒑𝒕 = 𝑵𝒑𝒔 × 𝑵𝒑𝒕 (𝟓)
Cálculo del área de emplazamiento
Distancia entre paneles
𝒅𝒑 = (𝑳 × 𝒔𝒊𝒏 𝜽) × 𝟐. 𝟓 (𝟔)
Donde:
L = Largo del panel
𝜃 = Ángulo de inclinación del panel
Área total de emplazamiento
𝑨
𝑻
=
[(
𝑳 × 𝑨 × 𝑵𝒑𝒔
)
+ (𝒅𝒑 × 𝑨 × 𝑵𝒑𝒔)
]
× 𝑵𝒑𝒑 (𝟕)
Donde:
A = Ancho del panel
Para el dimensionamiento del banco de baterías se utilizó
la siguiente fórmula: [24], [25]
𝑰𝒃 =
𝑬𝒓 × 𝒏
𝑽𝒔 × 𝒑𝒅
(𝟖)
Donde
Ib = Amperios–hora requeridos en el banco de
baterías.
Er = consumo diario real.
Vs = Voltaje de funcionamiento del sistema.
n = días de autonomía del sistema.
pd = profundidad de descarga diaria de las
baterías seleccionadas.
2.3. Generación eólica
Para la generación eólica se seleccionó un micro generador
comercial de potencia nominal 20kW del cual se detallan
sus características técnicas la tabla 5:
Tabla 5: Características técnicas del micro – generador ENAIR
200. [26]
Micro - generador eólico.
N° Descripción Valor
1
Marca
ENAIR
2 Modelo E200
3 Configuración 3 aspas horizontales
4 Potencia 20 kW max
5 Potencia Nominal 18 kW – IEC61400
6 Velocidad del rotor 120 rpm
7
Velocidad para romper
inercia
1.85 m/s
8 Velocidad de corte 30 m/s
9 Protección IP-65
10
Peso
1000 kg
11 Diámetro 9.8 m
12
Área de rotación de las
aspas
75.4 m
2
13 Largo del aspa 4.5 m
14
Coeficiente de potencia
(Cp)
0.48
Figura 4: Curva Potencia/Velocidad de viento del aerogenerador
E200.[26]
64
Cuji et al. / Controlador Difuso para Gestión de la Energía en un Proceso de Transición de Generación Térmica a Renovables
En la Fig. 4 se muestra la curva Potencia-Velocidad de
viento del micro-generador ENAIR.
Cálculo de la potencia eólica: La potencia eléctrica
creada por un generador eólico viene de la energía
potencial del viento cuando este golpea el aspa que mueve
el rotor, esta energía depende de la velocidad y la
densidad del aire, y del área de rotación de las aspas.[6]
La energía cinética viene dada por la ecuación:
𝒆 =
𝟏
𝟐
× 𝝆 × 𝑽
𝟐
(𝟖)
Donde:
e = Energía por unidad de volumen. (J)
ρ = Densidad del aire (Kg/m
3
)
V = Velocidad del viento (m/s)
Ahora teniendo en cuenta que el flujo de aire a través de
una superficie es:
𝜱 = 𝑽 × 𝑨 (𝟗)
Donde:
Φ = Flujo de aire (m
3
/s)
V = Velocidad del viento
A = Área de barrido del rotor (m
2
)
Por lo que, con base en las ecuaciones (8) y (9) se puede
determinar la potencia eólica disponible:
𝑷𝒅 =
𝟏
𝟐
× 𝝆 × 𝑽
𝟑
× 𝑨 (𝟏𝟎)
Donde:
Pd = Potencia disponible (W)
ρ = Densidad del aire (Kg/m
3
)
V = Velocidad del viento (m/s)
A = Área de barrido del rotor (m
2
)
De acuerdo con la teoría de conservación de la masa, no
toda la potencia cinética podrá transformase a potencia
disponible. Así como, por las características mecánicas del
generador, según su calidad de fabricación, existirán más o
menos pérdidas mecánicas, se ha determinado un
coeficiente el cual define la cantidad de viento que en
realidad ha sido aprovechada, este es el coeficiente de
potencia Cp y es un equivalente a la eficiencia del
mecanismo del generador. Es importante señalar que este
coeficiente nunca puede ser mayor a 1. Por lo tanto, al
utilizar este coeficiente se puede determinar la potencia
real o también conocida como potencia aprovechable [5],
[6].
𝑷𝒂 =
𝟏
𝟐
× 𝝆 × 𝑽
𝟑
× 𝑨 × 𝑪𝒑
(
𝟏𝟏
)
Donde:
Pd = Potencia disponible (W)
ρ = Densidad del aire (Kg/m
3
)
V = Velocidad del viento (m/s)
A = Área de barrido del rotor (m
2
)
Cp = Coeficiente de potencia.
2.4. Controlador lógico difuso para la óptima gestión
de la producción energética
La lógica difusa es un método alternativo el cual contrasta
con la ya conocida lógica booleana al aumentar el espectro
de evaluación de una variable[27]. Por ejemplo, al existir o
no una sobretensión en un dispositivo, un protector
booleano solo tendrá dos opciones activarse o no, mientras
que utilizando la lógica difusa este puede inferir si fue una
sobretensión alta, media o baja y en base a esto verá si es
necesario activarse o no dependiendo de las ventajas o
desventajas de esta acción. [13]
En la Fig. 5 se muestra el diagrama básico del
funcionamiento de un proceso lógico difuso.
Figura 5: Diagrama general de un proceso lógico difuso. [14]
Para describir de forma simplificada el proceso lógico
difuso se puede decir que, en primer lugar, se ingresa las
variables discretas con sus respectivas unidades, como por
ejemplo voltaje en voltios, esta variable pasa por un
proceso fuzzyficador, el cual las transforma en unidades
representativas que el usuario determina y las agrupa en un
conjunto difuso de entrada.[28] Posteriormente las
variables pasan por una serie de reglas creadas por el
usuario, basadas en comandos lógicos convencionales
como if, then, else, and, or [29]. Con base en el tipo de
función de entrada o también conocido como función de
membresía, el motor de inferencia es el que procede a
definir el resultado de salida que responde mejor a los
parámetros descritos por el usuario, este motor por lo
general se basa en el proceso de Mamdani o Sugeno. Una
vez hallado el valor correspondiente, este entra en un
proceso desfuzzyficador en donde la variable se convierte
nuevamente a unidades convencionales, como por ejemplo
el ancho de pulso para activar la compuerta de un
transistor. El método más utilizado para este proceso es el
del centroide.[30]
2.5. Óptimo despacho energético y evaluación de área
de implementación
La evaluación de la potencia eléctrica de la central Dayuma
se hace de acuerdo a dos factores: el técnico y el físico
(lugar y área de emplazamiento).
En lo técnico se conoce que la central Dayuma existente es
una central termoeléctrica a base de combustible Diesel,
por lo que se ha propuesto una curva de demanda diaria
[Fig. 20], la cual se basa en su demanda anual en los meses
de mayor consumo, para posteriormente analizar si es
factible o no su despacho, mediante la implementación de
la central de energía renovable propuesta.
65
Edición No. 18, Issue II, Enero 2022
Figura 6: Curva de demanda propuesta de la central Dayuma
Tabla 6: Datos relevantes de la curva de demanda propuesta
Curva de demanda propuesta
Datos
Potencia
(
MW)
Hora
Potencia Máxima 1.9 20:00
Potencia Mínima 0.1 04:00
Potencia Promedio 0.6 --
En cuanto al espacio físico se observa que se trata de un
terreno relativamente pequeño para una central, puesto que
dispone de 10170 m2, este espacio al colocar los paneles y
los aero-generadores se verá expandido de forma
significativa. En la Fig. 7 se puede observar el espacio
físico actual de la central Dayuma.[17]
Figura 7: Área de la central Dayuma (10.170 m
2
)
3. ANÁLISIS DE RESULTADOS
Para el análisis de resultados se expondrá en el mismo
orden en que fueron presentados los tópicos de estudio,
es decir desde la evaluación de recursos y eficiencia
pasando por los datos obtenidos por la implementación
del controlador difuso y por último la evaluación del
despacho obtenido e implicaciones de área de
implementación a utilizar.
3.1 Evaluación y eficiencia de recursos
Al evaluarse los recursos naturales necesarios para la
implementación de la central propuesta se obtuvieron los
datos presentados en la siguiente tabla:
Tabla 7: Tabla de los datos obtenidos de los recursos naturales
Recursos
N° Descripción Valor
1 Temperatura Max 32.7 ° C
2 Temperatura Min 17.4 ° C
3 Temperatura Ambiente 24.5 ° C
4
Irradiancia Max
1085 W/m
2
5 Irradiancia Min 911 W/m
2
6 Irradiancia Promedio 1021 W/m
2
7 Velocidad viento Max 23.5 m/s
8 Velocidad viento Min 3.5 m/s
9 Velocidad viento Prom 13 m/s
Con base en los datos de recursos naturales obtenidos se
han graficado las curvas potencia - voltaje de los paneles
de alta y baja eficiencia, Fig. 8 y baja eficiencia, Fig. 9.
Figura 8: Curva P-V a diferente irradiancia y temperatura de los
paneles de alta eficiencia
Figura 9: Curva P-V a diferente irradiancia y temperatura de los
paneles de baja eficiencia
En la tabla 8 se expondrá el número de paneles necesarios,
recordando que el inversor elegido es de 1MW por lo que
duplican sus valores.
Tabla 8: Número de paneles calculados
Cantidad de paneles según su eficiencia
Panel alta
eficiencia
Panel baja
eficiencia
N° de paneles en serie
1 MW
11 17
N° de paneles en
paralelo 1MW
257 190
N° de paneles totales
1 MW
2827 3230
N° de paneles totales
2 MW
5654 6460
Diferencia total
806
66
Cuji et al. / Controlador Difuso para Gestión de la Energía en un Proceso de Transición de Generación Térmica a Renovables
Figura 10: Cantidad de paneles necesarios según su eficiencia
Hay que recalcar que la cantidad de paneles en serie o
paralelo fueron determinados por motivos de seguridad y
óptimo funcionamiento de los inversores propuestos.
Para el banco de baterías y de acuerdo a la ecuación 8 se
definió un modelo A123 Systems Grid Solutions basado en
baterías de nano fosfato de ion-litio.
Tabla 9: Tabla de las especificaciones técnicas del banco de baterías
seleccionado
Especificaciones por unidad
1
Voltaje AC
480
V
2 Voltaje DC 960 V
3 Potencia 2 MW
4 Energía 500 kWh
5 Eficiencia 90 %
6 Temp. Operación -30 a 60°C
7 Temp. Almacen -30 A 60°C
8
Tiempo de recarga
15
Minutos
En cuanto a los micro-generadores eólicos y según lo
señalado en la ecuación (11) se determinó la utilización de
55 unidades.
3.2 Modelamiento del sistema aplicado control
lógico difuso
Desarrollo del controlador difuso. El beneficio de los
métodos de generación híbridos es la solución del
problema de continuidad de la energía [31]. En la Fig. 11
se puede observar un sistema eléctrico de potencia general
de la central.
Este SEP consiste en controladores MPPT basados en
lógica difusa para la generación fotovoltaica y P&O para
la eólica, un conversor DC/DC para los paneles y un
rectificador para las turbinas junto con esto un banco de
baterías y por último un controlador difuso para el inversor
DC/AC conectado a la red.
La Fig. 12 muestra el subsistema MPPT/FLC que se
implementó:
Figura 11: Diagrama de bloques del controlador MPPT lógico
difuso del sistema fotovoltaico
67
Edición No. 18, Issue II, Enero 2022
Las funciones de membresía a la entrada son el error E y
su variación CE [7], [32] los cuales se basan en la variación
del voltaje y la potencia en los paneles y están definidas
por (12) y (13) mientras que la función de salida viene a ser
el ciclo PWM.
𝑬 =
𝑷 − 𝑷(𝒊 − 𝟏)
𝑽 − 𝑽(𝒊 − 𝟏)
(𝟏𝟐)
𝑪𝑬 = 𝑬 − 𝑬
(
𝒊 − 𝟏
)
(𝟏𝟑)
Donde:
P = Potencia del sistema PV
V = Voltaje del sistema PV
El proceso de fuzzificación permite la conversión de las
variables de entrada y salida en variables difusas, en forma
de funciones de membresía que se asignan a las variables
lingüísticas. Para el controlador lógico difuso, Fig. 13, se
ha dispuesto de dos funciones de membresía a la entrada,
Figs. 14 y 15 y una a la salida, Fig. 16. En este caso, se
emplearon seis subconjuntos difusos: NG (negativo
grande), NP (negativo mediano), NP (negativo pequeño),
ZE (cero), PP (positivo pequeño), PM (positivo mediano)
y PG (positivo grande). La Fig. 13 muestra las funciones
de membresía de las variables de entrada E y CE y la
variable de salida PWM.
Las funciones de entrada están compuestas por formas
sigmoidales en sus límites y triangulares en medio [29],
[27], por otro lado, la función de membresía en la salida
tiene forma triangular.
Figura 12: Controlador lógico difuso del inversor diseñado en
MATLAB
Figura 13: Función de membresía de la variable de entrada (CE)
El paso de inferencia consiste en establecer relaciones
lógicas entre las entradas y la salida definidas en las reglas
de membresía. En este trabajo, el método utilizado para
obtener funciones de membresía de salida es el de
implicación difusa MIN-MAX del motor de inferencia
Mamdani.
Figura 14: Función de membresía de la variable de entrada (E)
Figura 15: Función de membresía de la variable de salida (PWM)
La Tabla 10 muestra las reglas de inferencia diseñadas. El
paso de desfuzzificación permite convertir los
subconjuntos difusos de salida en valores numéricos, y
luego mediante el generador PWM DC/DC obtener un
valor del ciclo de trabajo, utilizando el método del centro
de gravedad o centroide, que es el más simple y rápido.[7],
[33].
Tabla 10: Tabla de reglas difusas para el controlador MPPT del
sistema PV
Reglas difusas para el control MPPT
CE
NG NM NP ZE PP PM PG
E
NG NG NG NG NG NM NP ZE
NM NG NG NG NM NP ZE PS
NP NG NG NM NP ZE PP PM
ZE NG NM NP ZE PP PM PG
PP NM NP ZE PP PM PG PG
PM NP ZE PP PM PG PG PG
PG ZE PP PM PG PG PG PG
En la Fig. 17 se puede observar una superficie
tridimensional de reglas difusas lo que facilita su análisis y
observación ante un gráfico en dos dimensiones.
Figura 16: Superficie de reglas difusas para controlador PWM
El control difuso del inversor se basa en las corrientes de
eje directo (id) y eje de cuadratura (iq), cuando la corriente
id es positiva, el inversor genera la potencia activa y
68
Cuji et al. / Controlador Difuso para Gestión de la Energía en un Proceso de Transición de Generación Térmica a Renovables
cuando iq es positiva, el inversor absorbe la potencia
reactiva [34]; mediante la lectura de estas corrientes se ha
diseñado un controlador difuso en MATLAB el cual se
fundamenta en el principio de un controlador VSC, que
envía pulsos a las compuertas de los dispositivos IGBT´s
seleccionados por ser los elementos más indicados por sus
rápidas velocidades de conmutación. [35]
El controlador difuso tiene dos funciones de entrada y dos
de salida como se observa en la Fig. 18:
Figura 17: Controlador lógico difuso del inversor diseñado en
MATLAB
Las señales de entrada son las corrientes de eje directo y de
cuadratura, Fig. 19, mientras que las señales de salida
serían las corrientes directas y de cuadratura reguladas, Fig.
20. Las funciones de membresía utilizadas para el proceso
de fuzzificación que se utilizan tanto en entrada como
salida serian de diseño triangular y para el proceso de
inferencia se utilizó el método de implicación difusa MIN-
MAX del motor Mamdani. Para la desfuzzificación de los
resultados se utilizó el método del centroide.[36]
Figura 18: Función de membresía de la variable de entrada (id)
Figura 19: Función de membresía para la variable de salida (id_reg)
Figura 20: Función de membresía para la variable de salida (iq_reg)
Los subconjuntos difusos utilizados en este controlador
fueron B (baja), M (mediana) y G (grande) y están
representados en la siguiente tabla de reglas difusas:
Tabla 11: Tabla de reglas difusas para el controlador del inversor
DC/AC
Reglas difusas para el inversor
id
BAJA MEDIA ALTA
iq
BAJA
id regulada –
GRANDE
id regulada –
GRANDE
id regulada
– MEDIA
iq regulada -
GRANDE
iq regulada -
GRANDE
iq regulada
- GRANDE
MEDIANA
id regulada –
GRANDE
id regulada –
GRANDE
id regulada
– MEDIA
iq regulada -
GRANDE
iq regulada -
GRANDE
iq regulada
- GRANDE
GRANDE
id regulada –
GRANDE
id regulada -
GRANDE
id regulada
– MEDIA
iq regulada -
MEDIA
iq regulada -
MEDIA
iq regulada
- MEDIA
Como se mencionó anteriormente la visibilidad de las
reglas difusas en un plano tridimensional es mejor que en
dos dimensiones, en este caso al tener dos funciones de
membresía de salida, se obtiene una superficie de cada una
de ellas representadas en las Figs. 18 y 19.
Figura 21: Superficie de reglas difusas para controlador de
id_regulada
3.2.1 Resultados del controlador difuso
En este apartado se presentan los resultados de la
simulación de un día con las radiaciones y temperaturas
promedio obtenidas en la evaluación de recursos,
detallando las curvas de generación de los paneles de alta
y baja eficiencia, Fig. 22, en modo de comparación se usan
los mismos resultados de los recursos obtenidos, pero se
evalúa en un controlador P&O, Fig. 23.
69
Edición No. 18, Issue II, Enero 2022
Figura 22: Superficie de reglas difusas para controlador de
iq_regulada
Figura 23: Curva de Potencia generada por el controlador lógico
difuso en paneles de alta y baja eficiencia
Figura 24: Curva de Potencia generada por el controlador P&O en
paneles de alta y baja eficiencia
En la tabla 12 se detallan los valores máximos obtenidos
en la simulación y se compara con la potencia nominal
instalada.
Tabla 12: Potencia generada en base al controlador y la eficiencia de
los paneles
Potencia Generada
Baja Alta
P&O
1.908 MW
2.067 MW
Lógico Difuso 1.987 MW 2.085 MW
Instalada 2.131 MW 2.091 MW
Mediante los recursos de la velocidad de viento hallados,
se crea la curva de generación de los micro - generadores
eólicos, graficada en la Fig. 26:
Figura 25: Curva de Potencia generada por micro - generadores
eólicos
La energía máxima obtenida por los micro - generadores es
de 0.917 MW, pero como se puede observar, existe
turbulencia y una variación considerable en la velocidad
del viento lo cual crea una curva de generación bastante
irregular.
3.3 Resultados de la evaluación del despacho
energético
Para el despacho de la central de energía renovable se
desarrolló un controlador de lógica clásica relativamente
simple el cual se muestra en la Fig. 26, en este controlador
se priorizó el despacho de la red (Gred), también se tomó
en cuenta las horas de mayor generación fotovoltaica
(Gfv). Por último, se designó la generación eólica (Geo) y
el banco de baterías (Bbat) que se carga con la generación
fotovoltaica y eólica que no se utiliza en el día.
Figura 26: Control para el despacho de la central de energía
renovable propuesta
Con base en los resultados obtenidos por la generación de
los paneles fotovoltaicos de alta eficiencia, los micro -
generadores eólicos y mediante el controlador de lógica
clásica definida en la Fig. 29, la siguiente curva de
despacho:
70
Cuji et al. / Controlador Difuso para Gestión de la Energía en un Proceso de Transición de Generación Térmica a Renovables
Figura 27: Curva del óptimo despacho generada
Tabla 13: Tabla de potencia óptima de despacho
Despacho óptimo
Hora P. Red P. Fot P. Bat P. Eo
00:00 0.3 0 0 0
01:00 0.2 0 0 0
02:00 0.14 0 0 0
03:00
0.13
0
0
0
04:00 0.12 0 0 0
05:00 0.4 0 0 0
06:00 0.6 0 0 0.2
07:00 0.6 0.25 0 0
08:00
0.6
0.2
0
0
09:00 0.6 0.15 0 0
10:00 0 0.7 0 0
11:00 0 0.7 0 0
12:00 0 0.7 0 0
13:00 0 0.75 0 0
14:00 0 0.6 0 0
15:00 0 0.6 0 0
16:00 0.6 0.05 0 0
17:00 0.6 0.3 0 0
18:00 0.6 0 0.5 0.2
19:00 0.6 0 0.8 0.3
20:00 0.6 0 1 0.3
21:00 0.6 0 0.8 0.45
22:00 0.6 0 0.5 0
23:00 0.6 0 0 0
3.4 Resultados de evaluación del área de
implementación
De acuerdo con las ecuaciones (6) y (7) se determinaron
las siguientes áreas a utilizarse para la central propuesta, en
esta se muestra la diferencia entre la aplicación de los
paneles de alta y baja eficiencia. Hay que tener en cuenta
que se ha propuesto que los micro - generadores eólicos,
por ser elementos verticales, se coloquen alrededor del área
total con una distancia entre cada uno de ellos de 50m para
evitar turbulencias generadas por sus aspas entre cada uno
de ellos.
Tabla 14: Área calculada para la implementación de los paneles
fotovoltaicos
Área actúa y de implementación
Área real actual
10 170 m
2
Área Calculada
Alta eficiencia Baja eficiencia
Área paneles 18 350 m
2
19 872 m
2
Área para
elementos
adyacentes
1000 m
2
1000 m
2
Área total 19 350 m
2
20 872 m
2
Diferencia
1522 m
2
En la Fig. 30 se puede observar tanto el área actual como
las áreas al implementar los paneles de alta y baja
eficiencia.
Figura 28. Áreas actual y propuesta para la implementación de la
central en base a los paneles de alta y baja eficiencia a utilizar
4. CONCLUSIONES
Mediante los resultados obtenidos en la evaluación de
recursos se determina que en los terrenos de la central
Dayuma existe una cantidad de irradiación solar adecuada
para la instalación de sistemas fotovoltaicos, con una
irradiancia máxima de 1085 W/m
2
y 1021 W/m
2
promedio,
estas mediciones son adecuadas para el uso de paneles
fotovoltaicos mientras que para la aplicación de energía
eólicas se evidencia que existe demasiada variación en la
velocidad del viento debido condiciones geográficas.
En cuanto al controlador difuso que es el tópico en el que
se centró esta investigación, se puede visualizar de forma
notable que tiene mejores resultados que los controladores
convencionales, al presentar una curva de generación más
estable y localización del punto de máxima transferencia
de potencia más eficiente, ya que demuestra una
producción energética mayor tanto en los paneles de baja
eficiencia 1.987 MW frente a 1.908 MW como de alta
eficiencia 2.085MW frente a 2.067 MW en su punto de
potencia máxima en comparación con un controlador
convencional P&O.
La variación entre los paneles de alta y baja eficiencia es la
cantidad de unidades necesarias para la implementación de
la central, teniendo una diferencia de 806 paneles, esto a su
vez también está directamente relacionado con el área
física a utilizarse puesto que la diferencia del área total es
de 1522 m
2
.
71
Edición No. 18, Issue II, Enero 2022
Se demuestra que es factible el uso de paneles fotovoltaicos
y un banco de baterías para la sustitución de la central
térmica Dayuma por una de ERNC en cuanto a su potencial
basado a sus recursos de radiación y temperatura, sin
embargo, el uso de micro - generadores no es adecuado y
se recomienda utilizar generadores eólicos de gran
potencia y altura para prevenir la variación de la velocidad
de viento provocada por los árboles aledaños.
REFERENCIAS
[1] F. Valencia, “Producción de energía eléctrica.
factor esencial de seguridad,” 2011.
[2] APPA, “Impactos Ambientales De La
Producción De Electricidad,” 2014.
[3] F. Barbosa and C. Cuji, “Modelamiento de la
producción energética entre un sistema de
generación fotovoltaico de alta eficiencia y un
sistema convencional,” 2017.
https://dspace.ups.edu.ec/handle/123456789/143
61 (accessed Nov. 22, 2019).
[4] E. Salazar and D. Carrión, “Análisis del factor de
rendimiento y eficiencia para centrales de
generación de energía solar fotovoltaica,” Quito,
2016.
[5] G. Hiroki, G. Hai-Jiao, and O. Ichinokura, “A
micro wind power generation system using
permanent magnet reluctance generator - IEEE
Conference Publication,” 2009.
https://ieeexplore.ieee.org/document/5279286
(accessed Jan. 13, 2020).
[6] C. Carlosama and A. Cabreara, “Implementación
del prototipo de un sistema para microgeneración
eólica,” Universidad Técnica del Norte,
Imbabura, 2019.
[7] O. Zebraoui and M. Bouzi, “Fuzzy Logic Based
MPPT Control for a PV /Wind Hybrid Energy
System,” Sep. 2018. doi:
10.1109/IRSEC.2017.8477346.
[8] E. Baethge, A. Berzoy, V. Guzmán, and M.
Giménez, “Nuevo sistema de control para el
seguimiento del punto de máxima potencia en
paneles solares basado en el control predictivo de
corriente de convertidores cc-cc,” 2011.
[9] V. Paredes, “Simulación mediante Psim de
algoritmos de seguimiento del punto de máxima
potencia en sistemas fotovoltaicos,” 2014.
[10] N. Echeverrá, M. Judewicz, L. Strack, and S.
González, “Algoritmo MPPT de conductancia
incremental con Doble Cota,” 2014.
[11] S. Yamakura and K. Kesamaru, “Dynamic
simulation of PMSG small wind turbine
generation system with HCS-MPPT control,”
2013.
https://bibliotecas.ups.edu.ec:2095/document/64
01797 (accessed Jan. 14, 2020).
[12] A. Muñoz, “Emulación de un aerogenerador
conectado a la red a través de un sistema
experimental Back-to-Back mediante la técnica
‘Hardware in the Loop,’” 2016.
[13] T. Arrendondo, “Introducción a la Lógica
Difusa,” 2014.
[14] F. Sancho, “Introducción a la Lógica Difusa,”
2019. http://www.cs.us.es/~fsancho/?e=97
(accessed Jun. 10, 2020).
[15] MGM International, “Guía para la Evaluación de
Elegibilidad de Financiación de Proyectos de
Eficiencia Energética,” CAF, 2018.
[16] CONELEC and CIE, “Atlas solar del Ecuador
con fines de generación eléctrica,” Quito, 2008.
[17] CELEC EP Termopichincha, “Ficha ambiental y
plan de manejo ambiental para la central
termoeléctrica Dayuma 2MW,” Quito, 2014.
[18] CENACE, “Informe Anual 2018,” 2018.
[19] NASA, “POWER Data Access Viewer.”
https://power.larc.nasa.gov/data-access-viewer/
(accessed Jul. 27, 2020).
[20] R. Echevarría, “Breves apuntes de MATLAB
una introducción rápida pero no trivial.,” Sevilla,
2017.
[21] Jorge Salamanca, “Celdas Fotovoltaicas De Alta
Eficiencia Y Sistema De Paneles Solares Del
Cubesat Colombia,” 2012.
[22] SunPower, “SunPower® X-Series Residential
DC | X22-370 | SunPower.”
https://us.sunpower.com/solar-
resources/sunpower®-x-series-residential-dc-
x22-370 (accessed Jan. 16, 2020).
[23] DAH SOLAR, “DPH72.”
[24] S. M. Moreno, “Diseño de una central
fotovoltaica de 100kW,” 2006.
[25] D. Coleman, J. Araiza, and L. Gaillac, “A123
grid battery system single rack evaluation,”
World Electric Vehicle Journal, vol. 5, no. 2, pp.
360–369, 2012, doi: 10.3390/wevj5020360.
[26] ENAIR, “Technical Specifications E200,”
Castallana.
[27] C. D´negri and E. L. De Vito, “Introducción al
razonamiento aproximado: lógica difusa,”
Revista Argentina de Medicina Respiratoria
Año, vol. 6, 2006.
[28] C. Gonzáles, “Lógica Difusa ,” 2011.
72
Cuji et al. / Controlador Difuso para Gestión de la Energía en un Proceso de Transición de Generación Térmica a Renovables
[29] I. H. Altas And A. M. Sharaf, “A Generalized
Direct Approach For Designing Fuzzy Logic
Controllers In Matlab/Simulink Gui
Environment,” 2007.
[30] S. Sanahuja, “Sistemas de Control con Lógica
Difusa: Métodos de Mamdani y de Takagi-
Sugeno-Kang (TSK),” Univesitat Jaume, 2017.
[31] T. A. Hadi, H. P. Putra, H. Suryoatmojo, and M.
Ashari, “Integration of Hybrid PV/Wind
Generation System Using Fuzzy MPPT in Grid
Connected System for Remote Area,” MATEC
Web of Conferences, vol. 59, p. 02001, 2016,
doi: 10.1051/MATECCONF/20165902001.
[32] T. Bogaraj, J. Kanakaraj, and J. Chelladurai,
“Modeling and simulation of stand-alone hybrid
power system with fuzzy MPPT for remote load
application,” Archives of Electrical Engineering,
vol. 64, no. 3, pp. 487–504, Sep. 2015, doi:
10.2478/aee-2015-0037.
[33] A. M. Yousef, G. El-Saady, and F. K. Abu-
Elyouser, “Fuzzy logic controller for a
photovoltaic array system to AC grid
connected,” Feb. 2017. doi:
10.1109/SASG.2016.7849676.
[34] K. L. Shenoy, C. Gurudas Nayak, and R. P.
Mandi, “Fuzzy Controller Based Grid Integration
of Hybrid Solar Photovoltaic and DFIG Wind
Energy System to Improve Power Quality,”
Appl. Math. Inf. Sci, vol. 13, no. S1, pp. 447–
457, 2019, doi: 10.18576/amis/13S148.
[35] A. M. Yousef, G. El-Saady, and F. K. Abu-
Elyouser, “Fuzzy logic controller for a
photovoltaic array system to AC grid
connected,” Feb. 2017. doi:
10.1109/SASG.2016.7849676.
[36] M. Venkatesan, D. Nanjundappan, and R.
Rejeswari, “A fuzzy logic based three phase
inverter with single DC source for grid connected
PV system employing three phase transformer,”
International Journal Of Renewable Energy
Research, Vol. 5, 2015.
Ernesto Andrés Mediavilla
Yandún. - (Y'1993-M'08). Realizó
sus estudios secundarios en la
Unidad Educativa Jean Jacques
Rousseau, se graduó de Bachiller
en Ciencias. Egresado de la Carrera
de Ingeniería Eléctrica de la
Universidad Politécnica Salesiana.
Su trabajo se basa en la evaluación de recursos
energéticos para la optimización de la producción
energética entre paneles fotovoltaicos de alta eficiencia y
micro-generadores eólicos mediante un control basado en
lógica difusa, con la finalidad de determinar la
factibilidad de suplantar una central térmica de baja
potencia por una central de energía renovable no
convencional..
Cristian Cristóbal Cuji Cuji.-
(1986-03). Se graduó de
Ingeniero Electrónico de la
Universidad Politécnica Salesiana,
Ecuador, en 2014. Máster en
Energía, Facultad de Ciencias
Físicas en la Universidad
Complutense de Madrid –España
en 2015. La mayor experiencia laboral fue como
Supervisor de Ingenieria en el sector Industrial Textil y
Actualmente es profesor e investigador en la
Universidad Politécnica Salesiana, colaborando en
asignaturas como Centrales de Generación,
Termodinámica y Electrónica
73
