Edición No. 20, Issue II, Enero 2024
1. INTRODUCCIÓN
La creciente demanda energética, junto con la
imperativa necesidad de mitigar las emisiones de dióxido
de carbono (CO2), ha conferido prioridad a la
incorporación de fuentes de energía renovable en el
sistema eléctrico. La integración de modalidades como la
generación eólica, solar e hidráulica se erige como una
estrategia fundamental para promover una matriz
energética más ecológica y sostenible. [1]
Debido al avance de la tecnología y al uso de
diferentes tipos de energía, se ha determinado que la
energía eléctrica producida por paneles fotovoltaicos es
una de las más valiosas y eficaces, además esta energía
se vuelve popular debido a su bajo costo de
mantenimiento y operación. [2]
Sin embargo, la integración de estas energías conlleva
una serie de grandes retos desde el punto de
funcionamiento fiable y control. En [3] se hace un repaso
de las estrategias de control en microrredes y se revisan
las tendencias de control más avanzadas a partir de
principios de control como el control de estatismo,
control predictivo de modelos, sistemas multi-agente
entre otros.
Teniendo en cuenta las propiedades físicas de los
semiconductores de las células solares y su
comportamiento no lineal [4], la máxima potencia
posible se encuentra en el pico de la curva potencia-
voltaje, un pobre control para encontrar este punto de
operación en los paneles fotovoltaicos causa un bajo
rendimiento en la producción de energía solar siendo esta
del 13.1% al 24.4% de la capacidad total. [5]
La intermitencia natural del recurso primario tanto en
irradiación y temperatura, afectan la capacidad de
producción de los sistemas fotovoltaicos, ya que las
curvas de voltaje - corriente de las celdas se ven afectadas
como se muestra en el modelo matemático presentado en
[6], en este sentido se han desarrollado algoritmos
seguidores de máxima potencia, que consisten en
controlar el ciclo de trabajo de un conversor DC-DC.
Se han empleado diferentes metodologías
tradicionales para el control del ciclo de trabajo como
son: Perturba y observa, conductancia incremental,
método de ajuste de curvas, métodos con lógica difusa y
redes neuronales[7] Estas metodologías buscan
maximizar la potencia entregada por los paneles solares
adaptando continuamente las condiciones de operación
para rastrear el punto de máxima potencia, variando la
carga o el ciclo de trabajo del conversor DC-DC, sin
embargo, estos métodos presentan desventajas frente a
condiciones de rápida variación del recurso, ya sea en la
eficiencia del panel o en el error de seguimiento de
máxima potencia, debido al tiempo de procesamiento, el
aporte significativo de este trabajo que utiliza regresión
lineal radica en la introducción de una técnica adicional
y específica: el empleo de regresión lineal para mejorar
el control del ciclo de trabajo en sistemas fotovoltaicos.
Este enfoque puede ofrecer ciertas ventajas, como una
implementación más sencilla en comparación con
algunas técnicas más complejas como las redes
neuronales, una menor carga computacional o un
comportamiento más predecible. En [7] se desarrolla el
algoritmo de control, basado en un regresor lineal
considerando como variable independiente el voltaje y la
corriente para predecir el ciclo de trabajo, este control ha
presentado resultados satisfactorios frente a algoritmos
como: perturba y observa (P&O), Optimización de
enjambre de partículas (PSO), Algoritmo de polinización
de flores (FPA). Sin embargo, esta metodología presenta
ciertas debilidades como: despreciar la variabilidad del
recurso, y los fallos del regresor frente al
comportamiento no lineal.
Con estos antecedentes en el presente artículo se
plantea la implementación de un regresor lineal
multivariante, a partir de un análisis de conglomerados
que permitirá el ajuste más preciso de las regresiones, la
implementación es verificada en una topología con una
barra infinita y en operación dentro de una microrred
conformada por otras fuentes de energía renovable y
generadores convencionales.
Dada las ventajas y aplicaciones que presentan las
nuevas técnicas de simulación expuestas [8], se realiza el
entrenamiento del regresor en Matlab/Simulink versión
2022b, y la implementación del modelo y pruebas dentro
del sistema eléctrico en el software de análisis de
transitorios electromagnéticos HYPERSIM, mismo que
nos permite analizar los valores instantáneos trifásicos de
las variables eléctricas y de control del sistema.
El presente trabajo se estructura en varias secciones
para abordar de manera integral el desarrollo y la
implementación de una metodología de seguimiento del
punto de máxima potencia (MPPT) en sistemas
fotovoltaicos, la Sección 2 se enfoca en el
funcionamiento de los paneles fotovoltaicos, su
modelado, el algoritmo MPPT y conceptos como
clustering y regresión lineal. La Sección 3 describe la
metodología propuesta para entrenar los regresores y su
implementación en una red de prueba, con resultados
presentados en la Sección 4, evaluando escenarios de
conexión a la red (Barra infinita) y a la microrred. La
Sección 4 profundiza en el diseño, simulación y gráficas
generadas por el algoritmo de MPPT implementado en
Hypersim. Finalmente, la Sección 5 ofrece conclusiones
derivadas de los resultados obtenidos junto con
recomendaciones. Esta estructura exhaustiva y detallada
del trabajo permite una comprensión completa del
desarrollo, aplicación y evaluación de la metodología
propuesta para mejorar el seguimiento del punto de
máxima potencia en sistemas fotovoltaicos.