Estrategia basada en redes neuronales para el control de inversores fotovoltaicos ante hundimientos de tensión de la red.

Mendoza Ramírez, Laura Sofía; Alvarado Agudelo, Gabriela; Rincón García, Sebastian Felipe

Estrategia basada en redes neuronales para el control de inversores fotovoltaicos ante hundimientos de tensión de la red.

dc.contributor.advisor	Rey López, Juan Manuel
dc.contributor.author	Mendoza Ramírez, Laura Sofía
dc.contributor.author	Alvarado Agudelo, Gabriela
dc.contributor.author	Rincón García, Sebastian Felipe
dc.contributor.evaluator	Mantilla Villalobos, Maria Alejandra
dc.contributor.evaluator	Rincón Adarme, David Javier
dc.date.accessioned	2023-05-25T14:17:09Z
dc.date.available	2023-05-25T14:17:09Z
dc.date.created	2023-05-23
dc.date.issued	2023-05-23
dc.description.abstract	Este trabajo de grado fue desarrollado en el marco del proyecto de investigación titulado “Diseño de estrategias alternativas de operación y control para sistemas fotovoltaicos multifuncionales en redes de distribución con alta penetración de energías renovables” código 70416, adscrito al “Programa de Investigación en Tecnologías Emergentes para Microrredes Eléctricas Inteligentes con Alta Penetración de Energías Renovables”, contrato No. 80740-542-2020. En este poyecto se propone una estrategia de control de inversores fotovoltaicos utilizando la técnica de redes neuronales. Esta estrategia de control está basada en el diagrama de control planteado en el artículo “Control Strategy for Grid-Connected Three-Phase Inverters During Voltage Sags to Meet Grid Codes and to Maximize Power Delivery Capability”. La estrategia mencionada anteriormente se caracteriza por dar prioridad a la inyección de potencia reactiva, teniendo en cuenta las restricciones impuestas por los códigos de red, con el fin de proporcionar estabilidad y fiabilidad a la red eléctrica; esto empleando un algoritmo que permite maximizar las capacidades del inversor. Dicha estrategia tiene como variables de entrada (V^+,V^-,P_G,φ), 4 parámetros que se obtienen a partir del censado de variables eléctricas que se presentan durante los hundimientos de tensión, y como variables de salida (I_q^+,I_q^-,I_p^+,I_p^-), señales de referencia para ejecutar acciones de control en el inversor. Para el entrenamiento de la red neuronal se generó una base de datos enfocada en los tipos de hundimientos de tensión que se presentan con mayor frecuencia en la red, con el fin de considerar diversos casos de operación.
dc.description.abstractenglish	This undergrade project was developed within the framework of the research project “Diseño de estrategias alternativas de operación y control para sistemas fotovoltaicos multifuncionales en redes de distribución con alta penetración de energías renovables” code 70416, under “Programa de Investigación en Tecnologías Emergentes para Microrredes Eléctricas Inteligentes con Alta Penetración de Energías Renovables”, contract No. 80740-542-2020. In this project, a control strategy for photovoltaic inverters is proposed using neural networks. This proposal is based on the control strategy proposed in the article “Control Strategy for Grid-Connected Three-Phase Inverters During Voltage Sags to Meet Grid Codes and to maximize Power Delivery Capability.” The aforementioned strategy is characterized by giving priority to reactive power injection, taking into account the restrictions imposed by the grid codes (GC), in order to provide stability and reliability to the electrical grid; this is performed, using an algorithm that allows maximizing the inverter capacities. This strategy has as input variables (V^+,V^-,P_G,φ) 4 parameters that are obtained from the measurement of electrical variables during voltage sags, and as output variables (I_q^+,I_q^-,I_p^+,I_p^-) the reference signals to execute control actions in the inverter. For the training of the neural network, a database was generated focused on the types of voltage sags that occur more frequently in the grid, in order to consider different operation cases.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Electricista
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/14356
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Eléctrica
dc.publisher.school	Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Hundimientos de Tensión
dc.subject	LVRT
dc.subject	Códigos de red
dc.subject	Base de Datos
dc.subject	Red Neuronal
dc.subject	Estrategia de Control
dc.subject.keyword	Voltage Sags
dc.subject.keyword	LVRT
dc.subject.keyword	Grid Codes
dc.subject.keyword	Database
dc.subject.keyword	Neural Network
dc.subject.keyword	Control Strategy
dc.title	Estrategia basada en redes neuronales para el control de inversores fotovoltaicos ante hundimientos de tensión de la red.
dc.title.english	Control Strategy Based on Neural Networks for Photovoltaic Inverters During Voltage Sags in the Grid.
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type