Control de Micro-Redes de Energía Renovable a través de estructuras LFCS Reconfigurables en VHDL
Abstract
Esta investigación presenta el diseño de un control basado en arquitectura LFCS (Linear Feedback Concurrent Structure), sobre hardware configurable en VHDL, para soluciones en el área de ingeniería sostenible. El modelo cuenta con la capacidad de ajustar sus parámetros de control de acuerdo a las condiciones dinámicas de un sistema reconfigurable de conversión de energía renovable. El método de diseño consiste en el modelado para hardware del elemento de procesamiento LFCS, obteniendo como resultado las ecuaciones descriptivas del modelo de control reconfigurable. Lo que permite concluir que este nuevo modelo de control presta grandes ventajas en control avanzado, integrando las bondades de las nuevas tecnologías. Uno de los aspectos de interés es que este modelo de control está diseñado en correspondencia para el control eficiente de sistemas de conversión de energía reconfigurables, con el propósito de promover el diseño sostenible de producción de energía alternativa, con responsabilidad ambiental y esquemas con capacidad de adaptación que superan la obsolescencia programada, siendo más ecológicos y con alta capacidad de cómputo.
Downloads
References
Castellanos, J., Sandoval, C., & Azpurua, M. (2014). A FPGA implementation of a LMS adaptative algorithm for smart antenna arrays. Revista Técnica de La Facultad de Ingenieria de La Universidad de Zulia, Venezuela, 37(3), 270–278. Retrieved from http://produccioncientificaluz.org/index.php/tecnica/article/view/21211/21051
D. Erhan, P.-A. Manzagol, Y. Bengio, S. Bengio, & P. Vincent. (2009). The difficulty of training deep architectures and the effect of unsupervised pretraining. In in Proceedings of The Twelfth International Conference on Artificial Intelligence and Statistics (pp. 153–160).
De la Rosa M., E. D. (2014). El aprendizaje profundo para la identificación de sistemas no lineales. Centro de Investigación y de estudio Avanzados del Instituto Politécnico Nacional, México, D.F. Retrieved from http://www.ctrl.cinvestav.mx/~yuw/pdf/MaTesER.pdf
García, T., Carlos, J., & López, L. (2011). Técnicas de Inteligencia Artificial aplicadas a la Red Eléctrica Inteligente ( Smart Grid ). Novótica, 213, 29–34. Retrieved from http://arco.esi.uclm.es/public/papers/2011-NOVATICA.pdf
H. Larochelle, Y. Bengio, J. Louradour, & P. Lamblin. (2009). Exploring strategies for training deep neural networks. Journal of Machine Learning Research, 10, 1–40. Retrieved from http://www.jmlr.org/papers/volume10/larochelle09a/larochelle09a.pdf
Hinton, G. E., & Zemel, R. S. (1994). Autoencoders, minimum description length and Helmholtz free energy. In In Advances in neural information processing systems (pp. 3–10).
Humberto, L., Berrío, L. H., & Zuluaga, C. (2014). Smart Grid y la energía solar fotovoltaica para la generación distribuida : una revisión en el contexto energético mundial. Ingeniería Y Desarrollo, 32(2), 369–396. Retrieved from http://www.redalyc.org/articulo.oa?id=85232596010
Nava, C., Steckler, D., Duarte, J., Zambrano, J., & Sandoval-Ruiz, C. E. (2018). Design of Neural Networks on microcontrollers, applied in functional modules for an eco-park. Revista Ingeniería uC, 25(1), 1–12.
Real-calvo, R., Moreno-munoz, A., Pallares-lopez, V., Gonzalez-redondo, M. J., Moreno-garcia, I. M., & Palacios-garcia, E. J. (2017). Sistema Electrónico Inteligente para el Control de la Interconexión entre Equipamiento de Generación Distribuida y la Red Eléctrica. Revista Iberoamericana de Automática E Informática Industrial, 14(1), 56–69. https://doi.org/10.1016/j.riai.2016.11.002
Real, R. (2016). Integración de dispositivos electrónicos inteligentes en smart grid. Tesis Doctoral. Universidad de Cordova.
Salsic, Z. (2006). FPGA Prototyping of RNN Decoder for Convolutional Codes. EURASIP Journal on Applied Signal Processing, 1–9.
Sandoval-Ruiz, C. (2012). Codificador RS (n,k) basado en LFCS : caso de estudio RS (7,3). Rev. Fac. Ing. Univ. Antioquia, (64), 68–78. Retrieved from http://www.scielo.org.co/pdf/rfiua/n64/n64a07.pdf
Sandoval-Ruiz, C. (2013). Modelo Optimizado del Codificador Reed-Solomon (255,k) en VHDL a través de un LFSR paralelizado. Tesis Doctoral, Universidad de Carabobo, Venezuela. Retrieved from http://produccion-uc.bc.uc.edu.ve/documentos/trabajos/2000369C.pdf
Sandoval-Ruiz, C. (2015). Sistema Eco-Adaptativo integrado en elementos arquitectónicos con tecnología sostenible. Revista Electrónica Científica Perspectiva, 8(4), 96–109. Retrieved from https://issuu.com/recperspectiva/docs/rec8/96
Sandoval-Ruiz, C. (2016a). Modelo de Estructuras Reconfigurables con Registro Desplazamiento, para Lenguaje Descriptor de Hardware VHDL. Revista Fac Ing UCV, 31(3), 63–72.
Sandoval-Ruiz, C. (2016b). Plataforma Reconfigurable de Investigación aplicada a Movilidad Sostenible. Revista Universidad, Ciencia Y Tecnología, 20(78), 35–41. Retrieved from http://www.uct.unexpo.edu.ve/index.php/uct/article/view/748/601
Sandoval-Ruiz, C. (2017a). Analysis of Fractal Circuits and Modeling through Iterated Functions System for VHDL Case Study : Reed Solomon Encode. Rev. Ciencia E Ingeniería, 38(1), 3–16.
Sandoval-Ruiz, C. (2017b). Modelo Neuro-Adaptativo en VHDL, basado en circuitos NLFSR, para Control de un Sistema Inteligente de Tecnología Sostenible. Revista Universidad, Ciencia Y Tecnología, 21(85), 140–149.
Sandoval-Ruiz, C. (2017). VHDL Optimized Model of a Multiplier in Finite Fields. Ingeniería Y Universidad, 21(2), 195–211.
https://doi.org/https://doi.org/10.11144/Javeriana.iyu21-2.vhdl
Sandoval-Ruiz, C., & Fedón-Rovira, A. (2013). Modelo fractal de un codificador Reed Solomon. VIII Congreso Nacional Y 2do Congreso Internacional de La UC, 1–12.
Sandoval-Ruiz, C., & Fedón-Rovira, A. (2014). Efficient RS (255 ,k) encoder over reconfigurable systems. Rev.Téc.Ing.Zulia, 37(2), 151–159.
Sandoval, C., & Fedón, A. (2008). Programación VHDL de algoritmos de codificación para dispositivos de hardware reconfigurable.
Rev.Int.Mét.Num.Cálc.Dis.ing., 24(1), 3–11.
Sandoval, C., Velazco, K., & Díaz, J. (2008). Accionamiento eléctrico de sistemas dinámicos a través de criterios de control óptimo. Rev. Ing E Investigación, 28(2), 66–71. Retrieved from http://www.redalyc.org/pdf/643/64328210.pdf
Sandoval Ruiz, C. (2014a). Adaptive Control in VHDL Applied to a Solar Oven. Revista Colombiana de Tecnologías de Avanzada, 1(23), 142–147.
Sandoval Ruiz, C. (2014b). Power Consumption Optimization in Reed Solomon Encoders over FPGA. Latin American Applied Research, 44(1), 81–85.
Siemens. (2015). Control eficiente de microredes en redes eléctricas industriales. Erlangen, Germany.
Steffen, T. (2005). Control reconfiguration of dynamical systems: linear approaches and structural tests. (Springer, Ed.). Springer Science & Business Media.
Villa, D., Martin, C., Villanueva, F., Moya, F., & Lopez, J. (2011). A dynamically reconfigurable architecture for smart grids. IEEE Transactions on Consumer Electronics, 57(2), 411–419. https://doi.org/10.1109/TCE.2011.5955174
Zekun, S. (2016). Estudio de funcionamiento y control de micro red. Escuela Técnica Superior de Ingeniería de Sevilla, Sevilla, España.
The articles published in the journal Ciencia y Tecnología are the exclusive property of their authors. Their opinions and content belong to their authors, and the Universidad de Palermo declines all responsibility for the rights that may arise from reading and/or interpreting the content of the published articles.
The reproduction, use or exploitation by any third party of the published articles is not authorized. Its use is only authorized for exclusively academic and/or research purposes.
