XI Seminario de Investigación - Facultad de IngenierÃa - Universidad ...
XI Seminario de Investigación - Facultad de IngenierÃa - Universidad ...
XI Seminario de Investigación - Facultad de IngenierÃa - Universidad ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>XI</strong> SEMINARIO DE INVESTIGACIÓN<br />
27 y 28 <strong>de</strong> Noviembre <strong>de</strong> 2008<br />
Mérida, Yucatán, México.<br />
CONTROL NEURONAL RECURRENTE DE ALTO ORDEN PARA UN SISTEMA DE<br />
TURBINA DE VIENTO<br />
Luis J. Rical<strong>de</strong> 1 , Braulio J. Cruz 1 , y Edgar N. Sánchez 2<br />
1 <strong>Facultad</strong> <strong>de</strong> Ingeniería, <strong>Universidad</strong> Autónoma <strong>de</strong> Yucatán, México. lrical<strong>de</strong>@gdl.cinvestav.mx<br />
2 CINVESTAV, Unidad Guadalajara, Apartado Postal 31-430, Plaza La Luna, Guadalajara, Jalisco C.P.<br />
45091, México, sanchez@gdl.cinvestav.mx.<br />
RESUMEN<br />
Las energías renovables como la solar y la <strong>de</strong>l viento han recibido mucha atención<br />
por parte <strong>de</strong> investigadores en la pasada década. En áreas remotas como<br />
poblaciones rurales se consi<strong>de</strong>ran como fuentes que pue<strong>de</strong>n reemplazar los<br />
combustibles convencionales. El viento presenta muchas ventajas ya que es una<br />
fuente limpia y es consi<strong>de</strong>rablemente confiable en zonas como la costa. En los<br />
sistemas <strong>de</strong> conversión <strong>de</strong> energía basados en viento, el problema <strong>de</strong> control<br />
consiste en entregar la máxima potencia disponible. Actualmente, la mayor parte <strong>de</strong><br />
la investigación se ha enfocado a controlar sistemas <strong>de</strong> gran escala, don<strong>de</strong><br />
principalmente se utilizan generadores doblemente alimentados. Este artículo se<br />
enfoca en el control <strong>de</strong> turbinas <strong>de</strong> viento que operan con salidas <strong>de</strong> 2 a 10 kW, que<br />
utilizan generadores síncronos <strong>de</strong> imán permanente (PMSG).<br />
En este artículo, usamos Re<strong>de</strong>s Neuronales Recurrentes <strong>de</strong> Alto Or<strong>de</strong>n (RHONN) en<br />
el control <strong>de</strong> sistemas <strong>de</strong> energía <strong>de</strong> viento, don<strong>de</strong> consi<strong>de</strong>ramos la presencia <strong>de</strong><br />
incertidumbres y dinámicas no mo<strong>de</strong>ladas. Se <strong>de</strong>sarrolla un esquema <strong>de</strong> control<br />
adaptable, el cual está compuesto <strong>de</strong> un i<strong>de</strong>ntificador neuronal y un controlador,<br />
don<strong>de</strong> el primero se usa para construir un mo<strong>de</strong>lo en línea <strong>de</strong>l sistema <strong>de</strong>sconocido y<br />
el último es usado para forzar esta planta a seguir una trayectoria <strong>de</strong> referencia. Una<br />
ley <strong>de</strong> adaptación <strong>de</strong> pesos para la RHONN es propuesta mediante la metodología<br />
<strong>de</strong> Lyapunov. La ley <strong>de</strong> control es también sintetizada utilizando funciones <strong>de</strong> control<br />
<strong>de</strong> Lyapunov. El algoritmo es probado, en simulaciones, para controlar una turbine<br />
<strong>de</strong> viento <strong>de</strong> 1 kW en un punto <strong>de</strong> operación <strong>de</strong> máxima potencia.<br />
77