IELE-4004

Proyecto Especial
Análisis y simulación de la arquitectura
eléctrica de un kiosco solar fotovoltaico

Stevan Ramirez Cajamarca

24 de Mayo de 2021
Índice general

Resumen Ejecutivo

1. Introducción y motivación 1

2. Marco Teórico 3
2.1. Modelo de la microrred . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2. Modelo convertidor buck y control PI . . . . . . . . . . . . . . . . . . . . . . 4
2.3. Modelo inversor híbrido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4. Sistema de almacenamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3. Dimensionamiento de componentes y modelos matemáticos implementados 7

3.1. Convertidor Buck+MPPT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.1.1. Algoritmo MPPT implementado . . . . . . . . . . . . . . . . . . . . . 8
3.1.2. Cálculo de componentes convertidor Buck . . . . . . . . . . . . . . . . 9
3.1.3. Función de transferencia convertidor Buck . . . . . . . . . . . . . . . 10
3.2. Inversor híbrido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2.1. Cálculo componentes Boost . . . . . . . . . . . . . . . . . . . . . . . 12
3.2.2. Cálculo componentes inversor . . . . . . . . . . . . . . . . . . . . . . 12
3.3. Diseño de baterías y supervisor . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3.1. Estimación de los parámetros de almacenamiento y su estado . . . . . . 14
3.3.2. Escenarios de supervisión . . . . . . . . . . . . . . . . . . . . . . . . 16

4. Desarrollo y resultados 17
4.1. Generación fotovoltaica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2. PV+Convertidor Buck+MPPT+PI . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3. PV+Convertidor Buck+MPPT+Inversor híbrido . . . . . . . . . . . . . . . . . 21
4.4. Sistema completo con almacenamiento . . . . . . . . . . . . . . . . . . . . . . 23

5. Conclusiones y Recomendaciones 29

6. Anexos electrónicos 33
Lista de figuras

1. Modelo de la microrred implementada . . . . . . . . . . . . . . . . . . . . . . 3

2. Circuito equivalente convertidor Buck . . . . . . . . . . . . . . . . . . . . . . 4
3. Modelo del controlador PI implementado . . . . . . . . . . . . . . . . . . . . 4
4. Circuito equivalente convertidor Boost . . . . . . . . . . . . . . . . . . . . . . 5
5. Modelo del inversor implementado . . . . . . . . . . . . . . . . . . . . . . . . 5
6. Modelo de batería general . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

7. Modelos del buck dependiendo del estado del MOSFET . . . . . . . . . . . . 7

8. Algoritmo MPPT P&O implementado . . . . . . . . . . . . . . . . . . . . . . 8
9. Modelo circuital PV+MPPT+Buck . . . . . . . . . . . . . . . . . . . . . . . . 9
10. Capital necesario vs Desarrollo de la tecnología . . . . . . . . . . . . . . . . . 13
11. Madurez técnica de la tecnología . . . . . . . . . . . . . . . . . . . . . . . . . 14
12. Estados y parámetros importantes en sistemas de almacenamiento . . . . . . . 14
13. Capacidad y SOC de baterías . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
14. Modelo de carga y descarga respecto al SoC . . . . . . . . . . . . . . . . . . . 16

15. Irradiación de entrada según la NASA . . . . . . . . . . . . . . . . . . . . . . 17

16. Comportamientos del voltaje en generación dependiendo de la irradiación . . . 17
17. Comportamientos de la corriente en generación dependiendo de la irradiación . 18
18. Diagrama circuital fase 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
19. Comportamiento del sistema mediante BUCK+MPPT+PI . . . . . . . . . . . . 19
20. Comportamiento del sistema en bus de 48V sin controlador PI . . . . . . . . . 20
21. Comportamiento del voltaje en bus de 48V para distintos valores de irradiación 20
22. Modelo circuital boost+inversor . . . . . . . . . . . . . . . . . . . . . . . . . 21
23. Comportamiento del sistema sin almacenamiento . . . . . . . . . . . . . . . . 21
24. Potencia a la salida sin almacenamiento . . . . . . . . . . . . . . . . . . . . . 21
25. Comportamiento del bus de carga para el sistema sin almacenamiento . . . . . 22
26. Modelo circuital con almacenmiento . . . . . . . . . . . . . . . . . . . . . . . 23
27. Comportamiento de las baterías dependiendo del nivel de irradiación de entrada 23
28. Comportamiento de variables en el sistema completo . . . . . . . . . . . . . . 24
29. Comportamiento de las baterías para irradiación de entrada de 200W/m2 . . . . 25
30. Comportamiento de variables en el sistema con irradiación de 200W/m2 . . . . 25
31. Comportamiento de las baterías para irradiación de entrada de 600W/m2 . . . . 26
32. Comportamiento de variables en el sistema con irradiación de 600W/m2 . . . . 27

33. Curva de carga del sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

 Resumen Ejecutivo

El presente documento aborda el análisis y la simulación de una arquitectura fotovoltaica de

2kWp del proyecto Kiosol (Kiosco Solar) como proyecto de grado de Stevan Ramirez Caja-
marca, para obtener el título de Ingeniero Eléctrico. Sumado a esto, el asesor de esta tesis es el
profesor Michael Bressan, fundador e investigador principal del kiosco ubicado en las instala-
ciones de la Universidad de los Andes. De manera general, esta tesis plantea la simulación de un
sistema híbrido mediante la recopilación de datos históricos de generación. Por lo tanto, el estu-
dio se dividió en 2 ramas generales: La primera consiste en la simulación del kiosco mediante el
software PLECS teniendo en cuenta datos históricos recopilados, lo cual va a permitir entender
todos los posibles escenarios de generación fotovoltaica, las posibles fallas que se estén dando
en la microrred, flujos de potencia, entre otros. La segunda rama consiste en la recopilación de
datos meteorológicos mediante una tarjeta Raspberry Pi, con el fin de enviarlos a un servidor y
poder acceder a ellos de manera remota, factor esencial debido a la pandemia que enfrentamos
actualmente.
Para empezar, los datos meteorológicos en un sistema fotovoltaico son de vital importancia ya
que le permiten entender al usuario/operador las condiciones bajo las cuales se encuentra ope-
rando el sistema. Por lo tanto, se instalaron sensores de medición como un piranómetro Hukeflux
SR05 con el fin de medir irradiación recibida por los paneles, un sensor DHT22 que permite re-
copilar datos de temperatura ambiente y humedad relativa, y una termocupla PT100 que permite
igualmente recopilar datos de temperatura. Sin embargo, cada sensor maneja un protocolo de co-
municación distinto (análogo o digital) que obliga a usar cierto tipo de conversores dependiendo
de la tarjeta utilizada. En este caso, como se utilizará una tarjeta Raspberry Pi, se necesita un
conversor análogo digital para los sensores que tengan un protocolo de comunicación análogo,
ya que esta tarjeta recibe valores digitales.
Por otro lado, para poder realizar una simulación efectiva del sistema híbrido PV se necesita
conocer el comportamiento de los equipos instalados. De manera general, el kiosco cuenta con
controladores DC/DC tipo buck y un inversor DC/AC para poder conectarse a la red. Por lo
tanto, al tener un arreglo en paralelo de 3 paneles en serie, se genera una potencia pico de 2kW
y un voltaje pico de 112V. Esta salida se encuentra conectada a un bus de 48V, donde se debe
decidir si se suministra energía a la red o se cargan las baterías dependiendo del estado de carga
de las mismas, por lo que se necesita un convertidor DC/DC tipo Buck para disminuir el nivel
de tensión de salida de los paneles a 48V. Sin embargo, para no generar pérdidas significativas
de potencia en el proceso, se implementó un algoritmo llamado MPPT que permite garantizar
una potencia máxima a la salida de un arreglo fotovoltaico sin importar el comportamiento del
sistema.
Finalmente, se espera tener una microrred capaz de suplir una demanda básica en cualquier
momento del día, la cual cuente con un sistema de monitoreo en tiempo real donde se puedan
identificar de manera clara los flujos de potencia y el comportamiento de sus variables de estado.
1. Introducción y motivación

Con base a un reporte realizado por la organización de las naciones unidas [3], las ciudades
principales en los países son uno de los factores que más contribuyen al cambio climático, con-
sumiendo así el 78 % de la energía mundial y produciendo a su vez más del 60 % de las emisiones
de gases de efecto invernadero. La enorme dependencia actual de combustibles fósiles hace que
la población urbana sea fuertemente vulnerable a los efectos del cambio climático, razón por la
cual se busca una implementación masiva de estrategias que permitan disminuir estos impactos
ambientales. Esto genera la motivación para el análisis e implementación de un kiosco solar fo-
tovoltaico, ya que permite dar paso a una nueva alternativa de microrred bidireccional donde los
usuarios pueden llegar a ser productores principales dentro de un esquema energético global.
Actualmente, y debido al afán de los gobiernos por disminuir significativamente las emisiones
de gases, el mercado de energía solar está pronosticado a alcanzar un valor de $222.3 billones
de dólares para el 2026, lo que implica crecimientos abismales en cuanto a eficiencia energética
y un mercado en crecimiento exponencial. De esta manera, se pueden identificar opciones de
negocio en este tipo de mercados con tanto auge y con tanto apoyo estatal debido a las garantías
que se brindan y los beneficios que se están dando por la instalación de paneles solares. Por
ejemplo, en el estado de Florida en Estados Unidos, cada ciudadano que decida instalar paneles
solares en su hogar tendrá una deducción de impuestos significativa y además se le garantiza
que el equity de la casa aumenta, incrementando esta su valor en el mercado con respecto a sus
vecinos.
Por lo tanto, es de vital importancia generar algoritmos de control en instalaciones eléctricas [4]
que permitan garantizar un funcionamiento óptimo de los equipos bajo cualquier circunstancia.
En el caso de los paneles solares, al tener una generación dependiente de la irradiación solar, es
primordial generar algoritmos de control que permitan generar una tensión constante a la salida
independiente del nivel de irradiación de entrada. Así mismo, se deben garantizar sistemas de
almacenamiento óptimos que permitan suministrar energía en cualquier momento dado, o en su
defecto, almacenar energía cuando el usuario no la necesite.
Así mismo, como bien lo plantean Aktas e Icaza en [5] y [6], actualmente existe una gran va-
riedad de aplicaciones para este tipo de sistemas híbridos. En el caso, de Icaza, se plantea un
sistema híbrido junto con un arreglo de turbinas eólicas que logren tener la capacidad de suplir
energía eléctrica autónoma para arquitecturas orgánicas. De esta manera, se logran crear mi-
crorredes con comportamientos bidireccionales donde los posibles usuarios puedan llegar a ser
generadores de energía, lo que implica un cambio drástico en el modelo eléctrico convencional
y nuevas adaptaciones para lograr un comportamiento homogéneo de la red eléctrica actual con
las nuevas tecnologías que se incorporen.
De manera análoga, como lo presenta Andrés Guerrero en su modelo de especificación y di-

1
mensionamiento de un sistema de generación de energía híbrido a partir de generación Diesel y
Fotovoltaica [7], se pudo crear un modelo mediante herramientas de simulación donde se genere
energía a través de sistemas híbridos. Así mismo, tal como lo plantea Aguilar [8], la implemen-
tación de energías renovables e incluso sistemas híbridos de producción abre una posibilidad
muy grande actualmente, ya que mediante estos suministros de energía se puede llegar a zonas
que no se encuentran interconectadas y distribuirles energía de manera óptima. Cada uno de es-
tos estudios presenta aplicaciones importantes en los sistemas eléctricos actuales, lo cual puede
llegar a tener impactos muy grandes en la sociedad donde se aplique de la manera correcta.

2
2. Marco Teórico

2.1. Modelo de la microrred

Para empezar, las simulaciones necesarias a lo largo del proyecto se realizaron mediante el
software PLECS debido a su eficiencia computacional con respecto a otros softwares conocidos
y utilizados comercialmente, tales como matlab o simulink. De manera general, el kiosco solar
fotovoltaico cuenta con un arreglo de 3 paneles en serie conectados en paralelo, 4 baterías en
serie de 12V y un inversor híbrido que permite conectarse a la red. Para poder analizar de manera
correcta el funcionamiento del kiosco solar planteado a lo largo del proyecto, se debe entender
el siguiente modelo de la microrred:

Figura 1: Modelo de la microrred implementada

Como se puede identificar en la Figura 1, se tienen 3 bloques principales que corresponden

a convertidores DC/DC y convertidores DC/AC. El primer bloque denominado Buck+MPPT
corresponde a un controlador conocido como stepdown, el cual permite disminuir el nivel de
tensión de entrada a cierto valor específico determinado por parámetro.

3
2.2. Modelo convertidor buck y control PI

El modelo del convertidor buck utilizado se muestra a continuación:

Figura 2: Circuito equivalente convertidor Buck

Así mismo, se implementó un algoritmo de control mediante controladores PI para la primera

sección del proyecto con el fin de garantizar un nivel de tensión constante a la salida de 48V
sin importar el nivel de irradiación de entrada. Para esto, se implementó el siguiente modelo
del controlador donde las constantes Kp y Ki van a ser las que determinan el comportamiento
óptimo del sistema:

Figura 3: Modelo del controlador PI implementado

Sin embargo, como se evidenciará a lo largo del desarrollo del proyecto, un controlador PI
actuando de manera individual no es suficiente para un sistema fotovoltaico. Esto sucede ya que
el controlador como tal busca equilibrar el sistema en valores de referencia dados por parámetro,
pero no garantiza que la potencia generada sea máxima, lo que implica la necesidad de juntarlo
con algoritmos y técnicas como el MPPT.
El algoritmo MPPT consiste en el seguimiento del punto de máxima potencia para así garantizar
que la potencia suministrada por el arreglo de los paneles solares sea óptima. Dicho seguimiento
se realiza aplicando variaciones sobre el ciclo útil de un convertidor de potencia, lo que permite

4
evaluar mediante distintas estrategias la potencia entregada por el arreglo fotovoltaico en distin-
tos instantes de tiempo. Así mismo, existe una gran variedad de algoritmos de seguimiento, por
ejemplo, perturbar y observar, RCC (Ripple current control), conductancia incremental (INC),
entre otros. Para efectos de este proyecto, se implementó el algoritmo MPPT mediante el método
perturbar y observar.

2.3. Modelo inversor híbrido

El inversor híbrido se encuentra conformado por un converidor tipo Boost para elevar el nivel
de tensión y un inversor para poder distribuir a la red. A continuación se presenta el modelo del
convertidor usado:

Figura 4: Circuito equivalente convertidor Boost

Por último, se realizó un modelo de inversor DC/AC con el fin de poder conectarse a la red
cumpliendo con las características necesarias. En el caso colombiano, para poder conectarse se
debe cumplir que la tensión sea de 110V y se cumpla con una frecuencia de operación de 60Hz.
De esta manera, el modelo del inversor realizado fue el siguiente:

Figura 5: Modelo del inversor implementado

Teniendo esto en cuenta, se encuentra la necesidad de un sistema de almacenamiento que permi-

ta distribuir energía en momentos donde la generación no sea óptima. En el caso de los paneles
solares, la generación eléctrica depende de variables como el nivel de irradiación o la tempera-
tura de la zona. Si estas variables llegaran a ser nulas, como sucede en las noches, se necesita de

5
un sistema de respaldo que garantice un suministro de energía para cumplir la demanda durante
cierto tiempo.

2.4. Sistema de almacenamiento

El kiosco solar cuenta con un sistema de almacenamiento compuesto por 4 baterías de 12 voltios
conectadas en serie, lo que implica la necesidad de tener un punto de conexión a 48 voltios
para la carga y descarga de las mismas. Estas baterías son hechas en gel con una capacidad de
distribución de 120 amperios hora durante un período de 10 horas. De manera general, el modelo
de la batería implementado se presenta a continuación:

Figura 6: Modelo de batería general

De esta forma, se puede proceder a realizar un modelo circuital del sistema completo teniendo
en cuenta cada uno de los modelos presentados anteriormente. El sistema híbrido se compone
de una conexión en serie de cada uno de los elementos, empezando por el arreglo de paneles
solares y terminando a la salida del inversor híbrido. De manera general, la construcción del
sistema híbrido completo esta compuesto por el arreglo de paneles, el convertidor buck+MPPT
junto con el control PI, el inversor híbrido compuesto por el controlador boost y el inversor
monofásico, y el sistema de almacenamiento controlado por un modelo de supervisión.

6
3. Dimensionamiento de componentes y modelos ma-
temáticos implementados

Cada uno de los modelos matemáticos planteados a continuación se basaron en distintas lite-
raturas obtenidas sobre convertidores DC/DC y DC/AC ((?) y (?)). Al final del documento se
presenta cada una de las referencias utilizadas.

3.1. Convertidor Buck+MPPT

Para empezar, se implementó el algoritmo MPPT que permite garantizar una salida máxima de
potencia a la salida de un arreglo solar fotovoltaico. Sumado a esto, se implementó un conver-
tidor DC/DC tipo buck que disminuya el nivel de tensión de entrada a 48V, el cual será el bus
de carga de las baterías. Para garantizar esta tensión en el bus de las baterías, se planteó una
metodología que consiste en corregir mediante un control PI la tensión de salida del controlador
Buck. Como la tensión de salida de un controlador Buck tiene un error en estado estable bastante
alta, el control PI permite disminuir esto y garantizar un funcionamiento óptimo del sistema.
Sin embargo, para poder realizar el control propuesto, es importante aclarar que el modelo del
convertidor buck o boost utilizado va a generar un sistema dinámico de segundo orden. Esto
sucede ya que el transistor tiene 2 estados, on and off, lo que hace que el modelo cambie la to-
pología eléctrica del convertidor y creando dos circuitos distintos. En el libro Power Electronics
(?), Mohan explica con claridad los modelos de segundo orden que se crean, junto con los mo-
delos de pequeña señal necesarios para poder representar todos los posibles estados del circuito.
De manera general, se realizó al análisis circuital para las siguientes topologías:

(a) Buck con switch cerrado

(b) Buck con switch abierto

Figura 7: Modelos del buck dependiendo del estado del MOSFET

Como se puede evidenciar, en ambos casos de operación se cuenta con un circuito LC para el
análisis. Este tipo de circuitos son característicos ya que en representan circuitos de segundo

7
orden debido al comportamiento eléctrico de las inductancias y capacitancias. Teniendo esto en
cuenta, a continuación se presenta el modelo matemático implementado para cada uno de los
casos mencionados.

3.1.1. Algoritmo MPPT implementado

Para la implementación del algoritmo MPPT se utilizó la herramienta C-Script de plecs que
permite escribir un código que cumpla cierta función. En este caso, se tendrán entradas como
el ciclo de trabajo, la corriente y el voltaje de salida de los paneles. De esta manera, se variará
el ciclo de trabajo con base a mediciones de potencia y voltaje. De manera general, se tiene el
siguiente diagrama:

Figura 8: Algoritmo MPPT P&O implementado

Como se puede identificar, primero se realizan las mediciones de voltaje y corriente fotovoltaica
para poder realizar los cálculos de potencia. Seguido a esto, se realiza una revisión sobre la
potencia para poder verificar que sea mayor a cero y seguir con el algoritmo. Si cumple con
esto, se revisa la diferencia de voltaje entre la medición anterior y actual, si la diferencia da
mayor o menor a cero se realizan los cambios necesarios en el ciclo de trabajo. Con base a esto,
se estará variando el ciclo de trabajo para poder compararlo con una señal diente de sierra y así
arrojar valores lógicos a la salida, valores que corresponden a la entrada del MOSFET del primer
controlador buck que grantiza el on y off del mismo. De manera general, se tiene el siguiente
modelo circuital hasta el momento:

8
 Figura 9: Modelo circuital PV+MPPT+Buck

3.1.2. Cálculo de componentes convertidor Buck

Con base al modelo planteado en la Figura 9, se procedió a realizar el cáculo de las componentes
del controlador que garantizan un funcionamiento óptimo del sistema. Para esto, se define el
ciclo de trabajo como:

Vout
D= (3.1)
Vin
En nuestro caso, y en condiciones de operación nominales, se espera bajar inicialmente el voltaje
de entrada de 120V a 90V para después realizar el control PI a 48V. De esta manera, se obtiene
un ciclo de trabajo de 0.75. Seguido a esto, se deben tener en cuenta los siguientes supuestos en
operación:
∆I = 30 %, ∆V = 5 % (3.2)

Con base a esto, y tomando una frecuencia de switching de 50kHz, se puede proceder a calcular
el valor de la inductancia del controlador Buck de la siguiente manera:

Vout(1 − D)
L= (3.3)
Fs ∗ ∆I

Seguido a esto, como se sabe que el periodo es el inverso de la frecuencia, se tiene que:

1
Ts = = 2e − 5 (3.4)
Fs
Con base al periodo de switching, se puede determinar el valor de la capacitancia de la siguiente
forma:

∆I · T s
C= (3.5)
8 · ∆V

9
Teniendo esto en cuenta, ya se tiene el valor de las componentes necesarias para poder armar la
función de transferencia del controlador Buck como se plantea a continuación.

3.1.3. Función de transferencia convertidor Buck

Para la implementación del controlador PI en el sistema se debe encontrar primero una función
de transferencia que describa el comportamiento del sistema en cualquier momento de opera-
ción. Para más información, el cálculo paso a paso se encuentra en los anexos electrónicos. En
el caso del controlador Buck, se realizó un modelo de pequeña señal que permite realizar el
análisis circuital y escribir la función de transferencia de la forma:

Y (s)
= C(sI − A)−1 B (3.6)
T (s)

Por lo tanto, con base a las componentes calculadas anteriormente del controlador, se obtuvo
que la función de transferencia del sistema está dada por:

1/LC
FT = s 1
(3.7)
S2 + RC + LC

Con base a la función de transferencia obtenida, se procedió a realizar la sintonización de las

constantes del controlador PI mediante la herramienta PID tuner de matlab. De esta manera,
se obtienen las constantes Kp y Ki que se muestran en la Figura 3 que permiten garantizar
estabilidad en el sistema. De manera resumida, se tiene lo siguiente:

1 %Para convertidor buck 1

2 clc
3 clear
4 Vo = 90; %Voltaje de salida al buck 2+PI
5 Vd = 120; %Voltaje en generaci n PV
6 Pd = 1e3;
7 Po = 0.98e3;
8 D = Vo/Vd;
9 fs = 50e3;
10 Io = Po/Vo;
11 ∆ I = 0.3;
12 L = (Vo*(1−D))/(fs* ∆ I);
13 Ts = 1/fs;
14

15 ∆ V = 0.05;
16 C = ( ∆ I*Ts)/( ∆ V*2*2*2);

10
 1 %Para convertidor Buck+PI
2 clc
3 clear
4 Vo = 48; % Voltaje de salida al bus de carga de b a t e r a s
5 Vd = 90; %Voltaje entrada convertidor
6 Pd = 1e3;
7 Po = 0.98e3;
8 D = Vo/Vd;
9 fs = 50e3;
10 Io = Po/Vo;
11 ∆ I = 0.3;
12 L = (Vo*(1−D))/(fs* ∆ I);
13 Ts = 1/fs;
14
15 ∆ V = 0.05;
16 C = ( ∆ I*Ts)/( ∆ V*2*2*2);
17 R = Vo/Io;
18

19 Ft = tf([1/(L*C)],[1, 1/(R*C), 1/(L*C)])

20 tune = pidtune(Ft, 'PI')

De lo anterior, se obtuvieron los siguientes parámetros:

Tabla 1: Parámetros controladores DC/DC tipo buck

Buck 1 Buck 2
Inductancia 1.5mH 1.3mH
Capacitancia 150uF 150uF

Tabla 2: Parámetros controlador PI

Controlador PI
Kp 10.31
Ki 100

3.2. Inversor híbrido

Para poder distribuir la potencia en generación hacia la red, se necesita de un inversor que per-
mita cambiar el comportamiento de corriente directa a corriente alterna y que cumpla con los
parámetros de conexión. De esta manera, y teniendo en cuenta el modelo presentado en la Figura
5, se procedió a realizar el cálculo de las componentes de los convertidores que permiten realizar
este proceso.

11
3.2.1. Cálculo componentes Boost

Con base al modelo planteado en la Figura 4, se contó con el siguiente modelo matemático para
el cálculo de las componentes de este controlador:

1 clc
2 clear
3 Vo = 110; %Tension esperada a la salida
4 Vi = 48; %Tension de entrada bus de carga
5 D = −(Vi/Vo)+1; %Ciclo de trabajo
6 Po = 1.9e3; %Potencia de salida
7 Io = Po/Vo; %Corriente de salida
8 fs = 50e3; %Frecuencia de switching
9 ∆ I = 0.3;
10 ∆ V = 0.05;
11 L = (Vi*D)/(fs* ∆ I); %Inductancia boost
12 C = (Io*D)/(fs* ∆ V); %Capacitancia boost

De lo anterior, se obtuvo lo siguiente:

Tabla 3: Parámetros controlador Boost

Boost
Inductancia 1.8mH
Capacitancia 3.9mF

3.2.2. Cálculo componentes inversor

Para el último convertidor de la microrred, se planteó el siguiente modelo matemático para el

inversor monofásico que cumple con los criterios dados en la Figura 5:

1 Vdc = 48; %Voltaje en el bus DC de entrada al inversor

2 fs = 50e3;
3 ∆ I = 0.3;
4 L = Vdc/(4*fs* ∆ I); %Inductancia inversor
5 C = (((10)/(2*pi*fs))^2)*(1/L); %Capacitancia inversor

De lo anterior, se concluye que:

Tabla 4: Parámetros del inversor

Inversor
Inductancia 800mH
Capacitancia 1.2665uF

12
3.3. Diseño de baterías y supervisor

El almacenamiento corresponde a un tema de mucho estudio debido a la cantidad de posibles

opciones que se encuentran actualmente. Además, el tipo de almacenamiento es crucial en este
tipo de aplicaciones ya que no todos cuentan con la misma madurez técnica, desarrollo y rela-
ción beneficio/costo. Por ejemplo, si se decide emplear un sistema de almacenamiento basado
en supercapacitores, el riesgo que se estaría tomando es muy grande debido a su falta de ma-
durez técnica. Sin embargo, al comparar un supercapacitor con una batería de plomo ácido, se
evidencia una diferencia grande debido a las aplicaciones que cada una ha tenido en la industria,
el tiempo en que se han desarrollado y la forma en que se han distribuido.
Además, el sistema de almacenamiento necesita del diseño de un supervisor para poder garan-
tizar el funcionamiento del sistema en caso de ausencia de irradiación o irradiación mínima.
Por lo tanto, cuando el sistema de generación no es capaz de suplir la demanda, el sistema de
almacenamiento debe entrar como soporte a la red e inyectar potencia. De manera sintetizada,
se presentan los siguientes sistemas de almacenamiento junto con sus características:

Figura 10: Capital necesario vs Desarrollo de la tecnología

13
 Figura 11: Madurez técnica de la tecnología

Teniendo esto en cuenta, a continuación se presentan los parámetros necesarios de diseño para
un funcionamiento óptimo en el sistema de almacenamiento:

3.3.1. Estimación de los parámetros de almacenamiento y su estado

De manera general, cualquier sistema de almacenamiento cuenta con los siguientes parámetros
y estados de estudio:

Figura 12: Estados y parámetros importantes en sistemas de almacenamiento

De esta manera, a lo largo de la implementación del proyecto se lograron simular variables como

14
el estado de carga, se pudo determinar la capacidad de las baterías y sus parámetros necesarios de
diseño. Por un lado, la capacidad y el estado de carga (SOC) determinan el tiempo de operación
pero no son idénticos. Es decir, el SOC corresponde a la energía almacenada en el sistema,
mientras que la capacidad corresponde a su capacidad nominal y a su capacidad disponible, tal
como se muestra a continuación:

Figura 13: Capacidad y SOC de baterías

Con base a esto, se realizó el siguiente modelo para calcular el SOC de las baterías planteadas
en el proyecto:

n·T
SoCk / k−1 = SoCk−1 − · Ik−1 + wk−1 (3.8)
Cn

Donde T hace referencia al periodo de muestreo y Cn hace referencia a la capacidad nominal

del banco de baterías. Con base a esto, se pueden definir modelos de carga y descarga en las
baterías para mayor énfasis siguiendo distintos modelos. Uno de estos modelos se presenta a
continuación:

15
 Figura 14: Modelo de carga y descarga respecto al SoC

Teniendo esto en cuenta, se cuenta con un modelo bastante útil que parte de los parámetros nece-
sarios para la elaboración de una batería. Para efectos del proyecto, únicamente se trabajará con
el estado de carga de las baterías y la capacidad de las mismas para poder emitir los resultados
necesarios, aunque una posible aplicación a futuro podría ser un análisis detallado de los demás
parámetros. Por ejemplo, se podrían generar algoritmos donde se pueda determinar el State of
Health de la batería, la vida útil restante de las mismas, entre otros estudios.

3.3.2. Escenarios de supervisión

Así mismo, los escenarios de supervisión son de vital importancia en la parte de las baterías ya
que permiten determinar el momento en que las baterías deban entrar en carga o en descarga. De
manera general, siempre y cuando la potencia de generación sea mayor a 0, las baterías siempre
deberían estar en carga hasta cumplir que el estado de carga de ellas llegue al 95 %. Sin embargo,
si la potencia de generación es 0, es decir, no hay irradiación de entrada en los paneles solares,
las baterías deberían entrar en modo descarga e inyectar potencia a la red como respaldo. Por lo
tanto, se presenta lo siguiente:

Tabla 5: Escenarios de supervisión

Escenario Descrpción Acción

1 Irradiación de entrada mayor a 0 y SOC Carga
de baterías menor a 95 %
2 Irradiación de entrada mayor a 0 y SOC Ninguna
de baterías igual a 95 %
3 Irradiación de entrada igual a 0 y SOC Descarga
menor o igual a 95 %
4 Irradiación de entrada igual a 0 y SOC Ninguna
igual a 0 %

16
4. Desarrollo y resultados

4.1. Generación fotovoltaica

Para verificar el comportamiento de generación fotovoltaica se estudiaron varios escenarios de

irradiación. Según el sistema meteorológico de la nasa [15], en la ubicación del kiosco solar
fotovoltaico se puede tener un promedio de 250W/m2 a 500W/m2 de irradiación de entrada
como se muestra a continuación:

Figura 15: Irradiación de entrada según la NASA

Sin embargo, los paneles solares están diseñados para operar a condiciones nominales de 1000w/m2
y 25°C. Por lo tanto, se tuvieron en cuenta las condiciones de operación nominal y actual de los
paneles para obtener los siguientes comportamientos de generación:

(c) 1000W/m2
(a) 100W/m2 (b) 300W/m2

Figura 16: Comportamientos del voltaje en generación dependiendo de la irradiación

Como se pudo identificar, los voltajes pico varían de manera mínima dependiendo de la irra-
diación de entrada gracias al algoritmo MPPT implementado. Mediante este algoritmo, se logra

17
tener una búsqueda organizada de la máxima potencia posible por el arreglo de paneles en cual-
quier escenario, lo que implica un beneficio enorme en este tipo de aplicaciones. Por ejemplo, en
el caso en que la irradiación de entrada es de 100W/m2, el voltaje pico de generación es de 102V
mientras que cuando la irradiación de entrada es de 1000W/m2 el voltaje pico de generación es
de 130V. De manera análoga, la corriente se comporta de la siguiente manera:

(b) 300W/m2 (c) 1000W/m2

(a) 100W/m2

Figura 17: Comportamientos de la corriente en generación dependiendo de la irradiación

De manera general, es evidente que se tienen distintos escenarios de generación si se varía el

nivel de irradiancia de entrada. Esto se debe a las características de construcción de cada una de
las celdas fotovoltaicas, el efecto fotoeléctrico de cada célula se basa en una juntura p-n donde
los electrones se desplazan a la banda de conducción, generando así un campo eléctrico que
induce una corriente. Esta corriente se describe de la siguiente forma:

V
I = IL − Io · exp( )−1 (4.1)
m ·VT

Donde la variable I_L corresponde a la fotocorriente generada que depende del nivel de irradia-
ción. Por lo tanto, al aumentar el nivel de irradiación de entrada al arreglo de paneles solares,
se pudo identificar un aumento significativo en la corriente generada debido a esta caracterís-
tica. Esto se conoce como el efecto fotoeléctrico, donde la corriente generada depende de la
frecuencia de los fotones incidentes.
Esto quiere decir que, si el fotón incidente es poco energético respecto a las características de
la juntura p-n, no habría interacción con el semiconductor y lo atravesaría como si fuera trans-
parente. Sin embargo, cuando el fotón incidente es extremadamente alto energéticamente, se
generaría una ruptura demasiado lejos de la juntura p-n, por lo que tampoco se podría aprove-
char la generación de manera esperada. Es por esto que Colombia, al ser un país ubicado en el
ecuador, tiene una gran ventaja con respecto a otros países ya que el nivel de irradiación solar
recibida durante todo el año se encuentra dentro de los límites óptimos de operación, lo que im-
plica que los fotones incidentes rompen la juntura p-n a una distancia óptima como para generar
un nivel de corriente eficiente.

18
4.2. PV+Convertidor Buck+MPPT+PI

Con base al modelo de los paneles solares implementados, el modelo circuital del kiosco hasta
el momento es el siguiente:

Figura 18: Diagrama circuital fase 1

En esta fase se baja 2 veces el voltaje para garantizar que este se corrige de la manera esperada.
El primer controlador buck tiene como valor lógico de control la salida del MPPT, mientras que
en el segundo controlador buck se implementa un control PI que permita estabilizar la tensión
de salida en 48V. De esta manera, se calcula la diferencia entre el voltaje a la salida del buck y
el valor de referencia y se corrige mediante el control PI. Los resultados obtenidos se presentan
a continuación:

(a) Comportamiento del voltaje en el bus de carga (b) Corriente en el bus de carga

Figura 19: Comportamiento del sistema mediante BUCK+MPPT+PI

Como se puede evidenciar, tanto el voltaje como la corriente a la salida para conexión al bus de
baterías se estabiliza en los valores deseados en tan solo 2 milisegundos. Sin embargo, si no se
hubiera realizado el control PI en el sistema, no se obtendrían los mismos resultados ya que el
error en estado estable sería demasiado alto. A continuación se muestran los resultados sin un
controlador PI implementado:

19
 (a) Corriente sin PI (b) Voltaje sin PI

Figura 20: Comportamiento del sistema en bus de 48V sin controlador PI

Si se realiza la comparación entre las Figuras 19a y 20b, es claro que el voltaje tarda mucho más
en estabilizarse y su error en estado estacionario es muy alto, ya que nunca corresponde a un
valor de 48V fijo sino que oscila alrededor de este. Lo mismo sucede con el comportamiento de
la corriente, si se comparan las Figuras 19b y 20a se puede identificar el mismo error en estado
estable y las diferencias en el tiempo de estabilización. Además, para garantzar que el sistema se
estabiliza para cualquier valor de irradiación de entrada mayor a cero, se tomó una escalón como
valor de entrada que empezara en 400W/m2 y llegara hasta los 1000W/m2. A continuación, se
presentan los resultados:

(a) Irradiación de entrada (b) Voltaje

Figura 21: Comportamiento del voltaje en bus de 48V para distintos valores de irradiación

Por lo tanto, se puede evidenciar para esta primera fase que el comportamiento del sistema es
óptimo, garantizando que se controla el voltaje a la salida sin importar el nivel de irradiación
de entrada para poder conectar las baterías y cargarlas. Así mismo, se pudo identificar la im-
portancia del controlador PI como soporte de control en el sistema y los efectos que traería no
impementarlo.

20
4.3. PV+Convertidor Buck+MPPT+Inversor híbrido

Esta fase es primordial para garantizar el funcionamiento óptimo del sistema de inversión para
poder conectarse a la red. Como la tensión de salida tiene un comportamiento en corriente di-
recta pero la red colombiana opera en corriente alterna con frecuencia de operación de 60Hz, se
debe garantizar que el modelo realizado del sistema completo cumpla con estas características.
Teniendo en cuenta el cálculo de los componentes explicado anteriormente, el modelo realizado
en plecs se presenta a continuación:

Figura 22: Modelo circuital boost+inversor

Como se puede identificar anteriormente, se cuenta con un convertidor DC/DC tipo boost co-
nectado en serie con el inversor híbrido monofásico para conectarse a la red. Esta topología es
necesaria ya que solo el inversor no alcanza a elevar la tensión del bus de carga de las bate-
rías a 110V/60Hz. De esta manera, el sistema completo del arreglo de paneles, junto con los
convertidores tipo buck y el inversor se comporta de la siguiente manera:

(a) Voltaje a la salida del inversor (b) Corriente a la salida del inversor

Figura 23: Comportamiento del sistema sin almacenamiento

Figura 24: Potencia a la salida sin almacenamiento

21
Teniendo en cuenta los resultados de la Figura 23a, se procedió a verificar el cumplimiento de
los parámetros a cumplir para conexión a la red. Para empezar, el voltaje puede estar entre +-5 %
del valor nominal, lo que permite un rango de error de 5.5 voltios. Por lo tanto, durante los pri-
meros 3 milisegundos no se logra cumplir con este requisito, factor que sería bueno identificar y
corregir en futuras aplicaciones mediante estrategias de control. Sin embargo, se logra garantizar
un comportamiento óptimo durante gran parte de la operación.
Además, se debe garantizar que la frecuencia de operación del sistema sea de 60Hz en el caso
colombiano. De esta manera, se procedió a analizar el comportamiento del voltaje sobre un
periodo de oscilación. Así, teniendo en cuenta que la frecuencia es la inversa del periodo, se
logra concluir que la frecuencia de operación del sistema es de:

Toperacion = 0,0166segundos (4.2)

1
Foperacion = = 60,24Hz (4.3)
0,0166s

Por lo tanto, se logra concluir que se cumple con los parámetros necesarios para conectarse a la
red colombiana. Por otro lado, el comportamiento del voltaje en el bus de carga a las baterías
junto con el inversor híbrido se presenta a continuación:

(a) Voltaje al bus de carga (b) Corriente al bus de carga

Figura 25: Comportamiento del bus de carga para el sistema sin almacenamiento

Como se observa en la Figura 25, el algoritmo MPPT junto con el control PI realizado en la
primera fase permite que el bus de carga se mantenga dentro de los límites esperados de funcio-
namiento. Así mismo, se pudo identificar de la Figura 24 que el voltaje y la corriente a la salida
del inversor tienden a estabilizarse al tiempo, cumpliendo además con la frecuencia de operación
en el nivel de tensión de salida. De esta manera, se puede concluir que el sistema se encuentra
en condiciones de operación óptimas para la carga y descarga de baterías, así como para la co-
nexión a la red. Por lo tanto, se procede a realizar el análisis del sistema con el almacenamiento
mencionado anteriormente.

22
4.4. Sistema completo con almacenamiento

Por último, en esta fase es de vital importancia tener en cuenta los escenarios de operación del
sistema. Estos escenarios permiten crear un supervisor que logre cumplir con lo propuesto en
la tabla 5 de la manera esperada, dándole prioridad siempre al almacenamiento antes que a la
inyección de potencia a la red. De esta manera, se cuenta con lo siguiente modelo circuital:

Figura 26: Modelo circuital con almacenmiento

Como se puede ver en la Figura 26, las baterías se encuentran conectadas al bus mediante swit-
ches que van a variar entre on y off dependiendo de la salida del supervisor. Por ejemplo, cuando
las baterías se encuentren en el 95 % de su SOC y la irradiación sea mayor a 0, el supervisor arro-
ja un 0 lógico lo que implica la apertura de los switches S3 y S4. Teniendo esto en cuenta, se
corrió nuevamente el modelo de simulación para todo el sistema conectado al almacenamiento,
obteniendo lo siguiente:

(a) Irradiación de entrada (b) SOC de la batería

Figura 27: Comportamiento de las baterías dependiendo del nivel de irradiación de entrada

Como se pudo identificar de las figuras 27a y 27b, se logró realizar un modelo de simulación
donde se evidencie el comportamiento de carga y descarga de la batería dependiendo del nivel
de irradiación de entrada. Por ejemplo, cuando el nivel de irradiación baja por primera vez de
900W/m2 a 0 drásticamente, la batería pasa de estarse cargando a descargarse. Seguido a esto,

23
se procedió a analizar el comportamiento del sistema a la salida del inversor híbrido, de lo cual
se obtuvo lo siguiente:

(a) Voltaje a red (b) Corriente a red

(c) Potencia a red

Figura 28: Comportamiento de variables en el sistema completo

Similarmente, se pudo identificar el mismo comportamiento del voltaje en la red para el sistema
sin almacenamiento presentado en la Figura 23a, se tiene un retardo de aproximadamente 6
milisegundos para poder cumplir con los parámetros de conexión a la red pero después de esto
se cumple con lo propuesto en la ecuación 4.3. Así mismo, se pudo identificar que la corriente
tarda mucho más en estabilizarse en el sistema con almacenamiento con respecto al sistema
sin almacenamiento. Una posible razón para esto corresponde a la inyección de corriente por
parte de las baterías cuando se encuentra en descarga, ya que la corriente de descarga de las
baterías no es la misma corriente de generación fotovoltaica, generando así un comportamiento
discontinuo en el tiempo. De esta manera, para verificar el comportamiento del sistema completo
ante diferentes escenarios de irradiación de entrada, se obtuvieron los siguientes resultados:

24
 Figura 29: Comportamiento de las baterías para irradiación de entrada de 200W/m2

(a) Voltaje a red con irradiación de 200W/m2 (b) Corriente a red con irradiación de 200W/m2

Figura 30: Comportamiento de variables en el sistema con irradiación de 200W/m2

En el caso en que la irradiación de entrada es de 200W/m2, se pudo identificar un comportamien-

to óptimo en el supervisor de las baterías al igual que cuando la irradiación es de 900W/m2. Así
mismo, se pudieron identificar diferencias pequeñas en la salida del inversor híbrido en cuanto
al comportamiento de la tensión y su frecuencia de operación. En este caso de irradiación, el
comportamiento del voltaje es más inestable y tarda un poco más en llegar a los valores óptimos
de conexión. A su vez, se identificó que:

Toperacion = 0,0171 (4.4)

25
 1
Foperacion = = 58,479Hz (4.5)
0,0171

Sin embargo, los buses de carga no presentaron impactos significativos. Una de las ventajas de
haber implementado un control PI en el bus de carga es que permite estabilizar el voltaje en
el valor necesario sin importar las perturbaciones externas. Si no se hubiera implementado este
control, seguramente se tendrían variaciones significativas en el bus de carga, lo que implicaría
daños importantes en las baterías y en su estado de salud. De manera similar, se realizó el análisis
del sistema completo cuando el nivel de irradiación es de 600W/m2, obteniendo lo siguiente:

Figura 31: Comportamiento de las baterías para irradiación de entrada de 600W/m2

26
 (a) Voltaje a red con irradiación de 600W/m2 (b) Corriente a red con irradiación de 600W/m2

Figura 32: Comportamiento de variables en el sistema con irradiación de 600W/m2

En este último caso de operación, se varió el nivel de irradiación de entrada entre 600W/m2 y 0
para determinar el comportamiento del sistema. Como se puede identificar de la Figura 32a, el
tiempo en que el sistema llega al punto óptimo de operación es menor que el tiempo que le tomó
al sistema con una irradiación de 200W/m2. De manera similar a los casos presentados ante-
riormente, las baterías presentan comportamientos óptimos de operación en su carga y descarga
dependiendo de la irradiación de entrada. Además, se obtuvieron diferencias en la frecuencia de
operación del sistema para cada caso analizado, obteniendo en este caso que:

Toperacion = 0,0167 (4.6)

1
Foperacion = = 58,889Hz (4.7)
0,0167

Por lo tanto, se logran cumplir las características de conexión a la red eléctrica colombiana
mediante las simulaciones implementadas en todos los casos propuestos. Por un lado, se pudo
identificar que la implementación de un kiosco solar fotovoltaico autosostenible con las carac-
terísticas planteadas en este proyecto corresponde a una microrred energética capaz de producir
hasta 2kW mediante algoritmos de control que garantizan la máxima potencia suministrada. A
su vez, controlar las baterías resulta un tema de mucho estudio ya que entran temas como su
vida útil, su porcentaje de carga, los tiempos de carga y descarga, entre otros.
Por otro lado, es necesario adaptar el caso de estudio a las normas colombianas NTC y cumplir
con todos los parámetros necesarios de conexión. Por ejemplo, en el caso de estudio no se tuvo
en cuenta el efecto de los armónicos en la red, lo cual es un factor de vital importancia en este
tipo de aplicaciones. La presencia de estos armónicos en la red aumenta el valor de las pérdidas
por histéresis, disminuyendo la calidad de la potencia recibida en cualquier intervalo de tiempo.

27
Esto genera distorsiones armónicas que deforman las curvas de voltaje fundamentales y cono-
cidas en operación, lo que implica de forma directa sobrecalentamientos en los conductores
especialmente en el neutro de las instalaciones, disminución del factor de potencia de una ins-
talación y envejecimiento e incluso destrucción de las baterías de condensadores utilizadas para
su corrección debido a fenómenos de resonancia y amplificación, entre otros posibles impac-
tos importantes. De esta manera, las curvas de funcionamiento obtenidas anteriormente pueden
presentar variaciones significativas cuando se contemplen estos efectos, variaciones donde no se
logren cumplir los criterios de conexión necesarios y toque replantear el problema.

28
5. Conclusiones y Recomendaciones

A lo largo del desarrollo de este proyecto se contó con varios obstáculos que retrasaban el éxito
del mismo. Por un lado, se evidenció que se tiene un campo de flexibilidad en el cálculo de
las componentes de los equipos ya que algunas de estas no generan impactos significativos en
el comportamiento del sistema. Por ejemplo, si se realiza el modelo circuital propuesto en la
Figura 2 pero se toman los valores de los componentes de un libro guía o ejemplo realizado en
alguna literatura, se va a llegar al mismo resultado con variaciones muy mínimas sobre estos.
Por otro lado, se puede identificar que el comportamiento del sistema en la parte del inversor
presenta algunas fallas que serían un reto importante a corregir. En el caso del voltaje de salida
del inversor, se pudo evidenciar que el voltaje pico de las primeras oscilaciones no cumple con
los parámetros de conexión a la red colombiana, por lo que se propone como trabajo a futuro
implementar algoritmos de control sobre la salida del inversor, con el fin de cumplir a lo largo
del tiempo con las características de conexión. Sin embargo, se puede considerar que el proyecto
fue un éxito ya que se logró crear un modelo de simulación que cumple con la topología eléctrica
presente en el kiosco ubicado en la universidad.
Así mismo, teniendo en cuenta las aspiraciones académicas del kiosco y el objetivo del profesor
Michael, se realizó una curva de carga del sistema (Figura 33) con el fin de identificar el com-
portamiento por hora del mismo, para así poder implementar un laboratorio dentro del kiosco
donde se puedan monitorear los escenarios de generación y el comportamiento del sistema com-
pleto. De esta manera, surge un reto importante para futuras aplicaciones ya que habría que ver
si la potencia generada mediante el arreglo de paneles es suficiente para suplir la demanda del
sistema. Esto implica posibles cambios importantes en la topología, ya que la potencia generada
podría no ser suficiente para cumplir con la demanda en horas pico o en horarios nocturnos.

Tabla 6: Cuadro de cargas del sistema

TIPO DE CARGA Potencia Horas Energía Units Demanda(kWh/día)
(W) de uso diaria
Arduino 15 24 0.36 1 0.36
Luminaria 70 12 0.84 6 5.04
Computador 200 13 2.6 3 7.8
Nevera 400 24 9.6 1 9.6
Congelador 330 24 7.92 1 7.92
Luces 20 13 0.26 5 1.3
Oscilosopio 300 5 1.5 3 4.5
Fuente de voltaje 160 5 0.8 3 2.4
Cargadores de celular 2 4 0.008 5 0.04
Raspberry 15 24 0.36 1 0.36
ENERGÍA DIARIA A SUMINISTRAR 39.32

29
 Figura 33: Curva de carga del sistema

Teniendo esto en cuenta, se recomienda realizar una investigación completa sobre los posibles
cambios que esto traería, la forma en que esto se podría solucionar y las charlas con el de-
partamento para volver este proyecto realidad. Así mismo, se propone implementar la estación
meteorológica en cuanto la situación actual respecto a la pandemia lo facilite. Se realizó la insta-
lación de los sensores y los códigos de recopilación de datos pero no se logró culminar con esta
parte del proyecto debido a las cuarentenas estrictas con las que nos enfrentamos este semestre.

30
Bibliografía

[1] N. Mohan, POWER ELECTRONICS converters, applications and Design, 2nd ed. John
Wiley and Sons, 2003.

[2] T.-K. V. Hanju Cha, "Study and design of l-c-l filter for single-phase grid-connected pv
inverter,"2009.

[3] ONU, Çambio climático", 2019 (accessed May 20, 2021),

https://www.un.org/es/global-issues/climate-change

[4]Salem, M. "MPPT based on PO control and FLC-Hill Climbing technique for a

Photovoltaic Generator". 18th International Multi-Conference on Systems, Signals Devi-
ces (SSD’21). 2021.

[5] Aktas, A. "Solar hybrid systems". Design and aplication of solar hybrid systems.
2021.

[6] Icaza, D. "Modeling and Simulation of a Hybrid System of Solar Panels and
Wind Turbines for the Supply of Autonomous Electrical Energy to Organic Architectures".
Design and aplication of solar hybrid systems with wind turbines. 2020.

[7] Guerrero, A. (2015). Especificación y diseño de un sistema de generación de

energía a partir de un sistema híbrido diesel-fotovoltaico basado en FPGA, para el
aeropuerto ubicado en Santa Marta". Universidad de los Andes.

[8] Aguilar, F. (2018). Metodología para la planificación jerárquica del suministro

de energía en zonas no interconectadas mediante el uso de energías renovables. Universi-
dad de los Andes.

[9] Uturbey, W. (1996). CONVERSORES DC-DC Notas de apoyo para el curso bá-
sico de Electrónica de Potencia I (Plan 91). Instituto de Ingeniería Eléctrica Facultad de
Ingeniería, p.1.

[10] Iulian & Iuliana Bratcu Antoneta. Seddik, Bacha & Munteanu. Power Electro-
nic Converters Modeling and Control - with Case Studies. 2013

[11] Bendaoud, K. et al. Design and simulation DC-DC Power Converters Buck and
Boost for Mobile Applications using Matlab/Simulink 2016

31
[12] OUTBACK Power, Ïnversor/Cargador de la serie FXR", (accessed May 20,
2021), https://www.outbackpower.com/

[13] Kaise, "KBG121200 (GEL) 12V 120Ah(10hr)", (accessed May 20, 2021),
https://kaise.es/kaise-gel/

[14] Marwah, Q. "Modelling and Simulation of PV Pump Using MPPT Controller".

18th International Multi-Conference on Systems, Signals Devices (SSD’21). 2021.

[15] NASA, "Power Data access", (accessed May 20, 2021),

https://power.larc.nasa.gov/data-access-viewer/

[16] Universidad de Michigan, Modeling and Control of dc/dc Boost Converter in

FC systems.

[17] Adel A. Elbaset M. S. Hassan. Small-signal matlab/simulink model of dc-dc

buck converter using state-space averaging method. 2015.

32
6. Anexos electrónicos

A continuación se presenta el nombre de los archivos de los datasheets usados y curvas de carga
creadas:

Datasheet Baterías: Baterías_Kiosco.pdf

Datasheet inversor: Inversor-Cargador outback.pdf

Curvas de carga: Curva de demanda.xslx

CálculosFTBuck.pdf

33