UNIVERSIDAD POLITÉCNICA SALESIANA

SEDE QUITO

CARRERA:
INGENIERÍA ELÉCTRICA

Trabajo de titulación previo a la obtención del título de

INGENIERO ELÉCTRICO

TEMA:
OPTIMIZACIÓN DEL PROCESO DE CARGA Y DESCARGA DE BANCOS DE
BATERÍAS EN SISTEMAS DE GENERACIÓN FOTOVOLTAICA.

AUTOR:
GIOVANNY DANIEL ROMERO ANDRADE

TUTOR:
CRISTIAN CRISTÓBAL CUJI CUJI

Quito, agosto 2018

 Datos de Catalogación Bibliográfica

Giovanny Daniel Romero Andrade

OPTIMIZACIÓN DEL PROCESO DE CARGA Y DESCARGA DE BANCOS DE

BATERÍAS EN SISTEMAS DE GENERACIÓN FOTOVOLTAICA

Universidad Politécnica Salesiana

Ingeniería Eléctrica

Breve reseña historia e información de contacto:

Giovanny Daniel Romero Andrade (Y'1988-SM'02). Realizó sus estudios

secundarios en el Instituto Tecnológico Superior Central Técnico, obtuvo el
título de bachiller técnico en Electrónica. Egresado de la Carrera de
Ingeniería Eléctrica de la Universidad Politécnica Salesiana. Su trabajo se
basa en modelado matemático y técnicas de simulación para Bancos de
Baterías en Sistemas Fotovoltaicos. Sus intereses de investigación
incluyen; Generación distribuida, micro redes de distribución LVDC,
Energías Renovables.
gromero@est.ups.edu.ec

Dirigido por:

Cristian Cristóbal Cuji Cuji (Y'1986-SM'03). Se graduó de Ingeniero

Electrónico de la Universidad Politécnica Salesiana, Ecuador en 2014 y
Master en Energía, Facultad de Ciencias Físicas en la Universidad
Complutense de Madrid – España en 2015. Actualmente es profesor e
investigador en la Universidad Politécnica Salesiana - Quito Ecuador.
ccuji@ups.edu.ec

Todos los derechos reservados:

Queda prohibida, salvo excepción prevista en la ley, cualquier forma de reproducción,
distribución, comunicación pública y transformación de esta obra para fines comerciales,
sin contar con la autorización de los titulares de propiedad intelectual. La infracción de
los derechos mencionados puede ser constitutiva de delito contra la propiedad intelectual.
Se permite la libre difusión de este texto con fines académicos o investigativos por
cualquier medio, con la debida notificación a los autores.
DERECHOS RESERVADOS
©2018 Universidad Politécnica Salesiana
QUITO-ECUADOR
 DECLARATORIA DE COAUTORÍA DEL DOCENTE TUTOR
Yo, Cristian Cristóbal Cuji Cuji declaro que bajo mi dirección y asesoría fue desarrollado
el trabajo de titulación (Optimización del Proceso de Carga y Descarga de Bancos de
Baterías en Sistemas de Generación Fotovoltaica) realizado por (Giovanny Daniel
Romero Andrade), obteniendo un producto que cumple con todos los requisitos
estipulados por la Universidad Politécnica Salesiana para ser considerados como trabajo
final de titulación.

Quito, agosto 2018

………………………………….
Cristian Cristóbal Cuji Cuji
Cédula de identidad: 171800222-1
 CESIÓN DE DERECHOS DE AUTOR

Yo, Giovanny Daniel Romero Andrade, con documento de identificación N°

172198641-0, manifiesto mi voluntad y cedo a la Universidad Politécnica Salesiana
la titularidad sobre los derechos patrimoniales en virtud de que soy autor del trabajo de
grado/titulación intitulado: “OPTIMIZACIÓN DEL PROCESO DE CARGA Y
DESCARGA DE BANCOS DE BATERÍAS EN SISTEMAS DE GENERACIÓN
FOTOVOLTAICA.”, mismo que ha sido desarrollado para optar por el título de:
Ingeniero Eléctrico, en la Universidad Politécnica Salesiana, quedando la
Universidad facultada para ejercer plenamente los derechos cedidos anteriormente.
En aplicación a lo determinado en la Ley de Propiedad Intelectual, en mi condición de
autor me reservo los derechos morales de la obra antes citada. En concordancia, suscribo
este documento en el momento que hago entrega del trabajo final en formato impreso y
digital a la Biblioteca de la Universidad Politécnica Salesiana.

Firma

.............................................
Nombre: Giovanny Daniel Romero Andrade
Cédula: 1721986410
Fecha: agosto 2018
 ÍNDICE GENERAL

1. Introducción. .................................................................................................................. 2
2. Generador fotovoltaico con banco de baterías controlado por lógica difusa. ................ 3
2.1 Campo solar. ............................................................................................................ 3
2.2 Controlador de Lógica Difusa tipo Mamdani. ......................................................... 4
2.3 Banco de baterías. .................................................................................................... 4
2.4 Inversor y demanda eléctrica. .................................................................................. 5
3. Implementación de un controlador difuso para carga y descarga de baterías tipo
corriente constante (CC). ................................................................................................... 5
3.1 Irradiancia (Irr). ........................................................................................................ 5
3.2 State of Charge (SoC). ............................................................................................. 6
3.3 Temperatura de la batería (Temp). ........................................................................... 7
3.4 Demanda Eléctrica (Dem). ....................................................................................... 7
3.5 Insolación (Ins)......................................................................................................... 8
4. Resultados obtenidos. ................................................................................................. 9
4.1 Control difuso simulado. .......................................................................................... 9
4.2 Resultados experimentales. .................................................................................... 13
5. Conclusiones y Recomendaciones. ........................................................................... 14
6. Futuros trabajos......................................................................................................... 14
7. Referencias................................................................................................................ 14
7.1 Estado del Arte ....................................................................................................... 17
 ÍNDICE DE FIGURAS

Figura 1. Diagrama de bloques del sistema. ...................................................................... 3

Figura 2. Circuito equivalente del banco de baterías. ........................................................ 4
Figura 3. Curva de irradiancia solar cielo despejado ......................................................... 5
Figura 4. Irradiancia medida y ajustada. ............................................................................ 6
Figura 5. Estado de carga de una batería cargada y descargada con corriente constante. . 6
Figura 6. Temperatura del banco de baterías. .................................................................... 7
Figura 7. Demanda diaria promedio en Ecuador. .............................................................. 7
Figura 8. Diagrama de bloques del controlador. .............................................................. 10
Figura 9. Corriente de carga Optimizada. ........................................................................ 11
Figura 10. Corriente de descarga optimizada. .................................................................. 12
Figura 11. Corriente de descarga según energía demandada e insolación. ...................... 12
Figura 12. Corriente excedente hacia la demanda eléctrica. ............................................ 12
Figura 13. SoC a diferentes regímenes de carga-descarga. .............................................. 13
Figura 14. Resumen e indicadores del estado del arte ..................................................... 19
 ÍNDICE DE TABLAS

Tabla 1. Eficiencia de la batería Yuasa NPL100-12 para diversos regímenes de carga-

descarga a 20 °C ................................................................................................................. 5
Tabla 2. Pseudocódigo de carga optimizada de batería ..................................................... 8
Tabla 3. Pseudocódigo de descarga optimizada de baterías. ............................................. 8
Tabla 4. Tabla de cuantificación de variables. ................................................................... 9
Tabla 5. Valores exactos de IC resultantes. ..................................................................... 12
Tabla 6. Valores exactos de ID resultantes. ..................................................................... 12
Tabla 7. Valores exactos de Idem resultantes. ................................................................. 13
Tabla 8. Componentes principales del laboratorio. .......................................................... 13
Tabla 9. Datos técnicos del panel usado. ......................................................................... 13
Tabla 10. Datos Técnicos de la Batería usada.................................................................. 13
Tabla 11. Valores para las constantes de ajuste SoC ....................................................... 13
Tabla 12. Matriz de estado del arte .................................................................................. 17
 OPTIMIZACIÓN DEL PROCESO DE CARGA Y DESCARGA
DE BANCOS DE BATERÍAS EN SISTEMAS DE GENERACIÓN
FOTOVOLTAICA

Resumen Abstract

El documento presenta los resultados This paper presents the results of the
del proceso de optimización para carga optimization process for loading and
y descarga de bancos de baterías unloading battery banks associated with a
asociados a un sistema de generación photovoltaic generation system. The
fotovoltaica. El objetivo es maximizar objective is to maximize the amount of
la cantidad de corriente suministrada a current supplied to the batteries from the
las baterías desde el campo solar y solar field and regulate the amount of
regular la cantidad de corriente que las current that the batteries inject to the
baterías inyecten a la demanda eléctrica electrical demand as required. To
según se requiera. Para optimizar el optimize the process, a fuzzy logic
proceso se usa un controlador de lógica controller is used due to the versatility it
difusa debido a la versatilidad que offers for multiple input and output
ofrece para sistemas de múltiples systems, thus facilitating the analysis of
entradas y salidas facilitando así el variables such as: irradiance, temperature,
análisis de variables como: irradiancia, daylight, electric demand and state of
temperatura, iluminación de luz charge of the Battery Bank. These
natural, demanda eléctrica y estado de variables were obtained and stored in the
carga del banco de baterías. Dichas laboratory with a database. After
variables fueron obtenidas y analyzing this data, the appropriate
almacenadas en laboratorio con una information was provided to configure the
base de datos. Tras analizar estos datos fuzzy logic controller.
se proporcionó la información
adecuada para configurar el Keywords: State of charge(SOC),
controlador de lógica difusa. Storage capacity (C)), Irradiance, temp,
Insolation, electric demand, fuzzy logic.
Palabras Clave: Estado de carga
(SoC), Capacidad de almacenamiento
(C) irradiancia, temperatura,
Insolación, demanda eléctrica, lógica
difusa.

1
1. Introducción. o flotante, en el primer caso la vida útil
Las redes inteligentes de energía del banco de baterías se ve afectada[11].
eléctrica promueven el uso de micro Un sistema de almacenamiento de
generación para abastecer la demanda energía en su mayoría está conformado
eléctrica de una ciudad[1], estos sistemas por baterías de plomo-acido, estas
se han simulado y continúan en también admiten carga rápida y se usan
evolución, por este motivo, se investiga para el análisis descrito en este
acerca de sistemas de control que documento.
permitan mejorarlos, debido a que El proceso de carga y descarga de bancos
dependen de factores climáticos los de baterías toma un papel importante
cuales son muy variantes en el tiempo. dentro de cualquier sistema de
Siendo estos sistemas una fuente no generación no convencional ya que estos
convencional para generar electricidad permiten la continuidad en el
[2]-[3] que aún no están completos sin abastecimiento energético de esta fuente
una reserva de energía que les permita generadora.
ser constantes y así competir con Se han propuesto varios modelos que
sistemas convencionales que ofrecen interpretan la carga y descarga de
esta estabilidad. baterías [12] todos presentan una gráfica
Los generadores fotovoltaicos son similar con singularidades en puntos
fuentes de energía eléctrica no críticos, como en el momento de llegar al
convencional muy conocidos, estos 100 % de estado de carga (SoC por sus
pueden utilizarse directamente en micro siglas en ingles state-of-charge), con
redes de corriente continua [4]-[5] ya que estos antecedentes podríamos decir que
se adapta directamente a la forma en la se puede extender al estudio a cualquier
que estos generan energía, omitiendo las tipo de baterías [13] con pequeñas
pérdidas que puedan registrarse durante diferencias en los modelos propuestos.
el proceso de crear la onda sinusoidal Es necesario almacenar la energía
con los inversores. eléctrica porque la demanda
Estos sistemas requieren de bancos de generalmente no es constante en el
baterías, los cuales vayan a suplementar tiempo, durante la mañana se requiere
la energía en los momentos de baja poca energía siendo este el momento
irradiancia y de ser posible en las noches propicio para almacenarla y al inicio de
[6]-[7]-[8]. la noche, se presentan las máximas
Si se utiliza una conversión de voltaje solicitudes de la misma debido a la
DC-DC elevador se puede cargar súper iluminación artificial. Estos picos
capacitores para estabilizar el proceso de pueden reducirse significativamente
carga del banco de baterías durante utilizando sistemas de almacenamiento
variaciones esporádicas de Irradiancia de energía los cuales permitan aplanar la
que se presenten en el momento de carga curva de demanda eléctrica [14] y
[9]-[10]. reducir costos para los usuarios [15].
Como punto a favor tenemos que las Otro ejemplo de la necesidad de baterías
nuevas tecnologías de baterías (plomo- son los vehículos eléctricos, por ellos se
ácido VRLA, plomo-ácido AGM, li-ion, han realizado muchos estudios e
LiPo) admiten carga rápida, pero el investigaciones para mejorar la
fabricante es muy claro al mencionar que eficiencia y poderlos introducir en el
someter a las baterías a un proceso de mercado de forma competitiva [13]. El
carga rápida disminuye su vida útil por modelo Shepered ha sido nombrado en
incrementos de temperatura, también por algunos documentos porque determina
el modo de empleo, si es de forma cíclica de forma directa la curva de estado de

2
 Figura 1. Diagrama de bloques del sistema.

carga (SoC) con parámetros físicos e 2. Generador fotovoltaico

inclusive ha sido mejorado [16] para
usarlo con herramientas informáticas
con banco de baterías
como el software Matlab. controlado por lógica difusa.
En este documento se propone utilizar un Un sistema de generación solar
controlador difuso que maximice la fotovoltaica con banco de baterías
corriente suministrada a las baterías, la dispone de varios subsistemas mostrados
cantidad de corriente está determinada en la Figura 1.
por la irradiancia solar y las horas sol A continuación, se describe cada uno de
diarias, por esto mientras más rápido se los ellos mostrando sus detalles.
pueda monitorear la irradiancia solar el
sistema lograra una mejor corriente para 2.1 Campo solar.
Formado por paneles fotovoltaicos
cargar las baterías mientras se tiene
debidamente conectados (arreglos serie-
desconectado el sistema de la demanda
paralelo) para abastecer los
eléctrica durante el día.
requerimientos de voltaje y corriente del
Para el proceso de descarga se usa la
inversor [16], es el generador de energía
cantidad de energía eléctrica demandada
eléctrica la cual será utilizada para la
por los usuarios y la iluminación natural
carga de las baterías, su capacidad de
para entregar la máxima potencia desde
generación es directamente proporcional
el banco de baterías solamente en horas
de la noche. a la irradiancia (𝑊/𝑚 ) proporcionada
En ambos procesos, la temperatura del por el sol [17].
banco de baterías juega un papel Las horas sol en lugares cercanos al
importante porque de esta depende la Ecuador van desde las 7:00 horas hasta
vida útil de las baterías. las 18:00 horas en una planicie y
Todos los parámetros fueron medidos en disminuye en sitios montañosos, debido
un laboratorio construido para realizar a las sombras que estas producen.
este estudio.

3
 2.2 Controlador de Lógica En la Figura 2, se muestra como las
Difusa tipo Mamdani. baterías almacenan la energía
Es el método más utilizado de control recolectada por el campo solar y la
difuso o borroso, ya que trabaja con base mantienen lista para cuando se la
de conocimientos y reglas representadas requiera. Un proceso controlado de carga
de forma lingüística, las funciones de y descarga mejorará la vida útil de la
pertenencia de las variables de entrada y batería, esto es algo de suma importancia
salida se definen mediante una base de ya que los acumuladores de energía aún
conocimientos, los datos monitoreados o son muy costosos.
estadísticos ingresan dentro de los La capacidad de la batería “C” es la
subconjuntos o funciones de pertenencia cantidad de energía eléctrica que se
según la base de conocimientos puede almacenar, es medida en
entregados por operadores o expertos amperios-hora (Ah) y se calcula con la
conocedores del sistema a controlar, siguiente ecuación:
también las reglas de deducción son
descritas por estos. 𝐶= 𝑖 ∗ 𝑑𝑡 (1)
Se puede mejorar la calidad de un
controlador utilizando valores difusos La capacidad real de la batería se
para las entradas y salidas de un sistema determina cuando se la descarga desde
además de un motor de inferencia difusa plena carga (SoC 100%) hasta llegar el
que pueda interrelacionar las entradas un voltaje mínimo (Vbat=10.5[V]), “C”
con las salidas, los valores difusos se puede ser mayor o menor que la
encuentran dentro del intervalo [0 1], capacidad nominal y depende de la razón
donde cada valor del dato estadístico o de carga-descarga y la temperatura[20].
monitoreado esta descrito dentro de estos Algunos parámetros importantes que
conjuntos [18]. determina la vida útil de la batería son: la
La representación difusa es capaz de máxima corriente de descarga continua
valorar aspectos cualitativos (muy alto, porque determina un método de
alto, mediano, pequeño, muy pequeño) utilización de tipo cíclica y la utilización
en valores numéricos dentro del de sobre corrientes de descarga en
intervalo [0 1] (1 0.75 0.5 0.25 0) periodos pequeños, como pueden ser
respectivamente. arranques de motores u otros
Un sistema de control hábil puede ser dispositivos que tiendan a disparar la
creado mediante el uso de FCN (Fuzzy corriente en intervalos de menos de
cognitive networks por sus siglas en 10ms [20].
ingles), este método hibrido puede Los fabricantes expresan la eficiencia de
controlar todos los parámetros de la sus productos bajo ciertas características,
micro red eléctrica para lograr que sea por ejemplo, comúnmente se utiliza
óptima[19]. expresiones como: 12V 100 (Ah/20h),
esto quiere decir que el acumulador es
2.3 Banco de baterías. capaz de suministrar 1 (A) durante 100
horas o 100 (A) durante 1 hora, el tercer
término determina la capacidad de carga-
descarga “C” garantizadas según el
fabricante, considerando mantener la
temperatura dentro de parámetros
adecuados.
Poniendo como ejemplo la batería en
Figura 2. Circuito equivalente del banco de mención se podría decir que el valor de
baterías. “C” sería de 5 amperios (A), con esta

4
cantidad de corriente suministrada a la integración que tienen con softwares de
batería el fabricante garantiza al 100% su muy extensa utilización en ingeniería.
producto. A medida que se incremente la Dispositivos como Arduino o DAC de
corriente que ingresa o sale desde la LabView permiten monitorear casi en
batería ya no se puede utilizar el 100% tiempo real este sistema indicándonos
de su capacidad, en la Tabla 1, se los parámetros requeridos para realizar el
muestra la eficiencia de la batería Yuasa control difuso necesario, los parámetros
NPL100-12 para diversos regímenes de son almacenados en bases de datos para
carga-descarga a 20 grados centígrados. su posterior análisis y mejoramiento del
controlador.
Tabla 1. Eficiencia de la batería Yuasa En el documento [23] se realiza un
NPL100-12 para diversos regímenes de carga- control PCM (Polinomial Computed
descarga a 20 °C
Method por sus siglas en ingles) para
Régimen de obtener un voltaje fijo en bornes del
Corriente (A) Vmin(V) Tuso(H) Eff(%)
carga-desc banco de baterías, el cual maximiza la
1C 5 10.5 20 100 cantidad de corriente que va hacia el
2C 10 10.5 10 93 banco de baterías, para nuestro caso, se
3C 15 10.5 6 86 utiliza drivers de corriente constante, los
4C 20 10.5 4 79 cuales inyectan corriente de forma
La temperatura adecuada para la constante según la irradiancia que sea
operación de una batería de ion de litio captada por el campo solar, manteniendo
es de 15 a 25 °C [21], y es similar para el voltaje adecuado para la carga de las
los diferentes tipos de baterías utilizados baterías, durante este proceso se
en sistemas fotovoltaicos. mantiene la demanda eléctrica
desconectada del campo solar para
2.4 Inversor y demanda eléctrica. asegurar la carga completa del banco de
Para terminar con el sistema, se debe baterías.
mencionar al equipo que permite la
interconexión entre el generador solar 3.1 Irradiancia (Irr).
En la Figura 3, está graficada la
fotovoltaico con respaldo de baterías y el
consumidor que representa la demanda irradiancia solar esperada de un día
eléctrica. El inversor es un elemento despejado en sitios cercanos a la línea
fundamental que debe dimensionarse ecuatorial, se observa que alrededor de
según la cantidad de energía que las 8:00 horas tenemos una irradiancia de
produzca el campo solar y los más de 200 𝑊/𝑚 , momento en el cual
acumuladores. se dispone de al menos el 20% de la
capacidad de generación del campo solar
iniciando con el proceso de carga.
3. Implementación de un
controlador difuso para
carga y descarga de baterías
tipo corriente constante
(CC).
La tecnología ha permitido facilitar la
medición de los parámetros físicos de
algunos elementos, por medio de
conocidos hardware[22] que son muy
utilizados por investigadores gracias a su Figura 3. Curva de irradiancia solar cielo
despejado
precio accesible y a la facilidad de

5
A medida que el día avanza, se obtiene 3.2 State of Charge (SoC).
una potencia superior, momento propicio En la Figura 5, se visualiza el estado de
para iniciar la carga rápida del banco de descarga (a) y carga (b), se obtuvo el
baterías bajo regímenes superiores a 1C. modelo ajustándolo con ecuaciones de
Se utiliza la distribución gaussiana para tipo exponencial como la siguiente [11]:
representar esta variable, debido a la
similitud que existe entre el 𝑆𝑜𝐶 = 𝑓 + ∗ 𝑒( )
(3)
comportamiento de la irradiancia y esta
función. Donde:
 𝑓𝑜 determina el inicio de la
función SoC, en este caso estaría
dado por el valor medio de inicio
de la carga o descarga.
 𝑘 es un factor que modifica la
amplitud de la función SoC.
 𝑑 representa la pendiente en
ambas partes de la ecuación, y
 𝑔 ubica el inicio de la zona
exponencial de la función SoC.

Figura 4. Irradiancia medida y ajustada.

La Figura 4, muestra la irradiancia

medida durante un día parcialmente
nublado, este es un patrón repetitivo en
el lugar de medición, estos datos fueron
ajustados mediante el software Matlab
con la herramienta “curvefitting”
método gaussiano con tres términos:

𝐼𝑟𝑟 = 𝑎 ∗ 𝑒 +
(2)
⋯ +𝑎 ∗𝑒
Donde: Figura 5. Estado de carga de una batería
 𝑎 determina la amplitud de la cargada y descargada con corriente constante.
campana gaussiana y el valor de El medir el voltaje de la batería en
máxima irradiancia. circuito abierto es un método para
 𝑏 es la ubicación del punto determinar el SoC de la batería, existen
máximo en las abscisas, también otros métodos muy completos y exactos
el momento del día en la que se como la estimación basada en la
obtiene, y intensidad, también conocido como
 𝑐 representa el ancho que deba Coulomb Countig [20] que se utiliza en
tener la campana de gauss para sistemas delicados como computadores
que se ajuste a los datos medidos portátiles, dispositivos inteligentes y de
de irradiancia. seguridad, se puede encontrar más
información acerca de métodos de
El controlador actuará de forma que lo estimación de estado de carga y tipos de
primordial sea cargar las baterías, baterías en[24].
inclusive en escenarios parcialmente
nublados y de ser posible en nublados.

6
 3.3 Temperatura de la batería
𝑇𝑒𝑚𝑝 = 𝑎 ∗ 𝑒 +
(Temp). (4)
Un inconveniente que puede presentar ⋯+ 𝑎 ∗ 𝑒
este sistema es el sobrecalentamiento de Donde:
las celdas de las baterías, cuando esto  𝑎 determina la amplitud de la
sucede es posible que se liberen gases campana gaussiana y el valor de
que forman parte fundamental del máxima temperatura.
electrolito reduciendo su vida útil, por lo  𝑏 es la ubicación del punto
que se necesita controlar la temperatura. máximo en las abscisas, también
En el documento [25] se recomienda el momento del día que presenta
mantener los ciclos de la batería entre el mayor temperatura, y
20% y 80% del SoC, con el motivo de  𝑐 representa el ancho que deba
evitar que se puedan sulfatar los tener la campana de gauss para
electrodos de las baterías de plomo acido que se ajuste a los datos medidos
además de evitar que las reacciones de temperatura.
químicas expulsen sus componentes en
forma de gas. 3.4 Demanda Eléctrica (Dem).
La ventaja de utilizar corriente constante Este parámetro es de importancia al
para cargar o descargar las baterías es la momento de la descarga de las baterías y
cualidad de mantener los voltajes en es la restricción principal para
bornes de la batería a niveles de carga determinar la cantidad de corriente que
flotante, esto extiende la vida útil de la vayan a entregar las baterías.
batería, por otro lado se debe controlar
muy exhaustivamente la temperatura de
la batería, ya que con este método puede
incrementarse a niveles no deseados,
más aun en regímenes de carga o
descarga elevados (3C o 4C) [25]-[4].

Figura 7. Demanda diaria promedio en

Ecuador.

En la Figura 7, se muestra los valores de

demanda eléctrica diaria en por unidad,
estos valores fueron obtenidos desde el
plan de electrificación y fueron tomados
Figura 6. Temperatura del banco de baterías.
en el año 2012 [26].
Este parámetro fue medido en el exterior Adicionalmente dependiendo de la
de la batería y se presenta en la Figura 6, demanda de energía eléctrica, se dispone
donde claramente se observa que la de una conexión directa del campo solar
temperatura ambiente tiene importancia a bornes del inversor, de esta forma se
relevante. aprovecha al máximo la generación
Se utiliza ecuaciones gaussianas con 3 fotovoltaica, ya que debido a la baja
elementos para representar esta variable: resistencia que ofrecen las baterías de
plomo-acido (alrededor de 1 OHM), la
corriente permanece constante hacia las
baterías, esta conexión se establecerá

7
únicamente si la demanda es elevada  𝑏 es la ubicación del punto
porque el controlador prefiere cargar las máximo en las abscisas, también
baterías. el momento del día en la que se
Con ayuda del software Matlab se produce la mayor insolación, y
obtuvo el ajuste de la curva por el  𝑐 representa el ancho que deba
método polinomial ingresando los datos tener la campana de gauss para
entre hora (x) y Demanda (y) se puede describir las 12 horas del día.
notar (𝑥 , 𝑦 ) donde 𝑖 = 1,2, … , 𝑛 se
resuelve el sistema de n ecuaciones para Una vez explicados los parámetros
determinar los coeficientes 𝑝 según el restrictivos se procede a presentar el
grado del polinomio que minimice el funcionamiento del controlador difuso
error del ajuste, se describe la función en el momento de carga Tabla 2 y para la
demanda de la siguiente manera: descarga Tabla 3.
Tabla 2. Pseudocódigo de carga optimizada de
𝐷𝑒𝑚 = 𝑝 ∗ 𝑥 + 𝑝 ∗
(5) batería
𝑥 +𝑝 ∗𝑥+𝑝
PSEUDOCÓDIGO DE CARGA DEL BB
Donde: 1: Inicialización y lectura de variables
 𝑝 Son los coeficientes del 2: SoC BB, Irr, Temp.
polinomio que representa la 3: Mientras SoC <= 90%
demanda eléctrica. Si Irr = Muy baja entonces
IC=1C
 𝑥 Los puntos del eje de las Si Irr = Baja entonces
abscisas que representan las IC=2C
horas del día. 4:
Si Irr = Media entonces
IC=3C
3.5 Insolación (Ins). Si Irr = Alta entonces
Esta variable va a determinar de forma IC=4C
Si 91%<SOC<99% o
extrínseca la cantidad de energía
5: Temp >25°C entonces
demandada debido a la iluminación que IC <= 1C
pueda ofrecer nuestro sol, este parámetro Si SoC=100% entonces
6:
fue monitoreado utilizando fotoceldas. IC=0C
Existen controladores de iluminación en 7: Proceso de carga Optimizado
8: Fin
edificaciones inteligentes que se activan
según la cantidad de luz que haya en los Tabla 3. Pseudocódigo de descarga optimizada
salones, reduciendo el consumo de baterías.
eléctrico, es por esto que durante el
proceso de carga el sistema desconecta PSEUDOCÓDIGO DE DESCARGA DEL BB
totalmente el banco de baterías de los 1: Inicialización y lectura de variables
bornes del inversor, mientras los niveles 2: SoC BB, Dem, Ins, Temp
de iluminación proporcionados por la luz 3: Mientras SOC >= 20%
Si Dem = Muy baja entonces
del día sean los aceptables. ID = 1D
La ecuación que determina este valor es Si Dem = Baja entonces
la de tipo gaussiana con un solo termino 4:
ID = 2D
similar a la presentada en la Figura 3 ya Si Dem = Media entonces
que determina las horas de luz solar: ID = 3D
Si Dem = Pico entonces
𝐼𝑛𝑠 = 𝑎 ∗ 𝑒 ID = 4D
(6) Si Temp > 25 °C entonces
5:
Donde: ID = 1D
Si SoC < 20% o Ins > 30% entonces
 𝑎 determina la amplitud de la 6:
ID = 0D
campana gaussiana y el valor de 7: Proceso de descarga Optimizado
máxima insolación. 8: Fin

8
La Tabla 4, presenta de forma cualitativa
las variables, estos rangos serán 𝜇𝜔 (𝐼𝑛𝑠) (10)
representados con valores difusos dentro
del intervalo [0 1] distribuidos de forma
que correspondan con su respectivo 𝜇𝜔 (𝐷𝑒𝑚 ) (11)
valor cuantitativo también presentado en
esta tabla.
𝜇𝜔 (𝐼𝐶) (12)
Tabla 4. Tabla de cuantificación de variables.

Valor Valor 𝜇𝜔 (𝐼𝐷) (13)

Parámetro Cuantitavo
Cualitativo
Muy Baja (00-20)%
Irradiacia Baja (21-50)% 𝜇𝜔 (𝐼𝑑𝑒𝑚) (14)
Media (51-75)%
Alta (76-100)%
Donde:
Muy baja (00-25)%
Demanda Baja (26-50)%  𝜇𝑤 son las funciones de
Media (51-80)% pertenencia para cada variable.
Pico (81-100)%  𝑥𝑖 es el valor estadístico o
Baja (00-15)°C monitoreado.
Temperatura Ambiente (15-25)°C  𝑦𝑖 es el valor a determinarse.
Alta (25-40)°C  𝐼𝑟𝑟 es la irradiancia medida
Noche (00-20)% (entrada).
Insolación Nublado (21-50)%  𝑆𝑜𝐶 es el estado de carga de la
Despejado (51-100)%
(00-20)%
batería (entrada).
Sobredesc
 𝑇𝑒𝑚𝑝 es la temperatura medida
SoC Normal (20-90)%
(entrada).
Sobrecarga (91-100)%
 𝐼𝑛𝑠 es la insolación medida
(entrada).
4. Resultados obtenidos.  𝐷𝑒𝑚 es la demanda eléctrica
monitoreada (entrada).
4.1 Control difuso simulado.  𝐼𝐶 es la corriente de carga del
Se configuro el simulador según el banco de baterías, basada en la
proceso descrito en este apartado, el capacidad “C” (salida).
controlador esta graficado en la Figura 8.  𝐼𝐷 es la corriente de descarga del
Para la etapa de fuzificación se utilizó el banco de baterías, basada en la
método de agregación producto (AND) capacidad “C” (salida).
para obtener las funciones de pertenencia
 𝐼𝑑𝑒𝑚 es la corriente controlada
necesarias para el controlador difuso,
(excedente) que va hacia el
estas se representan por medio de las
sistema eléctrico, si este lo
siguientes expresiones:
requiere durante el día, las
variables Idem e ID toman el
𝜇𝜔 (𝐼𝑟𝑟) (7) mismo valor durante el proceso
de descarga en las noches.

𝜇𝜔 (𝑆𝑜𝐶 ) (8) Los datos estadísticos o monitoreados

ingresan a formar parte de las funciones
de pertenencia según la base de
𝜇𝜔 (𝑇𝑒𝑚𝑝) (9) conocimientos.

9
 Figura 8. Diagrama de bloques del controlador.

Con el modelo de lógica clásica Modus A continuación, se muestra el ejemplo de

Ponen, se ingresan las reglas de forma la regla lingüística explicada
lingüística utilizando: si x es A, entonces anteriormente para la variable corriente
y es B, una de las reglas es: de salida (ID).

Si: 𝜇𝜔 (𝐼𝐷) =
(SoC es Normal & Irr es Alta & Temp 𝑁𝑜𝑟 𝜇𝜔 (𝐼𝐷 )
⎧ ⎫
es Baja & Ins es Alta & Dem es Baja) ⎪ 𝐴𝑙 𝜇𝜔 (𝐼𝐷 ) ⎪
Entonces: (16)
𝑀𝑎𝑥 𝐵 𝜇𝜔 (𝐼𝐷)
(IC es 4C, ID es 0D , Idem es 0dem) ⎨ ⎬
⎪ [𝐴𝑙 0𝐷 (𝐼𝐷 )] ⎪
Fueron necesarias 72 reglas, por otro ⎩ [𝐵 0𝐷 (𝐼𝐷)] ⎭
lado, el controlador Mamdani puede
Donde:
relacionar las entradas con las salidas por
 𝜇𝜔 son funciones de pertenencia
medio de la regla composicional de
inferencia descrita por la siguiente de la variable de salida ID.
ecuación:  𝐼𝐷 Es la variable de salida
corriente de descarga.
𝜇𝜔 (𝐼𝐶) =  0𝐷 Es la función de pertenencia
𝜇𝜔 ( ) 𝜇𝜔 (𝐼𝐶 ) “ID = 0” de la variable de salida
⎧ ⎫ ID.
⎪ 𝜇𝜔
⎪ ) 𝜇𝜔 (𝐼𝐶 ) ⎪
⎪
(
(15)  𝑁𝑜𝑟 Es la función de
𝑀𝑎𝑥 𝜇𝜔 ( ) 𝜇𝜔 (𝐼𝐶) pertenencia “SoC Normal” de la
⎨ ⎬ variable de entrada SoC.
⎪ 𝜇𝜔 ( ) 𝜇𝜔 (𝐼𝐶 ) ⎪
⎪ ⎪  𝐴𝑙 Es la función de
⎩ 𝜇𝜔 ( ) 𝜇𝜔 (𝐼𝐶) ⎭
pertenencia “Alta” de la variable
Donde: de entrada Irradiancia.
 𝜇𝜔 son funciones de  𝐵 Es la función de
pertenencia de cada variable. pertenencia “Baja” de la variable
de entrada temperatura.
 𝐼𝐶 es la variable de salida
corriente de carga.  𝐴𝑙 Es la función de
pertenencia “Alta” de la variable
 𝑥𝑖 es el valor estadístico o
de entrada Insolación.
monitoreado y,
 𝐵 Es la función de
 𝑦𝑖 es el valor a determinarse.
pertenencia “Baja” de la variable
de entrada Demanda eléctrica.
El proceso combinatorio se realiza con
cada una de las funciones de pertenencia
Siendo que existen posibilidades
de las variables de entrada.
indeseadas dentro del proceso de
10
 combinación, se escoge las funciones existen varios métodos que realizan la
de pertenencia críticas, con el motivo desfuzificación, para nuestro cometido
de evitar valores indeseados en la salida se utilizó el método del centriode
utilizando las siguientes expresiones: expresado por:

𝑢𝜔 (𝐼𝐶 ) =
∑
𝑚𝑖𝑛 [𝑆𝑐 0𝐶(𝐼𝐶)] + (17) 𝑌 = (19)
∑
𝐴𝑙𝑡𝑎 0𝐶(𝐼𝐶)
𝑢𝜔 (𝐼𝐷 ) =
𝑚𝑖𝑛 [𝑆𝑑 0𝐷(𝐼𝐷)] + (18) Donde:
 𝑌 es el valor exacto para la
𝐴𝑙𝑡𝑎 0𝐷(𝐼𝐷)
salida.
Donde:  𝐼𝐶 es el nivel de activación de la
 𝑆𝑐 es la función de salida IC según las reglas.
pertenencia “sobrecarga” de la  𝑌 son los posibles valores que
variable de entrada SoC. tomaría la variable de salida IC.
 𝑆𝑑 es la función de
pertenencia “sobredescarga” de Se procede de forma similar para todas
la variable de entrada SoC. las variables de salida.
 𝐴𝑙𝑡𝑎 es la función de A continuación, se muestran los valores
pertenencia “Alta” de la variable resultantes para las salidas: corriente de
de entrada Temperatura. carga(IC), corriente de descarga(ID) y
 𝜇𝜔 es el valor tomado para las corriente hacia la demanda eléctrica
correspondientes salidas. (Idem), según las restricciones de
 0𝐶, 0𝐷 son las funciones de entrada: irradiancia (Irr), temperatura
pertenencia con valores cercanos (Temp), Estado de carga del banco de
a 0 de las variables de salida IC e baterías (SoC), Demanda eléctrica
ID. (Dem) e Insolación (Ins).
La Figura 9, muestra una superficie que
Así se reduce la corriente de carga o representa el valor adecuado que debería
descarga del banco de baterías, para tomar la corriente de carga (IC) según el
proteger al mismo del deterioro pseudocódigo de carga, aquí observamos
prematuro por efecto de sobrecargas, que el máximo valor que toma IC es de
descargas profundas y temperatura 3.8C.
elevada en celdas de las baterías.
La combinación de las funciones de
pertenencia de entrada y salida por
medio del método anteriormente
descrito, facilita al controlador una
ligera toma de decisiones propias aun
cuando no se hayan descrito todas las
reglas necesarias para optimizar el
proceso.
En las variables de salida se selecciona
varias áreas de ocupación según las
pertenencias descritas por las entradas.
Para finalizar, el controlador entregará
un valor exacto para las variables de Figura 9. Corriente de carga Optimizada.
salida a través la etapa desfusificadora,

11
 100% la corriente se envían hacia la
demanda eléctrica y si la irradiancia es
muy baja, el banco de baterías entrega
corriente (ID)=2C mientras este en más
del 80% del SoC, la Tabla 7, muestra sus
valores exactos.

Figura 10. Corriente de descarga optimizada.

El optimizador no alcanza el valor de 4C

por la restricción de temperatura, la
Tabla 5, muestra algunos valores exactos
de la variable IC.

Tabla 5. Valores exactos de IC resultantes. Figura 11. Corriente de descarga según

Irr(%)
energía demandada e insolación.
0 20 40 60 80 100
SoC(%)
0 0,8C 1,5C 2,2C 2,9C 3,4C 3,8C Tabla 6. Valores exactos de ID resultantes.
20 0,8C 1,5C 2,2C 2,9C 3,4C 3,8C
Dem(%
) 0 20 40 60 80 100
40 0,8C 1,5C 2,2C 2,9C 3,4C 3,8C
SoC(%)
60 0,8C 1,5C 2,2C 2,9C 3,4C 3,8C 0 0,2C 0,2C 0,2C 0,2C 0,2C 0,2C

90 0,2C 0,2C 0,3C 0,4C 0,3C 0,3C 20 0,4C 0,4C 0,9C 1,3C 1,0C 1,0C
100 0,2C 0,2C 0,2C 0,2C 0,2C 0,2C 40 0,8C 0,9C 2,0C 3,2C 3,3C 3,8C

El proceso de descarga optimizado de 60 0,8C 0,9C 2,0C 3,2C 3,3C 3,8C

baterías se muestra en la Figura 10 para 90 0,8C 0,9C 2,0C 3,2C 3,3C 3,8C
todo momento y la figura 11 únicamente 100 0,8C 0,9C 2,0C 3,2C 3,2C 3,8C
en noches, en la primera se observa que
el controlador busca mantener la
corriente de descarga (ID) = 2C hasta
antes de llegar al 20% del SoC, este
resultado es generalizado para cualquier
hora en el día, para las noches, el
optimizador libera la máxima cantidad
de corriente de descarga (ID) durante las
horas de demanda eléctrica pico, la
Tabla 6 resume algunos valores que
toma la variable de salida ID.
La Figura 12, muestra la corriente que
se dirige directamente hacia la demanda
eléctrica (Idem), con el motivo de no
desperdiciar la capacidad de generación
instalada una vez que se haya alcanzado Figura 12. Corriente excedente hacia la
la carga completa, se observa que cuando demanda eléctrica.
el SoC del banco de baterías se acerca al

12
 Tabla 7. Valores exactos de Idem resultantes. Tabla 10. Datos Técnicos de la Batería usada.

Irr(%) Batería marca Yuasa NP7-12

0 20 40 60 80 100
SoC(%)
0 0,0C 0,2C 0,2C 0,2C 0,2C 0,2C V nominal 12 (V)
7(Ah)/20(h),
20 0,6C 0,6C 0,6C 0,6C 0,6C 0,6C Capacidad a 20°C
6,4(Ah)/10(h)
40 0,6C 0,6C 0,6C 0,6C 0,6C 0,6C Temp operación -15 a 50 (°C)
60 0,6C 0,6C 0,6C 0,6C 0,6C 0,6C ICarga max 1,75 (A)
I Descarga max 48 (A)
90 1,7C 1,9C 1,9C 2,3C 2,8C 3,2C
Tipo de terminal FASTON
100 1,8C 2,4C 2,4C 2,4C 2,9C 3,3C
V carga flotante 13,65 (V) +/- 1%
V carga cíclica 14,5 (V) +/- 3%
4.2 Resultados experimentales. cLa Figura 13, muestra los datos medidos
El laboratorio para tomar las medidas, del voltaje en bornes de la batería a
fue instalado con un costo aproximado diferentes regímenes de carga y se
de 450 USD donde se incluyen los observa la correspondencia conforme al
materiales descritos en la Tabla 8. tiempo estimado de carga: 4C
equivalente a 1,4 amperios en 1hora y
Tabla 8. Componentes principales del 50 minutos, 3C equivalente a 1,05
laboratorio. amperios en 2horas y 40 minutos, 2C
Item Descripción.
equivalente a 0,7 amperios en 3horas y
PV Panel Ver Tabla 9
45 minutos, en cuanto a la descarga fue
Batería Ver Tabla 10
realizada a un régimen de 2C equivalente
Sensor Irr 2W a 6.6V, Iss 350 mA monocris. a 0,7 amperios y se presenta la gráfica
LM338 Driver de corriente constante real incluyendo la etapa de descarga
Ar. Mega Tarjeta de adquisición de datos. profunda (DoD) equivalente a Vbat =
ACS712 Sensor de corriente (x 3). 10,5 (V), se observa que dura
Carga PLED 12V 3,33W (x 3). aproximadamente 4horas con15 minutos
Varios Elementos electrónicos y relés.
antes de llegar a (DoD).

Tabla 9. Datos técnicos del panel usado.

Panel solar marca SUN

Pmax 65W +/- 3%
Vpmax 17,3 (V) +/- 5%
Voc 21,8 (V) +/- 5%
Ipmax 3,76 (A) +/- 5%
Isc 3,9 (A) +/- 5%
Eficiencia 12 %
Coeficiente Temp Pmax -0.43 %
Vmax Sistema 1000 (V)

El muestreo de las variables se realizó

cada segundo y fue colocado en una base Figura 13. SoC a diferentes regímenes de
carga-descarga.
de datos creada por el software
LabView, durante los procesos de Tabla 11. Valores para las constantes de ajuste
medición el uso del CPU Intel Core i3 no SoC
supero el 30% de su capacidad.
Const.
Se utilizó la ecuación (3) para ajustar los Medida
fo k d g

valores medidos en tres ensayos para 2C 14,3 25 5,4 5,5

cada régimen de carga propuesto. La 3C 15,8 35 4,2 4,15
Tabla 11, muestra los valores para las 4C 15.3 20 3 2,95
constantes de ajuste. 2D 10,5 26 7,3 7

13
 5. Conclusiones y Un problema que presenta el control
difuso de carga y descarga de baterías es
Recomendaciones. la dificultad que este presenta cuando se
Con el control difuso de carga y descarga
requiere valores en los puntos extremos
se espera garantizar la carga del banco de
de las salidas, por ejemplo, cuando no
baterías hasta llegar a (SoC = 90%
existe irradiancia (Irr=0%), la corriente
equivalente a un Vbat = 14,2 voltios) en
de carga (IC) no llegue a ser 0, o a su vez,
tiempos inferiores a las horas sol
cuando la batería este totalmente cargada
promedio del día (≈ 5 horas), y su
(SoC=100%) la misma corriente no
descarga de forma regulada evitando que
pueda ser 0 también, esto se presenta
llegue a profundidades de descarga no
para todas las salidas del controlador lo
deseados (SoC < 20% equivalente a un
que implica agregar un control de tipo
Vbat = 11,4 voltios).
on-off para eliminar este problema, si el
El método de carga y descarga
SoC se encuentra en puntos intermedios
seleccionado no es el más adecuado
(20%<SoC<90%) no existen
según la literatura, pero el controlador
inconvenientes.
difuso mantiene la temperatura entre
El uso de baterías en tecnología de litio
15°C y 25°C, esto se logra limitando a
(li-ion, LiPo) proporcionaría una mayor
1C (equivalente a 0,35 amperios en el
eficiencia del banco de baterías debido a
experimento) la cantidad de corriente
su alta densidad energética superior a
que ingresa o sale de las baterías.
100 (Wh/Kg) a diferencia de las
Cuando el banco de baterías ha sido
variedades que ofrece la tecnología
cargado, el controlador envía energía
plomo-acido cuya densidad es
directamente al sistema eléctrico de esta
aproximadamente de 40 (Wh/Kg),
forma se aprovecha toda la energía
adicionalmente las baterías de litio
generada por el campo solar.
admiten al menos 2000 ciclos de carga-
Según el controlador la corriente óptima
descarga en comparación a las últimas
de descarga (ID) es 2C (0,7 A en el
tecnologías de plomo-acido (Gel, AGM)
experimento) y se activa únicamente si la
que soportan hasta 1200 ciclos.
demanda eléctrica lo requiere. La
corriente óptima de carga (IC) es 2,9C (1
A en el experimento) si se tiene una 6. Futuros trabajos.
irradiancia promedio del 60%, el Para poner en práctica los datos
controlador prefiere entregar energía simulados en este documento, se
hacia las baterías mientras estas no construirá un pequeño sistema capaz de
lleguen al 90% de su SoC. mantener una vivienda la cual tenga un
Los procesos de carga y descarga consumo promedio 1,5 (kW/h), se
mediante corriente constante (C-C) dimensionará el banco de baterías para
deben regularse por tiempos permitir de 5 a 6 horas el suministro de
aproximados que son determinados por energía, una vez ensamblado el sistema
los fabricantes en la ficha técnica de las se almacenarán los datos monitoreados
baterías, esta característica ayuda en la para su posterior análisis y mejoramiento
configuración adecuada del controlador del controlador difuso, esto también con
para garantizar la carga completa de las el motivo de aplicarlo en grandes escalas
baterías cada día ya que se ven afectadas promoviendo el uso de micro-
por la cantidad de horas sol (≈ 5 horas), generación.
por otro lado, el método utilizado exige
que el estado de carga de las baterías que 7. Referencias.
conforman el banco sea similar en todas, [1] T. Zhao and Z. Ding,
para evitar sobrecarga o sobre descarga “Cooperative Optimal Control
de alguna de ellas. of Battery Energy Storage

14
 System under Wind establishing the power grid
Uncertainties in a Microgrid,” advanced metering
IEEE Trans. Power Syst., vol. infrastructure by applying on-
33, no. 2, pp. 2292–2300, 2018. site working standard,” 2012,
[2] W. Congress and I. Control, pp. 550–555.
“Distributed MPC of the [9] B. L. Lawu, S. Fuada, S.
Standalone Hybrid Wind and Ramadhan, A. F. Sabana, and
Solar Generation System % A. Sasongko, “Charging
ased on Neural Network Supercapacitor Mechanism
Modeling,” pp. 2738–2742, based-on Bidirectional DC-DC
2016. Converter for Electric ATV
[3] P. S. Tekale, R. Ayyagari, S. D. Motor Application,” pp. 129–
Sudarsan, R. Jetley, and S. 132, 2017.
Ramaswamy, “Modeling and [10] A. S. Jacob, R. Banerjee, and P.
Analysis of FPGA based Power C. Ghosh, “Modelling and
Management System for simulation of a PV battery grid
Renewables,” 2017. backup system for various
[4] M. Nasir, S. Iqbal, and H. A. climatic zones of India,” Conf.
Khan, “Optimal Planning and Rec. IEEE Photovolt. Spec.
Design of Low-Voltage Low- Conf., vol. 2016–Novem, pp.
Power Solar DC Microgrids,” 1807–1812, 2016.
IEEE Trans. Power Syst., vol. [11] J. L. . Balenzategui,
2010, no. c, 2017. “Aproximación al Modelado de
[5] S. I. Ganesan, D. Pattabiraman, los Procesos de Carga y
R. K. Govindarajan, M. Rajan, Descarga en Baterías
and C. Nagamani, “Control Electroquímicas mediante
Scheme for a Bidirectional Ecuaciones Integrales,” p. 46,
Converter in a Self-Sustaining 1999.
Low-Voltage DC Nanogrid,” [12] W.-Y. Chang, “The State of
IEEE Trans. Ind. Electron., vol. Charge Estimating Methods for
62, no. 10, pp. 6317–6326, Battery: A Review,” ISRN Appl.
2015. Math., vol. 2013, no. 1, pp. 1–7,
[6] Y. Yang, Q. Ye, L. J. Tung, M. 2013.
Greenleaf, and H. Li, [13] O. Tremblay, “Experimental
“Integrated Size and Energy Validation of a Battery
Management Design of Battery Dynamic Model for EV
Storage to Enhance Grid Applications Experimental
Integration of Large-Scale PV Validation of a Battery
Power Plants,” IEEE Trans. Dynamic Model for EV
Ind. Electron., vol. 65, no. 1, Applications,” vol. 3, no.
pp. 394–402, 2018. October, pp. 289–298, 2015.
[7] H. Zhu, D. Zhang, H. S. Athab, [14] E. Garcia and I. Isaac, “Demand
B. Wu, and Y. Gu, “PV isolated response systems for integrating
three-port converter and energy- energy storage batteries for
balancing control method for residential users,” 2016 IEEE
PV-battery power supply Ecuador Tech. Chapters Meet.
applications,” IEEE Trans. Ind. ETCM 2016, 2016.
Electron., vol. 62, no. 6, pp. [15] H. L. Lopez-Salamanca, L. R.
3595–3606, 2015. Arruda, L. Magatao, and J. E.
[8] Z. Zheng et al., “Study on N. Rico, “Using a MILP model

15
 for battery bank operation in the Electron. Appl. EPE 2016
‘White tariff’ Brazilian ECCE Eur., 2016.
context,” IREC 2014 - 5th Int. [24] C. D. B. Mellado, “Estimación
Renew. Energy Congr., 2014. del estado de carga para un
[16] K. Sibi Krishnan, P. Pathiyil, banco de baterías basada en
and R. Sunitha, “Generic modelación difusa y filtro
Battery model covering self- extendido de Kalman,” p. 131,
discharge and internal 2013.
resistance variation,” 2016 [25] H. A. Serhan and E. M. Ahmed,
IEEE 6th Int. Conf. Power Syst. “Effect of the different charging
ICPS 2016, 2016. techniques on battery life-time:
[17] P. Kadam, G. Lahoti, and U. Review,” 2018 Int. Conf. Innov.
Shah, “Dynamic and compact Trends Comput. Eng., pp. 421–
control of PV standalone 426, 2018.
system,” 1st IEEE Int. Conf. [26] Consejo Nacional de
Power Electron. Intell. Control Eléctricidad, “Estudio Y
Energy Syst. ICPEICES 2016, Gestión De La Demanda
2017. Eléctrica,” Plan Maest. Electrif.
[18] B. Kosko, Fuzzy engineering. 2013 - 2022, vol. 2, p. 29, 2013.
PRENTICE HALL, 1996.
[19] T. Kottas, D. Stimoniaris, D.
Tsiamitros, and V. Kikis, “New
Operation Scheme and Control
of Smart Grids using Fuzzy
Cognitive Networks,”
PowerTech, pp. 1–5, 2015.
[20] J. Martinez Bertran, “Métodos
de estimación del estado de
carga de baterías electroquí
micas,” p. 53, 2017.
[21] G. L. Author, “Analysis of
Thermal Degradation of
Batteries to Aid Temperature
Control and Optimise Life .,”
2017.
[22] L. Raju, S. Gokulakrishnan, P.
R. Muthukumar, S.
Jagannathan, and A. A. Morais,
“Iot based autonomous demand
side management of a micro-
grid using arduino and multi
agent system,” 2017 Int. Conf.
Power Embed. Drive Control,
pp. 44–49, 2017.
[23] M. F. Bauomy, H. Gamal, and
A. A. Shaltout, “Dynamic
modeling of DC nanogrid local
branch using enhanced PV and
third order battery models,”
2016 18th Eur. Conf. Power

16
7.1 Estado del Arte
Tabla 12. Matriz de estado del arte

OPTIMIZACIÓN DEL PROCESO DE CARGA Y DESCARGA DE BANCOS DE BATERÍAS EN

SISTEMAS DE GENERACIÓN FOTOVOLTAICA
RESTRICCIONE PROPUESTAS PARA
FORMULACIÓN DEL SOLUCIÓN
DATOS TEMÁTICA S DEL RESOLVER EL
PROBLEMA PROPUESTA
PROBLEMA PROBLEMA

Mejorar la captacion de irradiancia

Conexion-desconexion de demanda
Respuesta de la demanda Electrica

Reducir temperatura de baterias

Cantidad de energia almacenada

Sistemas de generacion hibridos

Efectos de la temperatura en BB
Modelamiento de baterias (SoC)

Almacenamiento de Energia en

Sobrecarga y sobredescarga de

ALGORITMOS, HEURÍSTICA o

Alargameinto de Vida Util de

Tiempo de vida util baterias

Monitoreo en tiempo real

TÍTULO DEL ARTÍCULO

Variacion de Irradiancia
Generacion distribuida

Temperatura Baterias
Estado de carga (SoC)

METAHEURÍSTICAS
Energias Renovables

Integracion con SEP

Programacion lineal
Demanda Electrica

Salud de la Bateria
Auto sustentacion

Logica Difusa

Carga Rapida
Irradiancia
Microgrid

baterias

baterias

baterias
Control
CITAS
ITEM

AÑO

Distributed MPC of the Standalone Hybrid Wind

201
1
6
andSolar Generation System based on Neural Network 
Modeling
201 Modeling and Analysis of FPGA based Power
2
7 Management System for Renewables 
Integrated Size and Energy Management Design of
201
3
8
Battery Storage to Enhance Grid Integration of Large-  
Scale PV Power Plants
201 Credible Capacity Evaluation of a PV Plant with
4
7 Energy Storages Governed by MDP Control Strategy 
PV isolated three-port converter and energy-balancing
201
5
5
control method for PV-battery power supply 
applications
201 Cooperative Optimal Control of Battery Energy Storage
6
8 System under Wind Uncertainties in a Microgrid  
201 Demand response systems for integrating energy
7
6 storage batteries for residential users 
201 Using a MILP model for battery bank operation in the
8
4 ‘White tariff’ Brazilian context 
201 Optimal Planning and Design of Low-Voltage Low-
9
7 Power Solar DC Microgrids 
201 Control Scheme for a Bidirectional Converter in a Self-
10
5 Sustaining Low-Voltage DC Nanogrid 
Charging Supercapacitor Mechanism based-on
201
11
7
Bidirectional DC-DC Converter for Electric ATV Motor 
Application

17
 OPTIMIZACIÓN DEL PROCESO DE CARGA Y DESCARGA DE BANCOS DE BATERÍAS EN
SISTEMAS DE GENERACIÓN FOTOVOLTAICA
RESTRICCIONE PROPUESTAS PARA
FORMULACIÓN DEL SOLUCIÓN
DATOS TEMÁTICA S DEL RESOLVER EL
PROBLEMA PROPUESTA
PROBLEMA PROBLEMA

Reducir temperatura de baterias

Cantidad de energia almacenada

Sistemas de generacion hibridos

Efectos de la temperatura en BB
Modelamiento de baterias (SoC)

Almacenamiento de Energia en

Sobrecarga y sobredescarga de

ALGORITMOS, HEURÍSTICA o

Alargameinto de Vida Util de

Tiempo de vida util baterias

Conexion-desconexion de
Respuesta de la demanda

Monitoreo en tiempo real

TÍTULO DEL ARTÍCULO

Variacion de Irradiancia

Mejorar la captacion de
Generacion distribuida

Temperatura Baterias
Estado de carga (SoC)

METAHEURÍSTICAS
Energias Renovables

Integracion con SEP

Programacion lineal
Demanda Electrica

Salud de la Bateria
Auto sustentacion

Logica Difusa

Carga Rapida
Irradiancia

irradiancia
Microgrid

Electrica

demanda
baterias

baterias

baterias
Control
CITAS
ITEM

AÑO

201 Modelling and simulation of a PV battery grid backup

12
6 system for various climatic zones of India 
201 The State of Charge Estimating Methods for Battery: A
13
3 Review 
201 Experimental Validation of a Battery Dynamic Model
14
5 for EV Applications 
201 Generic Battery model covering self-discharge and
15
6 internal resistance variation  
201
16
7
Dynamic and compact control of PV standalone system  
199
17
6
B. Kosko, Fuzzy engineering. PRENTICE HALL, 1996 
201 New Operation Scheme and Control of Smart Grids
18
5 using Fuzzy Cognitive Networks 
201 Iot based autonomous demand side management of a
19
7 micro-grid using arduino and multi agent system 
Aproximación al Modelado de los Procesos de Carga y
199
20
9
Descarga en Baterías Electroquímicas mediante 
Ecuaciones Integrales
201 Analysis of Thermal Degradation of Batteries to Aid
21
7 Temperature Control and Optimise Life 
201 Métodos de estimación del estado de carga de baterías
22
7 electroquí micas   
201 Dynamic modeling of DC nanogrid local branch using
23
6 enhanced PV and third order battery models 
Estimación del estado de carga para un banco de
201
24
3
baterías basada en modelación difusa y filtro extendido 
de Kalman
201 Effect of the different charging techniques on battery
25
8 life-time: Review 
201
26
3
Estudio Y Gestión De La Demanda Eléctrica 
CANTIDAD
 : 3 9 7 6 7 10 10 15 3 8 4 3 3 9 10 10 12 9 12 2 3 14 5 6 2 8 5 12 6

18
 Figura 14. Resumen e indicadores del estado del arte
SOLUCIÓN DADA MEDIANTE
TEMÁTICA
Sistemas de generacion 14
hibridos 12
15
Almacenamiento de 10
10 Microgrid
Energia en baterias
8
5
6
Respuesta de la demanda
0 Auto sustentacion
Electrica 4
2
Energias Renovables Generacion distribuida 0
Mejorar la captacion de Carga Rapida Monitoreo en tiempo Alargameinto de Vida Cantidad de energia Conexion-desconexion
irradiancia real Util de baterias almacenada de demanda

Modelamiento de baterias
(SoC)

FORMULACIÓN DEL PROBLEMA

10
9
8
7
6
5
4
3
2
1
0
Logica Difusa Sobrecarga y Efectos de la Tiempo de vida util Variacion de Irradiancia Integracion con SEP
sobredescarga de temperatura en BB baterias
baterias

19