Depósito Campus Casa Central Valparaíso
Permanent URI for this collectionhttps://repositorio.usm.cl/handle/123456789/73009
Browse
Browsing Depósito Campus Casa Central Valparaíso by Author "Aguero Vásquez, Juan Carlos"
Now showing 1 - 3 of 3
- Results Per Page
- Sort Options
Thesis Diseño e implementación de un algoritmo para la estimación de estados en sistemas no lineales: aplicación al estado de carga en baterías de ion-litio(Universidad Técnica Federico Santa María, 2026-02-23) Castro Quiroz, Trinidad Asunción; Silva Jiménez, César Armando; Cedeño Nieto, Ángel Leonel; Departamento de Electrónica; Aguero Vásquez, Juan CarlosLa estimación precisa del estado de carga (SOC) en baterías de ion–litio es fundamental para la gestión energética y la seguridad en sistemas de alto desempeño. Sin embargo, la no linealidad de la relación entre la tensión en circuito abierto (OCV) y el SOC limita la efectividad de los métodos de filtrado clásicos. Este trabajo aborda dicho desafío mediante el diseño e implementación de un algoritmo de estimación basado en el filtro de suma de gaussianas (GSF), dando lugar a una versión modificada denominada en este trabajo GSF–M. La metodología propuesta utiliza una aproximación lineal por tramos para modelar la no linealidad de la medición. La innovación clave consiste en representar las funciones indicatrices de cada tramo mediante mezclas de gaussianas, lo cual permite derivar expresiones analíticas cerradas durante la etapa de corrección del filtro bayesiano. El desempeño del GSF-M se evalúa sobre un modelo eléctrico equivalente de una batería de ion-litio, utilizando tanto simulaciones como datos experimentales obtenidos mediante un emulador de celdas programable. Los resultados muestran que el GSF-M logra estimaciones más precisas que los métodos basados en Kalman, alcanzando un desempeño comparable al del filtro de partículas con aproximación PWL (PF-PWL), evidenciado por los bajos valores de error cuadrático medio en todos los escenarios. En conjunto, los resultados confirman la validez del enfoque propuesto y su potencial aplicación en sistemas de gestión de baterías de ion–litio.Thesis Implementación de control predictivo en plantas PV utilizando MILP(Universidad Técnica Federico Santa María, 2024-08) Cruz Carreño, Diego Alejandro; Cedeño Nieto, Ángel Leonel; Carvajal Barrera, Gonzalo Andrés; Departamento de Electrónica; Aguero Vásquez, Juan CarlosEste proyecto contempla el uso de control predictivo (MPC) aplicado a plantas fotovoltaicas(PV) y a su sistema de almacenamiento de energía en baterías (BESS), utilizando como algoritmo de optimización un modelo de programación lineal entera y mixta (MILP), donde el objetivo es maximizar el rédito económico de la planta fotovoltaica. Temas como el modelado de plantas fotovoltaicas con sistema de bancos de batería son tratados en éste documento con el objetivo de aplicar un esquema de control predictivo utilizando programación lineal entera y mixta, esto con la ayuda del solver "Cplex''. Para poder utilizar Cplex se utilizara el entorno de programación "MATLab'', el cual permite utilizar su solver para MILP como complemento. Además MATLab nos permite generar gráficos donde se pueden ver los resultados sencillamente.Thesis Optimización de producción de hidrógeno verde a través de control MPC(Universidad Técnica Federico Santa María, 2024-08) Fernández Vilches, Gustavo Javier; Cedeño Nieto, Ángel Leonel; Silva Jiménez, César Armando; Departamento de Electrónica; Aguero Vásquez, Juan CarlosEste trabajo propone un esquema de control basado en modelos que utiliza programación lineal para una planta de hidrógeno verde con almacenamiento en baterías. El objetivo de control es maximizar la producción de hidrógeno ajustando la carga o descarga de un banco de baterías. El algoritmo de control se alimenta con información sobre la producción solar y el estado de las baterías durante una semana para determinar la cantidad óptima de energía a almacenar en las baterías con el fin de maximizar la producción horaria de $H_2$. Las simulaciones se realizan con diferentes valores de horizonte de predicción y utilizando diferentes algoritmos de resolución. Los resultados indican que el uso de un horizonte de predicción más largo favorece la robustez del banco de baterías ante posibles escenarios no programados y la elección de un algoritmo de resolución está sujeta a varios factores, incluido el uso de la memoria de la computadora y el estrés de carga y descarga de la batería.
Política de Privacidad 
