See discussions, stats, and author profiles for this publication at: [Link]

net/publication/329372714

Estrategia para la Gestión de una Micro Red

Article · December 2018

CITATIONS READS
0 452

6 authors, including:

Carlos María Chezzi José Jorge Penco

Universidad Tecnológica Nacional, Facultad Regional Concordia Universidad Tecnológica Nacional, Facultad Regional Concordia, Argentina
4 PUBLICATIONS 0 CITATIONS 4 PUBLICATIONS 0 CITATIONS

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Políticas de asignación de energía eléctrica en contextos de Smart Grid para el desarrollo sustentable View project

All content following this page was uploaded by Carlos María Chezzi on 03 December 2018.

The user has requested enhancement of the downloaded file.

 Estrategia para la Gestión de una Micro Red
Bordón, Cesar Francisco Chezzi, Carlos María
Schenberger, Leonardo Penco, José Jorge
Berterame, Franco
Grupo de Investigación en Modelado, Simulación y Control Grupo de Investigación en Modelado, Simulación y Control
Facultad Regional Concordia, UTN Facultad Regional Concordia, UTN
Concordia, Entre Ríos, Argentina Concordia, Entre Ríos, Argentina
fbordon@[Link] carlos_chezzi@[Link]
lschenbergerleonardo@[Link] jpenco@[Link]
fberterame@[Link]

Resumen— La matriz eléctrica de un país basada en generación las tecnologías de la información y las comunicaciones, lo que
hidroeléctrica y térmica a través de energías fósiles, requiere permite la implementación de sistemas de gestión eficientes [1].
incentivar el uso de alternativas renovables. Además, la industria
se enfrenta a costos energéticos que impiden su competitividad Una micro red inteligente comprende una porción de la red
económica. Una solución es la generación distribuida y la de distribución, generalmente en baja tensión, la cual contiene:
implementación de micro redes, con la incorporación de fuentes (i) clientes que requieren energía eléctrica, (ii) generadores
renovables de generación. En este contexto se requiere la gestión eléctricos de distintos tipos (solares fotovoltaicos, eólicos,
de la energía eléctrica, con la posibilidad de autoabastecerse, ser diesel, etc.) y (iii) sistemas de almacenamiento de energía. Ésta
proveedor y gestionar la distribución. El objetivo del trabajo es facilita la inclusión de la generación distribuida en las redes
plantear una estrategia para la gestión de una micro red. Se eléctricas convencionales, pues permite una coordinación
propone un algoritmo de asignación de energía y se lo aplica en exitosa entre los distintos generadores y una eficientemente
un caso de estudio a través de la simulación con el fin de evaluar gestión de la energía [1], [2].
escenarios distribuidos de generación y consumo energético.
Como resultado se obtiene un análisis técnico, económico y de La combinación de varias tecnologías de generación
sustentabilidad de la configuración adecuada de sistema eléctrico. renovable con los consumidores en una red controlada de forma
inteligente, da a conocer en tiempo real las cargas y la
Palabras claves— biomasa, caso de estudio, micro red, solar, generación del sistema. Esto posibilita el diseño de una red
políticas de asignación. inteligente mediante componentes de control y algoritmos que
tienen la capacidad de gestionar las cargas y la generación. De
I. INTRODUCCIÓN este modo establecen políticas con prioridades tales como el
La generación con fuentes renovables es importante, pero suministro de energía propio, minimización de costos y
además se observa la necesidad de gestionar las acciones de reducción Gases de Efecto Invernadero (GEI) [3].
todos los actores del sistema eléctrico: consumidores, Para el diseño de los algoritmos de control se requieren
generadores y distribuidores. La Ley Nacional N° 27.424, del reglas estratégicas que permitan gestionar la asignación de la
año 2017, fomenta la generación distribuida de energía generación distribuida de energía eléctrica a los usuarios, con
eléctrica. En su contenido la define como “a la generación de criterios que logren un equilibrio en lo que respecta a la
energía eléctrica a partir de fuentes renovables, por usuarios del eficiencia energética, los costos y las variables ambientales [4].
servicio público de distribución que estén conectados a la red
del prestador del servicio y reúnan los requisitos técnicos que El objetivo del trabajo es proponer un algoritmo de control
establezca la regulación para inyectar a dicha red pública los para la gestión de una micro red, aplicarlo por simulación en un
excedentes del autoconsumo’’. modelo del sector industrial y obtener indicadores económicos
y ambientales.
Para ello se deben proyectar nuevas estrategias de
coordinación que proporcionen un suministro seguro, En la Sección II se introduce al modelo conceptual de micro
económico y sostenible, con el uso de dispositivos de medición red, en la III se propone un algoritmo de control para su gestión,
y control y la posibilidad de líneas eléctricas con flujo de en la IV se describe un caso de estudio que simula la aplicación
potencia bidireccional. De este modo se aborda el concepto de del algoritmo, por último se muestran los resultados de la
redes eléctricas inteligentes, con sistemas que obtienen simulación del caso y se presentan las conclusiones.
mediciones en tiempo real de los flujos de potencia a través de
 II. MODELO CONCEPTUAL DE MICRO RED En el diagrama se han considerado como fuentes de ingreso
La administración de una micro red se puede realizar de energía la Red Primaria de distribución de corriente alterna,
mediante mediante tres procedimientos habituales: el sistema la generación a partir de Paneles Fotovoltaicos y el aporte que
de control centralizado, el descentralizado y el híbrido. provee un Generador a partir de biomasa. En el caso de los
paneles solares, el voltaje suministrado es de corriente continua,
El control descentralizado no requiere una comunicación motivo por el cual debe incluirse un equipo comercialmente
entre las unidades generadoras ya que con el monitoreo de las denominado Ondulador, cuya función es la conversión a
variables locales es suficiente para la toma de decisiones [5], el corriente alterna para poder ser acoplada a los circuitos internos
control centralizado, en cambio, requiere una de distribución.
comunicación entre todos los dispositivos, con lo cual el tiempo
de respuesta resulta una variable crítica a tener en cuenta, y por Todas estas fuentes aportantes de energía deben ser
último el híbrido que contempla una combinación de los monitoreadas en tiempo real por el sistema de control para
anteriores [6]. asegurar que los parámetros eléctricos se mantengan dentro de
los valores compatibles para permitir el acoplamiento al
La estabilidad del sistema de administración de la micro red circuito principal de distribución. Esta función es realizada por
se asegura mediante las acciones programadas en los sensores de voltaje y corriente cuyas magnitudes son
el algoritmo de control, en tanto que la fiabilidad se logra con enviadas mediante conversores analógico-digitales a las
una adecuada tecnología con la que se implementa dicho entradas del sistema de control que ejecuta el algoritmo de
sistema. decisión y produce las acciones necesarias de conexión o
desconexión en función de las pautas preasignadas y la
En lo referente al hardware de implementación se han
demanda de consumo existente.
efectuado diseños basados en los dispositivos MyRIO,
de National Instruments, el cual ejecuta un algoritmo Se han tenido en cuenta tres categorías diferentes de cargas.
programado y monitoreado mediante una interface gráfica Las críticas o esenciales que deben ser alimentadas en forma
creada en LabVIEW®, como en los proyectos desarrollados en permanente, las cargas controlables, a las que se les puede
[7] y [8]. También es posible utilizar un controlador basado en reducir la energía suministrada en tanto no se produzcan
lógica difusa, embebido en un dispositivo reconfigurable del perjuicios a la producción, y las cargas móviles a las que se
tipo FPGA (Field Programmable Gate Array) [9], el cual puede suministrar energía en diferentes periodos de tiempo a lo
permite ser rediseñado por software para optimizar la largo del día. Resulta necesario además que el sistema de
performance de operación. control pueda disponer de la información de cada uno de los
tipos diferentes de consumos, parámetros que también deberán
No obstante, para la administración de una micro red de
ser obtenidos mediante un sistema de adquisición de datos y
características básicas puede ser suficiente implementar el
conversión analógica-digital para poder ser interpretados por el
algoritmo de decisión en plataformas de hardware de bajo costo
algoritmo de decisión.
tales como Arduino o Raspberry Pi guardando los recaudos
necesarios frente a transitorios y ruido eléctrico. En la Figura 1 La configuración descripta puede ser optimizada con la
se observa una topología posible para la configuración del incorporación de otras fuentes alternativas como las eólicas,
hardware de administración de la micro red, basada en el hidráulicas y la incorporación de bancos de baterías que pueden
concepto de control centralizado donde la comunicación interna almacenar cierta cantidad de energía durante los períodos de
resulta un aspecto relevante para la coordinación de las baja demanda y posibilitan disponer de ella en los momentos de
acciones. corte de suministro de la red externa para abastecer las
demandas esenciales

Figura 1. Configuración de topología del hardware de administración

 III. ALGORITMO DE CONTROL Algoritmo 1: Gestión de la red interna
1: // Se verifica el estado de la red de distribución: True:
El algoritmo de control de una micro red centralizada toma presencia y False: ausencia de tensión.
decisiones de asignación de energía en función de los datos de 2: if Red = True then
generacion y consumo. Se propone un algoritmo con el fin de 3: if ECB = False then
administrar la demanda, procurando la reducción del consumo ECdeRed = Demanda - GBiomasa - GSolar
de energia proveniente de la red externa, con la generacion con 4: else
5: ECdeRed = Demanda-GBiomasa-GSolar+cb
fuentes renovables en la red interna. 6: endif
La demanda se la define como primaria para de las que no 7: endif
8: else
pueden ser provistas de suministro eléctrico, la secundaria es la 9: ECdeRed = 0
necesaria para el normal funcionamiento de la empresa y la 10: endif
terciaria es la no escencial. Con las demanda primaria y
secundaria se dimensionan los equipos de generación. Para el mismo se toman en cuenta los indicadores de la
La selección de las tecnologías de generación con Secretaría de Ambiente y Desarrollo sustentable de la Nación
renovables se basa en los recursos disponibles localmente. En en relación con los factores de emisión de CO2 de la red
este caso se corresponden con solar fotovoltaica y biomasa. Argentina de energía eléctrica. Considerando las mediciones
históricas del Indicador CO2/kWh, que considera el promedio
Para la elaboración del algoritmo se determinan reglas de emisiones al valor de 0,319 Kg/kWh [11].
heurísticas con las siguientes prioridades: (i) la energía solar
generada se destina a mantener el banco de baterías en tensión í + í ∗ (1)
de flote y cubrir la demanda en horas diurnas (ii) la generacion
con biomasa reduce el consumo de la red externa [10] (iii) en Algoritmo 2: Gestión de la carga de batería
caso de excedente de energía, éste se inyecta a la red externa y 1: ECB = False
(iv) el banco de baterías es utilizado para satisfacer la demanda 2: // Se verifica el estado de la red de distribución: True: presencia
primaria en caso de corte de suministro de la red de y False: ausencia de tensión.
distribución. 3: if Red = True then
4: //Se comprueba la carga de baterías
La Tabla I presenta las constantes y variables utilizadas en 5: if CargaB < CapacidadB Then
el algoritmo. 6: //Se evalúa la generación con biomasa
7: if GBiomasa >= Demanda then
TABLA I: DEFINICIÓN DE CONSTANTES Y VARIABLES DE LOS ALGORITMOS 8: if GSolar > 0 then
9: if Gsolar > cb then
Constantes 10: CargaB = CargaB + cb
cb: consumo de carga de la batería [kWh] 11: ECB = True
CapacidadB: capacidad máxima de carga de la batería [kWh] 12: else
13: CargaB = CargaB + Gsolar
Variables de Entrada
14: ECB = True
Demanda: consumo eléctrico [kWh]
15: end if
ECB: estado de carga de la batería [kWh]
16: else
CargaB: Carga parcial del banco de baterias [kWh]
17: if GBiomasa > Demanda then
GBiomasa: generación con biomasa [kWh]
18: If GBiomasa - Demanda >= cb then
GSolar: generación solar [kWh]
19: CargaB = CargaB + cb
Red: estado de la red de distribución externa [kWh]
20: ECB = True
Variables de Salida 21: else
ECdeRed: energía consumida de la red [kWh] 22: CargaB = CargaB + GBiomasa - Demanda
23: ECB = True
24: end if
Para una mejor comprensión se presenta el algoritmo de 25: end if
control en dos partes. En el Algortimo 1 se esquematiza el 26: end if
comportamiento de la red interna con la interaccion de la 27: else
generación de solar, banco de baterías y biomasa, mientras que 28: If GBiomasa + Gsolar >= Demanda then
29: If GBiomasa + Gsolar - Demanda >= cb then
en el Algoritmo 2 se incorpora la gestión de cargas del banco 30: CargaB = CargaB + cb
de baterías. 31: ECB = True
32: else
El Algoritmo 1 compara los valores de generación y 33: CargaB=CargaB+GBiomasa+GSolar-Demanda
demanda interna para decidir si se toma o se inyecta energía a 34: ECB = True
la red externa. 35: end if
end if
En el Algoritmo 2 se evalúan todos los posibles eventos para 36: end if
que el equipo de almacenamiento comience el proceso de carga, 37: end if
dependiendo de los valores de generacion y consumo. 38: else
39: if CargaB >= DemandaP then
En (1) se presenta la ecuación para el cálculo del indicador 40: CargaB = CargaB - DemandaP
ambiental, que consiste en el producto de las energías generadas 41: ECB = True
con fuentes renovables por el factor de emisión (fe) de CO2. 42: end if
43: end if
 IV. CASO DE ESTUDIO TABLA II: DEFINICIÓN DE LOS ESCENARIOS

A. Situacion de la Empresa
Generador Solar Potencia del Banco
Una empresa regional dedicada al rubro maderero se Generador de
Escenarios Cantidad Potencia del
enfrenta al problema de los altos costos de la factura de energía de inversor
a Biomasa Baterías
eléctrica y la necesidad de minimizar el consumo de Paneles (kWp)
(kW) (kVA)
combustibles fósiles para activar generadores ante el corte del 1 108 30 50 5
suministro eléctrico. Además, se requieren espacios para el 2 72 20 40 5
almacenamiento de los residuos de la madera, una logística para 3 36 10 25 3
su posterior traslado al lugar de deposición o en su defecto ser
quemados o vendidos a un bajo costo. En base a los datos de
Las variables utilizadas como datos de entrada al algoritmo
demanda obtenidos por las facturas eléctricas de los último doce
son las siguientes:
meses y la cantidad de residuos brindados por el cliente se
plantea un modelo de micro red que procure maximizar la GBiomasa: se distribuyen los residuos diarios disponibles,
relación costo beneficio de la instalación y minimizar la de manera que el generador funcione al 50 % de su capacidad
emisión de gases a la atmósfera. de 6 h a 18 h (hora resto) y al 100 % de 18 h a 22 h (hora pico).
Estos porcentajes de distribución se determinan en función de
La demanda eléctrica es en promedio de 14623 kWh
la cantidad de residuos disponibles para la generación y los
mensual para el período julio 2017 a julio 2018 y la potencia
costos de la energía eléctrica. [12]
contratada es de 100 kW por mes, por lo cual se lo califica como
un gran usuario y con actividades laborales de lunes a viernes GSolar: se obtiene un valor de generación por metro
de 6 h a 22 h. cuadrado de panel en función de los datos de irradiación de la
región [13].
B. Solucion Propuesta
Para abordar la solución a los problemas de la empresa se El proceso de simulación consiste en: (i) determinar el
propone la implementación del algoritmo de control de la consumo y la generación (GBiomasa y GSolar) por hora
Sección III. Se diseña un modelo de una micro red, se lo durante un día, (ii) aplicar el algortimo y obtener el estado de
implementa en una planilla de cálculo con base en los consumo energético de la red en igual período, (iii) a partir de
Algoritmos 1 y 2 y se simula el comportamiento del sistema dicho estado establecer la política de decisión sobre la base de
para el período de un año. las alternativas posibles de ingreso de energía, (v) repetir los
pasos (i) a (iii) por cada hora durante 24 horas para representar
De acuerdo a los datos de demanda y los residuos el comportamiento diario.
disponibles se considera una micro red que contemple un
generador a biomasa y uno solar fotovoltaico; para el caso de Se extiende la simulación realizando el procedimiento para
corte de suministros se propone un banco de baterías destinado los doce meses de un año, con el fin de evaluar la incidencia de
a suministrar energía exclusivamente a las cargas críticas. Los la irradiación solar de acuerdo a la estación y, por otra parte, la
equipos de generación y almacenamiento se dimensionan en cantidad de residuos aportados de acuerdo a los niveles de
base a los parámetros definidos en el modelo del caso en producción. Para el análisis económico se obtiene la
estudio. facturación por mes del año simulado, así como el flujo de
fondos de la inversión.
La organización de la planilla de cálculo consta de: (i) una
hoja de datos de la empresa que contiene los valores de La selección del escenario adecuado se fundamenta en el
demandas diarias categorizadas en críticas, controlables y análisis de los datos de generación y los ahorros de dinero en la
móbiles, (ii) una hoja con las características de los equipos de facturación.
generación y almacenamiento dimensionados, (iii) una hoja de V. RESULTADOS DE LA SIMULACIÓN
cálculo, que permite determinar el estado del sistema eléctrico
cada hora y (iv) dos hojas con información de datos de salidas En Tabla III, Tabla IV y Tabla V se presentan los resultados
de (iii) correspondientes a facturaciones y flujo de fondos de la mensuales de la demanda total, la generación solar, la
inversión. generación con biomasa en sus dos horarios y el excedente de
energía eléctrica inyectada a la red. En todos los casos las
C. Escenarios de simulación y parámetros de entradas fluctuaciones observadas respecto de la demanda responden a
Se consideran tres escenarios de operación de la micro red, las variaciones de producción, en tanto la generación solar
que se presentan en la Tabla II. Para el diseño de los escenarios resulta afectada por la epoca del año y la generación con
se toman como base las demandas críticas y controlables en las biomasa en relación a la cantidad de días de producción en el
horas de producción y se proponen tres sistemas de diferentes mes.
potencias, con recursos de mayor a menor capacidad. En el escenario 1 (Tabla III) se observan mayores
Se considera que cada panel tiene una superficie de excedentes mensuales respecto a los escenarios 2 (Tabla IV) y
generación de 1,6 m2, con una potencia de 270 Wp. 3 (Tabla V). Debe evaluarse este resultado a efecto de
cuantificar el impacto económico que representa la venta de la
energía inyectada.
 TABLA III: CONSUMO, GENERACIÓN Y EXCEDENTE DE ENERGÍA MENSUAL TABLA VI: RESUMEN ECONÓMICO Y REDUCCIÓN DE GEI
DEL ESCENARIO 1
Periodo de Reducción de
Inversión TIR
Escenario Recupero VAN [$] GEI anual
GSolar GBiomasa Excedente [$] [%]
Demanda [años] [tnCO2]
Meses [kWh] [kWh]
[kWh] [kWh] [kWh] 1 2.620.644 4 5.912.754 38 65
h resto h pico
2 1.956.091 3 5.093.762 40 50
jul-17 14475 1860 9555 3780 6957,95
3 1.096.959 3 3.892.651 44 30
ago-17 13575 2790 9555 3780 7437,95
sep-17 16080 3600 9100 3600 4986,00
oct-17 14970 5115 9555 3780 6485,00 Por otro lado en la Tabla VII se observa el ahorro obtenido
nov-17 19665 5400 9100 3600 2130,00 para los tres escenarios considerando una facturación, sin la
dic-17 18315 6045 9555 3780 4109,00
micro red instalada, de $1.316.919 anual. El tercer escenario
ene-18 11820 6045 9555 3780 9221,00
feb-18 9360 5040 8190 3240 9812,00
representa el de mayor rendimiento económico, con un ahorro
mar-18 12105 4650 9555 3780 8957,00 del 59.82 %.
abr-18 13260 3150 9100 3600 7338,00
Si bien en primera instancia se aprecia que el escenario 1 es
may-18 15420 2790 9555 3780 6245,00
jun-18 16440 2250 9100 3600 6043,55
el de mayor capacidad de generación y de excedentes, el
análisis económico determina que el perìodo de retorno de la
inversión realizada es un año mayor respecto a las demás. Esto
TABLA IV: : CONSUMO, GENERACIÓN Y EXCEDENTE DE ENERGÍA MENSUAL permite inferir que la alternativa del escenario 3 resulta la
DEL ESCENARIO 2
adecuada dado que el beneficio de inyectar excedentes no tiene
un impacto economico significativo en el caso planteado.
GSolar GBiomasa Excedente
Demanda
Meses [kWh] [kWh] TABLA VII: MONTOS DE FACTURACIÓN ANUALES
[kWh] [kWh] [kWh]
h resto h pico
jul-17 14475 1240 7644 3024 3020,95 Porcentaje
ago-17 13575 1860 7644 3024 3500,95 Escenarios Con Micro Red
de Ahorro
sep-17 16080 2400 7280 2880 3649,85 1 $ 904.910,20 68,71 %
oct-17 14970 3410 7644 3024 2548,00 2 $ 747.590,13 56,77 %
nov-17 19665 3600 7280 2880 2944,62 3 $ 529.115,05 40,18 %
dic-17 18315 4030 7644 3024 4560,15
ene-18 11820 4030 7644 3024 5284,00
feb-18 9360 3360 6552 2592 6256,00 VI. CONCLUSIONES
mar-18 12105 3100 7644 3024 5020,00
abr-18 13260 2100 7280 2880 3528,00 Se propone un algoritmo de control para la gestión de una
may-18 15420 1860 7644 3024 2308,00 micro red que incorpora generación con fuentes renovables. La
jun-18 16440 1500 7280 2880 2233,55 implementación del mismo por simulación, en el caso de
estudio planteado, demuestra que es factible alcanzar beneficios
económicos y ambientales a partir de la incorporación de una
TABLA V: : CONSUMO, GENERACIÓN Y EXCEDENTE DE ENERGÍA MENSUAL
DEL ESCENARIO 3
micro red en la industria. La estrategia de trabajo desarrollada
permite evaluar diferentes escenarios de configuración de
GSolar GBiomasa Excedente micro redes y analizar su factibilidad previo a su
Demanda implementación; así como especializar los parámetros de
Meses [kWh] [kWh]
[kWh] [kWh] [kWh]
h resto h pico entrada de modo que se pueda ajustar a una curva de demanda
jul-17 14475 620 4777,5 1890 109,71 diaria en lugar de un promedio. El algoritmo propuesto puede
ago-17 13575 930 4777,5 1890 577,72 utilizarse como base para la implementación del sistema de
sep-17 16080 1200 4550 1800 0,00
control que administra la micro red.
oct-17 14970 1705 4777,5 1890 239,92
nov-17 19665 1800 4550 1800 0,00
REFERENCIAS
dic-17 18315 2015 4777,5 1890 0,00
ene-18 11820 2015 4777,5 1890 2015,42 [1] P. Kalkal and G. Vijay Kumar, “Transition from Convencional to
feb-18 9360 1680 4095 1620 922,00 Modern Grids. Mother Grid include Microgrid and Smartgrid”, in Proc.
mar-18 12105 1550 4777,5 1890 1604,50 2017 4° IEEE International Conference on Signal Processing,
abr-18 13260 1050 4550 1800 663,00 Computing and Control, pp. 223-228.
may-18 15420 930 4777,5 1890 120,58 [2] F. Katiraei, R. Iravani, N. Hatziargyriou, and A. Dimeas, “Microgrids
jun-18 16440 750 4550 1800 38,90 management: Controls and operation aspects of microgrids,” IEEE
Power and Energy Magazine, Vol. 6, No. 3, pp. 54-65, 2008.
[3] C. Bordons, F. Garcia-Torres y L. Valverde, “Gestión Óptima de la
Energía en Micro Redes con Generación Renovable”, Revista
Como complemento a los datos técnicos anteriores se Iberoamericana de Automática e Informática Industrial, vol. 12, n° 2, pp.
presentan el análisis económico y la reducción de GEI en la 117-132, 2015.
Tabla VI. [4] A.-L. Toba, [Link], M. Amissah and S. Bouazzaoui, “An approach for
DEVS based modeling of electrical power systems”, in Proc. 2017
Del análisis del VAN y TIR se observa que el escenario 3 Winter Simulation Conference, pp 977-988.
es el de mayor rentabilidad. Además, se destaca que el mismo [5] S. Anand, B. G. Fernandes and J. Guerrero, “Distributed control to
es el de menor excedente de energía y mejor distribución de los ensure proportional load sharing and improve voltage regulation in low-
recursos disponibles. Asociado a la generación se logra una voltage DC microgrids”. IEEE Transactions on Power Electronics, vol.
28, n° 4, 2003, pp. 1900-1913.
reducción de GEI de 30 tnCO2.
[6] A. De los Santos Vázquez, E. J. Segura, y N. V. Cruz, “Modelado control [10] Decreto Nº 4315 de la Provincia de Entre Ríos (2016) “Régimen de
y simulación de elementos básicos que componen una micro red de CD”. fomento nacional para el uso de fuentes renovables de energía destinada
REDIB, vol. 36, n° 112, 2016, pp. 797-817. a la produccion de energía eléctrica”, [Link]
[7] R. K. Chauhan, C. Phurailatpam, B. S. Rajpurohit, , F. M. Gonzalez- [11] F. Bordón, F. Berterame, C. Ma. Chezzi, R. Lerman y J. J. Penco y A. R.
Longatt and S. N. Singh, Demand-Side Management System for Tymoschuk, “Evaluación por simulación para el análisis económico de
Autonomous DC Microgrid for Building. Technology and Economics of la incorporación de energías renovables en las políticas de consumo
Smart Grids and Sustainable Energy, vol. 2, n° 1, Mar. 2017. industrial”. En Memorias del X Congreso Argentino de Ingeniería
[8] I. A. Mitulet, A. Nedelcu, S. Nicolaie, and R. A. Chihaia, Labiew design Industrial, noviembre de 2017.
and simulation of a small scale microgrid, 2016. [12] Cuadro Tarifario de la Provincia de Entre Ríos. [Online]. Disponible en
[9] O. Montiel, Y. Maldonado, R. Sepulveda and O. Castillo, Simple tuned [Link]
fuzzy controller embedded into an FPGA, in Proc. IEEE 2008 Fuzzy [13] H. Grossi Gallegos, H. R. Righini, Atlas de Energía Solar de la
Information Processing Society, Annual Meeting of the North American., República Argentina. Universidad Nacional de Luján, 2017.
pp. 1-6.

View publication stats