Documente Academic
Documente Profesional
Documente Cultură
I. Introduccion
La energa cinetica que esta contenida en las corrientes de aire, y que es extraida por las turbinas e
olicas
para generar energa electrica es una de las fuentes
renovables con mayor crecimiento en el mundo. Se
desea que estas turbinas maximicen la energa generada,
siempre y cuando se puedan mantener condiciones
seguras de operacion. Para esto, el control tiene un
papel muy importante en el estudio de la conversi
on y
extraccion segura de la energa disponible en el viento.
En la literatura se pueden encontrar trabajos donde se
lleva a cabo el dise
no y la simulaci
on de controladores
a traves de diferentes tecnicas que buscan mejorar el
funcionamiento de las turbinas e
olicas y que hacen uso
de modelos heursticos para la potencia mecanica, (P ),
y del coeciente de potencia, (Cp ), de la turbina. En
(Heier, 1998) se puede encontrar un modelo que se
utiliza frecuentemente y que est
a dado por
P =
1
Cp (, )AR x 3
2
y
=
Cp = 0.5
0.35
0.3
0.25
0.2
0.15
0.1
(1)
0.05
0
0
8
10
12
[adimencional]
14
16
18
20
(2)
Figura 1.
Curvas caracteristicas de Cp vs , para distintos
ngulos de ataque.
a
con
0.035
1
1
=
i
+ 0.08 3 + 1
=0
=1
=2
=5
=7
= 10
= 12
= 15
= 20
= 21
= 25
= 30
0.4
116
21
0.4 5 e i
i
(4)
0.45
donde
R
x
Aqu,
AR es el
area de barrido por la turbina
Cp es el coeciente de potencia
x
es la velocidad del viento
es la densidad del viento
es la velocidad de punta en la h
elice
es el
angulo de ataque de la helice
R es el radio de las h
elices
es la velocidad angular
En la Fig. 1, se observan las curvas caractersticas del
coeciente de potencia (Cp ) dados por (2).
Cp [adimencional]
(3)
Investigaci
on apoyada por los proyectos CONACYT 47583 y
UNAM-PAPIIT IN109306
Estudiante de posgrado, JVillanuevaMa@iingen.unam.mx
Investigador, alvar@pumas.iingen.unam.mx, corresponsal.
Cp = 0
(9)
(10)
1
0.08
0.035
0.4 + 5
+ 3
116
+1
Si se utiliza (7) y (11) se llega a
=
(5)
4.06
(0.4 + 5) + 3
+
1
r=R
4.06
116 0.08 (0.4 + 5) + 3
+1
De esta manera, Cp esta dado por
116
21
0.4 5 e i
Cp = sgn( )0.5
i
(13)
0.5
0.4
0.3
x m = 0
(6)
R
m
1
(7)
=
r
x
Cp [adimencional]
0.2
dada por
x r
,
x m
(12)
=
(11)
0.1
0
0.1
0.2
=0
=1
=2
=5
=7
= 10
= 12
= 15
= 20
= 21
= 25
= 30
0.3
0.4
0.5
1.5
o, si se despeja a , se tiene
x
r
=
1
x m
R
(8)
Figura 2.
0.5
0
0.5
[adimencional]
1.5
Curvas caracteristicas de Cp vs .
(15)
con
g(x r ) = Fc + (Fs Fc )e(x r /x s )
(16)
x r = x r
(17)
(18)
(19)
0.5
0.5
1.5
0
100
200
y
= [z
|x r |z]
(21)
Cp =
(22)
Figura 3.
300
400
500
600
tiempo [seg]
700
800
900
1000
Se
nal de exitaci
on vs tiempo.
0.03
0.6
0.02
0.5
0.4
0.01
0.2
Cp - Cp
Cp[-], Cp [-.-]
0.3
0.1
0
0.01
0.1
0.2
0.02
0.3
0.4
0
50
100
150
200
250
300
tiempo [seg]
350
400
450
0.03
0
500
100
300
400
500
600
700
800
900
1000
tiempo [seg]
0.08
0.04
0.06
0.03
0.04
0.02
0.01
0.02
Cp - Cp
Cp [-], Cp[-.-]
200
0.01
0.02
0.02
0.04
0.03
0.06
0
50
100
150
200
250
300
350
400
450
0.04
0
500
100
200
300
tiempo [seg]
400
500
600
700
800
900
1000
tiempo [seg]
p (lnea punteada) vs
Figura 4. Se
nal de Cp (lnea continua) y C
tiempo. Caso 1.
Figura 5.
Se
nal de error vs tiempo. Caso 1.
x 10
0.04
codicara la variaci
on observada. El resultado obtenido
se puede ver en la Fig. 7. Las ecuaciones (23) - (26)
representan la codicacion lograda para representar la
dependencia de i sobre . Puede notarse que estas
ecuaciones presentan un alto grado de complejidad en
.
0.03
0.02
1
0.01
2
200
400
600
800
tiempo [seg]
0
0
1000
+ 3.2925 10
10 0.1
3.8531 10
10
0.06
+ 3.7778 10
+ 8.3556 1012
2.4
1000
1
0
2.6
(23)
600
800
tiempo [seg]
12 1.4
0 = 5.2925 10
2.5
1000
x 10
x 10
2.2
14
500
tiempo [seg]
2.8
200
400
600
800
tiempo [seg]
1000
1
200
400
1 = 0.000883882.2 0.00142012.1 +
2 = 1.541 10
12.1 /20
22
+ 1.42 10
11.9
(24)
(25)
(26)
B. Caso 2
Para mejorar los resultados del Caso 1, se busco otra
forma de representaci
on con k2 =1.1, 3 =0 y k1 dada
por
(27)
x 10
0.04
1 [-], 1 [-*-]
0 [-], 0 [-*-]
2
0
0.035
0.6
0.03
0.5
0.025
0.4
0.02
0.3
Cp[-], Cp []
0.015
0.01
4
0
10
15
20
25
0.005
0
30
10
15
20
25
30
0.2
0.1
0
2.5
0.1
x 10
x 10
0.2
3 [-], 3 [-*-]
2 [-], 2 [-*-]
3
3.5
4
4.5
0.3
0.4
0.4
0
10
15
20
25
1
0
30
50
100
150
200
0.6
10
15
20
25
250
300
tiempo [seg]
350
400
450
500
0.8
5
5.5
0
0.2
30
0.06
0.04
Par
ametros [-] y
[-*-] vs , para el Caso 1.
0.02
Cp [-], Cp[]
Figura 7.
0.02
0.4
0.04
0.35
0.3
Cp [-] y Cp [-.-]
0.06
0
50
100
150
200
250
300
350
400
450
500
tiempo [seg]
0.25
0.2
0.15
p (linea punteada) vs
Figura 9. Se
nal de Cp (linea continua) y C
tiempo, para el Caso 2.
0.1
0.05
0
0.2
Figura 8.
0.4
0.6
0.8
1.2
(28)
Se puede observar que este modelo depende directamente de x r , el cual es uno de los objetivos principales
de este trabajo. Realizando el mismo procedimiento
de parametrizacion y estimaci
on que en el Caso 1,
se obtuvieron los siguientes resultados; en la Fig. 9
se puede ver que en la gr
aca (a) se mantiene una
muy buena estimacion, y en (b) se ve que se mejoro
notablemente. Esto tambien se observa en la Fig. 10,
que muestra el error de estimacion para ambos casos.
En (a) se observa que el error se mantiene con la
misma magnitud, mientras que en (b), este se redujo.
on
Al momento de codicar los par
ametros i en funci
de se tuvo el mismo grado de complejidad en las
ecuaciones. El resultado global se puede observar en la
Fig. 11, donde se muestran las curvas de Cp . En dicha
gura se puede ver que el error que se presenta es de
20%, mayor al del caso anterior.
+ 2.4537 10
0.00081731.1 + 0.0014990.8
0.000209910.0006 0.00097305 (33)
C. Caso 3
Para reducir el error que se presenta en los casos
anteriores se realizo la estimacion en dos partes, en
relacion a los valores de . Esto tiene la desventaja
(30)
0.1
0.4
0.08
0.06
0.3
0.04
0.2
0.02
0.1
Cp [-], Cp []
0.02
0.04
0.08
0.1
0
0.1
0.06
0.2
100
200
300
400
500
600
700
800
900
1000
tiempo [seg]
0.3
0.4
1
0.5
0.5
0.1
0.08
0.06
Figura 12.
0.04
0.02
0.02
V. Conclusiones
0.04
0.06
0.08
0.1
0
100
200
300
400
500
600
700
800
900
1000
tiempo [seg]
Se
nal de error vs tiempo, para el Caso 2.
0.5
0.45
0.4
Cp [-], Cp [-.-]
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0
Figura 11.
0.2
0.4
0.6
0.8
1.2
Referencias