Archivo para octubre, 2012


Please, I need support in passage Lima -> Moscow -> Lima from Date departure 4 Nov 2012 return 10 Nov 2012 for my undergraduate student Mario del Pino to The Fourth International organized by Gubkin University Student Scientific and Practical Conference “Oil &Gas Horizons” please send email to me jorgemirez2002@gmail.com or mario_delPino_91@hotmail.com
http://www.spe-gubkin.org/index.php/ogh-conference/oil-gas-horizons-conference-2012

ResSim Project
National University of Engineering.  Lima, Peru
Author: Mario Antonio del Pino Fiorillo s Student of the Petroleum and Natural Gas Engineering career at the National University of Engineering
The ResSim Project

Download Abstract in PDF:   ResSim_Project_Summary

Anuncios

Las redes neuronales son otra técnica del control inteligente que se basa en la forma como trabaja el cerebro humano a través del aprendizaje automático y del entrenamiento. El control de los Sistemas de Conversión de Energía Eólica – SCEE no ha sido ajena a esta técnica de inteligencia artificial y se han desarrollado diferentes controladores con un objetivo común que es mejorar el desempeño de los SCEE. A continuación se revisan algunas investigaciones que han abordado el tema.

En K. L. Shi y Li (2004); Li y colegas (2005) se mostraron las ventajas de la aplicación de una red neural para una pequeña turbina eólica, en donde se verificó la estimación rápida y precisa de la velocidad del viento actual sin el uso del anemómetro y se observó que la potencia mecánica máxima puede ser obtenida en estado estable y dinámico. Adicionalmente, a la red neural se le agregó una función de compensación con el fin de evitar que el coeficiente de potencia se desviara de su valor óptimo. A continuación se presenta la red implementada:

En 2006, Zhang y Li, propusieron una red neural con el fin de estimar el valor de la velocidad del viento sin la utilización de sensores teniendo cmoo entradas a la potencia en el eje del generador y la velocidad angular de la turbina. Esta red fue implementada en una tarjeta FPGA (fiel-programmable-gate array) y fueron realizadas diferentes simulaciones con una turbina eólica pequeña, con mejores resultados con respecto a métodos tradicionales.

En 2006, Bati y leabi, emplearon un sistema de control adaptivo basado en redes neuronales para el control de SCEE de media escala en diferentes condiciones de operación. Este método propuesto consistía de identificadores hacia adelante  y hacia atrás, usados para modelar la dinámica del sistema en ambos sentidos, y adaptar los parámetros del controlador neural que es utilizado para entregar una señal de control al actuador del ángulo de paso. Los resultados de las simulaciones indicaron que esta estrategia de control propuesta es una gran contribución al campo del control en los SCEE.

En 2007, Xiangming y colegas, desarrollaron un controlador PID para el control del ángulo de paso por medio de redes neuronales utilizando el algoritmo de aprendizaje supervisado Hebbina, para un SCEE de velocidad variable y frecuencia constante de 1 MW de potencia nominal.

Las redes neuronales artificiales – ANN están inspiradas en las redes neuronales biológicas del cerebro humano. Están constituidas por elementos que se comportan de forma similar a la neurona biológica en sus funciones más comunes. Estos elementos están organizados de una forma parecida a la que presenta el cerebro humano. Las ANN al margen de “parecerse” al cerebro presentan una serie de características propias del cerebro. Por ejemplo las ANN aprenden de la experiencia, generalizan de ejemplos previos a ejemplos nuevos y abstraen las características principales de una serie de datos.

  • Generalizar: Extender o ampliar una cosa. Las ANN generalizan automáticamente debido a su propia estructura y naturaleza. Estas redes pueden ofrecer, dentro de un margen, respuestas correctas a entradas que presentan pequeñas variaciones debido a los efectos de ruido o distorsión.
  • Aprender: Adquirir el conocimiento de una cosa por medio del estudio, ejercicio o experiencia. Las ANN pueden cambiar su comportamiento en función del entorno. Se les muestra un conjunto de entradas y ellas mismas se ajustan para producir unas salidas consistentes.
  • Abstraer: Aislar mentalmente o considerar por separado las cualidades de un objeto. Algunas ANN son capaces de abstraer la esencia de un conjunto de entradas que aparentemene no presentan aspectos comunes o relativos.

El control por lógica difusa emula la forma en que un ser humano toma decisiones para controlar un proceso a través de una serie de reglas. En los Sistemas de Conversión de Energía Eólica está técnica también ha sido aplicada y en las siguientes referencias se presenta una revisión de las investigaciones realizadas:

En 1997, Simoes y colegas, diseñaron un sistema de control basado en tres controladores difusos, cada uno con un objetivo diferente. El primero, sigue la velocidad del generador con la velocidad del viento para extraer la máxima potencia. El segundo, programa el flujo de la máquina para el mejoramiento de la eficiencia con cargas ligeras. El tercero, entrega un control de velocidad robusto contra las ráfagas de viento y el toeque oscilatorio de la turbina.

En 1999, Perales y colegas, implementaron un controlador difuso que permite maximizar la extracción de la poetncia eólica y suavizar la variación del torque y en combinado con el control del generador que utiliza el método de control vector.

En 2000, Chen y colegas, persentaron un sistema electrónico de potencia basado en lógica difusa para el control del torque electromagnético para la máxima extracción de potencia y el mejoramiento del desempeño dinámico del Sistema de Conversión de Energía Eólica – SCEE. Esta técnica no necesitó de información sobre la velocidad del viento y a través de simulaciones se demostró la efectividad del método.

En el 2002, Prats y colegas, informan los resultados de su investigación cuyo principal objetivo era el mejoramiento del control de velocidad y la extracción de energía de una turbina eólica de 800 kW. El controlador difuso diseñado para el control del ángulo de paso y el torque, tiene como entradas el error de la velocidad y la medida de la velocidad del rotor, y como salidas tiene el ángulo de paso de referencia y el torque eléctrico de referencia. Con simulaciones realizadas se demostró la robustez del controlador difuso y se observó que puede mejorar el desempeño de la turbina eólica en diferentes velocidades de viento, por encima y por debajo de la nominal.

En 2006, Yang y colegas, desarrollaron dos sistemas de control difuso. El primero tenía como objetivo obtener la máxima transferencia de potencia y mantener la frecuencia constante con velocidad variable por medio del control de la velocidad del generador y alcanzar la máxima relación de velocidad de punta en velocidades de viento bajas. El otro control difuso fue diseñado para mantener la frecuencia y la potencia de salida constantes controlando el ángulo depaso y la velocidad de rotación de la turbina eólica.

En el 2006, Zhang y colegas, diseñaron un controlador difuso para controlar el momento de rotación del rotor aerodinámico y el momento inverso del generador. Se realizaron simulaciones y fueron comparadas con las realizadas por un controlador PID obteniendo resultados mejores.

En el 2006, Kumar y colegas, desarrollaron un control basado en lógica difusa para un Sistema de conversión de energía eólica con un generador de inducción de jaula de ardilla conectado a la red eléctrica y que tenía como objetivo mantener constante la velocidad del generador para diferentes velocidades de viento. En este controlador se definieron como entradas el error y su derivada, y como salida, fue definida la amplitud de corriente del estator.

En el 2007, Amendola y Gonzada, diseñaron un controlador difuso que controla la extracción de la energía eólica, aplicado al control del angulo de paso. la velocidad está regulada por otro controlador difuso que actúa sobre el torque del generador de modo que siga el valor de referencia generado  por un estimulador óptimo de la velocidad angular. Las simulaciones arrojaron buenos resultados en las tres regiones de operación de la turbina y con vientos turbulentos.

La lógica difusa es una extensión de la lógica tradicional (booleana) que utiliza los conceptos de pertenencia de sets más parecidos a la manera de pensar humana. El concepto de un subset difuso fue introducido por L. A. Zadeh en 1965 como una generalización de un subset exacto (crisp subset) tradicional. Los subsets exactos usan lógica Booleana con valores exactos como por ejemplo la lógica binaria que usa valores de 1 ó 0 para sus operaciones. La lógica difusa no usa valores exactos como 1 ó 0 pero usa valores entre 1 y 0 8inclusive) que pueden indicar valores intermedios (Ej.: 0, 0.1, 0.2, … 0.9, 1.0, 1.1, … etc). La lógica difusa también incluye los valores 0 y 1 entonces se puede considerar como un superset o extensión de la lógica exacta.

 


En 2005, Bianchi y colegas propusieron un sistema de control de ganancia programada con el concepto de Sistemas Variantes de Parámetros Lineales (LPV del ingles Linear Parameter Varying) donde los objetivos principales son la maximización de la eficiencia de la conversión de la energía eólica, la operación segura, el amortiguamiento de modos resonantes, la estabilidad y la robustez. Esta estrategia fue aplicada a un Sistema de Conversión de Energía Eólica (SCEE) de velocidad variable.

En el 2007, Muhando y colegas, presentaron una estrategia de control que estabiliza al SCEE de velocidad variable en todos los puntos de operación por medio del método de ganancia programada, y además, utilizando estimadores para obtener el torque aerodinámico y la velocidad rotacional. Este control adaptativo utiliza la técnica Gaussiana Cuadrática Lineal (LQG del inglés Linear Quadratic Gaussian).

En 2007m Ostergaard y colegas, desarrollaron una estrategia de control en la cual se identificaron varias condiciones de operación del SCEE y fue diseñado un controlador cuadrático lineal (LQ del inglés Linear Quadratic) para cada punto de operación. Adicionalmente, como los estados y la variable de ganancia programada no están en línea era necesario el diseño de un observador para la estimación de estados y perturbaciones.

 


Otra estrategia de control avanzada es la técnica de control H\inftly. Se da a continuación la revisión de algunas investigación realizadas sobre el tema y aplicadas al control de los Sistemas de COnversión de Energía eólica – SCEE.

Kraan y Bongers en 1993, propusieron un método de control que trabaja en un amplio rango de velocidades conmutando entre 5 controladores H\inftly que fueron acondicionados apropiadamente por medio de aproximación de observadores.

En 2001, Rocha e colegas, presentaron un diseño de un control basado en la metodología de H\inftly para un SCEE controlado por stall en condiciones de velocidad variable. Las funciones de peso son elegidas por el método de configuración de bucle.

En el 2003, Rocha y Filho, presentaron una estrategia de control multivariable que tiene como variables manipuladas al ángulo de paso y el torque del generador con el fin de obtener la máxima eficiencia de conversión de energía eólica reduciendo las cargas dinámicas. Adicionalmente, el modelo de SCEE es desarrollado y linealizado por un método no convencional.

En el 2005, Rathi y colegas desarrollaron una estrategia de control que pretende mitigar el efecto de los desbalances de voltaje de la red eléctrica sobre un SCEE con un DFIG utilizando el conversor del lado de la red, permitiendo que el voltaje del estatdor del DFIG permanezca balanceado y manteniendo al SCEE conectado a la red, resultando en un mejor utilización de la energía eólica.

En el 2006, Guo y Guo, presentaron el desarrollo de un control H\inftly para un SCEE de velocidad varialbe y ángulo de paso ajustable con un modelo indeterminado para trabajar en la zona de producción de potencia constante, con los resultados de las simulaciones se comprobó que esta técnica mantiene la estabilidad y tiene gran robustez.

En el 2006, Sakamoto y y colegas presentaron también un diseño de un controlador para mantener constante el nivel de potencia de salida de un SCEE por encima de la velocidad del viento nominal. Este control H\inftly fue diseñado por el método de Desigualdad de Matrices Lineales y presenta buen desempeño y robustez durante las simulaciones.

El nombre H\inftly se refiere a un espacio de funciones de transferencia propias (el grado del polinomio del denominador es mayor o igual al grado del polinomio del numerador) y estables (con polos estrictamente en el semiplano izquierdo), es decir, en lugar de repetir estos requerimientos sólo se dirá que G(s) pertenece a H\inftly. En control H\inftly, el objeto clásico de interés es una función de transferencia, de hecho se lleva a cabo un proceso de optimización sobre un espacio de funciones de transferencia, en el que se presupone una función objetivo o de costo por minimizar, por lo que es necesario comparar funciones de transferencia para elegir la mejor….


En 1994, Leith y Leithead, desarrollaron un control no lineal que variaba continuamente, de tal forma que el controlador siempre era el apropiado para la velocidad del viento, aunque no fuera posible tener una medida directa del viento, la que debía ser inferida. Se demostró que el control era robusto y se realizaron diferentes simulaciones que arrojaron como resultado un mejor desempeño frente a los controladores PI (proporcional – integral) y controladores clásicos lineales, en particular, la reducción del tiempo de espera en niveles de potencia altos y como consecuencia una disminución de las cargas del sistema de transmisión mecánico.

En 1999, Song y Dhinakaran presentaron una estrategia de control no lineal donde la velocidad del rotor es controladaa través del ajuste del voltaje del devanada de exitación, con esto se obtiene más potencia de salida sin involucrar otros aspectos mecánicos complejos, adicionalmente, el controlador no requiere de la medición o estimación de la velocidad del viento. En el 2003, Lin and Qingding, presentaron el diseño de un controlador para el régimen de producción de potencia constante, es decir, en la región en que el generador eléctrico trabaja a su capacidad nominal, usando la teoría de control no lineal. Este algoritmo fue aplicado para el ajuste del ángulo de paso en tiempo real buscando minimizar tanto la desviación de la velocidad del rotor de la deseada, así como el movimiento de actuador de cambio de ángulo de paso fuera el deseado.

En el 2005, Boukhezzar y Siguierdidjane, propusieron una estrategia de control no lineal en cascada para un Sistema de Conversión de Energía Eólica – SCEE de velocidad variable y ángulo de paso constante. El lazo interno (lazo de velocidad) es la enrrada y es controlada por el lazo externo (lazo de potencia) que consiste en el seguimiento de una potencia de referencia deseada. Esta estrategia de control fue validada en un simulador de turbina eólica con resultados satisfactorios. Ambos investigadores también presentaron en otra publicación otro diseño de controladores no lineales con realimentación para el seguimiento de la referencia de velocidad del rotor, y con un estimador de la velocidad del viento y el torque aerodinámico usando el filtro de Kalman. Su objetivo fue maximizar la energía extraída del viento mientras se reducían las cargas mecánicas.

El control no lineal es el conjunto de técnicas de análisis y diseño de sistemas de control no-lineales; un sistema de control no-lineal es aquel que tenga al menos un componente no-lineal; un componente es no-lineal si no cumple con las propiedades de homogeneidad o superposición. Los sistemas de control prácticamente siempre presentan no-linealidades, llamadas inherentes. Las siguientes son ejemplos de las más frecuentes de ellas: saturazión, zona muerta, histéresis, todo-nada, juego o huelgo, fricción estática, fricción de coulomb, resorte no-lineal, compresibilidad de fluido, producto de variables, raiz, polinomio, función trigonométrica, etc.


En el 2000, Song y equipo desarrollaron una combinación entre control adaptativo y control no lineal para regular la velocidad del rotor, lo cual es necesario para aumentar la eficiencia de generación de potencia. Los algoritmos de control se basaron en el modelamiento diánmico de los componentes mecánicos y eléctricos del Sistema de Conversión de Energía Eólica (SCEE) y fueron verificados por simulación en una turbina de eje horizontal de dos aspas. En el 2004, Sakamoto y su equipo presentaron el desarrollo del control del ángulo de paso a través de la técnica de control adaptativo usando un regulador de ausintonía que tiene un método de identificación de mínimos cuadrados. Adicionalmente, realizaron algunas simulaciones variando los parámetros del SCEE y verificaron que el método de control compensará la influencia de esta variación y nivelaría la potencia de salida.

Tanto en el año 2004 y 2006, Johnson y  colegas, utilizaron la técnica de control adaptativo para controlar el toque del generador en la región de crecimiento desde la velocidad de disparo hasta la velocidad de potencia nominal ingresa de su curva de potencia, con el objetivo principal de maximizar la extracción de energía de un SCEE de velocidad variable y teniendo constante el ángulo de paso. Adicionalmente, evaluaron la estabilidad del controlador.

El control adaptativo supone, como caso más sencillo, un proceso lineal y variante a controlar. Al ser variante el proceso, los coeficientes de su función de transferencia varían con el tiempo. El control adaptativo consiste en la identificación de parámetros del proceso y el cálculo de un nuevo regulador, todo ello en tiempo real, siguiente las variaciones de los parámetros y mientras se realiza el control.


Un generador eólico sigue la curva de potencia que se aprecia en la figura de a continuación:

la cual es característica de cada máquina y es obtenida por los fabricantes en laboratorios con condiciones especiales para su elaboración, la cual está normalizada según la norma IEC-61400.

Los objetivos de los sistemas de control de los Sistemas de Conversión de Energía Eólica (SCEE) en relación con la potencia son básicamente dos. El primero, en la región 2, es maximizar la extracción de energía eólica donde las velocidades del viento son bajas y las cargas estructurales también son relativamente pequeñas. El segundo objetivo, en la región 3, con velocidades de viento altas y con un crecimiento dramático de las cargas estructuras, es limitar dichas cargas pero manteniendo la producción de potencia eléctrica, por lo que es necesario limitar la potencia a un valor nominal. Si se superan las velocidades de viento de la región 3, el sistema hará un paro forzado de la máquina, protegiéndola de cargas aerodinámicas excesivamente altas que puean generar daño a los equipos y a las personas.

La curva del coeficiente de potencia representa el desempeño de la turbina eólica para la extracción de la máxima potencia.

Para cada valor de la relación de velocidad de punta (\lamba) existe un valor máximo de C_{p}. Cuando la velocidad del viento cambio, \lamba varía y para mantener el coeficiente de potencia en su valor óptimo es necesario variar el ángulo de paso \beta, éste es el principio fundamental para el control de la potencia  de los SCEE.

Básicamente, hay dos formas de limitar la potencia de salida cuando la velocidad del viento es la nominal o cuando está por encima de ella.

  1. La primera forma, conocida como regulación por pérdida de sustentación (stall regulation), se da aumentando el ángulo de ataque de modo que el flujo de aire se separe del perfil aerodinámico del aspa en el lado de succión. La regulación por stall puede ser pasiva o activa; pasiva, las aspas son fijas y se diseñan para que cuando la velocidad del viento alcance la nominal, el flujo de aire se desprenda de la cara contra el viento; activa, cuando se giran las aspas del rotor de tal forma que aumente el ángulo de ataque.
  2. La segunda forma es conocida como regulación por cambio en el ángulo de paso (pitch regulation) que se presenta cuando se giran las aspas de tal forma que el ángulo de ataque disminuya.

Los SCEE, dependiendo de su construcción tienen diferentes lazos de control. Entre los más importantes se encuentran: el control del cambio del ángulo de paso, utilizado para regular la potencia de salida en la velocidad del viento nominal o por encima de ella y para seguir una curva de potencia predefinida en el arranque o parada de la máquina; el control del torque del generador, que sirve para la regulación de la velocidad rotacional de los SCEE de velocidad variable; y el control de orientación (yaw control), el cual permite encontrar la dirección en donde la velocidad del viento es máxima.


Esta imagen muestra la interacción la creación de campos magnético (en una vista estática) de la geometría. Creado con ayuda de la herramienta pdetool de Matlab permite una cierta facilidad en estudiar geometrías complejas.

Por ejemplo para iniciar estudios de B en entornos como armaduras, carcasas, rotores, etc… generadores también, un primer acercamiento de cálculo puede ser utilizando estas herramientas, ya mas adelante, en la medida de la disponibilidad presupuestaria, uno puede optar por programas en el mercado que implican también altos costos para su compra, mantenimiento, actualización y las licencias son limitadas a cierta cantidad de computadoras según sea el costo.

Por mientras, esto lo utilizaré para generadores de imanes permanentes, haber como nos sale.


Muchos de los problemas en ingeniería tienen que ver con ecuaciones diferenciales parciales… por lo general, en los cursos de pregrado, se suele utilizar el estudiar problemas en una dimensión, dado que en dos o en tres dimensiones el cálculo manual se complica y no brinda gran ventaja de visualización. Hay que también lidiar con cual técnica emplear y ver lo de los errores. Sin embargo, Matlab provee una valiosa herramienta que es el “pdetool”, se digita así en la Ventana de Comandos y listo. El Help de Matlab, da una gran información y ayuda al respecto, con algo de práctica y buen humor 🙂 el aprendizaje se hace rápido y de ahí ya queda al arte del programador.

La presente vista es una de las formas de salida que da ante este cálculo, se observa las líneas de flujo de dirección de calor en este arreglo ejemplo tomado del Help de Matlab.

Esta herramienta es muy útil, es conocer algo básico básico de ecuaciones diferenciales para enterder la forma como trabaja, además, podeis afrontar varios problemas como esfuerzos mecánicos, transferencia de calor, electrostatica, magnetismo, etc… tanto para 2D como para 3D…. tranquilos tranquilos !! esto se requiere paciencia y perseverancia en lograr un buen nivel.

El método que trabaja es por Método de Elementos Finitos que también da una explicación sobre ello. Os espero sirva. Pues se observa aplicaciones en los equipos de energia renovables: celdas solares, generadores eléctricos, piezas mecánicas en rozamiento, etc…


El primer motor basado en el ciclo termodinámico Stirling fue inventado en el año de 1816 por el revendo escocés Robert Stirling. Este tipo de motor trabaja en un ciclo de expansión y posterior compresión de un gas de trabajo, que puede ser: aire, helio, hidrógeno, nitrógeno u otro.

El ciclo termodinámico se desarrolla entre dos procesos isotérmicos (temperatura constante): el primero de calentamiento a alta temperatura y el segundo de enfriamiento a baja temperatura; y entre dos procesos isocóricos (volumen constante): en el primero se almacena parte del calor del gas caliente en un elemento conocido como regnerador, en el segundo proceso isocórico se precalienta el gas frío con la energía almacenada en el regenerador. De esta forma, la característica destacada de este ciclo es el regenerador el cual es el encargado de almacenar momentáneamente el calor y luego devolverlo al sistema, reduciendo la cantidad de energía desechada. El regenerador es un elemento que puede ser: una malla de alambre, cerámica o cualquier tapón poroso que tenga una alta capacitancia térmica; es decir, alto valor de masa por calor específico; de esta manera se tiene una gran capacidad de absorver y entregar calor.

El ciclo termodinámico Stirling ideal está compuesto de los siguientes procesos, según la siguiente figura:

  • En el primer proceso se recibe calor a temperatura constante TH, logrando una expansión isotérmica del fluido de trabajo, la cual se presenta en los diagramas T-s y P-V por el cambio de estado del punto 1 al 2.
  • El segundo es el proceso de regeneración a volumen constante (de 2 a 3) en donde el fluido de trabajo transfiere internamente calor al regenerador.
  • En el tercer proceso se tiene una compresión a temperatura constante TL (de 3 a 4), donde existe un rechazo de calor a un sumidero externo.
  • El último proceso es la regeneración a volumen constante (de 4 a 1), donde se transfiere calor desde el regenerador al fluido de trabajo.

Para una comprensión más clara, se puede ilustrar los procesos del ciclo termodinámico mediante un sistema compuesto de un cilindro con dos émbolos a los lados y un regenerador en el medio como se observa en la siguiente figura.

Inicialmente el fluido de trabajo (gas) se encuentra en la cámara de la izquierda (zona caliente) que se encuentra a alta temperatura (TH). En el proceso 1 – 2 se recibe calor a temperatura TH y se consigue la expansión del gas, y el movimiento del émbolo de la izquierda hacia afuera. Durante el proceso 2 – 3 se mueve simultaneamente el émbolo izquierdo y derecho hacia la derecha, manteniendo constante el volumen y obligando al aire a pasar por el regenerador para enfriarse hasta la temperatura baja TL y a ubicarse en la zona de enfriamiento. En el proceso 3 – 4 se produce la entrega de calor al sumidero externo a baja temperatura TL obteniéndose como resultado una compresión del volumen de aire y el movimiento hacia adentro del émbolo de la derecha. Finalmente, en el proceso 4 – 1 se mueven los dos émbolos hacia la izquierda con la misma velocidad para mantener la temperatura constante y para obligar a pasar al aire a través del regenerador recuperando la energía antes almacenada e incrementando la temperatura del aire hasta TH.


Ponencia dictada durante el XIX Congreso Nacional de Estudiantes de Ingeniería Mecánica Eléctrica y Ramas Afines CONEIMERA 2012 que se realizó en la Ciudad de Huancayo del 01 al 06 de Octubre del 2012 http://www.coneimera2012.org/  Comparto las diapositivas de la presentación ppt, pero durante la ponencia se presentarón los archivos *.m y *.mdl mas simulaciones in live para el auditorio presente.


Minicurso dictado durante el XIX Congreso Nacional de Estudiantes de Ingeniería Mecánica Eléctrica y Ramas Afines CONEIMERA 2012 que se realizó en la Ciudad de Huancayo del 01 al 06 de Octubre del 2012 http://www.coneimera2012.org/  Comparto las diapositivas de la presentación ppt (duración de minicurso 4 horas, se necesita computadoras con Matlab/Simulink, proyector multimedia, una pizarra acrílica, plumones).

 


Anteriormente se ha presentado modelos de una turbina de 100 kW, en esta entrada. Se muestra los resultados de una simulación en la que se tiene dos turbinas una a la izquierda y otra a la derecha.

En la izquierda se muestra condiciones de funcionamiento con valores altos de velocidad de viento, en los que se muestra que se dan variaciones en el ángulo de ataque, esto como se comentó, que es para mantener la captura razonada del viento a la máxima potencia nominal del generador.

El de la derecha, tiene valores bajos de velocidad de viento.

Os espero sirva de análisis y comparación… desarrollado en Matlab/Simulink


Gracias por sus visitas durante el mes de Setiembre 2012, en verdad, se ha hecho un esfuerzo de voluntad para mantener una lectura en temas, apoyado en proyectos de investigación y desarrollo que se viene realizando con empresas y a modo académico en la universidad. Durante estae mes numerosos emails de consultas llegaron al correo electrónico, también, nuevos contactos por el facebook y también incrementamos la cantidad de contactos en el Grupo de Matlab

http://www.facebook.com/groups/52442552232/

en el Facebook del cual soy uno de los Administradores.

Durante este mes de octubre que inicio, habrá mucho mas información que colocaré, dado que ya voy concretando mi agenda de trabajo y de investigación. En energías renovables, hay mucha información en libros, publicaciones, reportes, etc… y de todo este mundo de información es saber ya coger el hilo de la madeja que permita el inicios los diferentes temas.

Difundan el blog, únanse el grupo de Matlab de Facebook y espero que el blog sea de gran ayuda. Muchas gracias a todos los que visitan desde diferentes países de habla hispana y extranjera, WordPress tiene ahora herramienta para mirar desde donde son las visitas. Sus temas, trabajos de investigación, asesorías y consultarias para servirle estoy.