| Revista: | Ingeniería y desarrollo |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000411400 |
| ISSN: | 0122-3461 |
| Autores: | Zuluaga Ríos, Carlos David1 Giraldo Suárez, Eduardo1 Alvarez López, Mauricio Alexander1 |
| Instituciones: | 1Universidad Tecnológica de Pereira, Programa de Ingeniería Eléctrica, Pereira, Risaralda. Colombia |
| Año: | 2014 |
| Periodo: | Ene-Jun |
| Volumen: | 32 |
| Número: | 1 |
| Paginación: | 115-137 |
| País: | Colombia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | Las turbinas eólicas son una de las tecnologías más avanzadas dentro del conjunto de las energías limpias para obtener energía eléctrica. Debido al comportamiento estocástico del viento, se debe realizar el control de estas turbinas para maximizar la potencia de salida. Con el fin de solucionar el problema de control óptimo se debe conocer la dinámica de la máquina, por ello, los esquemas de identificación de sistemas adquieren importancia en este contexto. Este estudio presenta la identificación de un generador eólico que emplea un filtro de Kalman dual de estadística robusta. Aunque el filtro de Kalman dual (DKF) ha sido utilizado en la identificación de sistemas, su rendimiento está asociado a la ausencia de datos espurios. Para realizar la identificación de este sistema se utilizó una tarjeta de adquisición NI USB-6009. Pese a sus buenas características de muestreo, esta tarjeta incorpora datos espurios que afectan la identificación del sistema. El estudio propone solucionar este problema combinando el DKF y el filtro de Kalman de estadística robusta. La metodología propuesta o fue implementada en Matlab, mostrando la identificación del generador eólico en tiempo real ante variaciones en las entradas del sistema, con un comportamiento robusto en presencia de datos espurios, comparado con otra metodología estándar de identificación |
| Resumen en inglés | Among the technologies for clean energy generation, wind turbines are one of the most advanced. Due to stochastic behavior of the wind, a proper control action must be exerted over these turbines in order to get a better use of the output power. A propel control action usually implies the knowledge of the system dynamics, and that is why the identification stage is also crucial. In this paper, the authors propose a robust statistics dual Kalman filter for identification of a wind generator. Although dual Kalman filter (DKF) has been used in system identification, its performance heavily depends on the absence of outliers in the measured data. However, outliers might be easily produced during the data acquisition stage. In this study, the authors show how by combining the DKF and the robust statistic Kalman filter, the problem of outliers in systems identification can be avoided. The method was implemented in Matlab R2009a®. Results for the identification of a wind generator working online are shown and compared to the performance of dual Kalman filter |
| Disciplinas: | Ingeniería |
| Palabras clave: | Ingeniería eléctrica, Turbinas de viento, Generación de energía, Identificación de sistemas, Datos espurios, Filtro de Kalman |
| Keyword: | Engineering, Electrical engineering, Wind turbines, Power generation, System identification, Outliers, Kalman filter |
| Texto completo: | Texto completo (Ver HTML) |
