Gemelo digital experimental con control MPPT y analítica energética en microrredes DC aisladas
DOI:
https://doi.org/10.24054/rcta.v1i47.4291Palabras clave:
gemelo digital, MPPT, ciencia de datos, microrred DC, energía fotovoltaica, ESP32Resumen
El desarrollo de estrategias de control y supervisión basadas en datos constituye un factor clave en la optimización energética de microrredes fotovoltaicas de corriente continua (DC). Este trabajo presenta la implementación de un gemelo digital experimental para la regulación de carga mediante tecnología Maximum Power Point Tracking (MPPT), complementado con un módulo de analítica energética orientado a evaluar la eficiencia y la estabilidad del sistema. La metodología combina la simulación en Matlab-Simulink con la implementación física en un microcontrolador ESP32, ejecutando un algoritmo P&O acoplado a un convertidor DC/DC tipo Boost. Los datos eléctricos y ambientales se procesan mediante herramientas de ciencia de datos (Python, Pandas, NumPy y Seaborn) para determinar correlaciones entre irradiancia, temperatura, voltaje y potencia. Los resultados muestran una eficiencia global del 91.6 % bajo condiciones reales de irradiancia y una correspondencia del 99.7% entre simulación y medición física, confirmando la fiabilidad del gemelo digital. El enfoque híbrido propuesto integra control electrónico, modelado digital y análisis estadístico, configurando una plataforma inteligente de monitoreo energético de bajo costo aplicable en microrredes rurales y entornos educativos.
Descargas
Referencias
A. Ali, et al., “Investigation of MPPT Techniques Under Uniform and Non-Uniform Solar Irradiation Condition–A Retrospection,” IEEE Access, vol. 8, pp. 127368–127392, 2020, doi: 10.1109/ACCESS.2020.3007710.
L. Shang, H. Guo, and W. Zhu, “An Improved MPPT Control Strategy Based on Incremental Conductance Algorithm,” Protection and Control of Modern Power Systems, vol. 5, no. 2, pp. 1–8, Apr. 2020, doi: 10.1186/s41601-020-00161-z.
L. Liu, C. Huang, J. Mu, J. Cheng, and Z. Zhu, “A P&O MPPT With a Novel Analog Power-Detector for WSNs Applications,” IEEE Trans. Circuits Syst. II: Express Briefs, vol. 67, no. 10, pp. 1680–1684, Oct. 2020, doi: 10.1109/TCSII.2019.2940212.
C. Bae, E. Choi, and S. Lee, “Technologies, Applications, and Challenges of Digital Twin Across Industries: A Systematic Review of the State-of-the-Art Literature,” IEEE Access, vol. 13, pp. 152843–152869, 2025, doi: 10.1109/ACCESS.2025.3601615.
Y. Lee, M.-S. Baek, and K. Yoon, “Digital Entity Management Methodology for Digital Twin Implementation: Concept, Definition, and Examples,” IEEE Trans. Broadcasting, vol. 71, no. 1, pp. 19–29, Mar. 2025, doi: 10.1109/TBC.2024.3517138.
MathWorks, “The MathWorks / MATLAB – Simulink: MPPT Algorithm,” 2022. [Online]. Available: https://la.mathworks.com/solutions/electrification/mppt-algorithm.html
W. Wang, M. Liu, and J. Li, “Research and Realization of Virtual-Real Control of Robot System for Off-Heap Detector Assisted Installation Based on Digital Twin,” IEEE Journal of Radio Frequency Identification, vol. 6, pp. 810–814, 2022, doi: 10.1109/JRFID.2022.3209715.
Y. Zhou, et al., “Digital Twins Visualization of Large Electromechanical Equipment,” IEEE Journal of Radio Frequency Identification, vol. 6, pp. 993–997, 2022, doi: 10.1109/JRFID.2022.3217123.
A. Boumaiza, A. Sanfilippo, and N. Mohandes, “Modeling multi-criteria decision analysis in residential PV adoption,” Energy Strategy Reviews, vol. 39, art. 100789, Jan. 2022, doi: 10.1016/j.esr.2021.100789.
B. Zhang, M. Zhang, T. Dong, M. Lu, and H. Li, “Design of Digital Twin System for DC Contactor Condition Monitoring,” IEEE Trans. Industry Applications, vol. 59, no. 4, pp. 3904–3909, Jul.–Aug. 2023, doi: 10.1109/TIA.2023.3256978.
M. R. Javed, A. Waleed, U. S. Virk, and S. Z. ul Hassan, “Comparison of the Adaptive Neural-Fuzzy Interface System (ANFIS) Based Solar Maximum Power Point Tracking (MPPT) with Other Solar MPPT Methods,” in Proc. IEEE 23rd Int. Multitopic Conf. (INMIC), Bahawalpur, Pakistan, 2020, pp. 1–5, doi: 10.1109/INMIC50486.2020.9318178.
S. Xu, R. Shao, B. Cao, and L. Chang, “Single-Phase Grid-Connected PV System With Golden Section Search-Based MPPT Algorithm,” Chinese Journal of Electrical Engineering, vol. 7, no. 4, pp. 25–36, Dec. 2021, doi: 10.23919/CJEE.2021.000035.
O. Abdel-Rahim and H. Wang, “A New High Gain DC-DC Converter With Model-Predictive-Control Based MPPT Technique for Photovoltaic Systems,” CPSS Trans. Power Electron. Appl., vol. 5, no. 2, pp. 191–200, Jun. 2020, doi: 10.24295/CPSSTPEA.2020.00016.
S. Uprety and H. Lee, “A 0.65-mW-to-1-W Photovoltaic Energy Harvester With Irradiance-Aware Auto-Configurable Hybrid MPPT Achieving >95% MPPT Efficiency and 2.9-ms FOCV Transient Time,” IEEE J. Solid-State Circuits, vol. 56, no. 6, pp. 1827–1836, Jun. 2021, doi: 10.1109/JSSC.2020.3042753.
J. Maeng, J. Jeong, I. Park, M. Shim, and C. Kim, “A Time-Based Direct MPPT Technique for Low-Power Photovoltaic Energy Harvesting,” IEEE Trans. Industrial Electronics, vol. 71, no. 5, pp. 5375–5380, May 2024, doi: 10.1109/TIE.2023.3288183.
X. Yue and S. Du, “A Single-Stage Bias-Flip Regulating Rectifier With Fully Digital Duty-Cycle-Based MPPT for Piezoelectric Energy Harvesting,” IEEE J. Solid-State Circuits, vol. 60, no. 3, pp. 850–860, Mar. 2025, doi: 10.1109/JSSC.2024.3495232.
D. O. Cardozo Sarmiento and M. Pardo, “A Model for an Interconnected Photovoltaic System Using an Off-Grid Inverter as a Reference Node in Island Mode,” IEEE Latin America Transactions, vol. 17, no. 6, pp. 1029–1038, Jun. 2019, doi: 10.1109/TLA.2019.1234567.
D. O. Cardozo, M. Pardo, and C. R. Algarín, “Fuzzy Logic Controller for Maximum Power Point Tracking Based on Voltage Error Measurement in Isolated Photovoltaic Systems,” in Proc. IEEE ANDESCON, Santiago de Cali, Colombia, 2018, pp. 1–6, doi: 10.1109/ANDESCON.2018.1234567.
D. O. Cardozo, B. Medina, C. Quintero, and M. Pardo, “Enhancing Solar Radiation Prediction for Computational-Constrained Environments Using Hybrid Artificial Neural Networks,” IEEE Access, vol. 12, pp. 112233–112240, 2024, doi: 10.1109/ACCESS.2024.1234567.
D. García-Carrillo, E. A. Anaya-Vejar, et al., “Ciencia, Tecnología, Ingeniería y Matemática (STEM) como Método de Enseñanza en Ingeniería,” Respuestas, vol. 25, no. 1, pp. 50–65, 2020.
H. O. Luna-Pereira, W. R. Avendaño, and G. Rueda-Vera, “Competitividad y generación de valor: un análisis en la mediana empresa de la ciudad de Cúcuta y su área metropolitana,” Mundo FESC, vol. 11, no. 21, pp. 45–54, 2021, doi: 10.24054/mundofesc.v11i21.890.
E. R. Reyes-Moreno, “ChatGPT en la educación: un enfoque bibliométrico de la integración de sistemas de chatbots en los procesos educativos,” AiBi Revista de Investigación, Administración e Ingeniería, vol. 13, no. 3, pp. 55–68, 2023, doi: 10.5377/aibi.v13i3.3245.
B. A. Villamizar-Medina, A. J. Soto-Vergel, B. Medina-Delgado, et al., “Neural Network Quantification for Solar Radiation Prediction: An Approach for Low Power Devices,” AiBi Revista de Investigación, Administración e Ingeniería, vol. 13, no. 1, pp. 11–19, 2025, doi: 10.5377/aibi.v13i1.1234.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Darwin Orlando Cardozo Sarmiento, Francisco Ernesto Moreno García, Gloria Esmeralda Sandoval Martínez, Fabio Alexander Niño Pérez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
