Está en la página 1de 6

IEEE 2015 1570179281 Indicon

12
34
56 Evaluación fiabilidad de un sistema solar fotovoltaico
78
9 10
11
con y sin almacenamiento de batería
12
13
14
15 S. Singh Sanajaoba Eugene Fernández
16 Departamento de Ingeniería Eléctrica Instituto Departamento de Ingeniería Eléctrica Instituto
17 Indio de Tecnología Roorkee Roorkee-247667, Indio de Tecnología Roorkee Roorkee-247667,
18 Uttarakhand, India Uttarakhand, India
19 sanajaoba88@gmail.com eugenefdz@gmail.com
20
21
22 Abstracto -Solar energía se considera como uno de los principales sistema de energía convencional ya que se consideran como sistemas de generación
fuentes de energía renovables y la electricidad generada a partir de sistemas fotovoltaicos de capacidad variable.
23
implica la emisión de gases de verde a cero y cero dependencia de los combustibles fósiles.
24 Las técnicas reportadas en la literatura para la evaluación de fiabilidad pueden
Sin embargo, el uso de la energía solar sufre del desafío de asegurar flujo constante de energía
25 eléctrica en particular durante los períodos de baja radiación solar. Esto tiene los diseñadores ser ampliamente agrupan en dos categorías: (i) técnicas analíticas (ii) simulación de
26 de sistemas causados ​a mirar en los aspectos de fiabilidad de los sistemas solares Monte Carlo. Las técnicas analíticas modelar el sistema con ecuaciones matemáticas
27 fotovoltaicos. Una forma de minimizar el impacto de la fuente de alimentación irregular es y evaluar los índices de fiabilidad deseado a través de la solución numérica directa
28 mediante la inclusión de una unidad de almacenamiento de modo que el exceso de energía [1]. No es capaz de simular los comportamientos reales del sistema, que son de
29 generada durante el periodo de alta radiación solar puede almacenarse y utilizarse naturaleza estocástica. Este es superada por la simulación Monte Carlo mediante el

30
posteriormente durante períodos cuando la radiación solar es baja o ausente. Sin embargo, los tratamiento de los problemas como una serie de experimentos reales y simular el
sistemas de almacenamiento que utilizan baterías son una propuesta costosa. Es de interés comportamiento aleatorio de los componentes del sistema [2]. Evaluación fiabilidad
31
para los ingenieros de diseño de sistemas para examinar cuánto se gana en términos de del sistema de energía basado en las energías renovables se inició en 1980. En [3],
32
fiabilidad del suministro de energía a costa de un fallo de hardware del panel de los sistemas los autores introducen nuevos conceptos de fiabilidad y la terminología aplicable a la
33 solares fotovoltaicos operados con y sin almacenamiento de la batería. La presente documento tecnología fotovoltaica y aplicaciones. Estos nuevos conceptos de las cuentas de la
34 trata de investigar los cambios en la fiabilidad del sistema de un sistema solar fotovoltaico bajo
variabilidad de la energía solar de entrada, así como características únicas del
35 los casos de operación con y sin almacenamiento de la batería adecuado. estimación de la
campo fotovoltaico. Muchos investigadores han hecho varias contribuciones
36 fiabilidad a través de la pérdida de índice de probabilidad de carga se lleva a cabo utilizando
Monte Carlo Technique.
37
38 hacia
39 fuentes de energía renovables para el modelado de evaluación de la fiabilidad [4] y [5].
40 métodos basados ​en la simulación se adoptaron en [4] y [6], mientras que las técnicas de
41 Palabras clave-solar fotovoltaica; almacenamiento de la batería; Evaluación fiabilidad; análisis son utilizados por los investigadores en la literatura se encuentran en [7] y [8].

42 probabilidad de pérdida de carga; simulación del Monte Carlo

43 Pérdida de la técnica de probabilidad de alimentación se utiliza en [9] para el diseño


44 I. INTRODUCCIÓN de stand-alone sistemas fotovoltaicos. En [10], la técnica de simulación cronológico se usa
45 para estimar la probabilidad de pérdida de carga de los sistemas fotovoltaicos
La demanda de energía rápidamente creciente y las preocupaciones por la
46 independientes sobre la base de secuencias de radiación sintéticos. Un enfoque solución
degradación ambiental resultado del uso de fuentes de energía convencionales han
47 abierto las opciones para explorar más fuentes alternativas para la producción de
de forma cerrada se desarrolla en [11] para la evaluación de la probabilidad de pérdida de
48 energía. La energía solar se considera como la principal fuente de energía renovable y
fuente de alimentación de los sistemas fotovoltaicos independientes con almacenamiento
49 de la batería. Evaluación fiabilidad de las fuentes de energía renovables sistemas basados
la electricidad generada a través de sistema fotovoltaico implica cero de efecto
50 ​se lleva a cabo en [12] usando la función de generación universal. Un nuevo enfoque para
invernadero de emisión de gases y cero dependencia de los combustibles fósiles. La
la evaluación de la fiabilidad utilizando el modelo de almacenamiento probabilístico se
51 disminución de los costes de producción de módulos fotovoltaicos, junto con los
informa en [13] para un sistema de PV-viento de almacenamiento autónomo. Sin
52 incentivos económicos ofrecidos por organizaciones gubernamentales aumentará aún
embargo, sólo hay muy pocas literaturas que modelan el fallo en el hardware de los
53 más la futura capacidad instalada de energía solar. Sin embargo, la incertidumbre
paneles solares fotovoltaicos.
54 inherente y la viabilidad asociada con los componentes del sistema y la radiación solar

55 de entrada plantean serios desafíos en el diseño de tales sistemas fotovoltaicos. Una


forma de anular el impacto de intermitencia es la inclusión de la unidad de
56
almacenamiento de modo que el exceso de energía generada durante períodos de alta En vista de esto, el presente trabajo se desarrolla un modelo de sistema
57
insolación solar puede ser almacenado y utilizado en momento posterior. La evaluación fotovoltaico teniendo en cuenta el comportamiento variable del recurso solar y las
60
de la fiabilidad del sistema de energía basado en las energías renovables con o sin interrupciones debido a un fallo de hardware del panel. El modelo desarrollado se
61
necesidad de almacenamiento de energía a tratar de manera diferente a partir aplica para evaluar la fiabilidad de un sistema fotovoltaico remoto identificado con
62
pérdida de índice de probabilidad carga (LOLP) fiabilidad a través de la simulación
63
de Monte Carlo. En el primer caso, una sencilla fotovoltaica
64
65••
 

978-1-4673-6540-6 / 15 / $ 31.00 © 2015 IEEE

1
se considera sistema sin ningún almacenamiento. Una comparación se dibuja estados de sistema fotovoltaico. En el sistema fotovoltaico, el fracaso de algunas
entre los valores calculados de índice de fiabilidad LOLP con salida fotovoltaica cadenas fotovoltaicas sólo disminuye la salida PV y no conduce a un fallo de todo el
considerando solamente la variación en la radiación solar y la otra teniendo en sistema fotovoltaico. Varios módulos fotovoltaicos fallan independientes uno de otro y por
cuenta tanto la variación en la radiación solar y el estado del hardware de los lo tanto los eventos de fallo de hardware pueden ser representados por una variable
módulos fotovoltaicos. Las diferentes clasificaciones de fotovoltaica como aleatoria y se supone que sigue una distribución binomial [16]. Varios estados de
30kW, 40kW, 50kW y 60kW se utilizan con el fin de dar cuenta de la diversidad capacidad debido a fallo de hardware del sistema de PV y las probabilidades
en el número de módulos fotovoltaicos. En el segundo caso, el almacenamiento correspondientes se pueden representar por la siguiente distribución de probabilidad:
de la batería se introduce en el sistema anterior y el número de cadenas de
baterías se varió para cada uno de la calificación de PV con el fin de conseguir
un valor de LOLP de 0,0001, mientras que suponiendo módulos de batería y
fotovoltaica como componentes que siempre está disponible. Con el número de • pv• pv
( ), pv
( • 0
a ii F);i PC N pv
• (2)
cadenas de baterías obtenido correspondiente al valor LOLP de 0,0001,
dónde ( i P pv) es el estado de capacidad cuando yo Los módulos son

que opera desde nortepv módulos totales y está dada por


() • metro ; pag
metro
es la potencia máxima disponible del
pv
P N pii
pv

módulos fotovoltaicos.

II. SISTEMA DE MODELAJE PV


Las probabilidades correspondientes a diferentes estados de capacidad para un conjunto
de módulos idénticos se dan por
A. la energía solar disponible

La salida de potencia de una célula fotovoltaica está determinada por la cantidad • pv • • i


de radiación solar en un sitio particular. Muchos lugares de todo el mundo rara vez se pv
() • •• • (1
NiF
• • ) N pv i pv
QQi
pv
(3)
han registrado datos de radiación solar. Por lo tanto, la generación de los datos de • •
radiación solar por hora sintético hace necesario para estudios de confiabilidad del
sistema PV. programa de simulación HOMER [14] se utiliza para generar la radiación dónde q=
pv
indisponibilidad.
solar cada hora sintético a partir de valores medios mensuales disponibles en una
localización dada. El programa sintetiza datos de radiación solar por hora basadas en
DO. Actual potencia disponible por hora
el algoritmo Graham [15] y requiere solamente la latitud y las medias mensuales. El
Los siguientes pasos describen el procedimiento para el cálculo de la potencia
rendimiento por hora de la matriz de PV se calcula utilizando la siguiente fórmula.
disponible por hora real de PV teniendo en cuenta los estados de capacidad debido a un
fallo de hardware.

1) Generar potencia de salida por hora a partir de (1), utilizando el


variación horaria en la radiación solar.
• •
• • • (1)
fP • • 2) Modelo los módulos fotovoltaicos estados utilizando la distribución
pv pv pv t
• IIyST • binomial dada en (3) que operan.

dónde 3) Generar un número aleatorio entre [0, T]; U = superior


limitar en la probabilidad de estado de la capacidad.
F pv
= factor de reducción de PV.
4) Compruebe si el número al azar <probabilidades de que reside en

= YpvPV capacidad de la matriz. Estado de la capacidad i. elegido al azar de modelo desarrollado en el


paso 2.

I =T incidente global de la radiación solar en el campo fotovoltaico.


• PP (i )
5) En caso afirmativo, calcular PAG • real pv t • pv t
I= 1 kW / m 2. ( notario
público )
pv pv
S

El factor de reducción de potencia PV es un factor de escala (típicamente menos de o 6) Else • real pv t • PÁGINAS
pv t
igual a 100%) aplicado a la salida del conjunto fotovoltaico en cuenta
para pérdidas incurrido debido a un mayor ambiente
III. MODELADO almacenamiento de la batería
temperaturas, diferentes tensiones de funcionamiento, y la suciedad de los paneles.
El flujo de potencia kW través de la batería está dada por

SEGUNDO. los niveles de capacidad debido a fallos del hardware de la energía fotovoltaica • battPP
t • pv real t • cargar /• cON T
(4)

Los módulos fotovoltaicos constan de empaquetado montaje, conectado de células dónde


fotovoltaicas que a menudo son considerados como los elementos más fiables en los
t
sistemas fotovoltaicos. Sin embargo, los módulos también pueden fallar o degradarse en su carga = carga durante º t unidad de tiempo, kW.

ciclo de vida a largo plazo. Error de hardware de los módulos fotovoltaicos resultados en
diferentes capacidad
• estafa
= Rendimiento del convertidor.

2
Un valor positivo de (4) significa modo de carga de la batería y un valor SEGUNDO. procedimiento de simulación
negativo indica el modo de descarga de la batería. La operación de carga y
1) Leer generación por hora y el estado de carga ( X yo); i = 1 a
descarga de la batería cambia el estado de carga de la batería ( SOC) en
8760, inicializar tamaño de la muestra ( N), C = 0.
consecuencia y se puede calcular como
2) seleccionar al azar X muestra
j
con tamaño NORTE, dónde

t • 1 t • • • t batería P• tl( ) • • napa


•; ij XX j • 1
SOC • SOC • •
• •
• 24 1• mi napa
(5) 3) Clasificar X como X y X . X es
j fracaso éxito fracaso

dónde η napa está cargando la batería eficiencia en la operación de carga y identifica cuando el nivel de carga del sistema es mayor que mientras que el total de

descarga de la eficiencia en la operación de descarga, generación X éxito


se identifica cuando la carga del sistema es

σ es la tasa de autodescarga de la batería, l (t) es la longitud de t º igual o menor que la generación total.
unidad de tiempo y mi napa es el grado de la energía de la batería de almacenamiento.
4) Si • XX fracaso entonces C = C + 1.
j
Además, la carga de la batería y la operación de descarga está restringida por
siguiente ecuación.
5) Repetir los pasos 3 a 4 hasta • N j.

PAG batt t
, c máx • t napa • batt t
PÁGINAS ,d máx
(6) 6) Calcular del Norte •
Carolina
LOLP
dónde
7) Repetir los pasos 2 a 6 hasta que el valor aceptable de LOLP o criterios de parada
batt t
, c máx • ( SOC
máx
• P
SOC ) • E t napa ; máximo se alcanza.

carga de la batería de alimentación.

t
V. Descripción de la zona ESTUDIO Y COMPONENTES DEL SISTEMA
PAG batt ,t d máx • ( • SOC SOC
min
) • E napa ; máximo
potencia de descarga de la batería. Una localización

El área de estudio se encuentra en el distrito de Almora de Uttaranchal,


IV. SIMULACIÓN DEL MONTE CARLO India tiene una población total de 1.437 con 267 hogares. Esta ubicación
geográfica se identifica con la latitud y longitud de 29038''21'N de 79029''56'E
método de Monte Carlo (MCS) es una clase ampliamente utilizada de
tiene una altura de 1576 metros sobre el nivel medio del mar.
técnicas de simulación que trabaja con números aleatorios para resolver
problemas tales como análisis de incertidumbre, optimización y diseño basado en
la fiabilidad etc [17]. Este método evalúa iterativamente el comportamiento de
B. recurso solar
sistemas físicos y modelo matemático (determinista) usando conjunto de números
aleatorios como entradas. El uso de números aleatorios caracteriza MCS como no La región que se extiende entre 300N a 300S latitud son los más adecuados para
determinista y entra en la categoría de los cálculos estocásticos. MCS también la utilización de la energía solar y la parte de la India en el medio 80N a 320N son los
puede ser categorizado como un método de muestreo debido a la generación más adecuados para la utilización de energía solar. Los datos de radiación solar es
aleatoria de las aportaciones de distribuciones de probabilidad con el fin de simular tomado de [18] y el área de estudio tiene la radiación solar anual promedio de 4,67
el proceso de muestreo de una población real. En el presente caso, la simulación kWh / m2 / día. Perfil de la radiación solar que abarca más de un año se muestra en la
Monte Carlo se utiliza para evaluar los valores LOLP en diferentes clasificaciones figura 1. HOMER sintéticamente genera datos de radiación solar por hora basado en
de solamente fotovoltaica y fotovoltaica-batería combinación. las medias mensuales y latitud del lugar utilizando el algoritmo de Graham.

A. Suposiciones hechas para la simulación

1) Duración total de la serie de tiempo tomado como 1 año es discretizado con


cada unidad de tiempo igual a 1 hora.
2) Mismo año se han tomado muestras muchas veces igual al número total de
iteraciones.
3) la demanda de carga y la potencia generada se mantienen constantes durante cada
hora simulado.
4) Cada estado que representa la demanda de carga y generación es único y se
producirá sólo una vez en duración total de series de tiempo para la pequeña
discretización.
5) Cada estado que representa la demanda de carga, la generación se muestrea por
elegir aleatoriamente un número entero distribuido de manera uniforme en [1, 8760]. Figura 1. Perfil de la radiación solar de la zona de estudio.

3
DO. Cargar perfil VI. RESULTADOS Y DISCUSIÓN

El perfil de carga por hora sistema se da en la fig.2 con el consumo de


energía de 47 kWh / día y 8,9 pico kW. El perfil de carga es sintético y obtiene En el primer caso, la metodología propuesta se aplica a un sistema fotovoltaico
usando software HOMER partir de los datos de carga descritos en la literatura independiente sin cualquier dispositivo de almacenamiento como en la fig. 3.
[19]. Diferentes clasificaciones fotovoltaicas de 30 kW, 40 kW, 50 kW y 60 kW se
consideran con el fin de investigar el impacto de la disponibilidad de hardware y la
RE. módulos fotovoltaicos falta de disponibilidad de módulos fotovoltaicos en la fiabilidad del sistema. El análisis

módulos fotovoltaicos seleccionado es un policristalino 36 celdas (PVMF100EC4)


de fiabilidad se lleva a cabo mediante la evaluación de índice de fiabilidad LOLP

nominal de 100 Wp [20]. Diferente número de módulos fotovoltaicos pueden ser conectados
través de la simulación Monte Carlo. LOLP se calcula primero considerando sólo la

en serie con el fin de dar calificaciones más altas dicen módulos fotovoltaicos 300
variación por hora en la radiación solar y segundo considerando tanto la variación en

conectados en serie para generar 30kWp y del mismo modo otras clasificaciones más altas
la radiación solar y el estado del hardware de los módulos fotovoltaicos. La figura 4

también se puede lograr.


representa la diferencia

en valores LOLP calculado para diferentes


calificaciones fotovoltaicos. El examen de la figura 4 revela que teniendo en cuenta los
MI. almacenamiento de la batería
resultados del estado del hardware en los valores más altos de LOLP en comparación con
Modelo de la batería Surette 6CS25P se considera para el estudio. el sistema sin tener en cuenta el estado del hardware. Error de hardware de los módulos
Especificaciones técnicas de la batería se dan en la Tabla I. capacidad de energía solares se traduce en diferentes niveles de capacidad de salida, reduciendo así la energía
más alta se consigue por conexión en serie de baterías para formar la serie de solar disponible en general. Por lo tanto, cuando la potencia disponible por hora real
baterías con cada cadena que consta de 4 baterías y capaz de producir 28 kWh de generada fotovoltaica se combina con los datos del sistema de carga por hora, nivel
electricidad. reducido de la energía solar disponible debido a los resultados de fallo de hardware en los
valores más altos de LOLP evaluados. Por lo tanto, existe una fuerte necesidad de
F. Convertidor considerar el estado del hardware de los módulos fotovoltaicos para el análisis de la
Sistemas que consisten en los dos componentes de CA y CC requieren un fiabilidad de lo contrario asunción de módulos fotovoltaicos como unidad siempre
convertidor. Un inversor convierte electricidad de corriente continua a corriente alterna disponible puede dar resultados inexactos.
y de la eficiencia a la que la conversión tiene lugar se supone constante y se toma
como 90% con un tiempo de vida de 15 años. Un convertidor de 10 kW capaz de
soportar el pico de demanda se considera en el estudio.

Fig. 3. Configuración de un sistema fotovoltaico autónomo


Figura 2. Perfil de carga de la zona de estudio

TABLA I. T ESPECIFICACIÓN TÉCNICA DE Surrette 6CS25P BATERÍA

Capacidad nominal 1156Ah (6.94kWh)

Voltaje nominal 6V

Ronda de la eficiencia viaje 80%

estado de carga al mínimo 40%

la vida de flotación 12 años

nivel máximo de carga 1A / Ah

corriente de carga máxima 41A Fig. 4. Comparación de los valores LOLP entre el sistema fotovoltaico teniendo en cuenta la variación de recursos sólo
y otra teniendo en cuenta tanto la variación de recursos y el estado del hardware de los módulos fotovoltaicos
rendimiento de por vida 9645kWh

4
En el segundo caso, el sistema de batería se utiliza como unidad de copia de seguridad de
la energía, como se muestra en la figura 5 y el número de series de baterías se busca alcanzar
un valor bastante inferior de decir LOLP
0,0001 para cada una de las clasificaciones fotovoltaicos como en [19] sin tener en
cuenta el estado del hardware del PV. Correspondiente al valor LOLP de 0,0001, el
número requerido de cadenas de baterías para cada una de las votaciones fotovoltaicos
se da en la tabla II.

Fig. 5. Configuración de un sistema fotovoltaico autónomo con batería

Fig. 6. Variación del flujo de energía a través de la batería de diferente calificación de PV que incorpora el estado del
hardware de la energía fotovoltaica
TABLA II. NÚMERO DE STRING requiere batería PARA LOGRAR
LOLP = 0,0001

Sl. No. calificaciones PV Número de cadenas de Capacidad de

baterías la batería

1. 30kW 9 252kWh

2. 40kW 7 196kWh

3. 50kW 6 168kWh

4. 60kW 5 140kWh

Como se ve de la Tabla II, 9 número de cadenas de baterías es requerido por la


instalación fotovoltaica de 30 kW, de manera similar 7, 6 y 5 números de cadenas de
baterías se requiere, respectivamente, por 40 kW, 50 kW y 60 kW sistema fotovoltaico.
Cada uno de el
sistema fotovoltaico de batería se somete a cortes de capacidad debido a un fallo de
hardware de los módulos fotovoltaicos con el fin de investigar el impacto de estado
Fig. 7. Variación del% SOC de la batería de diferente calificación de PV que incorpora el estado del hardware de la
del hardware del componente PV sistema en la fiabilidad del sistema. Mientras que la
energía fotovoltaica
incorporación de almacenamiento de la batería en el sistema, ciertos aspectos deben
tenerse en cuenta, tales como capacidad de la batería, el estado de la batería de
La variación en los valores de LOLP evaluado para cada uno de la
carga (SOC) y la estrategia de funcionamiento coordinación entre el sistema y el
combinación fotovoltaica-batería sin y con teniendo en cuenta el estado del
almacenamiento de energía. El flujo de potencia a través de la batería en cada
hardware de módulo fotovoltaico se muestra en la fig.8. Se observa de la figura 8
intervalo de tiempo se determina de acuerdo con (2) a través de la coordinación
que hay un aumento significativo en los valores de LOLP obtenida cuando el
estrategia de funcionamiento y la generación real fotovoltaica hora. Fig.6 muestra el
estado del hardware del componente PV se consideran. Por lo tanto, el sistema
flujo de potencia kW través de la batería para cada uno de la combinación
que se consideró bastante fiable con un valor de 0,0001 LOLP no puede dar la
fotovoltaica-batería. Un valor positivo indica que la operación de carga de la batería y
medida exacta de la fiabilidad del sistema cuando el estado del hardware del
el valor negativo indica la operación de descarga de la batería. En consecuencia, la
componente PV
operación de carga y descarga cambiar el estado de la batería de carga (SOC) y se
se considera. los
actualiza a través de (3). La variación del estado porcentaje de carga (SOC) para
incorporación de interrupciones debido a fallos del hardware de los módulos
cada uno de la combinación fotovoltaica de batería se muestra en la fig.7. El flujo de
fotovoltaicos es mucho además de considerar la variación de recursos para la
potencia a través de la batería se ve limitada por la máxima carga de la batería y la
evaluación precisa de la fiabilidad de estos sistemas. Los supuestos poco realistas
descarga de energía que son funciones de máxima admisible y SOC mínima de la
de módulos fotovoltaicos como 100% fiables en el análisis de fiabilidad pueden dar
batería, respectivamente, y SOC de la batería en ese instante de tiempo.
resultados inexactos o engañosos.

5
[2] R. Billinton y R. Karki, “Aplicación de la simulación de Monte Carlo para la generación de sistema
de bienestar análisis” IEEE Trans. Poder Syst, vol.
14, no. 3, pp. 1172-1177, agosto de 1999.

[3] HA Lauffenburger y RT Anderson, “La fiabilidad Terminología y Preparados para Sistemas de


Energía Fotovoltaica” IEEE Trans en la fiabilidad,
vol.31, no. 3, pp. 289-295, agosto de 1982. [4] R. y R. Billinton Karki, “El mantenimiento de la
fiabilidad del suministro de sistemas de energía aislados pequeños utilizando la energía
renovable” Proc. Inst. Electo. Eng., Gener. Transmiss. Distrib., vol. 146, n ° 1, pp. 530-534, Nov.
2001. [5] SH Karaki, RB Chedid y R. Ramadán, “Evaluación del Desempeño de Probabilístico
Autónoma solar-Energía Eólica Sistemas de Conversión”

IEEE Trans. Convers energía., vol. 14, no. 3, septiembre de 1999. [6] SA Klein y WA Beckman,
“probabilidades Pérdida de la carga para los sistemas fotovoltaicos independiente,” Sol. Energía, vol.
39, no. 6, pp. 499-512,
1987.

[7] I. Abouzahr y R. Ramakumar, “Un enfoque para evaluar el rendimiento de los sistemas
fotovoltaicos de servicios públicos-interactivo” IEEE Trans. Convers energía., vol. 8, no. 2, pp.
145-153, junio de 1993. [8] C. Singh y Y. Kim, “una técnica eficiente para el análisis de la fiabilidad
Fig. 8. Comparación de los valores LOLP entre el sistema PV-batería sin tener en cuenta el estado del hardware y otra de los sistemas eléctricos incluyendo fuentes dependientes del tiempo,” IEEE Trans. Syst poder., vol.
teniendo en cuenta el estado del hardware de la energía fotovoltaica 3, no. 3, pp. 1090-1096, agosto de 1,988 mil [9] E. Ofry y A. Braunstein, “La probabilidad de pérdida
de fuente de alimentación como una técnica para el diseño de sistemas solares independientes
(fotovoltaico),” IEEE Trans. Appl poder. Syst., vol .pas-102, no. 5, pp. 1171 a 1175, mayo
VII. CONCLUSIONES

En este trabajo se presenta una nueva metodología para modelar el componente PV


1983.
de un sistema fotovoltaico autónomo con baterías de almacenamiento para el análisis de
[10] SA Klein y WA Beckman, “probabilidades Pérdida de la carga para los sistemas fotovoltaicos
la fiabilidad. El modelo desarrollado tiene en cuenta
independiente,” Sol. Energía, vol. 39, no. 6, pp. 499-512,
las interrupciones debido a fallos del hardware de 1987.
módulos fotovoltaicos, así como las características intermitentes de los recursos solares. La [11] I. Abouzahr y R. Ramakumar “probabilidad de pérdida de fuente de alimentación de los sistemas
metodología propuesta se aplica a un sistema fotovoltaico remoto tomar el perfil de recursos fotovoltaicos independientes: un enfoque solución de forma cerrada,”

y la carga solar de un caso de estudio se encuentra en el distrito de Almora de Uttaranchal, IEEE Trans. Convers energía., vol. 5, no. 3, septiembre de 1,99 mil [12] Y. Ding, P. Wang, L. Goel,
PC Loh, y P. Wu, “Long Term-Reserva expansión de los sistemas de potencia con alta penetración
India. El análisis de fiabilidad se lleva a cabo mediante la evaluación de probabilidad de
de energía eólica Usando métodos de la función universal Generación” IEEE Trans. Syst poder., vol.
pérdida de carga utilizando la simulación de Monte Carlo. Los resultados de simulación
muestran la desviación significativa en los valores del índice de fiabilidad cuando se evalúa
26, no. 2, pp. 766-774, mayo de 2011.
el estado del hardware del componente del sistema se considera en comparación con los
[13] P. Paliwal, NP Patidar, y RK Nema, “Un nuevo método para la evaluación de la fiabilidad de sistema
sistemas sin tener en cuenta el estado del hardware. Por lo tanto, dejar de lado el estado PV-wind-almacenamiento autónoma utilizando el modelo de almacenamiento probabilística,” En t.
del hardware, mientras que los componentes del sistema de modelado de dicho sistema no J. Electr. Syst energía de la energía., vol. 55, pp. 692-703, febrero de 2014. [14] Versión de software
puede dar una verdadera medida de la fiabilidad del sistema. 2.19 HOMER, National Renewable Energy

Laboratory (NREL), EE.UU.. [15] VA Graham y KGT Hollands, “Un método para generar
radiación solar cada hora sintético a nivel mundial” Sol. Energía , vol. 44, no. 6, pp. 333-

APÉNDICE 341, 1990.

Los valores numéricos de la constante utilizada en la simulación. [dieciséis] SH Karaki, RB Chedid y R. Ramadán, “Evaluación del Desempeño de Probabilístico
Autónoma solar-Energía Eólica Sistemas de Conversión”
IEEE Trans. Convers energía., vol. 14, no. 3, septiembre de 1999. [17] GS Fishman, “Monte
• • 0. 2 /%día , q pv
• 0. 04 , • napa
• 75%
(Carga),
Carlo Conceptos, algoritmos y aplicaciones”, Springer-Verlag New York, Inc.1996. [18] Informe
VPKAS, Vivekananda Parvatiya Krishi Anusandhan Sansthan,
• napa
• 100%
(descarga), SOC máx • 100%
Consejo Indio de Investigación Agrícola (ICAR) Laboratorio, Almora, Uttarakhand, India, 2002.
SOC min • ,•
40% estafa
• 90%
[19] S. Singh Sanajaoba y Eugene Fernández, “método de evaluación de la batería del tamaño
basado en la pérdida de carga del concepto de probabilidad para una instalación fotovoltaica
remoto” Al proceder: 6 º IEEE Power Conference India Internatinal (PIICON), 5-7 de diciembre de
REFERENCIA
2014. [20] Folleto / specificationsPV-MF100EC4.

[1] R. Billinton y RN Allan, “Evaluación Fiabilidad de Sistemas de Potencia,” 2 Dakota del Norte edición, Nueva York:
Plenum Press, 1996.