IEEE Power & Energy Magazine - Spanish - May/June 2022 - 88

del tiempo en estado estacionario para encontrar los fasores.
A partir de ahí, se encuentran los componentes de admitancia
de la primera columna Ydd(f) y Yqd(f). Luego, se realiza una
inyección en la tensión del eje q, y se encuentran las componentes
de admitancia de la segunda columna Ydq(f) y Yqq(f). A
partir de la medición en el dominio de la frecuencia, podemos
aplicar métodos de ajuste de datos en el dominio de la frecuencia
para obtener un modelo de caja negra. Esta etapa es
necesaria si se quiere disponer de una admitancia en el dominio
s para analizar los valores propios, lo que puede proporcionar
una imagen global de los modos del sistema.
Los datos que se muestran en la figura 6 se han ajustado
con un paquete de ajuste de datos en el dominio de la frecuencia.
En la figura 7(a) se comparan las respuestas de frecuencia
del modelo con las mediciones. En esta figura, se observa
que el ajuste de los datos genera un alto grado de coincidencia
en el espectro de frecuencias estudiado. Se puede hacer una
comparación adicional: las respuestas escalonadas del dispositivo
físico frente al modelo. En la figura 7(b), se presenta la
comparación ante dos cambios de paso en las tensiones del eje
dq: 10% o 20%. El dispositivo físico y el modelo tienen respuestas
escalonadas muy similares.
Otra tecnología que permite identificar el modelo de
admitancia es el uso de respuestas escalonadas en el dominio
del tiempo. La conversión de las respuestas escalonadas en
expresiones del dominio s y el ensamblaje conducen directamente
a un modelo de admitancia dq del dominio s. En las
aplicaciones del mundo real, el ruido contamina los datos de
la respuesta escalonada. El modelo resultante podría no ser
preciso en el rango de alta frecuencia o cuando los datos de
medición tienen valores pequeños.
Observación: los escaneos de frecuencia y el ajuste de
datos en el dominio de la frecuencia son dos tecnologías
avanzadas que se pueden emplear para identificar el modelo
de admitancia dq de la IBR.
El modelo de admitancia identificado es un modelo lineal
que se asocia a una condición de funcionamiento. Una IBR
podrá tener una variedad de condiciones de funcionamiento.
Por lo tanto, uno de los desafíos es cómo encontrar los modelos
de admitancia que se asocian a una condición de funcionamiento
aleatoria Una solución sencilla es construir un modelo
no lineal que pueda reflejar las condiciones de funcionamiento.
Este enfoque es el del modelado de caja gris: construir
la estructura del modelo a partir de los primeros principios y
del conocimiento previo mientras se estiman los parámetros
del modelo utilizando los datos de las mediciones. Por otro
lado, la identificación del modelo de caja gris de la IBR es un
desafío mayor tanto desde la perspectiva de la construcción
del modelo dinámico de la IBR como desde la perspectiva de
la resolución de problemas de optimización matemática.
Desafíos en la identificación de modelos de
caja gris
Si utilizamos el inversor de 2.3 MVA como ejemplo, demostraremos
cómo utilizar los datos de medición de la admi88
ieee
power & energy magazine
tancia dq para especular la estructura y los parámetros de
control del inversor. La primera etapa consiste en especificar
la estructura de control. En este caso, se estudian dos tipos
de estructuras de control usuales. En la figura 8 se muestran
las estructuras de control del convertidor y se comparan las
respuestas de frecuencia de los dos modelos con las mediciones.
En
ambos modelos, los controles del convertidor tienen
el mismo objetivo de seguir las órdenes de potencia real y
potencia reactiva. Ambos emplean una estructura de control
en cascada: controles externos para seguir las órdenes de
potencia real y reactiva y controles internos para seguir las
órdenes de corriente. Los dos modelos difieren en los marcos
de implementación del control de la corriente interna.
El control del marco de referencia dq tiene su control de
corriente interior implementado en un marco de referencia
dq; es decir, las mediciones de la corriente de fase se convierten
primero en un marco de referencia dq. Este marco
de referencia dq tiene la velocidad de giro de la frecuencia
nominal en estado estacionario. Cuando se proyectan al
marco de referencia dq, las señales regulares con la frecuencia
nominal se convierten en señales de CC.
Las unidades de control proporcional e integral son conocidas
por su capacidad de seguimiento de las señales de CC.
Pueden hacer que las mediciones de corriente del eje dq
sigan las órdenes de corriente que generan los controles exteriores.
El control de marco de referencia estacionario tiene
su control de corriente interior implementado en un marco
de referencia estacionario. En este marco, las corrientes
siguen siendo periodicas. Para el seguimiento de una orden
de corriente, se emplean unidades de control proporcional y
resonante para asegurar que el error entre la medición y la
orden alcance el cero en la frecuencia nominal.
La comparación de la admitancia dq del inversor de
2.3 MW con los dos modelos muestra que el segundo modelo
presenta una mejor coincidencia para los componentes diagonales
Ydd y Yqq. En concreto, para el componente dd, se
observa un importante desajuste en el rango de 1-100 Hz si
se asume el control del marco de referencia dq. En cambio, el
inversor de 2.3 MW y el modelo se ajustan bien en el rango
de 0.1-100 Hz si se asume el control del marco estacionario.
Las siguientes etapas son el perfeccionamiento de la
estructura del modelo y el ajuste de los parámetros. Específicamente,
el ajuste de los parámetros se puede lograr utilizando
un procedimiento automático en lugar de un ajuste
manual. La formulación y resolución de problemas de optimización
se convierte en una tarea inmediata para lograr el
ajuste automático. Con este ejemplo de inversor de 2.3 MW,
se puede apreciar que hay dos desafíos principales: el diseño
del modelo y el diseño del algoritmo para estimar los parámetros
del modelo personalizado.
Desafío 1: diseño de la estructura del modelo IBR
En la última década, el subcomité de validación de modelos
del Consejo Coordinador de Electricidad del Oeste ha
mayo/junio 2022
IEEE Power & Energy Magazine - Spanish - May/June 2022

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - May/June 2022
