La jornada de cierre será presencial y virtual el viernes 2 de diciembre a las 11:00 horas en el aula 1 del campus universitario de Villa Mercedes.
Como apertura del encuentro, disertará el Ing. Lucas Martín Fernández sobre Control IDA-WAC para cargador de baterías de vehículos eléctricos conectado a la red con filtro LCL. A continuación, se presentará el Ing. Maximiliano Daniel Trimboli, quién tratará sobre Control inteligente de carga para baterías de vehículos eléctricos.
Para mayor información e inscripciones contactarse con los coordinadores del seminario: Ing. Pablo Belzunce (belzuncepablo@gmail.com); Ing. Francisco Esteban (franesteban92@gmail.com).
Resumen
En este trabajo se presenta una estrategia de control para un cargador de baterías trifásico para vehículos eléctricos que se conecta al sistema eléctrico de potencia mediante un filtro LCL. La estrategia propuesta consiste en un controlador basado en energía, usando la técnica basada en pasividad, combinado con una ponderación de las corrientes circundantes en el sistema, que permite reducir el orden del mismo, mientras se asegura la estabilidad en lazo cerrado.
Los objetivos de control del cargador de baterías consisten en generar un perfil de carga, controlando corriente y tensión en el lado de continua y asegurar corriente sinusoidal balanceada y en fase con la tensión de red en el lado de alterna, manteniendo su distorsión armónica dentro de limites establecidos en las normativas. La estrategia de control propuesta es validada mediante resultados de simulación.
Resumen
A raíz de diferentes factores socioeconómicos y climáticos, en los últimos años ha surgido un crecimiento emergente en el desarrollo de vehículos eléctricos (EV’s) y vehículos híbridos, generando con su uso masivo una disminución significativa de las emisiones de gases de efecto invernadero, entre tantas otras ventajas. Para respaldar este avance, es necesario la incorporación de baterías de iones de litio (Li-ion) asegurando cierta autonomía durante la operatividad por parte de los usuarios.
En una batería Li-ion, la tasa y el tiempo de carga están directamente relacionados con la salud del equipo, con lo cual, el propósito principal es optimizar su perfil de carga mediante el uso de diversas técnicas y metodologías, a fin de minimizar el tiempo de carga a la vez que se prolonga la vida útil. Para encontrar una política que cumpla de forma óptima las necesidades planteadas, este trabajo propone el uso de técnicas de aprendizaje por refuerzo.
El aprendizaje por refuerzo es un método de inteligencia computacional que permite obtener una política basada en la interacción con un modelo del entorno. Dada la alta dimensionalidad del problema, la política del agente es parametrizada utilizando un modelo de representación profundo (Deep Learning) como aproximación de función. Teniendo en cuenta la complejidad del entorno y con el propósito de evitar posibles daños al equipamiento, en conjunto con el método planteado se incorporó una técnica novedosa denominada “Safety Layer”, la cual consiste en un proceso de exploración durante una etapa de pre-entrenamiento que genera una política segura para el entrenamiento, evitando de esta forma, violaciones de límites definidos.
Para validar la efectividad del método propuesto, se realizaron diversas experimentaciones, siendo comparado con otros métodos más tradicionales y carentes de una política segura.