Sistema de Gestión de Energía de una Microrred Eléctrica integrando Control Predictivo basado en Modelo y Aprendizaje Automático

DAYLÉN MILIAN PÉREZ; LIVÁN HERNÁNDEZ PARDO; FERNANDO MAGNAGO; FACUNDO AGUILERA; GERMÁN G. OGGIER

San Francisco, Córdoba

Congreso; XXI Reunión de trabajo en Procesamiento de la Información y Control (RPIC2025); 2025

Universidad Tecnológica Nacional, Facultad Regional San Francisco

La gestión energética en microrredes (MGs) es un aspecto crítico para garantizar su operación eficiente, especialmente ante la variabilidad inherente de las fuentes de energía renovable (FER). El control predictivo basado en modelo (MPC) ha demostrado ser una herramienta eficaz en este contexto, permitiendo optimizar la operación bajo restricciones técnicas. No obstante, su aplicación en tiempo real presenta desafíos significativos debido a su elevada carga computacional. Este trabajo propone una estrategia de control que integra MPC con un modelo de aprendizaje automático (AA), específicamente máquinas de vectores de soporte para regresión (SVR), con el objetivo de reducir la complejidad computacional sin comprometer la calidad de las decisiones de control. La estrategia consiste en entrenar un modelo SVR con las acciones de control generadas por el MPC, a fin de aproximar las señales de control en función del estado del sistema y eliminar la necesidad de resolver el problema de optimización en línea. Los resultados demuestran que el modelo SVR logra predecir con precisión el comportamiento del MPC, manteniendo un desempeño económico similar. Esta integración representa una alternativa prometedora para implementar políticas de control óptimas en tiempo real, especialmente en entornos con restricciones computacionales.