Comparación entre técnicas de control no lineal en
el control del ángulo de potencia del inversor de un
generador distribuido conectado a una microrred
1st Edwin David Erazo Caicedo
Departamento de ingenierı́a eléctrica y electrónica
Universidad Nacional de Colombia
Bogotá, Colombia
eerazoc@unal.edu.co
Resumen—En este documento se presenta el trabajo final
para la asignatura “Fundamentos de sistemas no lineales”. Las
microrredes son una de las soluciones energéticas que está
tomando fuerza en la actualidad debido a la serie de ventajas
que presenta en términos de confiabilidad y eficiencia de recursos
energéticos (uso de energı́as renovables). A lo largo de los útlimos
años se han venido estudiando en diferentes campos: Control,
diseño, construcción, topologı́as, estabilidad, entre otras. Este
documento se enfoca en el control, y presenta el problema de
controlar los inversores que se encuentran entre los generadores
distribuidos y la microrred, para obtener una operación deseable
de la misma. En la primera sección y segunda sección se hace un
breve acercamiento hacia las microrredes, en la tercera sección se
presenta el modelo del inversor, en la cuarta sección se expondrá
el diseño de cada una de las técnicas de control escogidas, en la
quinta sección se presentan una serie de criterios de desempeño
que se tendrán en cuenta en la sexta sección para el análisis
de los resultados obtenidos. Finalmente, en la última sección
se encuentran las conclusiones al respecto y el trabajo futuro
propuesto.
Index Terms—microrred, modelamiento, control, inversor,
desempeño, no-lineal
I. I NTRODUCCI ÓN
Las técnicas de control no lineal, son, en efecto de la
ingenierı́a y la automatización, las puesta en práctica del
desarrollo teórico de los sistemas no lineales, puesto que
es aquı́ donde toman forma los conceptos de estabilidad,
invarianza, finitud de las soluciones, etc. a razón de las
posibilidades materiales (limitantes fı́sicas, económicas,
sociales, etc.) y los requerimientos de las plantas. Es
ası́, como el diseño de los controladores, desarrollados
sistemáticamente en [3, cap. 12-14], encarna el sentido propio
de la materia, que es la comprensión de dichos sistemas para
la aplicación práctica en escenarios especı́ficos, es decir, la
solución de problemas y la satisfacción de necesidades.
El objetivo que se busca, tras el diseño de cada técnica y la
comprensión de sus fundamentos teóricos, es la comparación
a través de criterios de desempeño y estabilidad en un
escenario en concreto, de las técnicas que concluyen cada
uno de los capı́tulos mencionados, y que son los derroteros
2nd Daniel Vargas Medina
Departamento de ingenierı́a eléctrica y electrónica
Universidad Nacional de Colombia
Bogotá, Colombia
davargasme@unal.edu.co
de las diferentes etapas del curso, o dicho de otra manera, las
diferentes etapas de la comprensión de los sistemas no lineales.
Aquı́ dicha aplicación práctica, es el modelo matemático
no lineal del inversor en una microrred y el escenario es
la simulación computacional. Tal elección se realiza por
intereses académicos de los autores, sin dejar de lado, que
el método de comparación puede ser aplicado para otros
sistemas no lineales.
Se expondrá entonces, la conceptualización de la planta
y la importancia de las microrredes en la actualidad, hecho
que concluye con la elección de un modelo no lineal de un
inversor que conecta al generador distribuido con la microrred
y de los criterios de comparación, propios para la misma, que
se aspira, puedan comparar con justicia las distintas técnicas,
en un estudio de la base cualitativa y cuantitativa de los
resultados.
Se entrega una metodologı́a básica de comparación de
técnicas de control no lineales para la corrección del ángulo
de potencia de un inversor conectado a una microrred, a través
de criterios de desempeño, el modelo matemático no lineal del
mismo, y la aplicación en él, de cuatro técnicas de control no
lineal, Gain Scheduling, Feedback Linearization, Backstepping
y Sliding Mode Control.
II. M ICRORREDES
II-A. Concepto de Microrred
De acuerdo con el Grupo de Intercambio de Microrredes
del Departamento de Energı́a de los Estados Unidos [7]: “Una
microrred es un grupo de cargas interconectadas y fuentes de
energı́a distribuida con unas fronteras eléctricas claramente
definidas que actúa como una sola entidad controlable con
respecto a la red. Una microrred puede conectarse o desco-
nectarse de la red (principal) para habilitar la operación ya sea
en modo conectado a la red o en modo isla”. Con principio
en esta definición, se puede añadir, que la microrred es un
sistema constituido por:
 Generación distribuida
Electrónica de Potencia
Cargas
Comunicación & Control
La microrred puede también estar conectada a otras micro-
rredes para temas de confiabilidad. En Fig. 1 se puede ver un
esquema gráfico de una microrred.
Las microrredes pueden clasificarse en AC, DC o hı́bridas,
según el tipo de generación distribuida, o el tipo de cargas.

Figura 2. Generador sı́ncrono, esquema circuital. Tomado de [9]

que se hablará más adelante) es también, parte del inversor

sı́ncrono.

Figura 1. Esquema de microred, obtenido el 23/05/2019 de: https://building-

microgrid.lbl.gov/about-microgrids.

III. I NVERSOR S ÍNCRONO

Un inversor sı́ncrono (Synchronverter), propuesto por
los autores en [9], es una técnica que busca dar a los Figura 3. Esquema circuital de un inversor. Tomado de [9]
inversores la capacidad de asemejar su comportamiento al
de los generadores sı́ncronos (SG). En palabras generales, la
conveniencia de dicha analogı́a, radica en que la generación de III-A. Modelo del inversor sı́ncrono
las grandes estaciones se realiza con SGs, cuya sincronización Tanto la parte eléctrica como la parte mecánica, son resuel-
en red ha sido ampliamente estudiada y tiene ya modelos de tas de las dinámicas estudiadas para los SG, aquı́ se sigue
control bastante robustos, por el tiempo que lleva ésta siendo parte del desarrollo propuesto en [9] y posteriormente en [8].
empleada. La fuerza contra electromotriz debida al giro del rotor en una
Oportunamente, un inversor tiene un modelo similar al máquina SG, está dada por:
de un generador sı́ncrono, al que se conecta un banco de
˜
e = ψf ωv sinθ
condensadores en el embobinado de su estator Fig.2, de ahı́
la inspiración del método, por lo tanto, se buscará que el tren
Donde, ψf es el flujo del rotor, θ su ángulo de giro, ωv = θ̇
de pulsos que permiten el paso de corriente en los transistores ˜ se define como:
su frecuencia angular y sinθ
del inversor, se comporte tal como lo harı́a la f.e.m. inducida 
en las bobinas del estator de un SG.  sin θ
˜ = sin (θ − 2π )
sinθ 3
El comportamiento de un inversor sı́ncrono puede ser in- sin (θ − 4π
3 )

terpretado bajo dos dinámicas, la parte mecánica, que en éste
caso será simulada computacionalmente, pudiendo convenien- De modo que e es un vector que contiene un voltaje trifási-
temente darle comportamientos que no podrı́an ser obrados co. Por otro lado, la parte mecánica está gobernada por la
por la planta en la realidad, despreciar variables inoperantes ecuación:
para los objetivos de sincronización, o bien, darle valores a J ω̇v = Tm − Te − mωv (1)
las variables que no podrı́an alcanzarse fı́sicamente; y la parte
eléctrica, que va desde la generación y modulación (PWM) de Donde J es el momento de inercia de todas las partes que
la f.e.m., hasta la generación de la corriente trifásica en los giran con el rotor, Tm es el torque mecánico, Te es el torque
inversores Fig.3. A parte de esto, se dice que el control (del electromagnético, y m es un factor de amortiguamiento.
Si se tiene una corriente i = i0 sin˜ ϕ en las bobinas del estator, control “Droop es el último eslabón a definir dentro del
2

Te está dado por: esquema de control clásico en [9].

3
Te = ψf i0 cos (θ − ϕ) (2) Para el desarrollo de los controladores se tomará el esquema
2
de control alternativo propuesto en [8], donde el objetivo de
Ası́ mismo, las potencias real P y reactiva Q del circuito
control es el seguimiento del ángulo de potencia δ, para ello
eléctrico multifase están dadas por:
se procede a definir un espacio de estados conveniente.
3 3
P = hi, ei = ωv ψf i0 cos (θ − ϕ) = ωv ψf i0 cos δ
2 2 III-B. Modelo en el espacio de estados
3 3
Q = hi, eq i = ωv ψf i0 sin (θ − ϕ) = ωv ψf i0 sin δ Un sistema SISO, modelado en el espacio de estados puede
2 2 tener la forma:
Donde h·, ·i denota el producto interno de dos vectores, δ =
θ−ϕ se define como el ángulo de potencia, y eq es equivalente ẋ = f (x, u) (3)
a e, pero con un retraso de fase, respecto a ésta, de π/2. y = h(x) (4)
Nótese, que de la ecuación (2) se deduce:
Donde x ∈ D ⊂ Rn es el vector de estados, u es la entrada,
Te ωv = hi, ei = P f y h son mapeos, tales que f : D → Rn y h : D → R; el
Del mismo modo, el torque mecánico Tm puede calcularse sistema descrito, es un sistema autónomo o invariante en el
con la ecuación: tiempo.

Tn ωn = Pset Para el inversor sı́ncrono, si se escogen como estados, el

Donde ωn es la frecuencia natural de la red y Pset es la
potencia real requerida; en los esquemas de control clásicos
Fig.4, este ωn será una frecuencia de referencia ωref a seguir
por el sistema de control [9].
Para la microrred, el factor de amortiguamiento m, puede
ángulo de potencia δ, la variación del ángulo de potencia
respecto al tiempo δ̇ y la diferencia entre el torque mecánico
y el torque eléctrico 4T = Tm − Te ; el sistema de espacio
de estados se haya de la siguiente manera:
La primera y segunda derivada del ángulo de potencia respecto
al tiempo está dada por:

δ̇ = ωv − ϕ̇ (5)
δ̈ = ω̇v − ϕ̈ (6)

Reemplazando ω̇ de la ecuación (1), se tiene:

δ̇ = ωv − ϕ̇
m 1
δ̈ = − ωv + (Tm − Te ) − ϕ̈
J J
Si las variaciones de la frecuencia de la corriente (ϕ̈) no son
lo suficiente mente significantes, es decir ϕ̈ ≈ 0, entonces, (5)
toma la forma:
Figura 4. Esquema de control clásico, resaltando el lazo de control “Droop”.
Editada de [9] m 1
δ̈ = − ωv + (4T ) (7)
J J
actuar como un amortiguador en el modo conectado a la red,
y es usado como un control ”droop”de potencia y frecuencia Ahora, derivando (2) respeto al tiempo se obtiene:
en el modo isla [8], puede ser calculado de la ecuación (1), 3 3 3
con algunos valores máximos o mı́nimos de cada una de Ṫe = ψ̇f i0 cos δ + ψ i̇0 cos δ − ψf i0 δ̇ sin δ (8)
2 2 2
las variables implicadas dependiendo de la aplicación, sin
Si el controlador “Droop”(para el flujo del rotor ψf ) tiene la
embargo, aquı́ se toma el valor arbitrario m = 70.
función de transferencia:
Consecuentemente, el momento de inercia es obtenido por:
ka
J = mτf Gc (s) = (9)
τa s + c
Donde τf es la constante de tiempo del lazo “Droop”de Donde, si c = 1 el controlador se comporta como un filtro
potencia y frecuencia, determinado por el diseñador acorde a pasa bajas, si c = 0, se comporta como una acción puramente
una dinámica aceptable, aquı́ se toma el valor τf = 0, 04. integral. De modo que, si ψf = Gc u, de (9) se deduce:

El control del flujo del rotor (ver Fig.4) ψf , realiza el ka c

ψ̇f = u − ψf
seguimiento de la potencia reactiva deseada Qset , es llamado τa τa
Reemplazando este resultado en (8) y dado que 4̇T = Ṫe elección de α2 y u en los siguientes pasos.
(con Tm constante), se obtiene:
3 ka c 3 3 Paso 2: Encontrando α2 .
4̇T = Ṫe = u cos δ − Te + ψf i̇0 cos δ − ψf i0 δ̇ sin δ Usando (12), (14), (15) y tomando en cuenta el valor de
2 τa τa 2 2
(10) α1 , se tiene:

Por último, tomando (10) y (7), el modelo en el espacio de ė2 = ẋ2 − α̇1 = a2 x2 + a3 x3 − k1 ė1 (18)
estados, con una variable d debida a las perturbaciones o = [1 − k1 (a2 + k1 )]e1 + (a2 + k1 )e2 + a3 e3 + a3 α2
incertidumbres del sistema, está dada por: (19)
ẋ1 = x2 (11) Sea la función candidata de Lyapunov:
ẋ2 = a2 x2 + a3 x3 (12)
1 2 1 2
c 3 V2 = e + e
ẋ3 = uf − x3 + {ψf i0 cos x1 − ψf i0 x2 sin x1 } + d 2 1 2 2
τa 2
(13) Cuya derivada a través de las trayectorias es:

Donde a2 = −m/J, a3 = −1/J y uf = 3ka /2τa u cos x1 , y V̇2 = V̇1 + e2 ė2 (20)
[x1 , x2 , x3 ] = [δ, δ̇, 4T ]
Si se tiene que α2 = b1 e1 + b2 e2 , donde:
IV. E STRATEGIAS DE C ONTROL
(1 − k1 (a2 + k1 ) (k1 + k2 + a2 )
Las estrategias de control que se pretende aplicar al modelo b1 = − b2 = −
a3 a3
de la microrred, corresponden a las analizadas en [3, cap. 12-
14]; puesto que cada una de ellas sintetizan lo desarrollado Y reemplazando (18) en (20), se tiene:
secuencialmente en diferentes etapas del curso. Tales técnicas
son: V̇2 = −k1 e21 − k2 e22 + a3 e2 e3

IV-A. Backstepping Hasta aquı́ el sistema sigue sin ser totalmente

estabilizado, ésta acción culmina con la elección
El método de control Backstepping, aquı́ descrito, es el
de uf en el siguiente paso.
desarrollado en [10] y posteriormente en [8].
El objetivo es estabilizar el sistema (11)-(13) usando dicho
Paso 3: Encontrando uf .
método, es dirigir x1 a un valor deseado xd1 = α0 , con
Usando (13), (14), (15), (18) y el valor de α2 , se tiene:
α0 = δref constante, encontrando x2 para estabilizar (11),
x3 para estabilizar (12) y finalmente u para estabilizar (13) c 3
ė3 = uf − x3 + {ψf i0 cos x1 (21)
y con ello, al sistema global. Por consiguiente, x2 y x3 τa 2
tendrán trayectorias virtuales α1 y α2 . Se define el error de − ψf i0 x2 sin x1 } + d − α̇2 (22)
las variables de estado como:
Donde:
ei = xi − αi−1 , i = 1, 2, 3 (14)
α̇2 = Ae1 + Be2 + a3 b2 e3
El problema es entonces encontrar α1 , α2 y u para llevar el
error de las variables de estado zi a cero, ası́: A = (b1 b2 a3 ) − k1 (b1 + k1 b2 + a2 b2 )
Paso 1: Encontrando α1 . B = (b1 + a3 b22 + a2 b2 + k1 b2 )
De (11) y (14), se tiene:
Sea la función candidata de Lyapunov:
ė1 = ẋ1 − α̇0 = ẋ1 = x2 = e2 + α1 (15) 1 2 1 2 1 2 1
V = ˆ2
e + e + e + β(d − d)
Sea la función candidata de Lyapunov: 2 1 2 2 2 3 2
1 2 Cuya derivada a través de las trayectorias es:
V1 = e
2 1
V̇3 = −k1 e21 − k2 e22
Cuya derivada a través de las trayectorias es: 3
+ [uf + ψf i̇0 cos x1
V̇1 = e1 ė1 (16) 2
c 3
Ahora, si se escoge α1 = −k1 e1 , de (15) y (16), se tiene: − ( b1 + A − k1 ψf i0 sin x1 )e1
τa 2
c 3
V̇1 = −k1 e21 + e1 e2 (17) − (−a3 + B + b2 + ψf i0 sin x1 )e2
τa 2
De (17) se puede observar que no existen garantı́as c ˆ
− ( + a3 b2 )e3 + d]e3
de que V̇ < 0. Esta condición se establecerá con la τa
 ˙
Donde se ha escogido dˆ = e3 /β. Por ello, si se escoge
la ley de control:
3 cumple con la condición definida uf ss = − 32 i̇0 ψf cos r.
uf = − ψf i̇0 cos x1
2
c 3
+ ( b1 + A − k1 ψf i0 sin x1 )e1
τa 2
c 3
+ (−a3 + B + b2 + ψf i0 sin x1 )e2
τa 2 2
c
+ ( + a3 b2 − k3)e3 − dˆ
τa
La derivada de la función candidata de Lyapunov estará
dada por:
V̇3 = −k1 e21 − k2 e22 − k3 e23
De modo que, si se escoge k1 > 0, k2 > 0 y k3 > 0, V̇3
es negativa definida y por lo tanto, el sistema será global,
asintóticamente estable.
IV-B. Gain Scheduling
Khalil en [3, cap. 12], introduce las técnicas de control
no lineal por realimentación, cuya evolución en los capı́tulos
siguientes guarda relación con los temas de estabilidad
abordados en los capı́tulos 1-4. Este capı́tulo concluye
con el diseño más simple de los que se abordarán: el
control de ganancia programable “Gain Scheduling”, con
un comportamiento basado en la linealización de los puntos
de equilibrio, y la escogencia de las variables de control
dependiente de las trayectorias x(t) de la planta.
Sea el sistema definido en (3), para el cual se propone
un controlador por realimentación de estados con una acción
integral de error e = y − r. De modo que se obtiene el sistema
aumentado:
con la condición definida [x1ss , x2ss , x3ss ] = [r, 0, 0], x1ss
depende continuamente en r y uf ss tiene un único valor que
Si se define r = α como la variable programable (scheduling
variable), la salida será regulada por α, y de (25) y (27), se
tiene:
3
x1ss = α uf ss = − i̇0 ψf cos α
De modo que, para el inversor sı́ncrono, la variable progra-
mable x1 = δ = α pertenecerá a un conjunto de valores Dr
por los que podrı́a fluctuar el ángulo de potencia, durante el
funcionamiento del sistema. Este hecho supera la aplicación de
linealización básica, aumentando el conjunto en el que pueden
operar las acciones de control integral lineal.
Aplicando la ley de control PI uf = −k1 (α)e − k2 (α)σ y
reemplazando en (23) se tiene:
ẋ = f (x, −k1 (α)(x − r) − k2 (α)σ)
σ̇ = x − r
Cuando r = α el sistema tiene un punto de equilibrio en
(xss , σss ), donde σss = −uss /k2 (α). Al linealizar el sistema
en lazo cerrado sobre el punto (x, σ) = (xss , σss ) y r = α,
se obtiene el sistema aumentado:

a(α) − b(α)k1 (α) −b(α)k2 (α)

ζ̇δ = ζδ
1 0
 
b(α)k1 (α)
+ rδ (28)
−1
yδ = xδ
Donde ζδ = [xδ σδ ]| , xδ = x − α, σδ = σ − σss , rδ = r − α,
 
∂f  ∂f 
a(α) = b(α) =
ẋ = f (x, u) (23) ∂x x=xss , uf =uf ss ∂u x=xss , uf =uf ss
σ̇ = h(x) − r (24) Finalmente, el método para encontrar las ganancias programa-
Donde σ̇ = e y r ∈ Dr ⊂ R. Se asume que para cada r bles k1 y k2 consiste en:
existe un único par (xss , uss ) que depende continuamente en Computar un conjunto de m valores Dr = α0 , α1 , ..., αm
r y satisface la ecuación: diferentes, entre, los que se considera, puede variar el
ángulo de potencia durante la operación del sistema.
0 = f (xss , uss ) Encontrar la linealización del sistema para cada αj en
r = h(xss ) Dr .
Hallar los valores de las ganancias k(1,j) y k(2,j) , tal que
Estas suposiciones pueden comprobarse en el modelo en
(28) sea Hurwitz.
espacio de estados propuesto en (11)-(13), de la siguiente
forma:
IV-C. Feedback Linearization Control
0 = x2ss La estrategia de control de linealización por realimentación
0 = x3ss brinda una posibilidad estructurada y metódica para el diseño
3 de controladores que puedan lidiar con las no linealidades
0 = uf ss + i̇0 ψf cos x1ss (25) de un sistema. En [3, cap. 13] se explica la metodologı́a
2
(26) para realizar el diseño de controladores para problemas de
r = x1ss (27) estabilización y seguimiento usando esta estrategia. Acorde
con lo presentado allı́, se debe encontrar una transformación
Si se asumen ψf e i̇0 constantes, se puede observar que cada (difeomorfismo) que transforme el sistema en la siguiente
una de las variables de estado tienen un único valor que cumple estructura:
 ẋ = f (x) + g(x)u
Con z = T (x), x = T −1 (z)
ż = Az + BΓ(x)[u − α(x)]
Donde el par (A, B) es controlable y la función Γ(x) es no
singular. Por lo tanto, la señal de control u = α(x) + β(x)v
linealiza el sistema. Observamos que de acuerdo con el modelo
de nuestro sistema (dado por (11),(12) y (13)), con una señal
de control definida como:
Figura 5. Diagrama de bloques para la implementación del control por
linealización vı́a realimentación, con seguimiento a señales tipo paso.
3
u(x) = − {ψf i0 cos x1 − ψf i0 x2 sin x1 } + v
2
Normalmente la superficie de deslizamiento se plantea en
Nuestro sistema queda de la siguiente forma:
términos de las variables de estado del sistema (estabiliza-
ción), pero dado los requerimiento de seguimiento, debemos
ẋ1 = x2 plantear la superficie en términos del error como se muestra
ẋ2 = a2 x2 + a3 x3 a continuación (seguimiento):
c
ẋ3 = − x3 + v + d
τa S = ë + C1ė + C2e
En donde podemos observar que nuestro queda linealizado Con e = x1 − ref
vı́a realimentación y que el par (A,B) es controlable Reemplazando tenemos:
(verificación hecha en MatLab). A continuación si se define
una señal auxiliar de control v = −Kx, donde garanticemos
que A − BK es Hurwitz, nuestro lazo de control estabiliza S = x¨1 + C1x˙1 + C2(x1 − ref )
el sistema. Sin embargo, se requiere hacer seguimiento de
entradas tipo paso, por lo cual se realiza un aumento del Reemplazando, acorde con la dinámica de nuestro sistema:
sistema considerando un lazo extra de control (tomando el
error a partir de la referencia y la salida del sistema) y el S = x˙2 + C1x2 + C2(x1 − ref )
modelo interno de la señal a seguir (un integrador). S = a3x3 + (C1 + a2)x2 + C2x1 − C2ref

El modelo aumentado del sistema modifica las matrices A Derivamos la superficie de deslizamiento para que aparezca
y B, transformándolas en las siguientes: la señal de control:


0 1 0 0
   Ṡ =a3x˙3 + (C1 + a2)x˙2 + C2x˙1
0  
0 0 1 0  0 c 3
A= , B=  Ṡ =a3 uf − x3 + {ψf i0 cos x1 − ψf i0 x2 sin x1 } + d
0 0 a2 a3  0 τa 2
0 0 0 − τca 1 + (C1 + a2)(a2x2 + a3x3 ) + C2x2
Empleando Matlab, con el comando ’acker’ se definieron Dado el conocimiento de la planta, proponemos la siguiente
los polos del lazo de control y ası́ se obtuvieron las ganancias ley de control:
correspondientes para la linealización y para el seguimiento.
En la Fig.5 se puede apreciar el diagrama de bloques imple-
 
c 3 1
mentado en Simulink, que muestra la estructura de bloques uf = x3 − {ψf i0 cos x1 − ψf i0 x2 sin x1 } + (−(C1 + a2)(a2x2
τa 2 a3
empleada.
Reemplazando la señal de control propuesta en Ṡ, tenemos:
IV-D. Sliding Mode Control
En [3, cap. 14.1] se presenta la estrategia de control no d
Ṡ = −M sgn(S) +
lineal por modos deslizantes. Es una estrategia de control a3
que plantea una superficie de deslizamiento en el espacio de Ahora, para verificar la existencia de modos deslizantes
estados, garantizando que sea una superficie de conmutación (concepto que se deriva del concepto de estabilidad de Lya-
atractiva, de forma que las trayectorias que empiecen en punov) según Utkin, tenemos que garantizar:
algún lugar, vayan hasta dicha superficie y se ”deslicen”hacia
el punto de equilibrio.
S Ṡ < 0
 Luego: VI. A N ÁLISIS DE R ESULTADOS
La simulación se realizó con el software MATLAB, y
d su complemento de SimuLink, en donde se implementaron
S Ṡ = S(−M sgn(S) + )
a3 las diferentes técnicas de control previamente definidas y se
d evaluó su desempeño para una entrada de referencia de 0,3◦ ,
S Ṡ = −M sgn|S| + S
a3 tipo paso, para el ángulo de potencia (x1 ). Adicionalmente se
Asumiendo que las perturbaciones e incertidumbres del ingresó una perturbación equivalente a la entrada de la forma
sistema tienen cota máxima conocida, podemos decir que: d + d sin 2πt, con un valor de d = 100.

d
≤L
a3
d
S ≤ L|S|
a3
Entonces:

S Ṡ ≤ −M sgn|S| + L|S|
S Ṡ ≤ −|S|(M − L)
Por lo tanto, para que existan modos deslizantes (y garan-
tizar estabilidad por Lyapunov), el valor de M debe escogerse
mayor a la cota máxima de la perturbación. Para nuestra
implementación, dado que variabamos el valor de ’d’, el valor
de M se consideró como M = 1,1d.
V. C RITERIOS DE DESEMPE ÑO
La aplicación de las técnicas de control busca dar un
perfil cuantitativo y cualitativo de cada una de ellas y
sus resultados para una aplicación concreta. No se trata
de evaluar el desempeño general de cada técnica, sino de
poderlas comparar, a través de la simulación computacional,
en un escenario especı́fico, de tal manera que la comparación
tenga un sentido práctico; tal escenario es el de aplicarlas en
el control de referencia del ángulo de potencia en el inversor
de un generador distribuido conectado a una microrred.
Figura 6. Respuesta ante una referencia tipo paso del ángulo de potencia
de cada estrategia de control, sin perturbación. SMC(azul), GainScheduling
(red), FeedbackLinearization (purple) and Backstepping (yellow).
En la Fig.6 se puede observar el comportamiento de los
cuatro controladores ante la misma entrada sin perturbación
(d = 0). El comportamiento del controlador por Gain
Scheduling es igual al de Feedback Linearization, debido
a que se ubicaron los mismos polos. El Controlador por
Backstepping es el que presenta el mejor transitorio (el
menor tiempo de establecimiento) y el controlador por modos
deslizantes (SMC) tiene el mayor tiempo de estabilización.

Sin embargo, la comparación debe resolver con justicia la

distancia que existe entre cada técnica, puesto que, aunque
su oficio sea el control de sistemas no lineales, se trata de
técnicas con distinta naturaleza, que, como se vio, obedecen
a etapas distintas en la comprensión de los sistemas no
lineales. Por ello se propone el planteamiento de criterios
de desempeño, que giran alrededor de puntos clave para el
funcionamiento de la microrred, y a través de los cuales, se
puede llegar a un mayor entendimiento de los fenómenos de
control, que pueden jugar un papel primordial en la aplicación
práctica.

Los criterios que se escogieron fueron los siguietes:
Estabilidad
Respuesta transitoria (sobre-pico y tiempo de estabiliza-
ción)
Valor máximo de la señal de control
Simplicidad del diseño del controlador
Simplicidad de la implementación del controlador
Rechazo/Atenuación a perturbaciones
Figura 7. Respuesta ante una referencia tipo paso del ángulo de potencia
de cada estrategia de control, con perturbación. SMC(azul), GainScheduling
(red), FeedbackLinearization (purple) and Backstepping (yellow).
Por otra parte, al evaluar el comportamiento ante una
perturbación, observamos en la Fig.7 y en la Fig.8, que el
control por modos deslizantes (SMC) presenta un rechazo
de la perturbación, mientras que los otros controladores sólo
logran atenuarla. Sin embargo, la atenuación es bastante
 Simular el conjunto de todas las dinámicas no lineales
completo del sistema del inversor conectado a la microrred
y la interacción con la misma permitirá validar a un mejor
nivel cada una de las estrategias presentadas.
R EFERENCIAS
[1] Departamento Nacional de Planeación. (2019). Bases del Plan Nacional
de Desarrollo 2018-2022: Pacto por Colombia, pacto por la equidad.
Bogotá, D. C., Colombia: Departamento Nacional de Planeación. Retrie-
ved from https://colaboracion.dnp.gov.co/CDT/Prensa/PND-2018-2022-
Interactivo.pdf
[2] M. Young, The Technical Writer’s Handbook. Mill Valley, CA: Univer-
sity Science, 1989.
[3] H. K. Khalil, “Nonlinear Systems”, 3rd Edition, Prentice Hall, 2002.
Figura 8. Respuesta ante una referencia tipo paso del ángulo de potencia de [4] E. Mojica-Nava, Juan M. Rey, Javier Torres-Martinez, and Miguel
cada estrategia de control, con perturbación, con un zoom para visualizar la Castilla, “Decentralized Switched Current Control for DC Microgrids”,
atenuación/rechazo de la misma. SMC(azul), GainScheduling (red), Feedbac- IEEE Transactions on Industrial Electronics, vol. 66, no 2, pp. 1182-
kLinearization (purple) and Backstepping (yellow). 1191, 2019.
[5] SachidanandaSen, VishalKumar, Microgrid modelling: A comprehensive
survey, Annual Reviews in Control 46 (2018), pp. 216 - 250, 2018
[6] Ahmad Alzahrania, Mehdi Ferdowsia, Pourya Shamsia, and Cihan
considerable, y la oscilación es muy pequeña como para H. Dagli, Modeling and Simulation of Microgrid, Procedia Computer
considerarse determinante. Science 114 (2017), pp. 392–400.
[7] DOE Office of Electricity Delivery and Energy ReliabilitySmart Grid
R&D Program, ”DOE Microgrid WorkshopReport”, August, 2011.
Atendiendo a los criterios de desempeño definidos previa- [8] Ashabani, S. M., Mohamed, Y. A. R. I. A flexible control strategy for
mente, tenemos lo siguiente: grid-connected and islanded microgrids with enhanced stability using
nonlinear microgrid stabilizer. IEEE Transactions on Smart Grid, 3(3),
Control ts (seg) umax Rechazo d 2012.
Feedback Linearization 1.411 192.5 0.0025 [9] Zhong, Q.-C., Hornik, T. Synchronverters: Grid-Friendly Inverters That
Gain Scheduling 1.411 11996 0.0025 Mimic Synchronous Generators. Control of Power Inverters in Renewa-
ble Energy and Smart Grid Integration, 2012.
Backstepping 0.5898 146.1 0.003 [10] Karimi, A., Feliachi, A. Decentralized adaptive backstepping control of
SMC 2.648 2125 0 electric power systems. Electric Power Systems Research, 2008.
Donde el valor de Rechazo d, corresponde a la amplitud
de la señal de perturbación atenuada en porcentaje, respecto a
la señal de perturbación aplicada. Todos los controladores se
diseñaron estables, y ante perturbaciones conservan su estabi-
lidad. De acuerdo a la simplicidad en diseño e implementación
se ordenaron de mayor a menor simplicidad como sigue:
1. Backstepping
2. Gain Scheduling
3. Feedback Linearization
4. SMC

VII. C ONCLUSIONES Y T RABAJO F UTURO

La linealización por realimentación de los sistemas es una
herramienta valiosa para poder atacar las no linealidades de
un sistema de manera metódica y con gran efectividad.
Aunque el control por modos deslizantes presenta una
metodologı́a de diseño sencilla, los tiempos de respuesta en el
transitorio no son los mejores y además se tiene un gran costo
a nivel de la señal de control.
La estrategia de control por modos deslizantes provee un
diseño sencillo, con gran robustez y buen desempeño ante
modelos no lineales e incertidumbres no modeladas, ası́ como
rechazo a perturbaciones, sin embargo presenta el problema
del shattering en la señal de control, lo cual puede generar
daños o desgaste en los actuadores del sistema. Una solución
es el diseño de un controlador por modos deslizantes de orden
superior, en donde se resuelve de una mejor manera este
problema de la señal de control.