Algoritmo de control automático y comunicación para la gestión de carga de vehículos eléctricos mediante sensores de corriente y MQTT

Autores

DOI:

https://doi.org/10.56183/iberotecs.v5i1.656

Palavras-chave:

Algoritmo, automático, vehículos, sensores, corriente

Resumo

El incremento acelerado de vehículos eléctricos plantea retos importantes para las redes eléctricas y de manera significativa en términos de administración de necesidad energética y estabilidad del sistema, es por ello que el presente artículo tiene como objetivo diseñar un algoritmo de control automático fundamentado en sensores de corriente y el protocolo MQTT que permita administrar eficientemente la carga de vehículos eléctricos, dicho objetivo unido a la metodología empleada permitió mostrar como principales resultados que es posible implementar mecanismos para manejar posibles fallos en la comunicación MQTT, se puede asegurar que la transmisión de datos a través de MQTT esté cifrada y autenticada para proteger la información del usuario, que si es posible diseñar un sistema de manera que pueda adaptarse a diferentes tipos de vehículos eléctricos y configuraciones de carga, el enfoque integral del algoritmo garantiza una gestión eficiente y segura de la carga de vehículos eléctricos, aprovechando las capacidades de monitoreo en tiempo real, el algoritmo aborda de manera efectiva las problemáticas identificadas en la investigación, tambien emerge como hallazgos que los vehículos eléctricos que son monitoreados mediante sensores de corriente en tiempo real cuando reciben energía emiten una serie de información que es examinada y procesada por el algoritmo para ajustar de manera dinámica la potencia de carga. Finalmente se plantea que el algoritmo diseñado automatiza el proceso de carga, facilitando el ajuste de la potencia de carga dinámica para asegurar que el vehículo eléctrico tome la cantidad ajustada de energía en tiempo real.

Referências

Castro, D; Gutiérrez, A & Cardozo, A. (2022). Algoritmo para la carga inteligente de vehículos eléctricos para un sistema eléctrico con alta penetración de energías renovables. Revista ENERLAC. Volumen VI. Número 2, pp. 130-143. Recuperado de: https://enerlac.olade.org/index.php/ENERLAC/article/download/218/295/2157

César, J.C. (2016). Antecedentes teóricos de la Economía Ambiental. Revista Realidad Económica, 307, 153–165. Recuperado de: https://www.iade.org.ar/system/files/ediciones/realidad_economica_307-.pdf

CEPAL, (2022) Informe de resultados del encuentro Movilidad Urbana Sostenible: un Diálogo Interregional sobre la Industria y el Financiamiento del Transporte Público Colectivo. Recuperado de https://www.cepal.org/es/publicaciones/48083-informe-resultados-encuentro-movilidad-urbana-sostenible-un-dialogo

Dávila, M.A; Trujillo, C.L & Gaona, E.E (2019) Algoritmo de Programación para Gestionar la Demanda de Cargadores de Baterías para Vehículos Eléctricos en un Esquema de Tarificación Variable. Revista Información Tecnológica 30 (4). La Serena- Colombia. Recuperado de: https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S071807642019000400135

IEA, (2023). Global EV Outlook 2023: Catching up with climate ambitions. Recuperado de https://www.iea.org/reports/global-ev-outlook-2023

IRENA (2019) Perspectivas de innovación carga inteligente para vehículos eléctricos. Basado en una decisión de la German Bundestag. Recuperado de:https://www.irena.org//media/Files/IRENA/Agency/Publication/2019/May/IRENA_Innovation_Outlook_EV_smart_charging_2019_ES.pdf

Lascano, J; Chiza, L; Saraguro, R & Tapia, J. (2023) Estimación de la Demanda de una Estación de Carga para Vehículos Eléctricos Mediante la Aplicación de Métodos Probabilísticos. Revista Técnica Energía, 20 (1), pp.52-64. Recuperado de: https://revistaenergia.cenace.gob.ec/index.php/cenace/article/view/569

Molina, C.R; González, W & Cruz, G. (2021) Habilidad modelar procesos dinámicos de control automático. Revista de educación química, 32 (1). Ciudad de México. Recuperado de: https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-893X2021000100100

Ministerio de Energía y Minas. (2023). Balance energético nacional, año 2023. Quito, Ecuador. Recuperado de: https://www.recursosyenergia.gob.ec/wp-content/uploads/2024/08/BEN_2023-cap_1.pdf

Montoya, J.A, Tobar, O.A, Zapata G.D & García, R. (2019) Algoritmo adaptativo para protecciones de sobrecorriente en el caso de estudio IEEE9 TecnoLógicas, 22 (45), pp. 45-58. Medellín. Recuperado de: https://www.redalyc.org/journal/3442/344259723005/html/

Ogata, K. (2020). Ingeniería de control moderno (5.a ed.). Pearson Educación.

Palensky, P., & Dietrich, D. (2011). Demand side management: Demand response, intelligent energy systems, and smart loads. IEEE Transactions on Industrial Informatics, 7(3), 381–388. https://doi.org/10.1109/TII.2011.2158841

Rosero, C.X; Vaca, C; Iglesias, I; Tobar, L & Gavilanes, M. (2021) Sobre sistemas de control en red bajo incertidumbres de tiempo, medición y proceso. Maskay, 11 (02) Sangolquí. Recuperado de http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S1390-67122021000200007

Qahtan, Mohammed & Ali, (2022) Sistema de monitorización y gestión energética de vehículos eléctricos basado en IoT.Technical Engineering College, Northern Technical University, volume 9, Mosul, Iraq. Recuperado de https://www.scirp.org/pdf/oalibj_2022072616471536.pdf

Toma, D., Dragomir, L., & Popescu, D. (2021). MQTT and IoT: A lightweight and scalable communication protocol for smart energy systems. Journal of Electrical and Computer Engineering, 2021, 1-10. https://doi.org/10.1155/2021/6610723

Vergara, V.R (2017) Óptima gestión de la demanda para estaciones de recarga de vehículos eléctricos en micro-redes inteligentes. Trabajo de titulación previo a la obtención del título de ingeniero eléctrico. Recuperado de: https://dspace.ups.edu.ec/bitstream/123456789/14350/4/UPS-KT01389.pdf

Downloads

Publicado

2025-05-24