• español
    • English
  • Login
  • English 
    • español
    • English

UniversidaddeCádiz

Área de Biblioteca, Archivo y Publicaciones
Communities and Collections
View Item 
  •   RODIN Home
  • Producción Científica
  • Tesis
  • View Item
  •   RODIN Home
  • Producción Científica
  • Tesis
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Optimal control for on-load tap-changers and inverters in photovoltaic plants applying teaching learning based optimization

Thumbnail
Identificadores

URI: http://hdl.handle.net/10498/40573

Files
tesis330566.1b.pdf (15.23Mb)
Statistics
View statistics
Share
Export
Export reference to MendeleyRefworksEndNoteBibTexRIS
Metadata
Show full item record
Alternative title
Control óptimo de cambiadores de tomas en carga e inversores en plantas fotovoltaicas aplicando optimización basada en enseñanza-aprendizaje.
Author/s
Silva Quiñonez, Rolando Arturo
Date
2026
Advisor
Fernández Ramírez, Luis MiguelAuthority UCA; Sánchez Sainz, HiginioAuthority UCA
Department
Ingeniería Eléctrica
Abstract
The increasing penetration of photovoltaic (PV) generation into modern power systems requires advanced supervisory control strategies capable of ensuring voltage stability, efficient reactive power management, and reliable grid integration. Conventional Energy Management Systems (EMS) and inverter control strategies often neglect the coordinated operation of On-Load Tap-Changers (OLTCs), mechanical aging effects, and inverter operating constraints, resulting in suboptimal performance under dynamic operating conditions. This doctoral research develops and experimentally validates an optimized EMS based on an enhanced Teaching–Learning-Based Optimization (TLBO) algorithm for the coordinated real-time control of PV inverters and OLTC transformers. The proposed framework integrates electrical, mechanical, and economic objectives within a unified optimization process to improve voltage regulation, reactive power support, and equipment lifetime while minimizing operating costs. A high-fidelity model of a dual 100 kWp photovoltaic installation coupled to a 300 kVA OLTC transformer was developed in MATLAB/Simulink. The EMS simultaneously optimizes inverter active and reactive power references together with OLTC tap positions while considering PQ capability curves, voltage deadband, mechanical latency, switching costs, and thermal constraints. The proposed optimized TLBO incorporates adaptive learning mechanisms, feasibility correction, and early stopping criteria to accelerate convergence while guaranteeing feasible operating solutions. Its performance was benchmarked against Monte Carlo, nonlinear fmincon, and conventional TLBO algorithms. Simulation results demonstrate that the proposed algorithm converges within 3–6 ms, compared with approximately 0.3–0.4 s for conventional optimization methods, while maintaining 100% feasibility under all operating constraints. The optimized TLBO reduces the objective function by 17–25% relative to the conventional TLBO, limits OLTC operations to fewer than 20 tap changes per day, improves reactive power sharing between PV units, and enhances voltage regulation at the point of common coupling. Hardware-in-the-Loop validation using OPAL-RT, dSPACE MicroLabBox, and Yokogawa instrumentation confirmed the real-time applicability of the proposed EMS, with measurement deviations below 2% and implementation costs below 0.1% of plant CAPEX. The proposed methodology contributes a novel supervisory control architecture integrating adaptive TLBO optimization with coordinated OLTC–inverter operation. The results demonstrate improved operational efficiency, reduced mechanical stress, enhanced grid support capability, and a scalable solution suitable for future hybrid renewable energy systems.
 
La creciente penetración de la generación fotovoltaica (FV) en los sistemas eléctricos modernos exige estrategias avanzadas de control supervisado que garanticen la estabilidad de tensión, una gestión eficiente de la potencia reactiva y una integración fiable a la red. Los Sistemas de Gestión de Energía (EMS) convencionales y las estrategias tradicionales de control de inversores suelen ignorar la coordinación con los transformadores equipados con cambiadores de tomas bajo carga (OLTC), así como los efectos del envejecimiento mecánico y las restricciones operativas de los inversores, dando lugar a un desempeño subóptimo bajo condiciones dinámicas. Esta tesis doctoral desarrolla y valida experimentalmente un EMS optimizado basado en un algoritmo Teaching–Learning-Based Optimization (TLBO) mejorado para el control coordinado en tiempo real de inversores fotovoltaicos y transformadores OLTC. El marco propuesto integra objetivos eléctricos, mecánicos y económicos dentro de un único proceso de optimización para mejorar la regulación de tensión, el soporte de potencia reactiva, la vida útil de los equipos y la eficiencia operativa. Se desarrolló un modelo de alta fidelidad de una instalación fotovoltaica de dos plantas de 100 kWp acopladas a un transformador OLTC de 300 kVA utilizando MATLAB/Simulink. El EMS optimiza simultáneamente las referencias de potencia activa y reactiva de los inversores y las posiciones del OLTC, considerando las curvas de capacidad P–Q, la banda muerta de tensión, la latencia mecánica, los costos de conmutación y las restricciones térmicas. El algoritmo TLBO optimizado incorpora mecanismos adaptativos de aprendizaje, corrección de factibilidad y criterios de parada anticipada que aceleran la convergencia garantizando soluciones siempre factibles. Su desempeño fue comparado con los métodos Monte Carlo, fmincon y TLBO convencional. Los resultados muestran tiempos de convergencia entre 3 y 6 ms, frente a aproximadamente 0,3–0,4 s de los métodos convencionales, manteniendo el 100 % de factibilidad. Asimismo, el TLBO optimizado reduce entre un 17 % y un 25 % el valor de la función objetivo, limita los cambios de toma del OLTC a menos de 20 por día, mejora el reparto de potencia reactiva y optimiza la regulación de tensión en el punto de acoplamiento común. La validación Hardware-in-the-Loop realizada con OPAL-RT, dSPACE MicroLabBox y equipos Yokogawa confirmó la viabilidad de implementación en tiempo real, con desviaciones inferiores al 2 % y un costo inferior al 0,1 % del CAPEX de la planta. La metodología propuesta constituye una contribución original al integrar un algoritmo TLBO adaptativo con el control coordinado OLTC–inversor, proporcionando una arquitectura de control escalable, robusta y adecuada para futuras aplicaciones en sistemas híbridos de energía renovable y redes eléctricas inteligentes.
 
Collections
  • Tesis [869]
http://creativecommons.org/licenses/by-nc-nd/4.0/
This work is under a Creative Commons License http://creativecommons.org/licenses/by-nc-nd/4.0/

Browse

All of RODINCommunities and CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

LoginRegister

Statistics

View Usage Statistics

Información adicional

AboutDeposit in RODINPoliciesGuidelinesRightsLinksStatisticsNewsFrequently Asked Questions

RODIN is available through

OpenAIREOAIsterRecolectaHispanaEuropeanaBaseDARTOATDGoogle Academic

Related links

Sherpa/RomeoDulcineaROAROpenDOARCreative CommonsORCID

RODIN está gestionado por el Área de Biblioteca, Archivo y Publicaciones de la Universidad de Cádiz

Contact informationSuggestionsUser Support