desarrollo DE UN SISTEMA AUTOMATIZADO DE

CARACTERIZACIÓN DE PRODUCCIÓN DE ENERGÍA

FOTOVOLTAICA aislada.

Develop OF AN AUTOMATED SYSTEM FOR THE

CARACTERIZATION OF PHOTOVOLTAIC ENERGY PRODUCTION.

Mónica Ximena Volverás Méndez, Grupo INNOVATEC, CTPI, SENA.

Rodrigo Alberto. Montaño Fuentes, Grupo INNOVATEC, CTPI, SENA.

RESUMEN
En Colombia, el 16% de la población no cuentan con el servicio de energía eléctrica, debido
a que son zonas geográficamente aisladas y con índice de población bajo [1]. Lo cual hace
que el gobierno busque alternativas como la migración de la generación de energía por
hidroeléctricas a fuentes renovables, como lo es la producción de energía mediante
Sistemas Fotovoltaicos (SFV), dando paso a la importancia de la realización de estudios
para la implementación óptima de SFV en el país, basados en cada fase de la metodología
de diseños [2].

Esta investigación se enfoca en el análisis de la producción de energía fotovoltaica y de las

condiciones meteorológicas de las ZNI, realizando un sistema de caracterización de la
producción de energía fotovoltaica en el caso de estudio. Este sistema se basa en la
construcción de un prototipo que consta de una tarjeta Arduino Leonardo, una micro SD, un
módulo de reloj de tiempo real, un sensor de irradiación solar, un sensor de humedad y
temperatura. La energización del sistema se realiza mediante un sistema fotovoltaico de
corriente continua de estudio, que consta de un panel solar, un regulador, un banco de
acumuladores y una carga.

Los resultados obtenidos ayudan a la optimización de los sistemas fotovoltaicos para la

implementación en el lugar de estudio, ya que diversos diseños presentan fallas por la
generalización de los datos meteorológicos de las zonas; también, ayuda a la reducción de
los porcentajes de error, los sobre-dimensionamientos, sub-dimensionamientos y
sobrecargas de las soluciones fotovoltaicas debidas a la falta de información de las ZNI del
país.

Finalmente, se obtiene un aporte novedoso al diseño optimizado debido a que dentro de

las actuales metodologías solo se consolidan los datos meteorológicos (irradiación solar,
temperatura y humedad) y en este caso se presenta un prototipo que realiza mediciones
climatológicas requeridas y adicionalmente efectúa mediciones de producción de energía
que ayuda a observar el comportamiento de los SFV en las zonas de estudio, para la
elección de los equipos a utilizar, en este sentido un aprovechamiento efectivo de la energía
producida por el sol.
PALABRAS CLAVE: Irradiación - Energía Solar – Optimización - Zonas no Interconectadas
- Sistema Fotovoltaico.

ABSTRACT
In Colombia, 16% of the population do not have electric power service, because they are
geographically isolated and with a low population index. Which makes the government look
for alternatives such as the migration of power generation by hydroelectric plants to
renewable sources, as it is the production of energy through Photovoltaic Systems (SFV),
giving way to the importance of conducting studies for the optimal implementation of SFV in
the country, based on each phase of the design methodology.

This research focuses on the analysis of the production of photovoltaic energy and the
meteorological conditions of the ZNI, realizing a system of characterization of the production
of photovoltaic energy in the case of study, this system is based on the construction of a
prototype consisting of an Arduino Leonardo card, a micro SD, a real time clock module, a
solar irradiation sensor, a humidity and temperature sensor, the energization of the system
is carried out by means of a DC (direct corrient) Photovoltaic System of study that, consisting
of a solar panel, a regulator, a bank of accumulators and a charge.

The results obtained help the optimization of photovoltaic systems for the implementation in
the study site, since several designs present failures by the generalization of the
meteorological data of the zones; It also helps to reduce the error percentages, the over-
sizing, sub-sizing and overloading of photovoltaic solutions due to lack of information of the
country's ZNI.

Finally, a new contribution to the optimized design is obtained because within the current
methodologies only the meteorological data is consolidated (solar irradiation, temperature
and humidity) and in this case a prototype is presented that performs the required
climatological measurements and additionally, it makes measurements of energy production
that helps to observe the behavior of the SFV in the study areas, for the choice of equipment
to be used, in this sense an effective use of the energy produced by the sun.

KEYWORDS: Irradiation - Solar Energy – Optimization - Zone not interconnected -

Photovoltaic System.

INTRODUCCIÓN

Colombia a pesar de no ser un país pionero en el desarrollo de la instalación en tecnologías

para el aprovechamiento de la energía renovable, cuenta con una capacidad instalada de
39GW de estas, de la cual 9MWp son generados por SFV, con esto generando un
crecimiento promedio del 55% anual para los últimos 5 años, llevando los costos de
producción y precios de la tecnología solar FV a decrecer de manera considerable en los
últimos 10 años y drásticamente en los últimos 4 años. Por otro lado, el país goza de una
matriz energética relativamente rica debido a que cuenta con una radiación promedio de
4.5 kWh/m2/d, y en algunas regiones como la Guajira, la Costa Atlántica, Arauca, Casanare,
Vichada y Meta se presentan niveles de radiación por encima del promedio llegando al 6,0
kWh/m2/d [3][4], valores que superan el promedio mundial de 3,9 kWh/m2/d, y el 3,0
kWh/m2/d.

Adicional, por la ubicación geográfica del país se cuenta con un buen recurso promedio a
lo largo del año, llevando a que cada día el porcentaje de energía consumida proveniente
de fuentes renovables en especial por SPV sea mayor (22% actualmente) [5].

La disponibilidad local en el país de Fuentes No Convencionales de Energía Renovable

(FNCER) hacen que la integración de estas fuentes a la canasta energética nacional cobre
relevancia a raíz de sus potenciales beneficios [6], haciendo que se creen leyes como la ley
1715 de 2014 encargada de promover el uso de las fuentes renovables [7], y entidades
como la Unidad de Planeación Minero Energética (UPME) [8], la U.S Agency for
International Development (USAID) [9] y el Instituto de Planificación y Promoción de
Soluciones Energéticas para las Zonas No Interconectadas (IPSE) [10], se encarguen de
realizar proyectos para el modelado, mejoramiento e implementación de SPV, logrando
impactos positivos, como el permitir a los usuarios generar su propia energía, reduciendo
así el riesgo de estos a estar sometidos a ciertas volatilidad y usuales incrementos en los
costos de la electricidad [8]. entidades como la UPME, la USAID, la IPSE se encargan
también del desarrollo de pilotos en estas zonas, actualmente las cifras del IPSE indican
que aproximadamente el 44% de los nuevos proyectos que se encontraban en marcha a
2014 (62 de 141 proyectos) están asociados con el uso de SPV [11].

De igual manera, el uso de la energía solar FV está en capacidad de producir un

desplazamiento marginal de la generación de plantas térmicas de mayor impacto ambiental
de acuerdo con los análisis de ciclo de vida de diferentes tecnologías, los factores de
emisiones asociados con los SFV se encuentran en el orden de 50 kg CO2 eq/MWh, frente
a valores por encima de 450 kg CO2 eq/MWh para plantas operadas con combustibles
fósiles. Finalmente, a través de la promoción de esquemas de autogeneración a pequeña
escala, que se facilitan gracias a la versatilidad en materia de modularidad y fácil instalación
de la tecnología solar FV, siendo esta una tecnología accesible, al menos a aquel público
que hoy en día paga las más altas tarifas de energía en el país, se podrá empezar a dar lo
que hoy se conoce como la democratización del mercado de energía, en la medida en que
los usuarios entrarían a participar activamente del mismo con la posibilidad de convertirse
en productores y, eventualmente, en vendedores de excedentes a su comercializador o a
terceros interesados en su consumo [12].

A pesar de esto, algunos pilotos de SPV para ZNI enfrenta barreras importantes, como la
ausencia de un amplio conocimiento local para la implementación de soluciones
energéticas con esta tecnología y falta de información de las condiciones climatológicas de
los sectores de estudio debido a que en estas zonas no se cuenta con estaciones de
observación y medición cercana, por tanto, en la base de datos de las entidades encargadas
de la toma de información como lo es el Instituto de Hidrología, Meteorología y Estudios
Ambientales (IDEAM), no se encuentran datos disponibles, resultando no satisfactoria las
solicitudes de información para el sitio de interés, en otras ocasiones se encuentra una
estación en la zona pero su estado es suspendido por fallas o antigüedad.

Por lo anterior, algunos autores han planteado tomar datos de las estaciones más cercanas,
lo cual genera errores elevados debido a que la orografía compleja del territorio colombiano
genera micro-climas y meso-climas, sobre los cuales se requiere información detallada para
el diseño, no la información generalizada por grandes regiones naturales, otra propuesta
planteada fue realizar por medio de cálculos matemáticos la obtención de una serie de
datos del comportamiento de la radiación en el lugar, estas reciben el nombre de series
artificiales, pero estos datos tomados de forma diaria son útiles en diseños fotovoltaicos que
cuentan con seguidores solares o con concentración solar, en otros casos se requiere el
uso de datos de forma horaria lo que aumenta el reto para esta forma de alusión de datos.
Adicional, los estudios realizados para esta metodología de adquisición de datos son en
países industrializados, donde, las estaciones meteorológicas usadas para la realización
del entrenamiento para generación de datos cuentan con tecnologías más avanzadas.

Por último, se presenta la falta de información de producción de energía en las zonas de

estudio, lo cual ayuda al mejoramiento de los diseños de los SFV para cada zona, teniendo
en cuenta que la generación de energía depende de variables según la zona para la cual
se va a instalar, las cuales las estaciones meteorológicas no las entregan debido a su
antigüedad Por ejemplo para la vereda carrizal cordillera zona de estudio no se cuenta con
una estación meteorológica y la más cerca está en la venta Cajibio y su fecha de instalación
es en 1972, por tal razón no cuenta con los datos requeridos como la radiación solar de la
zona,

Dicho esto, se ve la necesidad de buscar una solución a la problemática más centrada a la

orografía de nuestro país, por esto se plantea la pregunta de investigación ¿Cómo optimizar
los diseños de producción de energía fotovoltaica en la primera fase bajo las condiciones
climatológicas del país?, a la cual se le da respuesta mediante los objetivos del proyecto
donde se plantea diseñar un sistema de caracterización de la producción de energía
fotovoltaica y de las condiciones meteorológicas de una ZNI. Caso de estudio: Vereda
Carrizal Cordillera, teniendo en cuenta que para el cumplimiento de este se procede a
caracterizar los instrumentos para la adquisición de datos, posteriormente se procede a
construir y automatizar el montaje electrónico del prototipo para la toma de datos en la zona
de estudio y por último se implementar del sistema de muestreo para la toma de datos en
la ZNI dando.

FUNDAMENTO TEORICO
A nivel mundial, se presenta la necesidad de hacer uso de SFV en ZNI y como menciona
(Joseph et al., 2012), “se observa que la falta de un adecuado dimensionamiento,
equipamiento y mantenimiento, afecta al funcionamiento de sistemas instalados y podrían
comprometer el éxito de los próximos proyectos. El nivel de confiabilidad de cada SFV
instalado depende directamente de factores típicos de su región, como lo son las
condiciones climáticas” por lo cual el grupo de Energías Renovables (GER) de la provincia
de argentina realiza un estudio de caracterización de SFV ya instalados en escuelas rurales,
para realizar la optimización de los mismos, mediante la caracterización del SFV y permitir
un análisis de la interacción entre sus diferentes componentes, la adquisición de datos la
adaptan a un monitoreo in situ, obteniendo como resultado la importancia de la realización
de este paso en el diseño de SFV, logrando demostrar que si no se tienen en cuenta las
condiciones meteorológica y de producción en la ZNI se va a presentar perdidas
prematuras.
En Colombia, los autores (Alvarado Fajardo & Carvajal Osorio, 2014) hacen uso de una
estación meteorológica Marca Davis, modelo Vantage pro 2 plus para obtener los datos de
la irradiación solar, posteriormente realizar el diseño de un SFV para satisfacer la necesidad
eléctrica de un escuela de una ZNI, siendo este efectivo para la refrigeración de los
alimentos, otros autores como (Garzón-Hidalgo & Saavedra-Montes, 2015), proponen una
metodología para diseñar SFV en ZNI, siguiendo la normativa eléctrica colombiana. Las
etapas de la metodología son: recolección de información de campo, evaluación de
recursos energéticos renovables y no renovables, estimación del perfil de carga,
dimensionamiento de los generadores, diseño de la topología del SFV y análisis eléctrico,
se plantean la importancia de la primera fase debido a que según las condiciones de la ZNI
de puede tener la optimización del diseño de un SFV.

METODOLOGÍA
Para el cumplimiento de los objetivos propuestos, se elabora una metodología basada en
4 fases de desarrollo compuestas por actividades específicas que llevan al cumplimiento
de estas. Las fases para la ejecución de éste son:
FASES Y ACTIVIDADES
Fase 1: Revisión Bibliográfica.

Actividad 1.1: Recopilación de información sobre las estaciones meteorológicas del país
Actividad 1.2: Recopilación de información sobre las condiciones climatológicas del
Caso de estudio: Vereda Carrizal Cordillera.
Actividad 1.3: Recopilación de información sobre los equipos a utilizar.

Fase 2: Diseño de un prototipo de adquisición de datos de producción de

energía.
Actividad 2.1: Análisis de los equipos requeridos para el montaje de un sistema
fotovoltaico.
Actividad 2.2: Caracterización de los sensores que se van a utilizar para la medición de
voltaje, corriente, irradiación, temperatura y humedad.
Actividad 2.3: Calibración de los sensores para la obtención de la función de
trasferencia requerida para la disminución del porcentaje de error.
Actividad 2.4: Realización del esquema de conexiones de los sensores con el Arduino
para la adquisición de datos.
Actividad 2.5: Diseño de un prototipo de un sistema fotovoltaico para el análisis de
producción en la zona.
Actividad 2.6: Elaboración del esquema eléctrico del sistema fotovoltaico a
implementar.
Actividad 2.7: Implementación de los esquemas eléctricos, con el sistema de
adquisición de datos por medio de una tarjeta Arduino.

Fase 3: Adquisición de datos.

Actividad 3.1: Implementación de la planta solar en la zona de estudio junto a el prototipo
de adquisición de datos.
 Actividad 3.2: observación de la adquisición de datos en la zona y comparación con
respecto a los datos obtenidos con sensores externos.
Actividad 3.3: Re-calibración de los sensores para optimización de la adquisición de
datos en punto.
Fase 4: resultados y análisis de los datos obtenidos.
Actividad 4.1: Procesamiento de los datos adquiridos con la tarjeta Arduino mediante
una herramienta software.

ANALISIS Y RESULTADOS
Caracterización de sensores.
En la figura 1. se presenta la instalación experimental para determinar la respuesta de un
sensor de voltaje de corriente continua (FZ0430), ante cambios producidos a una fuente de
voltaje (DC DUAL POWER SUPPLY 6145).
Figura 1: Calibración sensor de voltaje.

Fuente: Autor
los datos adquiridos son usados para la calibración del sensor mediante un software como
Excel, por el método de regresión lineal por mínimos cuadrados. tomando los datos
obtenidos de voltaje de la fuente y los adquiridos por el Arduino mediante el código de la
Figura 2.

Figura 2: Código en Arduino para la Calibración sensor de voltaje.

Fuente: Autor
Los datos obtenidos son ilustrados en la Tabla 1. Donde se observa que el valor del
porcentaje de error presente es del 1%; a pesar de que este es un valor aceptable para el
rango de medida a trabajar se decide realizar una calibración de sensor mediante el método
de regresión lineal por mínimos cuadrados.

Tabla 1. Datos para calibración.

Varduino VSensor VMultimetro Porcentaje de error
0 0 0 0
0.21 1.05 1 5
0.31 1.55 1.5 3
0.4 2 2 0
0.51 2.55 2.5 2
0.6 3 3 0
0.71 3.55 3.5 1
0.81 4.05 4 1
0.91 4.55 4.5 1
1.01 5.05 5 1
1.12 5.6 5.5 2
1.22 6.1 6 2
1.32 6.6 6.5 2
1.41 7.05 7 1
1.52 7.6 7.5 1
Promedio Porcentaje de error: 1
Fuente: Autor.
El procedimiento para la realización del método de calibración, se basó en realizar un
grafica en Excel de las columnas correspondientes a los datos adquiridos de la conversión
de la lectura digital que van de 0V a 5V versus el valor del voltaje del multímetro obteniendo
como resultado una gráfica lineal con un coeficiente de determinación (R2) del 0.9999, de
lo cual se puede concluir que el porcentaje de error se reduce y la función de transferencia
a utilizar para la adquisición de datos del sensor de voltaje debe ser:

Vsensor = 4.8256*X + 0.162. Ecuación 1

Donde,
Vsensor = es el voltaje medido.
X = El valor adquirido de la conversión de los baudios a voltaje.

Grafica 1. Regresión lineal por mínimos cuadrados para calibración de sensor de

voltaje.
 8
y = 4.944x - 0.0083
6 R² = 0.9999

Varduino
4

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
-2
Vmultimetro
Fuente: Autor
Para los sensores de corriente directa ACS7123, de 30A, se realizó el mismo procedimiento
de calibración, pero en este caso no se toma una fuente debido a que los rangos de
corriente directa son muy pequeños, por lo tanto, se calibra mediante la conexión de un
arreglo fotovoltaico de 25A, la Figura 4. Ilustra el diagrama realizado para el montaje de
calibración.
Figura 4: Calibración sensor de corriente.

Fuente: Autor
En la Figura 4. Se observa la conexión en serie de dos paneles, de donde se obtuvieron los
valores de corriente mediante una pinza y el valor entregado por el sensor después de la
conversión del valor analógico, para la calibración, el código utilizado se ilustra en la figura
5.

Figura 5: Código en Arduino para la Calibración sensor de corriente.

 Fuente: Autor
Posteriormente, se realizó la adquisición de datos en una tabla de Excel para realizar la
gráfica, donde se adquiere la línea de tendencia, en este caso polinómica, para adquirir un
R2 de 0.9968.
Tabla 2: Datos para calibración.
V Ipinza V Ipinza
2.51 0 3.71 17.8
2.98 7.5 3.9 21.5
3.05 8.7 4.02 22.9
3.09 9.1 4.15 25.1
3.09 9.5 4.23 26.1
3.22 10.7 4.39 27.6
3.28 12.1 4.45 28.8
3.45 13.5 4.48 29.9
3.51 14.5 4.65 32.2
3.51 15.4 4.66 33.9
3.6 16.5 4.68 34.2
Fuente: Autor
Finalmente, se tiene que la función de transferencia del sensor de corriente corresponde a:
Isensor = 0.4851x2 + 11.557x - 31.449 Ecuación 2

Donde:
Isensor = Es el valor de la corriente medida.
X = El valor adquirido de la conversión de los baudios a voltaje del sensor de corriente.
Grafica 2. Regresión lineal por mínimos cuadrados para sensor de corriente.

Calibración Sensor de Corriente

40
y = 0.4851x2 + 11.557x - 31.449
Voltaje Arduino

30 R² = 0.9968
20

10

0
0 1 2 3 4 5
I pinza

Fuente: Autor
En el caso, del sensor de temperatura y humedad DHT22 se hizo uso de su librería y su
función de trasferencia, el porcentaje de error en la lectura de humedad es un +/- 2% y en
la lectura de temperatura es +/-0.5°C.
Por último, se realizó la calibración del sensor de irradiación solar teniendo en cuenta que
cada W/m2 equivale a 1.67mV, con una corrección de -0.12% por cada °C si la temperatura
ambiente está por encima de 25°C y de +0.12% por cada °C si la temperatura ambiente
está por debajo de los 25°C.
Esquema de conexión del sistema de caracterización:
Realizada la caracterización de los instrumentos de medida se procedió a realizar un
esquema del sistema de caracterización de producción de energía fotovoltaica ilustrado en
la Figura 4. donde se evidencian las conexiones, y se obtienen los pines de conexión para
adquisición de datos con el Arduino correspondientes a cada equipo para proceder a su
montaje.
Figura 4. Sistema de adquisición de datos.

Fuente: Autor
También, se realiza la conexión del sistema fotovoltaico el cual es evaluado para tomar los
valores de producción de energía Figura 5.
Figura 5. Esquema del sistema de caracterización de producción de energía
fotovoltaica

Fuente: Autor
Montaje e implementación del sistema automatizado de caracterización:
Se realizan la conexión correspondiente para el montaje, Figura 5, y se ejecuta el código
de adquisición de datos.
Figura 5. Esquema del sistema de adquisición de datos
 Fuente: Autor
Adicional se configura un módulo de micro SD para que la toma de datos sea de forma
automática y un módulo RTC con el fin de observar la hora exacta de la adquisición de cada
dato, en la figura 6 se observa el esquema del sistema de adquisición de datos
automatizado.
Figura 6. Montaje del sistema de adquisición de datos

Fuente: Autor
Para la toma de datos de producción de energía se elige un sistema fotovoltaico de 12V,
donde se toma un panel de 150W, una batería de 12V-100Ah y una carga de 7W.
Posteriormente, se procede a llevar los equipos a la zona de estudio Vereda Carrizal
Cordillera, donde se implementa el sistema y realizan los reajustes requeridos, en la Figura
7. Se observa el lugar donde queda implementado el sistema automatizado de
caracterización de producción de energía.

Figura 7 Sistema automatizado de caracterización de producción de energía.

 Fuente: Autor
Adquisición de datos:
La toma de datos se realizó cada minuto con el fin de reducir el porcentaje de error,
adquiriendo por día un promedio de 1440 datos, por cada variable, estos son almacenados
en una micro SD en formato xlsx para facilitar el procesamiento de los mismos, en las
gráficas se observa el comportamiento de cada variable el día 17 de septiembre del 2018
(lunes).
Grafica 3. Corriente del sistema fotovoltaico
6.00
5.00
Corriente (A)

4.00
3.00
2.00
1.00
0.00
5:40:00 AM

11:18:00 AM
1:06:00 AM
2:09:00 AM
3:37:00 AM
4:42:00 AM

6:59:00 AM
8:05:00 AM
8:48:00 AM
9:11:00 AM
9:34:00 AM
9:57:00 AM
10:20:00 AM
10:51:00 AM

11:45:00 AM

3:28:00 PM
12:15:00 PM
12:42:00 PM
1:08:00 PM
1:40:00 PM
2:06:00 PM
2:38:00 PM
3:03:00 PM

3:59:00 PM
4:25:00 PM
4:49:00 PM
5:15:00 PM
5:40:00 PM
6:07:00 PM
6:33:00 PM
6:56:00 PM
7:19:00 PM
8:02:00 PM
9:58:00 PM
11:58:00 PM Tiempo (Horas)
Corriente Bateria Corriente Panel Corriente Carga

Fuente: Autor
En la Grafica 3 se observa el comportamiento de la corriente del sistema fotovoltaico, donde
se evidencia la reducción de energía entregada por la batería a la carga cuando se tiene
producción de energía en panel.

Grafica 4. Voltaje del sistema fotovoltaico

 Voltaje del sistema fotovoltaico
25
Voltaje (V)

20
15
10
5
0

10:05:00 AM
1:00:00 AM
1:32:00 AM
2:04:00 AM
2:36:00 AM
3:08:00 AM
3:40:00 AM
4:12:00 AM
4:44:00 AM
5:16:00 AM
5:48:00 AM
6:20:00 AM
6:52:00 AM
7:24:00 AM
7:56:00 AM
8:28:00 AM
9:00:00 AM
9:32:00 AM

10:53:00 AM
11:34:00 AM

12:16:00 AM
12:48:00 AM
1:24:00 PM
4:21:00 PM
6:17:00 PM
6:56:00 PM
7:28:00 PM
8:00:00 PM
8:32:00 PM
9:04:00 PM
9:36:00 PM
10:08:00 PM
10:40:00 PM
11:12:00 PM
11:44:00 PM
Tiempo (Horas)

Voltaje Bateria Voltaje panel Voltaje carga

Fuente: Autor
En la Grafica 4 se observa que los voltajes de la batería, el panel y la carga, son iguales
debido a que el regulador utilizado es un PWM, el cual detecta la tensión de la batería y es
el valor entregado en los sensores de voltaje, por lo tanto, a medida que se tiene producción
de energía en los paneles se evidencia en la gráfica un aumento en el voltaje, lo cual ilustra
la carga de baterías; Para una mejor observación de generación de energía del panel se
recomienda hacer el análisis con un regulador MPPT.
Grafica 5. Irradiación solar.
700
600
500
400
300
200
100
0
1:50:00 AM
1:00:00 AM

2:40:00 AM
3:30:00 AM
4:20:00 AM
5:10:00 AM
6:00:00 AM
6:50:00 AM
7:40:00 AM
8:30:00 AM
9:20:00 AM
10:10:00 AM
11:00:00 AM
11:50:00 AM

12:20:00 AM
1:30:00 PM
2:20:00 PM
3:10:00 PM
4:00:00 PM
4:50:00 PM
5:40:00 PM
6:30:00 PM
7:20:00 PM
8:10:00 PM
9:00:00 PM
9:50:00 PM

11:30:00 PM
12:40:00 PM

10:40:00 PM

Tiempo (Horas)

Irradiancia

Fuente: Autor
En la Grafica 5. Se observa que la producción de energía fotovoltaica el día 17 de
septiembre del 2018 comenzó después de las ocho y media de la mañana, adicional se
observa que no fue constante la producción de energía, el pico se presentó a las dos y
veinte y esta termino antes de las siete y veinte aproximadamente, finalmente se observa
que la irradiación solar no es mayor a los 700W/m2.
Grafica 6. Irradiación solar.
 90
80
70
60
50
40
30
20
10
0
1:00:00 AM
1:50:00 AM
2:40:00 AM
3:30:00 AM
4:20:00 AM
5:10:00 AM
6:00:00 AM
6:50:00 AM
7:40:00 AM
8:30:00 AM
9:20:00 AM
10:10:00 AM
11:00:00 AM
11:50:00 AM

12:20:00 AM
12:40:00 PM
1:30:00 PM
2:20:00 PM
3:10:00 PM
4:00:00 PM
4:50:00 PM
5:40:00 PM
6:30:00 PM
7:20:00 PM
8:10:00 PM
9:00:00 PM
9:50:00 PM
10:40:00 PM
11:30:00 PM
Tiempo (Horas)

Humedad Temperatura

Fuente: Autor
Por último, se tiene la Grafica 6. Donde se observa que a menor temperatura mayor
humedad, lo que hace que la producción de energía disminuya.

CONCLUSIONES
Se ha diseñado y construido un sistema de caracterización automatizado de producción de
energía y condiciones meteorológicas que realiza la adquisición de datos de voltaje,
corriente, irradiación solar, temperatura y humedad.

El sistema permite una identificación de las condiciones para el diseño de un sistema

fotovoltaico especial para una ZNI.

Se realiza la obtención de los datos del caso de estudio de forma exitosa estos se usan en
el diseño de un sistema fotovoltaico con generación y almacenamiento distribuido en DC.

Se recomienda que para obtener un mejor resultado del sistema de caracterización se haga
uso de un regulados MPPT debido a que este hace uso de toda la energía generada,
ajustando su voltaje de entrada para conseguir la máxima potencia del panel solar por lo
cual los resultados de voltaje entregados van a ser los máximos.

Finalmente, se observa que entre mayor humedad la producción de energía va ser menor.

BIBLIOGRAFÍA

Alvarado Fajardo, A. C., & Carvajal Osorio, H. (2014). Diseño, simulación y análisis, de
sistema solar FV para suministro eléctrico en zonas rurales. Avances Investigación En
Ingeniería, 11(1), 92–99. https://doi.org/10.18041/1794-4953/avances.1.305
Garzón-Hidalgo, J. D., & Saavedra-Montes, A. J. (2015). Una metodología de diseño de
micro redes para zonas no interconectadas de Colombia. TecnoLógicas, 20(39), 15.
https://doi.org/10.22430/22565337.687
Joseph, C. J., Sanche, R. R., Cossoli, P., Vera, L. H., Busso, A. J., & Nacional, U. (2012).
 Evaluación del desempeño de sistemas fotovoltaicos autónomos en zonas rurales de
la provincia de corrientes, argentina, 2004.

RESUMEN DE LA HOJA DE VIDA DE LOS AUTORES

Mónica Ximena Volverás Méndez, estudiante de último semestre de Ingeniería Automática

Industrial de la Universidad del Cauca, y del tecnólogo de electricidad industrial del Sena
regional Cauca. Con diplomado en energía solar fotovoltaica de la universidad autónoma
de occidente. Integrante de los grupos de investigación INNOVATEC del SENA y Gestión
de la Energía de la universidad del CAUCA, con participación del proyecto “Topología de
una red fotovoltaica con generación y almacenamiento distribuido para una zona no
interconectada del cauca. Caso de estudio: vereda carrizal cordillera”,