Resumen
Se desarrolla un modelo
de alta precisión para caracterizar y predecir el comportamiento de estos
convertidores bajo diversas condiciones operativas, para optimizar parámetros
de diseño y estimar métricas de desempeño. La metodología combina diseño
experimental sistemático, simulaciones controladas y técnicas estadísticas
avanzadas. Se analizan cinco topologías de convertidores bidireccionales sin
aislamiento. Los factores considerados incluyen voltaje de entrada y salida,
corriente de carga, eficiencia energética, frecuencia de conmutación, ciclo de
trabajo, rizado de corriente y voltaje, y potencia. Para cada topología, se
calcularon valores iniciales utilizando fórmulas establecidas, se realizaron
simulaciones y se contrastaron con mediciones de laboratorio. Posteriormente,
se aplicaron técnicas de regresión multivariable en R para analizar relaciones
entre variables y desarrollar modelos predictivos. Los resultados muestran las
características distintivas de cada topología, incluyendo eficiencia,
regulación de voltaje, tiempo de respuesta y comportamiento del rizado. Se
generaron gráficas que relacionan el voltaje de entrada, voltaje de salida y
valores de inductancia para cada convertidor, permitiendo visualizar relaciones
complejas entre variables. Se concluye que, los convertidores Ćuk y SEPIC
ofrecen mejor eficiencia y control de voltaje, mientras que el Buck presenta
mejor respuesta transitoria. El enfoque predictivo desarrollado proporciona
mayor eficiencia en el diseño inicial, optimización avanzada y análisis de
sensibilidad, facilitando la selección de componentes y configuraciones óptimas
sin necesidad de extensas simulaciones o prototipos prematuros.
Palabras Clave:
Convertidores DC-DC; regresión multivariable; modelado predictivo; electrónica
de potencia; optimización paramétrica.
Abstract
A high-precision model is
developed to characterize and predict the behavior of these converters under
various operating conditions, thus optimizing design parameters and estimating
performance metrics. The methodology combines systematic experimental design,
controlled simulations, and advanced statistical techniques. Five non-isolated
bidirectional converter topologies are analyzed. Factors considered include
input and output voltage, load current, energy efficiency, switching frequency,
duty cycle, current and voltage ripple, and power. For each topology, initial
values were calculated using established formulas, simulations were performed,
and these were compared with laboratory measurements. Multivariate regression
techniques in R were subsequently applied to analyze relationships between
variables and develop predictive models. The results show the distinctive
characteristics of each topology, including efficiency, voltage regulation,
response time, and ripple behavior. Plots relating input voltage, output
voltage, and inductance values were generated for each converter, allowing the
visualization of complex relationships between variables. It
is concluded that the Ćuk and SEPIC converters offer better efficiency and
voltage control, while the buck converter offers better transient response. The
developed predictive approach provides greater efficiency in the initial
design, advanced optimization, and sensitivity analysis, facilitating the
selection of optimal components and configurations without the need for
extensive simulations or premature prototyping.
Keywords:
DC-DC converters; multivariate regression; predictive modeling; power
electronics; parametric optimization.
Resumo
Um modelo de alta
precisão é desenvolvido para caracterizar e prever o comportamento desses
conversores sob várias condições operacionais, otimizando assim os parâmetros
de projeto e estimando métricas de desempenho. A metodologia combina projeto
experimental sistemático, simulações controladas e técnicas estatísticas
avançadas. Cinco topologias de conversores bidirecionais não isolados são
analisadas. Os fatores considerados incluem tensão de entrada e saída, corrente
de carga, eficiência energética, frequência de chaveamento, ciclo de trabalho,
ondulação de corrente e tensão e potência. Para cada topologia, os valores
iniciais foram calculados usando fórmulas estabelecidas, simulações foram
realizadas e estas foram comparadas com medições de laboratório. Técnicas de
regressão multivariada em R foram posteriormente aplicadas para analisar as
relações entre as variáveis e desenvolver modelos preditivos. Os resultados
mostram as características distintas de cada topologia, incluindo eficiência,
regulação de tensão, tempo de resposta e comportamento de ondulação. Gráficos
relacionando a tensão de entrada, a tensão de saída e os valores de indutância
foram gerados para cada conversor, permitindo a visualização de relações
complexas entre as variáveis. Conclui-se
que os conversores Ćuk e SEPIC oferecem melhor eficiência e controle de
tensão, enquanto o conversor buck oferece melhor resposta transitória. A
abordagem preditiva desenvolvida proporciona maior eficiência no projeto
inicial, otimização avançada e análise de sensibilidade, facilitando a seleção
de componentes e configurações ideais sem a necessidade de simulações extensas
ou prototipagem prematura.
Palavras-chave:
Conversores CC-CC; regressão multivariada; modelagem preditiva; eletrônica de
potência; otimização paramétrica.
Introducción
Los
convertidores de corriente continua a corriente continua (DC-DC) (Ravindran y Massoud, 2025), constituyen componentes fundamentales en numerosos sistemas
electrónicos modernos (Puppala et al., 2025), desde dispositivos portátiles y
vehículos eléctricos, hasta sistemas de energía renovable y aplicaciones
industriales (Hao et al., 2025) (Zentani et al., 2025) (Subramaniam
et al., 2025) (Gao et al., 2025) (Subramaniam et al., 2025). Estos
convertidores permiten adaptar niveles de tensión y corriente de manera
eficiente, cumpliendo requisitos específicos en cada aplicación (Kevat
et al., 2025) (Nayak et al., 2025). Sin embargo, el comportamiento de los
convertidores DC-DC, está influenciado por múltiples parámetros
interrelacionados, lo que hace que la predicción precisa de su rendimiento bajo
diversas condiciones de operación, sea un desafío complejo para diseñadores e
ingenieros (Hinov et al., 2025) (Li et al., 2025) (Coelho et al., 2025) (Guo et al., 2025).
Tradicionalmente,
el diseño y optimización de convertidores DC-DC ha dependido de modelos
analíticos simplificados, simulaciones computacionales intensivas o extensas
pruebas de laboratorio (Chivelet et al., 2024) (Ghazizadeh et al., 2024) (Richard et al., 2022) (Teodorescu, 2022). Estos enfoques, aunque valiosos,
presentan limitaciones significativas: los modelos analíticos suelen incorporar
aproximaciones que reducen su precisión, las simulaciones detalladas requieren
considerable tiempo computacional, y las pruebas experimentales son costosas y
consumen recursos (Yanarateş et al., 2024) (Silva-Vera et al., 2024) (Dini y Saponara, 2024) (Gupta et al., 2024) (Guda y Zimoglyad, 2021). En este
contexto, surge la necesidad de desarrollar metodologías alternativas que
combinen precisión, eficiencia computacional y capacidad de generalización.
Se
precisan diversos enfoques para la caracterización y modelado de convertidores
DC-DC. Shang et al. (2023) han empleado técnicas de aprendizaje automático para
predecir la eficiencia energética, mientras que Hamad, et al. (2025) investigaron modelos paramétricos para estimar respuestas transitorias. Sin embargo,
pocos estudios han abordado simultáneamente múltiples métricas de rendimiento,
o han comparado sistemáticamente la eficacia de diferentes técnicas de
regresión en este contexto. Además, la aplicabilidad de estos modelos a
topologías bidireccionales permanece relativamente inexplorada.
Es
por eso que, el presente estudio propone un enfoque innovador basado en
técnicas estadísticas avanzadas para modelar el comportamiento de convertidores
DC-DC bidireccionales sin aislamiento. Específicamente, en las topologías Buck,
Boost, Buck/Boost (Menzi et al., 2024) (Aeggegn et al., 2024) (Hosseinpour, 2024) (Khan et al., 2023), Cuk y Sepic, que son ampliamente utilizadas en
aplicaciones donde se requiere flujo bidireccional de energía. El uso de
técnicas de regresión multivariable implementadas en el entorno R permite
capturar las complejas interacciones entre los parámetros de diseño y las
condiciones operativas, ofreciendo una alternativa eficiente a los métodos
convencionales.
Metodología
Se
utiliza una metodología integral que combina diseño experimental, simulaciones
y análisis estadístico para optimizar convertidores DC-DC bidireccionales. Este
enfoque permite predecir e interpretar cómo diversos parámetros afectan el
rendimiento del sistema, ofreciendo una ventaja significativa en etapas
tempranas de diseño al permitir la parametrización y estimación de factores
críticos antes de construir prototipos físicos.
La
investigación se centra en cinco topologías de convertidores sin aislamiento:
Buck, Boost, Buck-Boost, Cuk y Sepic. El análisis incorpora múltiples factores
operativos: voltaje de entrada (
),
voltaje de salida (
),
corriente de carga (Io), eficiencia energética (η), frecuencia de
conmutación (
),
ciclo de trabajo (D), Rizado de Corriente (
),
Rizado de Voltaje 
,
Potencia (W). Estos parámetros se evalúan para determinar sus efectos sobre dos
métricas fundamentales: capacitancia (C) e inductancia (L).
La
metodología sigue un proceso estructurado que inicia con cálculos teóricos
basados en fórmulas establecidas para cada topología. Posteriormente, utiliza
software especializado (PSIM/LTSPICE) para generar datos de simulación bajo
diversas condiciones operativas. Para validar la precisión de las simulaciones,
se contrastan algunos resultados con mediciones de laboratorio obtenidas
mediante prototipos instrumentados.
El
análisis predictivo empleando regresión lineal múltiple en R Studio establece
una base para determinar los valores óptimos de inductancia que garantizan el
funcionamiento adecuado del sistema bajo configuraciones específicas. La
visualización de resultados mediante gráficas y mapas de calor facilita la
interpretación de los valores idóneos para cada componente del sistema.
El
proceso se documenta exhaustivamente, incluyendo scripts comentados, hojas de
cálculo y diagramas esquemáticos implementados en las simulaciones, lo que
asegura la reproducibilidad del método y facilita su aplicación en diversos
escenarios de diseño de convertidores de potencia.
Resultados
Modelado de Convertidores DC-DC
Las
ecuaciones fundamentales de los convertidores se basan en la ley de voltajes de
Kirchhoff y la ecuación de estado estacionario del inductor, y la energía en el
condensador de acoplamiento y los inductores auxiliares en ciertos casos. Las
principales características de cada convertidor se observan en la Tabla 1.
Tabla 1.
Características de los Convertidores DC-DC bidireccionales sin aislamiento
|
Convertidor DC-DC
tipo Buck
|
|
El convertidor Buck
es un tipo de convertidor DC-DC que reduce el voltaje de entrada a un nivel
más bajo en la salida, manteniendo la misma polaridad. Se basa en la
conmutación de un transistor de potencia y un diodo para transferir energía
de manera eficiente. Este convertidor es ampliamente utilizado en fuentes de
alimentación reguladas para sistemas electrónicos. El funcionamiento se
divide en dos fases: Fase de conducción (switch cerrado): La corriente
fluye a través de la inductancia y la carga, almacenando energía en el campo
magnético de la inductancia. Fase de desconexión (switch abierto): La
corriente sigue fluyendo a través del diodo libre y la inductancia libera la
energía almacenada, manteniendo la alimentación a la carga. Este proceso de
conmutación regula el voltaje de salida dependiendo del ciclo de trabajo
(duty cycle) del interruptor. La eficiencia del convertidor es alta debido a
la conmutación rápida y la minimización de pérdidas resistivas.
|
|
Convertidor DC-DC
tipo Boost
|
|
El convertidor
DC-DC Boost es un tipo de regulador elevador de voltaje, que convierte
una tensión de entrada más baja en una salida más alta de manera eficiente.
Se basa en el almacenamiento de energía en un inductor y su posterior
liberación hacia la carga con un voltaje mayor. Los componentes principales
del convertidor son: Interruptor (MOSFET o transistor): Controla el
flujo de energía. Diodo: Impide que la corriente regrese a la fuente
cuando el interruptor está encendido. Inductor: Almacena energía cuando
el interruptor está encendido y la libera cuando se apaga. Condensador de
salida: Suaviza el voltaje de salida. El convertidor opera en dos
estados: Modo encendido: El interruptor conduce, permitiendo que el
inductor almacene energía. Modo apagado: El interruptor se abre, el
inductor libera su energía a la salida, aumentando el voltaje.
|
|
Convertidor DC-DC
tipo Buck/Boost
|
|
El convertidor
DC-DC Buck-Boost es un tipo de regulador de voltaje que puede aumentar
(Boost) o reducir (Buck) la tensión de entrada, dependiendo del ciclo de
trabajo. Se utiliza en aplicaciones donde la tensión de salida debe ser mayor
o menor que la de entrada, como en sistemas de energía renovable, baterías y
electrónica portátil. El convertidor opera en dos estados: Modo encendido:
El interruptor conduce, permitiendo que el inductor almacene energía. Modo
apagado: El interruptor se abre, y el inductor transfiere energía a la
carga a través del diodo. Una característica clave del convertidor Buck-Boost
es que la polaridad del voltaje de salida es inversa a la de entrada, lo que
lo clasifica como un convertidor no inversor en algunas
configuraciones modificadas.
|
|
Convertidor DC-DC
tipo Ćuk
|
|
El convertidor
DC-DC Ćuk es un tipo de regulador de voltaje que puede reducir (Buck)
o aumentar (Boost) la tensión de entrada. Su diseño se basa en la
transferencia de energía a través de un condensador acoplador en lugar de un
inductor, lo que le permite proporcionar una salida con polaridad inversa
respecto a la entrada. Una ventaja clave del convertidor Ćuk es su
capacidad para reducir el rizado de corriente debido a la presencia de
inductores tanto en la entrada como en la salida.
|
|
Convertidor DC-DC
tipo Sepic
|
|
El convertidor
SEPIC (Single-Ended Primary Inductor Converter) es un tipo de regulador
DC-DC que permite obtener un voltaje de salida mayor o menor que el voltaje
de entrada, lo que lo hace útil en aplicaciones donde la tensión de
alimentación puede variar, pero se necesita una salida estable. Una ventaja
clave del convertidor SEPIC es que proporciona una salida sin inversión de
polaridad, a diferencia del convertidor Buck-Boost o Ćuk.
|
Nota:
Datos tomados de (Khan et al., 2023)
Diseño de Convertidores
Las
relaciones de diseño para todos los componentes de los convertidores discutidos
se derivan y se presentan en la Tabla 2. El comportamiento de cada
convertidor se expresa a través de la relación de ganancia de voltaje,
que es función de la tensión de entrada ,
la tensión de salida 
y el ciclo de trabajo D. La relación de ganancia de voltaje de cualquier
convertidor puede transformarse en términos de la relación de impedancias
entre la resistencia interna 
del módulo o arreglo fotovoltaico y la resistencia de carga 
.
El valor del inductor 
de cada convertidor se deriva a partir del producto volt-segundo durante
los estados de conducción 
o
desconexión 
.
Para los capacitores, se considera el producto carga-segundo del
convertidor en los mismos estados de operación.
Estas
relaciones de diseño han sido ampliamente reportadas en la literatura, con la
excepción del condensador de entrada 
,
que se instala en el nodo de entrada en paralelo con el módulo fotovoltaico: Si
el suministro de entrada es continuo (como en el convertidor Boost), el
tamaño de es
pequeño. Si el suministro de entrada es discontinuo (como en el
convertidor Buck), el tamaño de
es grande. Para otros convertidores,
se diseña siguiendo el mismo enfoque.
Tabla 2. Relaciones de diseño de los
convertidores analizados
|
Ítem
|
Buck
|
Boost
|
Buck-Boost
|
Ćuk
|
SEPIC
|
|
D
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
-
|
-
|
-
|
|
|
|
|
-
|
-
|
-
|
|
|
|
|
|
|
|
|
|
-
|
-
|
-
|
|
|
|
|
|
|
|
|
|
|
-
|
-
|
-
|
|
|
|
|
|
|
|
|
|
|
 (ideal)
|
|
|
|
|
|
|
(real)
|
|
|
|
|
|
|
Eficiencia (η)
|
|
|
Alta para cargas
bajas
|
Moderada, depende de
D
|
Baja en grandes
variaciones de carga
|
Alta, pero con mayor
número de componentes
|
Alta con buen control
de Ripple
|
|
Regulación de voltaje
(Vr)
|
|
|
Buena para D estable
|
Puede degradarse a
altas cargas
|
Depende de la carga y
D
|
Excelente, pero
sensible a D
|
Buena estabilidad en
control
|
|
Tiempo de respuesta
(tr)
|
Corto
|
Medio
|
Lento si D es
variable
|
Depende de C1
y C2
|
Depende de la
regulación de lazo cerrado
|
|
Ripple de voltaje
|
Bajo con C1
grande
|
Alto si C1 es
pequeño
|
Alto sin control
adecuado
|
Bajo con diseño
correcto
|
Bajo con control
adecuado
|
|
Ripple de corriente
|
Bajo con L1
grande
|
Alto si L1 es pequeño
|
Alto en modo
discontinuo
|
Bajo con L2
adecuado
|
Bajo con inductancias
bien diseñadas
|
Notas: Fórmulas
modificadas de Texas Instrument
D:
representa
el ciclo de trabajo (duty cycle) del convertidor.
RL:
representa la resistencia de carga.
:
Resistencia de punto de vista
L1
y L2: son los inductores utilizados en cada
convertidor, primario y secundario respectivamente.
C1,
C2: representan los condensadores de diseño en cada caso,
capacitor de salida, capacitor adicional de salida respectivamente.
Cin:
es el capacitor de entrada, cuya dimensión depende de la continuidad de la
fuente de alimentación.
:
rizado de corriente en la inductancia.
:
rizado de corriente del inductor de salida.
:
rizado de tensión de salida.
:
rizado de tensión de entrada.
:
Corriente del panel fotovoltaico (o la fuente de entrada)
Eficiencia
(η): Es la relación entre la potencia de salida útil de un
sistema y la potencia que consume.
Regulación
de voltaje (Vr): Es la capacidad de una fuente de
alimentación para mantener un voltaje de salida constante a pesar de los
cambios en la carga o en el voltaje de entrada.
Tiempo
de respuesta (tr): Es el tiempo que tarda un sistema en
reaccionar a un cambio repentino, como una variación de carga, y estabilizar su
salida dentro de ciertos límites aceptables. Se mide típicamente en
microsegundos o milisegundos.
Ripple
(Rizado) de voltaje (Vripple) (α): Es la pequeña variación
periódica (ondulación) en el voltaje de salida de una fuente de alimentación,
especialmente en fuentes con rectificadores. Es una señal no deseada que se
superpone al voltaje de salida continuo.
Ripple
(Rizado) de corriente (Iripple) (β): Es la ondulación
o componente alterna presente en la corriente de salida de una fuente de
alimentación, especialmente en convertidores conmutados. También es una señal
no deseada que puede afectar el rendimiento del circuito.
Simulación
Para
realizar las simulaciones de los diferentes convertidores, se emplearon valores
iniciales de configuración detallados en la Tabla 3. Esta tabla
especifica parámetros esenciales como la resistencia de carga 𝑅𝐿,
el rizado de corriente (𝛼) y el rizado de voltaje
(𝛽),
así como la caída de voltaje en el diodo y la eficiencia (η). La potencia
de salida (𝑃𝑜) se considera variable
según las condiciones de simulación. Los dispositivos electrónicos utilizados
incluyen un MOSFET IRF540, un diodo Schottky 1N5819 y una fuente de señal PWM,
que puede generarse mediante una fuente de pulso o un circuito integrado como
el TL494. La señal PWM se configura con los parámetros estándar: voltajes de
0 V y 12 V, tiempos de subida y bajada de 10 ns, y un tiempo
en alto definido según el ciclo de trabajo requerido. El periodo del PWM se
ajusta de acuerdo con la frecuencia de operación de cada convertidor.
Tabla 3. Valores Iniciales de las
Variables para los cálculos y configuraciones de los sistemas
|
Ítem
|
Buck
|
Boost
|
Buck-Boost
|
Ćuk
|
SEPIC
|
|
|
50 Ω
|
500 Ω
|
50 Ω
|
50 Ω
|
50 Ω
|
|
|
2%
|
14.07%
|
17.5%
30%
|
2%
|
2%
|
|
|
2%
|
0.05%
|
0,057%
0,061%
|
0.1%
|
0.1%
|
|
|
Variable
|
Variable
|
Variable
|
Variable
|
Variable
|
|
VD
|
0.7V
|
0.7V
|
0.7V
|
0.7V
|
0.7V
|
|
Eficiencia (η)
|
85%
|
85%
|
85%
32.3%
|
85%
|
85%
|
|
Dispositivos
Electrónicos
|
MOSFET de
conmutación: IRF540, Diodo Schottky: 1N5819,
Controlador PWM:
Fuente de pulso (o un CI dedicado como el TL494)
|
|
Configuración pulso
PWM
|
PULSE (V1
V2 Tdelay Trise Tfall Ton Tperiod)
|
Nota:
algunos valores son variables de acuerdo a las condiciones de evaluación
:
Porcentaje de rizado de corriente.
:
Porcentaje de rizado de voltaje.
V1:
Voltaje bajo (0V en la mayoría de casos)
V2:
Voltaje alto (12V en la mayoría de casos)
Tdelay:
Tiempo de inicio del pulso (0s)
Trise:
Tiempo de subida (10ns en la mayoría de casos)
Tfall:
Tiempo de bajada (10ns en la mayoría de casos)
Ton:
Tiempo en alto (se define para obtener el ciclo de trabajo correcto)
Tperiod:
Período del PWM (Se define según la frecuencia de operación)
Tabla 4. Respuesta del sistema simulado en
LTSPICE para cada Convertidor
|
Convertidor DC-DC
tipo Buck
|
Convertidor DC-DC
tipo Boost
|
|
Figura 1. Respuesta
del sistema simulado en LTSPICE para un Convertidor DC-DC tipo Buck.
|
Figura 2. Respuesta
del sistema simulado en LTSPICE para un Convertidor DC-DC tipo Boost.
|
|
La Figura 1 muestra
dos señales: la tensión de entrada Vin, que permanece constante en
aproximadamente 12 V, y la tensión de salida Vo, representada en
azul. La salida presenta inicialmente una sobreoscilación leve que alcanza
poco más de 8 V, seguida de una caída controlada hasta estabilizarse
alrededor de los 5 V, lo cual es característico del comportamiento de
un convertidor Buck operando como reductor de tensión. La forma de onda
indica una fase transitoria que dura hasta aproximadamente los 12 ms,
después de lo cual el sistema alcanza el régimen permanente. Este tipo de
respuesta es esperada al aplicar una señal PWM con un ciclo de trabajo
adecuado para reducir la tensión de entrada y obtener una salida regulada. La
simulación demuestra una regulación estable, mostrando también un buen
desempeño dinámico sin oscilaciones sostenidas ni rizado excesivo.
|
|
La Figura 2 muestra
que, la tensión de entrada Vin (en verde) se mantiene constante en
aproximadamente 15 V, mientras que la tensión de salida Vo (en
azul) se incrementa rápidamente, alcanzando un pico inicial cercano a los
29 V antes de estabilizarse alrededor de los 24 V. Esta respuesta
es característica de un convertidor Boost, cuyo propósito es elevar la
tensión de entrada a un nivel superior de salida. La fase transitoria se
presenta en los primeros milisegundos, mostrando un breve sobreimpulso y pequeñas
oscilaciones antes de que la tensión se estabilice. A partir de
aproximadamente los 8 ms, el sistema entra en régimen permanente,
manteniendo la salida en un nivel constante y sin oscilaciones notables, lo
que evidencia un control eficaz del rizado y una buena regulación del
voltaje. Esta simulación valida el comportamiento del convertidor Boost,
confirmando su capacidad para elevar el voltaje de manera eficiente con una
configuración de PWM adecuada y componentes correctamente dimensionados.
|
|
Convertidor DC-DC
tipo Buck-Boost
|
|
Figura 3. Respuesta
del sistema simulado en LTSPICE para un Convertidor DC-DC tipo Buck-Boost en
condiciones de reductor.
|
Figura 4. Respuesta
del sistema simulado en LTSPICE para un Convertidor DC-DC tipo Buck-Boost en
condiciones de elevador.
|
|
La Figura 3 presenta
una tensión de entrada Vin constante de aproximadamente 12 V (en
verde), mientras que la tensión de salida Vo (en azul) es negativa,
estabilizándose alrededor de –6 V. Este comportamiento es
característico del convertidor Buck-Boost, que además de reducir la magnitud
del voltaje, invierte la polaridad de la señal de salida. La forma de onda
revela una respuesta transitoria rápida, en la que la salida alcanza su valor
negativo deseado en los primeros milisegundos, para luego mantenerse estable
durante el resto del periodo simulado. La ausencia de oscilaciones o rizado
significativo en el régimen permanente indica un diseño eficiente y una
configuración adecuada del ciclo de trabajo PWM. Esta simulación demuestra el
correcto funcionamiento del convertidor Buck-Boost en modo reductor, siendo
capaz de generar una salida negativa regulada a partir de una entrada
positiva, lo que lo convierte en una opción versátil para aplicaciones que
requieren inversión de voltaje junto con regulación.
|
|
La Figura 4 muestra
dos señales: la tensión de entrada Vin, representada en color verde, y la
tensión de salida Vo, en azul. La entrada se mantiene constante en 5 V
durante todo el intervalo de simulación, mientras que la salida inicia en
0 V y rápidamente cae hasta estabilizarse en un valor negativo cercano
a -8 V, lo cual es característico del comportamiento del Buck-Boost en
modo inversor. Este tipo de convertidor permite obtener una tensión de salida
mayor o menor que la de entrada, pero con polaridad invertida. En este caso,
el sistema actúa como elevador, aumentando la magnitud del voltaje de
entrada. La respuesta transitoria muestra que el sistema alcanza su régimen
permanente en aproximadamente 3 ms, lo que indica una respuesta rápida
y eficiente. Esta simulación permite validar el correcto funcionamiento del
convertidor bajo las condiciones impuestas, y demuestra que el diseño cumple
con los objetivos esperados, entregando una salida estable, regulada e
invertida con respecto a la entrada, ideal para aplicaciones donde se
requiera una polaridad opuesta con un nivel de voltaje diferente.
|
|
Convertidor DC-DC
tipo Cuk
|
|
Figura 5. Respuesta
del sistema simulado en LTSPICE para un Convertidor DC-DC tipo Cuk en
condiciones de reductor.
|
Figura 6. Respuesta
del sistema simulado en LTSPICE para un Convertidor DC-DC tipo Cuk en
condiciones de elevador.
|
|
La Figura 5 presenta
dos señales: la tensión de entrada Vin, representada en verde, y la tensión
de salida Vo, en azul. La señal de entrada no se muestra claramente en la
escala visible, lo cual sugiere que se mantiene constante o es irrelevante
frente al comportamiento de la salida. La tensión de salida comienza cerca de
0 V y cae rápidamente hasta estabilizarse en un valor negativo cercano
a -6 V, lo cual es típico del convertidor Ćuk, ya que este tipo de
topología proporciona una salida invertida respecto a la entrada. Además,
este convertidor se caracteriza por ofrecer una baja ondulación de corriente
tanto en la entrada como en la salida, lo que lo hace adecuado para
aplicaciones sensibles al ruido. En esta simulación, el sistema alcanza su
régimen permanente en menos de 1 ms, indicando una respuesta rápida y
una regulación eficiente. El comportamiento observado confirma el correcto
funcionamiento del Ćuk en modo reductor, disminuyendo el nivel de
voltaje de entrada mientras invierte su polaridad, manteniendo al mismo
tiempo una salida estable y continua.
|
|
La Figura 6 dos
señales: la tensión de entrada Vin, en verde, que permanece constante en
5 V, y la tensión de salida Vo, en azul, que comienza cerca de
0 V y desciende gradualmente hasta alcanzar un valor negativo cercano a
-9 V. Este comportamiento es característico del convertidor Ćuk,
el cual entrega una salida de polaridad invertida respecto a la entrada,
pudiendo funcionar tanto como elevador como reductor según las condiciones.
En este caso, el sistema opera en modo elevador, ya que la magnitud del voltaje
de salida supera la del voltaje de entrada, aunque con signo contrario. A
diferencia de otras topologías, el Ćuk se destaca por mantener una baja
ondulación de corriente en la entrada y la salida, lo que mejora el desempeño
en aplicaciones sensibles al ruido eléctrico. La respuesta del sistema es más
lenta que en el modo reductor, alcanzando el régimen permanente alrededor de
los 300 ms, lo cual puede atribuirse a los valores de los componentes
pasivos empleados. En conjunto, la simulación valida la operación eficiente
del convertidor Ćuk como elevador inversor.
|
|
Convertidor DC-DC
tipo Sepic
|
|
Figura 7. Respuesta
del sistema simulado en LTSPICE para un Convertidor DC-DC tipo Sepic en
condiciones de reductor.
|
Figura 8. Respuesta
del sistema simulado en LTSPICE para un Convertidor DC-DC tipo Sepic en
condiciones de elevador.
|
|
La Figura 7 muestra
cómo el voltaje de salida Vo (trazado en azul) se estabiliza alrededor de los
6V, partiendo desde 0V en el instante inicial. La forma de la curva indica
una típica respuesta de carga de un convertidor con componentes pasivos como
inductores y capacitores, donde el voltaje se eleva rápidamente durante los
primeros 0.3 milisegundos y luego se estabiliza gradualmente hasta alcanzar
un estado estable. Esta respuesta es característica del comportamiento
dinámico del SEPIC, que permite tanto elevar como reducir el voltaje de
entrada, dependiendo del punto de operación. En este caso específico, el
sistema actúa como reductor, dado que el voltaje de entrada es mayor que el
de salida. La respuesta suave y sin oscilaciones notables indica un diseño
adecuado de lazo de control y buena selección de componentes para minimizar
el rizado y mejorar la estabilidad. Este tipo de análisis es fundamental para
validar el comportamiento del convertidor en aplicaciones reales donde se
requiere una tensión de salida regulada frente a diferentes condiciones de
entrada.
|
|
La Figura 8 muestra
cómo el voltaje de entrada Vin (trazado en verde) permanece constante
alrededor de los 6V durante toda la simulación, mientras que el voltaje de
salida Vo (en azul) incrementa progresivamente hasta alcanzar un valor
cercano a los 28V en aproximadamente 22 milisegundos. Este comportamiento
confirma que el convertidor está funcionando en modo boost o elevador, ya que
entrega una salida significativamente mayor al voltaje de entrada. La curva
ascendente del voltaje de salida muestra una subida controlada y estable, sin
evidencias de oscilaciones indeseadas, lo cual sugiere una buena respuesta
dinámica del sistema y un correcto diseño del lazo de control. Esta
simulación es fundamental para validar el desempeño del convertidor bajo
condiciones donde se requiere elevar la tensión, como en aplicaciones donde
una fuente de baja tensión necesita alimentar cargas que requieren voltajes
más altos. El convertidor SEPIC demuestra así su versatilidad para operar
tanto en modo reductor como elevador, manteniendo una salida regulada y
adecuada para diferentes exigencias del sistema.
|
Nota:
Las Simulaciones se desarrollaron con el Software LTSPICE con valores de los
elementos reales
Modelado predictivo utilizando técnicas de regresión
multivariable en R
El
proceso de modelado predictivo de los diferentes tipos de convertidores DC-DC bidireccionales
sin aislamiento se estructura en tres fases principales: inicialmente, la
recopilación de datos de entrenamiento implica generar un conjunto diverso de
configuraciones del convertidor, considerando como variables de entrada:
voltaje de entrada (),
voltaje de salida (),
corriente de carga (Io), eficiencia energética (η), frecuencia de
conmutación (),
ciclo de trabajo (D), Rizado de Corriente (),
Rizado de Voltaje ,
Potencia (W), mientras que las variables de salida comprenden los valores
óptimos de los componentes L1, L2; posteriormente, el preprocesamiento de datos
abarca la normalización de variables, análisis de correlaciones entre
parámetros y detección de valores atípicos para garantizar la calidad de los
datos; finalmente, el desarrollo de modelos contempla desde enfoques más
simples como la regresión lineal múltiple para relaciones básicas para modelar
la complejidad inherente a los efectos de los diversos parámetros del
convertidor.
Tabla 6. Modelado predictivo utilizando
técnicas de regresión multivariable en R
|
Convertidor DC-DC
tipo Buck
|
Convertidor DC-DC
tipo Boost
|
|
Figura 9. Gráfica de los Valores de Vin, Vo
y L del Convertidor DC-DC Tipo Buck.
|
Figura 10.
Gráfica de los
Valores de Vin, Vo y L del Convertidor DC-DC Tipo Boost.
|
|
La Figura 9 muestra
una gráfica comparativa de los valores de la inductancia LL calculada frente
a los valores predictivos generados por un modelo en un convertidor DC-DC
tipo Buck. En el gráfico, los ejes están representados en escala logarítmica,
donde el eje vertical indica los valores de entrada Vin y el eje horizontal
los valores de salida Vo, ambos en voltios. Los círculos representan los
valores calculados directamente a partir de fórmulas o datos experimentales,
mientras que los triángulos indican las predicciones obtenidas mediante un
modelo. La intensidad del color representa la magnitud de la inductancia en
milihenrios (mH), diferenciando entre los valores calculados (escalados en
tonos púrpura-verde) y los valores predictivos (escalados en tonos
naranja-rosado). Se observa una correspondencia general entre ambos conjuntos
de datos, aunque también se notan algunas discrepancias en ciertas zonas,
especialmente a valores extremos de Vin y Vo, donde la predicción del modelo
difiere ligeramente del valor calculado. Esta representación visual facilita
la evaluación del desempeño del modelo predictivo en diferentes condiciones
de operación del convertidor Buck, permitiendo identificar rangos donde la
predicción es más precisa o donde podrían requerirse ajustes.
|
|
La Figura 10 muestra
una gráfica comparativa entre los valores calculados y los valores
predictivos de la inductancia (L) en un convertidor DC-DC tipo Boost, en
función de las tensiones de entrada (Vin) y salida (Vo), ambas en escala
logarítmica. En la gráfica, los círculos representan los valores de
inductancia calculados experimentalmente, mientras que los triángulos indican
los valores de inductancia estimados mediante un modelo predictivo. Los datos
están codificados por colores para indicar la magnitud de la inductancia en
milihenrios (mH), donde los tonos verdes y celestes corresponden a valores
bajos (entre 10 y 50 mH) y los tonos púrpuras a rojizos representan valores
más altos (hasta 2000 mH). Se observa una mayor dispersión de los valores
predictivos en comparación con los calculados, especialmente conforme
aumentan las tensiones de entrada y salida. En la región de bajas tensiones
tanto de entrada como de salida, ambos métodos tienden a coincidir, lo cual
sugiere una mayor precisión del modelo en esas condiciones. Sin embargo, a
medida que se incrementan los niveles de tensión, las predicciones del modelo
tienden a sobrestimar la inductancia respecto a los valores calculados, lo
cual podría indicar limitaciones del modelo bajo condiciones extremas. Esta
comparación permite evaluar el desempeño del modelo predictivo frente a los
datos reales.
|
|
Convertidor DC-DC
tipo Buck-Boost
|
|
Figura 11. Valores de
Vin, Vo y L del Convertidor DC-DC tipo Buck-Boost.
|
|
La Figura 11 presenta
una gráfica comparativa de los valores de tensión de entrada (Vin), tensión
de salida (Vo) e inductancia (L) en un convertidor DC-DC tipo Buck-Boost,
utilizando escalas logarítmicas para ambos ejes de tensión. En esta
representación, los círculos indican los valores de inductancia calculados
experimentalmente, mientras que los triángulos muestran los valores obtenidos
mediante un modelo predictivo. La inductancia se mide en microhenrios (µH) y
se representa con una escala de colores, en la que los tonos verdes
corresponden a valores bajos (entre 5 y 15 µH) y los colores que van del azul
al rojo representan valores progresivamente mayores (hasta 600 µH). Se
observa que en regiones de bajos valores de Vin y Vo hay una alta
coincidencia entre los datos calculados y los predichos, lo que sugiere una
buena precisión del modelo en dichas condiciones. No obstante, al aumentar
las tensiones, el modelo tiende a sobreestimar la inductancia respecto a los
valores experimentales, como lo evidencian los triángulos de colores cálidos
en ausencia de círculos equivalentes. Este comportamiento destaca la
necesidad de ajustes en el modelo predictivo para mejorar su precisión bajo
condiciones de operación más exigentes, permitiendo así una mejor estimación
de la inductancia en convertidores Buck-Boost.
|
|
Convertidor DC-DC
tipo Cuk
|
|
 
(a)
(b)
Figura 12. Valores de
Vin, Vo y L en Convertidor DC-DC tipo Cuk L1 y L2.
|
|
La Figura 12 (a)
muestra la comparación entre los valores calculados y los valores predictivos
de la inductancia L1 en un convertidor DC-DC tipo Ćuk, en función de la
tensión de entrada (Vin) y la tensión de salida (Vo), ambas representadas en
escala logarítmica. Los círculos en la gráfica representan los valores de
inductancia obtenidos experimentalmente, mientras que los triángulos indican
los valores estimados mediante un modelo predictivo. La inductancia se
expresa en microhenrios (µH) y se codifica con una escala de colores: los
valores bajos (10 a 20 µH) se muestran en tonos verdes, y los valores más
altos, de hasta 2000 µH, aparecen en tonos que varían del azul al rojo. Se
aprecia que, en general, el modelo predictivo tiende a generar valores mayores
a los calculados, especialmente en condiciones de alta tensión de entrada y
salida. En la región de bajos voltajes, los datos calculados y predichos
tienden a coincidir, lo que indica un buen rendimiento del modelo en ese
rango. Sin embargo, a medida que aumentan las tensiones, la diferencia entre
ambos conjuntos de datos se hace más evidente, lo cual sugiere que el modelo
necesita ser ajustado para mejorar su precisión bajo condiciones de operación
más exigentes en el convertidor tipo Ćuk.
|
|
La Figura 12 (b) con
un esquema similar a las gráficas anteriores. El eje X representa el voltaje
de salida (Vo) en escala logarítmica de 3V a 1000V, mientras el eje Y muestra
el voltaje de entrada (Vin) también en escala logarítmica en el mismo rango.
Los puntos están representados por triángulos de diferentes colores según los
valores de inductancia. Para L2 calculada, la escala de colores va desde
verde (aproximadamente 7.5μH) hasta morado (aproximadamente 15μH),
con valores intermedios. Para L2 predictiva, la escala abarca desde azul
(alrededor de 200μH) hasta rojo/naranja (cerca de 600μH). Se
observa que los valores de L2 predictiva son significativamente mayores que
los de L2 calculada en todas las condiciones. La distribución de puntos sigue
un patrón sistemático con concentración de puntos en valores específicos de
Vin y Vo, sugiriendo un análisis paramétrico metódico. Es notable que en este
convertidor tipo Cuk, la distribución de colores para ambas metodologías
muestra tendencias similares a las observadas en el convertidor Sepic, aunque
con rangos de valores ligeramente diferentes para L2 calculada. Esta gráfica
es esencial para el diseño óptimo del convertidor Cuk, permitiendo
seleccionar valores apropiados de L2 según las condiciones operativas deseadas.
|
|
Convertidor DC-DC
tipo Sepic
|
|
 
(a)
(b)
Figura 13. Gráfica de
los Valores de Vin, Vo y L del Convertidor DC-DC tipo Sepic L1 y L2.
|
|
La Figura 13 (a)
muestra un análisis detallado de las inductancias en diferentes condiciones
operativas. Los ejes logarítmicos representan voltajes de entrada (Vin) y
salida (Vo) entre 3V y 1000V, abarcando múltiples relaciones de conversión.
Se observa una clara diferencia entre los dos métodos de cálculo: mientras L1
calculada presenta valores moderados (10-50μH) representados en tonos
verde-morado, L1 predictiva muestra un rango significativamente mayor
(20-1000μH) en escala azul-rojo. Los valores más bajos de inductancia en
ambos métodos se concentran en la región inferior izquierda (voltajes bajos),
mientras que los valores más altos aparecen cuando los voltajes aumentan.
Destaca que L1 predictiva genera sistemáticamente valores más conservadores
que L1 calculada, especialmente en condiciones de alto voltaje, posiblemente
para garantizar la operación en modo de conducción continua bajo diversas
cargas. La distribución de puntos en patrones lineales horizontales y
verticales sugiere un estudio paramétrico sistemático del convertidor. Esta
comparación resulta valiosa para diseñadores de convertidores Sepic,
permitiendo seleccionar inductancias apropiadas según el método de cálculo
preferido y las condiciones específicas de operación del circuito.
|
|
La Figura 13 (b)
muestra un análisis comparativo de los valores de inductancia L2 determinados
mediante dos métodos diferentes en un convertidor Sepic. El eje horizontal
representa el voltaje de salida (Vo) en escala logarítmica desde 3V hasta
1000V, mientras que el eje vertical indica el voltaje de entrada (Vin)
también en escala logarítmica en el mismo rango. Los puntos se representan
con triángulos y círculos de colores que corresponden a diferentes valores de
inductancia. Para L2 calculada, la escala de colores va del verde
(aproximadamente 5μH) al morado (cerca de 15μH), mientras que para
L2 predictiva, la escala abarca desde el azul (alrededor de 200μH) hasta
el naranja/rojo (aproximadamente 600μH). Similar a la gráfica anterior
de L1, los valores predictivos son considerablemente mayores que los
calculados. Se observa también una distribución sistemática de puntos que
sugiere un análisis paramétrico estructurado. Los valores más bajos de L2
calculada se concentran en la zona de voltajes de entrada y salida reducidos,
mientras los valores más altos de L2 predictiva aparecen principalmente en
las regiones de voltajes elevados. Esta información resulta fundamental para
el diseño óptimo del convertidor Sepic, permitiendo seleccionar el valor de
inductancia L2 más adecuado según las condiciones operativas específicas.
|
Nota:
Se aplicó un modelo de regresión lineal simple a través del uso del software R
Discusión
El
enfoque basado en modelos predictivos para la caracterización y diseño de
convertidores DC-DC representa un avance significativo respecto a metodologías
tradicionales documentadas en estudios previos. Mientras que investigaciones
como las de Chivelet et al. (2024) y Ghazizadeh et al. (2024)
dependían principalmente de modelos analíticos simplificados o simulaciones
computacionales intensivas, nuestro trabajo integra técnicas estadísticas
avanzadas que reducen considerablemente el tiempo de diseño inicial sin
sacrificar precisión. Esta evolución metodológica se alinea con la tendencia
observada por Shang et al. (2023), quienes comenzaron a explorar técnicas de
aprendizaje automático para la predicción de eficiencia energética, aunque
nuestro enfoque amplía el alcance al abordar múltiples métricas de rendimiento
simultáneamente.
Los
resultados obtenidos mediante regresión multivariable en R demuestran mayor
capacidad para capturar interacciones complejas entre parámetros de diseño,
superando las limitaciones de aproximaciones analíticas señaladas por Richard
et al. (2022) y Teodorescu (2022). En particular, los modelos desarrollados
para las topologías Buck, Boost, Buck-Boost, Ćuk y SEPIC presentan
correlaciones robustas entre variables operativas (voltaje de entrada, ciclo de
trabajo, frecuencia de conmutación) y valores óptimos de componentes
(inductancia, capacitancia), lo que permite una optimización más precisa que
las aproximaciones tradicionales discutidas por Yanarateş et al. (2024).
En
comparación con los estudios de Silva-Vera et al. (2024)
y Dini y Saponara (2024), que exploraron modelados basados en datos para
convertidores específicos, nuestra investigación ofrece un marco metodológico
generalizable aplicable a múltiples topologías, facilitando análisis
comparativos directos entre diferentes configuraciones. Esta característica
resulta especialmente valiosa considerando las observaciones de Hinov et al. (2025) sobre la sensibilidad paramétrica de los convertidores DC-DC, permitiendo
identificar configuraciones óptimas según requisitos específicos de aplicación
como los señalados por Gao et al. (2025) para sistemas de refrigeración y
almacenamiento.
Respecto
al rendimiento comparativo entre topologías, nuestros resultados coinciden
parcialmente con las observaciones de Li et al. (2025)
y Coelho et al. (2025) sobre el comportamiento diferencial según condiciones
operativas. Sin embargo, nuestro análisis mediante regresión multivariable
cuantifica con mayor precisión estas diferencias, revelando que las topologías
Ćuk y SEPIC presentan ventajas significativas en términos de eficiencia
energética y control de rizado bajo condiciones variables, mientras que Buck y
Boost ofrecen mejor rendimiento en aplicaciones con requisitos más estables,
confirmando así las tendencias cualitativas señaladas por Kevat et al. (2025).
La
implementación de restricciones térmicas y limitaciones prácticas en nuestros
modelos responde a la necesidad identificada por Gupta et al. (2024)
de considerar factores de fiabilidad en el diseño de convertidores.
Adicionalmente, el modelado de efectos parásitos como ESR de capacitores y DCR
de inductores supone un avance respecto a modelos ideales frecuentemente
utilizados en la literatura, acercando las predicciones a comportamientos
reales observados en implementaciones físicas como las documentadas por Hao et
al. (2025) y Puppala et al. (2025).
Las
aplicaciones prácticas identificadas para cada topología confirman y amplían
las observaciones de Khan et al. (2023) sobre la idoneidad de diferentes
configuraciones según contextos específicos. Nuestros modelos predictivos
permiten cuantificar estas relaciones, facilitando decisiones de diseño
informadas que optimizan el rendimiento según requisitos particulares, como los
descritos por Menzi et al. (2024) para aplicaciones aeroespaciales y
Subramaniam et al. (2025) para integración con celdas de combustible.
En
términos de eficiencia computacional, el enfoque propuesto representa una
mejora sustancial frente a métodos de simulación detallados como los utilizados
por Guda y Zimoglyad (2021), permitiendo explorar rápidamente un espacio de
soluciones mucho más amplio. Esta capacidad resulta particularmente valiosa en
contextos de diseño iterativo o cuando se requieren análisis paramétricos
extensos, como señalan Nayak et al. (2025) en su revisión sobre optimización de
convertidores mediante técnicas de aprendizaje automático.
Finalmente,
la incorporación de datos experimentales para validar subconjuntos de
resultados simulados fortalece la confiabilidad del modelo predictivo,
abordando una limitación frecuentemente señalada en estudios puramente
analíticos o simulados como los de Aeggegn et al. (2024)
y Hosseinpour (2024). Esta validación cruzada entre simulación y mediciones de
laboratorio garantiza que las predicciones del modelo mantienen relevancia
práctica, facilitando su aplicación directa en procesos de diseño de
convertidores para aplicaciones específicas como las descritas por Zentani et
al. (2025) para infraestructura de carga rápida en vehículos eléctricos y
Ravindran y Massoud (2025) para aplicaciones satelitales.
Conclusiones
El
estudio comparativo de convertidores DC-DC muestra diferencias significativas
entre topologías que determinan su aplicabilidad en distintos contextos. Los
convertidores Ćuk y SEPIC destacan por su eficiencia superior en diversas
condiciones operativas, mientras que los Boost y Buck ofrecen eficiencias
moderadas que varían según su ciclo de trabajo. El Buck-Boost presenta la menor
eficiencia debido a pérdidas durante la conmutación, limitando su uso en
aplicaciones donde la eficiencia energética es crucial.
En
cuanto a regulación de voltaje, Ćuk y SEPIC proporcionan un control más
preciso del voltaje de salida, aunque requieren sistemas de control más
complejos. Los convertidores Boost y Buck-Boost muestran mayor variabilidad
ante cambios en las condiciones de carga o entrada, factor determinante para
aplicaciones que necesitan estabilidad en la tensión.
Respecto
al comportamiento dinámico, el convertidor Buck sobresale por su excelente
respuesta transitoria frente a cambios operativos, característica valiosa en
sistemas con frecuentes variaciones de carga. Las topologías Ćuk y SEPIC
necesitan ajustes específicos para optimizar su comportamiento dinámico,
añadiendo complejidad pero ofreciendo ventajas en aplicaciones sensibles al
ruido eléctrico.
En
el análisis del rizado de voltaje y corriente, los convertidores Boost y
Buck-Boost pueden presentar niveles considerables si sus componentes reactivos
no están correctamente dimensionados, especialmente a alta carga. En contraste,
Ćuk y SEPIC permiten un control más efectivo del rizado gracias a su
configuración con doble inductor, haciéndolos preferibles para aplicaciones
donde la calidad energética es esencial.
La
metodología de modelado predictivo presentada constituye una herramienta eficaz
para optimizar el diseño de convertidores DC-DC, permitiendo determinar valores
óptimos de componentes críticos como inductores y capacitores en diversos
escenarios operativos. Este enfoque facilita el ajuste de parámetros para
maximizar la eficiencia y reducir fluctuaciones indeseadas sin necesidad de
múltiples iteraciones de prototipado, lo que representa un avance significativo
frente a métodos tradicionales basados exclusivamente en ecuaciones analíticas
o simulaciones computacionales intensivas.
Los
modelos de regresión multivariable implementados en R ofrecen una base
cuantitativa robusta para la optimización de convertidores. Sin embargo, se
recomienda complementar estos fundamentos teóricos con simulaciones detalladas
y verificaciones experimentales para validar los modelos en cada implementación
específica. Esta combinación de aproximaciones teóricas y experimentales
asegura resultados óptimos al considerar factores no contemplados en los
modelos estadísticos, como tolerancias de componentes reales o efectos térmicos
bajo operación prolongada.
Este
trabajo establece una metodología reproducible para el análisis y diseño
optimizado de convertidores DC-DC, contribuyendo al avance en el campo de la
electrónica de potencia con aplicaciones directas en sectores como energías
renovables, vehículos eléctricos y sistemas electrónicos portátiles. Las
técnicas desarrolladas son extensibles a otras topologías de convertidores y
adaptables para incluir nuevos parámetros según evolucionen los requisitos
tecnológicos de estas aplicaciones.
Referencias
1.
Aeggegn,
D. B., Nyakoe, G. N., y Wekesa, C. (2024). ANFIS‐Controlled Boost and
Bidirectional Buck‐Boost DC‐DC Converters for Solar PV, Fuel Cell,
and BESS‐Based Microgrid Application. International Transactions on
Electrical Energy Systems, 2024(1), 6484369.
https://doi.org/10.1155/2024/6484369
2.
Chivelet,
N. M., Frontini, F., Reijenga, T., Stølen, R., Wilson, H. R., Eder, G., . . .
Kovacs, P. (2024). BIPV performance requirements. En N. M. Chivelet, C. Kapsis,
y F. Frontini, Building-Integrated Photovoltaics (pp. 3-23). New York, EEUU:
Routledge.
3.
Coelho,
S., Monteiro, V., y Afonso, J. L. (3 de 2025). Topological Advances in Isolated
DC–DC Converters: High-Efficiency Design for Renewable Energy Integration.
Sustainability, 17(6), 2336. https://doi.org/10.3390/su17062336
4.
Dini,
P., y Saponara, S. (2 de 2024). Modeling and control simulation of power
converters in automotive applications. Applied Sciences, 14(3), 1227.
https://doi.org/10.3390/app14031227
5.
Gao,
L., Xu, S., Yu, G., Ma, G., Chang, Y., y Li, S. (4 de 2025). Application study
of direct current refrigerator combining phase-change cold storage and
mini-electrical storage. Energy, 320(s.n.), 135308.
https://doi.org/10.1016/j.energy.2025.135308
6.
Ghazizadeh,
S., Mekhilef, S., Seyedmahmoudian, M., Chandran, J., y Stojcevski, A. (8 de
2024). Performance Evaluation of Coil Design in Inductive Power Transfer for
Electric Vehicles. IEEE Access, 12(s.n.), 108201 - 108223.
https://doi.org/10.1109/ACCESS.2024.3439027
7.
Guda,
A., y Zimoglyad, A. (4 de 2021). New Approach for the Step-up Converter
Efficiency Increasing. Системні
технології, 3(134),
117-125. https://doi.org/10.34185/1562-9945-3-134-2021-13
8.
Guo,
X., Zhang, S., Gao, Y., Teng, Y., Diao, N., Hua, C., y Terzija, V. (2025).
Advancements in Photovoltaic Electrolysis for Green Hydrogen Production: A
Comprehensive Review and Comparative Analysis of Modeling Approaches. En S.
Khalid, Hybrid Electric Vehicles and Distributed Renewable Energy Conversion:
Control and Vibration Analysis (pp. 1-54). IEEE Transactions on Power
Electronics. https://doi.org/10.4018/979-8-3693-5797-2.ch001
9.
Gupta,
M., Gupta, N., Garg, M. M., y Kumar, A. (5 de 2024). obust control strategies
applicable to DC–DC converter with reliability assessment: A review. Advanced
Control for Applications: Engineering and Industrial Systems, 6(3), e217.
https://doi.org/10.1002/adc2.217
10.
Hamad,
S. A., Ghalib, M. A., Munshi, A., Alotaibi, M., y Ebied, M. A. (3 de 2025).
Evaluating machine learning models comprehensively for predicting maximum power
from photovoltaic systems. Scientific Reports, 15(1), 10750.
https://doi.org/10.1038/s41598-025-91044-6
11.
Hao,
Y., Wang, X., Han, Z., Huang, C., Xie, H., y Zhou, B. (3 de 2025). A
High-Efficiency Dual-Mode DC-DC Converter with A Low-Cost Seamless Transition
Scheme. IEEE Transactions on Power Electronics., s.n.(s.n.), 1-11.
https://doi.org/10.1109/TPEL.2025.3547857
12.
Hinov,
N., Stanchev, P., y Vacheva, G. (2 de 2025). Analysis and Optimization of DC-DC
Converters Through Sensitivity to Parametric Variations. Technologies, 13(2),
1-36. https://doi.org/10.3390/technologies13020056
13.
Hosseinpour,
M. H. (9 de 2024). A new positive output DC–DC buck–boost converter based on
modified boost and ZETA converters. Scientific Reports, 14(1), 20675.
https://doi.org/10.1038/s41598-024-71612-y
14.
Kevat,
V., Sakhare, A., y Mikkili, S. (3 de 2025). Performance analysis of Super-Lift
Luo, Ultra-Lift Luo, Boost, Buck-Boost, Cuk, Zeta and SEPIC DC-DC converters
for extracting maximum power. International Journal of Ambient Energy, 46(1), 2476047.
https://doi.org/10.1080/01430750.2025.2476047
15.
Khan,
M. U., Murtaza, A. F., Noman, A. M., Sher, H. A., y Zafar, M. (12 de 2023).
State-space modeling, design, and analysis of the DC-DC converters for PV
application: a review. Sustainability, 16(1), 202.
https://doi.org/10.3390/su16010202
16.
Li,
Y., Wang, Y., Guan, Y., Zhu, J., y Xu, D. (1 de 2025). Analysis and design of
non-isolated inverting DC-DC converter for multi-port output applications. IEEE
Transactions on Transportation Electrification., s.n.(s.n.), PP(99):1-1.
https://doi.org/10.1109/TTE.2025.3532641
17.
Menzi,
D., Imperiali, L., Bürgisser, E., Ulmer, M., Huber, J., y Kolar, J. W. (12 de
2024). Ultra-lightweight high-efficiency buck-boost DC-DC converters for future
eVTOL aircraft with hybrid power supply. IEEE Transactions on Transportation
Electrification., 10(4), 10297 - 10313.
https://doi.org/10.1109/TTE.2024.3375026
18.
Nayak,
P. K., Swain, D., y Panda, K. P. (2 de 2025). Optimization of Power in Power
Converters Using Machine Learning: An Overview. 2025 International Conference
on Sustainable Energy Technologies and Computational Intelligence (SETCOM) (pp.
1-6). Gandhinagar, India: IEEE.
https://doi.org/10.1109/SETCOM64758.2025.10932361
19.
Puppala,
S., Singh, P. P., y Potnuru, D. (3 de 2025). Design and experimental validation
of multi-input–multi-output DC–DC converter for a remote village DC microgrid
application. Journal of Power Electronics, 25(4), 1-12.
https://doi.org/10.1007/s43236-025-01023-3
20.
Ravindran,
R., y Massoud, A. M. (1 de 2025). State-of-the-Art DC-DC Converters for
Satellite Applications: A Comprehensive Review. Aerospace, 12(2), 97.
https://doi.org/10.3390/aerospace12020097
21.
Richard,
L., Boudinet, C., Ranaivoson, S. A., Rabarivao, J. O., Befeno, A. E., Frey, D.,
. . . Saincy, N. (9 de 2022). Development of a DC microgrid with decentralized
production and storage: From the lab to field deployment in rural Africa.
Energies, 15(18), 6727. https://doi.org/10.3390/en15186727
22.
Shang,
Q., Xiao, F., Fan, Y., Kang, W., Qin, H., y Wang, R. (10 de 2023). Effinformer:
A deep-learning-based data-driven modeling of DC–DC bidirectional converters.
IEEE Transactions on Instrumentation and Measurement, 23(72), 1-13.
https://doi.org/10.1109/TIM.2023.3318701
23.
Silva-Vera,
E. D., Valdez-Resendiz, J. E., Escobar, G., Guillen, D., Rosas-Caro, J. C., y
Sosa, J. M. (10 de 2024). Data-Driven Modeling of DC–DC Power Converters.
Electronics, 13(19), 3890. https://doi.org/10.3390/electronics13193890
24.
Subramaniam,
G., Devayani, G., Gokulapriya, C., Janani, S., Dhanush, T., y Shashhwath, S. (2
de 2025). Design and Implementation of a MPPT Controller-Based Bidirectional
DC-DC Converter for Electric Vehicles Using PUMA Algorithm. 2025 4th
International Conference on Sentiment Analysis and Deep Learning (ICSADL) (pp.
676-681). Bhimdatta, Nepal: IEEE.
https://doi.org/10.1109/ICSADL65848.2025.10933270
25.
Subramaniam,
G., Kumar, C., Sivakumaran, T. S., y Senjyu, T. (6 de 2025). Adaptive maximum
power extraction technique in fuel cell integrated DC-DC converter topology for
industrial applications. Energy Reports, 13(s.n.), 2790-2805.
https://doi.org/10.1016/j.egyr.2025.01.080
26.
Teodorescu,
R. S. (9 de 2022). Smart battery technology for lifetime improvement.
Batteries, 8(10), 169. https://doi.org/10.3390/batteries8100169
27.
Yanarateş,
C., Zhou, Z., y Altan, A. (10 de 2024). Investigating the impact of
discretization techniques on real-time digital control of DC-DC boost
converters: A comprehensive analysis. Heliyon, 10(20), e39591.
https://doi.org/10.1016/j.heliyon.2024.e39591
28.
Zentani,
A., Almaktoof, A. M., y Kahn, M. T. (3 de 2025). Exploring Review of
Advancements in Fast‐Charging Techniques and Infrastructure for Electric
Vehicles Revolution. Energy Science & Engineering, s.n.(s.n.), 1-11.
https://doi.org/10.1002/ese3.70051
© 2025 por los autores.
Este artículo es de acceso abierto y distribuido según los términos y
condiciones de la licencia Creative Commons
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
(https://creativecommons.org/licenses/by-nc-sa/4.0/).
