Aportaciones a la gestión óptima de los recursos de generación y almacenamiento en microrredes eléctricas

Abstract

El sector energético está realizando una transición de una red centralizada, compuesta de plantas de energía grandes y controlables, a una red descentralizada basada en el incremento de la penetración de Recursos de Energía Distribuidos. Este cambio hacia un modelo más sostenible, plantea nuevos retos tecnológicos, asociados a la intermitencia de las fuentes de energía renovables afectadas por las condiciones climatológicas, lo que las hace difícilmente gestionables, e impactos negativos a la red eléctrica como variación de la magnitud del voltaje de suministro y el incremento de los desequilibrios en el voltaje y corrientes, entre otros. Dentro de este contexto, las microrredes proporcionan una solución clave para integrar fuentes de energía renovables, recursos de energía controlables, cargas flexibles y sistemas de almacenamiento, en modo conectado a la red o en modo aislado. La gestión óptima de la energía es crucial para desarrollar estrategias para mejorar la eficiencia y la confiabilidad de estos pequeños sistemas de energía eléctrica. La principal contribución científica de este trabajo de investigación es proponer una metodología para gestionar de forma óptima la energía de una microrred utilizando la Programación Horaria de las Unidades de Generación, en un entorno estocástico, al tener en cuenta los errores en la predicción de la demanda. Esta Tesis aporta dos algoritmos, uno mediante programación lineal entera mixta (MILP) y otro con un enfoque meta-heurístico, en este caso un algoritmo genético (AG). Ambos algoritmos resuelven una función objetivo que se formula para minimizar el coste total de operación de una microrred, al tiempo que satisface restricciones técnicas, económicas y ambientales. En particular, consideran la reserva rodante de las unidades controlables capaz de cubrir el error en la estimación de la demanda en un 99,73%, lo que garantiza la confiabilidad de la operación de la microrred en isla. Estos algoritmos son validados en una microrred formada por un generador diésel y una microturbina como unidades controladas, una turbina eólica y una planta fotovoltaica como fuentes de energía renovables no controladas y un sistema de almacenamiento de energía por baterías. Como resultado de la investigación realizada se publicaron dos artículos en revistas indexadas en JCR y una aportación a congresos, los cuales se han utilizado para redactar la Tesis como compendio de artículos.

The energy sector is transitioning from a centralized grid, comprised of large, controllable power plants, to a decentralized grid based on increased penetration of Distributed Energy Resources. This change towards a more sustainable model poses new technological challenges, associated with the intermittency of renewable energy sources affected by weather conditions, which makes them difficult to manage, and with negative impacts on the electrical network such as variation in magnitude supply voltage and increased imbalances in voltage and currents, among others. Within this context, microgrids provide a key solution for integrating renewable energy sources, controllable energy resources, flexible loads, and storage systems in grid-connected or isolated mode. Optimal energy management is crucial in developing strategies to improve the efficiency and reliability of these small electrical power systems. The main scientific contribution of this research work is to propose a methodology to optimally manage the energy of a microgrid using the Unit Commitment problem, in a stochastic environment, taking into account errors in the demand prediction. This Thesis provides two algorithms, one using mixed integer linear programming (MILP) and the other with a meta-heuristic approach, in this case, a genetic algorithm (AG). Both algorithms solve an objective function that is formulated to minimize the total cost of operating a microgrid, while satisfying technical, economic and environmental constraints. In particular, they consider the spinning reserve of controllable units capable of covering the error in estimating demand by 99.73%, which guarantees the reliability of the operation of the island microgrid. These algorithms are validated in a microgrid consisting of a diesel generator and a microturbine as controlled units, a wind turbine and a photovoltaic plant as uncontrolled renewable energy sources and a battery energy storage system. As a result of the research carried out, two articles were published in journals indexed in JCR, which have been used to write the Thesis as a compendium of articles.