dc.contributor.advisor | Martínez Ramos, José Luis | es |
dc.creator | Alvarado Barrios, Lázaro | es |
dc.date.accessioned | 2020-11-03T13:27:22Z | |
dc.date.available | 2020-11-03T13:27:22Z | |
dc.date.issued | 2020-09-03 | |
dc.identifier.citation | Alvarado Barrios, L. (2020). Aportaciones a la gestión óptima de los recursos de generación y almacenamiento en microrredes eléctricas. (Tesis Doctoral Inédita). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/102412 | |
dc.description.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. | es |
dc.description.abstract | 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. | es |
dc.format | application/pdf | es |
dc.format.extent | 145 | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Aportaciones a la gestión óptima de los recursos de generación y almacenamiento en microrredes eléctricas | es |
dc.type | info:eu-repo/semantics/doctoralThesis | es |
dcterms.identifier | https://ror.org/03yxnpp24 | |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Ingeniería Eléctrica | es |
dc.publication.endPage | 78 | es |