Operación óptima de redes inteligentes con gran penetración de generación renovable

Abstract

En la actualidad, el sector energético está experimentando importantes cambios. La liberalización de los mercados de energía, los intentos de dar respuesta a los problemas asociados al cambio climático y los avances tecnológicos son solo parte de los factores que lo hacen evolucionar. Pueden distinguirse tendencias comunes en el sector: la reducción del uso de combustibles fósiles y la descabornización, la electrificación de los consumos, el aumento de producción de energías renovables, la aplicación de nuevas tecnologías como la inteligencia artificial, la creciente sofisticación del perfil de los consumidores y el desarrollo de sistemas almacenamiento y de vehículos eléctricos son solo algunos ejemplos. El sector energético es reconocido globalmente como un elemento esencial en la búsqueda de un futuro más sostenible. Una forma que este tiene de dar respuesta a los desafíos que se plantean actualmente es el desarrollo y la implementación de redes de distribución de electricidad inteligentes, las conocidas como smart grids. El conjunto de tecnologías que las forman puede ayudar a optimizar los recursos reduciendo los costes asociados, a la vez que se consigue integrar eficazmente los nuevos sistemas energéticos tales como la generación descentralizada o los sistemas de almacenamiento. En el presente proyecto se ha realizado un programa informático basado en Python que recrea el comportamiento de una red de distribución de media tensión. Se ha creado un modelo de una red de referencia en Europa que incluye diversas cargas y generadores, sistemas de producción eléctrica renovables y sistemas de almacenamiento de energía, entre otros elementos. Igualmente, se ha configurado un problema de optimización matemática MINLP que actúa como sistema de gestión de energía para resolver el problema de Asignación de Unidades y de Despacho Económico en la red. El objetivo de este programa es hallar para un periodo de 24 horas los valores óptimos de las variables de la red de forma que se reduzcan los costes y se mantengan las condiciones operacionales deseadas. Se incluye un modelo estocástico para gestionar las incertidumbres asociadas a los precios del mercado eléctrico y a la generación renovable. El modelo se ha programado en Pyomo y se utiliza el solver BONMIN (al que se accede a través del servidor NEOS) para resolver el problema de optimización. Los diversos casos estudiados presentan las funcionalidades del programa. El modelo permite las desconexión de las cargas industriales para adaptar la demanda e incluye la posibilidad de establecer niveles de reserva de potencia y de limitar la potencia importada por la red. Un caso en el que existe una gran producción de energías renovables es igualmente estudiado. En todos estos casos el programa ha hallado soluciones óptimas y las variables siguen el comportamiento esperado. La solución del problema estocástico asociado se ha realizado mediante una aproximación del problema relajado NLP. A pesar de ello, la solución es similar a la del problema determinista equivalente. El modelo podría ampliarse en el futuro para incluir un enlace entre las dos subredes que componen la red o simular la presencia de vehículos eléctricos, entre otras posibilidades.

The energy sector is currently undergoing important changes. Energy market liberalisation, the attempts to fight climate change and the technological advances are only a small part of the factors that push its development. Certain common trends can be identified in the market: decarbonisation and fossil fuel reduction, electrification of energy consumption, increase in renewable energy generation, the use of new technologies such as artificial intelligence, customer’s progressive sophistication and the development of energy storage systems and electric vehicles are just a few examples. The energy sector is globally recognised as an essential element in the search of a more sustainable future. One of its tools to face the current challenges is the development and the implementation of smart electricity distribution networks, also known as smart grids. The technologies around which they are built can help optimising resources and reducing associated costs, as well as effectively integrate the new energy systems such as distributed generation or energy storage systems. In this project a computer program that models the behaviour of medium voltage distribution network has been created in Python. The network modelled is a reference network for Europe that includes different loads and generators, renewable energy generators and energy storage systems, amongst other elements. It has also been defined a MINLP optimization problem that acts as an energy management system for solving the Unit Commitment and Economic Dispatch problems. The aim of the program is to find the optimal values of the variables in order to minimize costs and maintain the operational conditions in the network for a 24 hour period. It includes a stochastic model used to manage the uncertainties associated to energy market prices and renewable generation. The model has been coded in Pyomo and the solver BONMIN is accessed through the server NEOS to solve the optimization problem. The different cases analysed present the various functionalities of the program. The model allows load curtailment in industries to adjust demand and it includes the possibility of establishing power reserves and limiting the power imported by the network. A case with increased renewable energy generation is also studied. In all these configurations, the program has found optimal solutions and the variables follow the expected behaviour. The stochastic problem has been solved through an approximation of the relaxed NLP problem. In spite of this, the solution found is close to that of the equivalent deterministic problem. The model could be further developed to include a link between the two separate networks or to simulate the presence of electric vehicles, amongst other possibilities.