Actas del II Congreso MIGEDIR
Anuncio
II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ INTRODUCCIÓN II CONGRESO IBEROAMERICANO SOBRE MICRORREDES CON GENERACIÓN DISTRIBUIDA DE RENOVABLES (APLICACIONES PRÁCTICAS DE INTEGRACIÓN DE ENERGÍAS RENOVABLES A SITIOS DE LA UNESCO) Soria, 6, 7 y 8 de octubre de 2014. Palacio de la Audiencia Las Microrredes inteligentes son redes eléctricas que pueden integrar las acciones de todos los usuarios conectados a las mismas y proporcionar así un suministro eléctrico eficiente, sostenible, rentable y seguro. Hace años que están desarrolladas en Estados Unidos, aprovechando las energías que se pueden generar en el propio territorio. En Europa, la Plataforma Tecnológica Europea para las Redes de Electricidad del Futuro, apuesta por el desarrollo de redes inteligentes, marcándose, entre otros objetivos, alcanzar un 35% de generación de energía renovable distribuida por el territorio en 2020 y la descarbonización total de la energía en el 2050. Sabemos que es posible avanzar hacia la autosuficiencia energética sustentada en las energías reno vables. Y en este gran desafío, los Sitios de la UNESCO (Reservas de Biosfera y Sitios del Patrimonio Mundial) pueden jugar un papel fundamental como referentes mundiales de comunidades energéticamente sostenibles. Animados por el éxito de la anterior edición, los organizadores convocan a participar en el II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables (Aplicaciones prácticas de integración de energías renovables a Sitios de la UNESCO). Se trata de crear un espacio de cooperación para la transferencia de conocimientos, tecnología y experiencias, orientado a favorecer el desarrollo de la Generación Distribuida con energías renovables y contribuir a su conocimiento e integración en diferentes escenarios, especialmente en territorios que aspiran a ser autosuficientes a partir de las fuentes de energía renovables. Por eso, continuando el camino abierto el pasado año con la celebración del I Congreso Iberoamericano de Microrredes con Generación Distribuida de Renovables, y como una acción más de apoyo a la candidatura del Municipio de Soria a Reserva de la Biosfera, en la convocatoria de este año se introduce una nueva área temática, en la que se podrán exponer aplicaciones prácticas de generación distribuida con renovables a S itios de la UNESCO), como lugares de excelencia para el desarrollo de soluciones 100% renovables con la participación de las comunidades locales. El II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables (Aplicaciones prácticas de integración de energías renovables a Sitios de la UNESCO), volverá a ser escenario de intercambio de ideas y opiniones entre grupos de investigación y empresas pertenecientes a países Iberoamericanos, para el desarrollo de las Microrredes y la integración de Generación Distribuida (GD) con Fuentes de Energías Renovables No Convencionales (ERNC), fomentando el debate entre los asistentes y los distintos expertos participantes en las conferencias magistrales y sesiones de ponencias que ayudarán a cono cer mejor los aspectos claves relativos al uso 1 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ de los posibles recursos disponibles para la generación a partir de energía renovable en zonas alejadas de los sistemas eléctricos convencionales y creando nuevos modelos de negocio en zonas de los países part icipantes. El II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables (Aplicaciones prácticas de integración de energías renovables a Sitios de la UNESCO), tendrá lugar el 6, 7 y 8 de octubre en el Auditorio Palacio de la Audiencia de Soria, y está organizado por el Centro de Desarrollo de Energías Renovables CEDER-CIEMAT y el Ayuntamiento de Soria, en colaboración con la Iniciativa RENFORUS (acrónimo en inglés de "Futuros de Energías Renovables para los Sitios de la UNESCO" ) y con el patrocinio del Programa Iberoamericano de Ciencia y Tecnología para el Desarrollo (CYTED) y otros colaboradores. El objetivo del Congreso es crear un foro de reflexión, una plataforma que aúne responsables políticos, técnicos, instituciones, científicos e investigadores de universidades e instituciones académicas, así como a estudiantes, asociaciones y empresas vinculadas a la cultura, la gestión ambiental y el desarrollo local, interesados en el fomento de proyectos de autosuficiencia energética a partir de energías renovables, contando para ello con la participación de ponentes de alto nivel y de ámbitos muy diversos: Universidad, Centros de investigación, técnicos municipales, y empresas privadas. PRESENTACIÓN DE COMUNICACIONES Y ÁREAS TEMÁTICAS La organización invita a todas las empresas, administraciones, académicos y profesionales del sector a enviar propuestas de comunicaciones al II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables (buenas prácticas de integración de energías renovables), antes del 30 de julio de 2014. Las comunicaciones al Congreso deberán basarse en las áreas temáticas definidas por el comité técnico del Congreso: 1. Redes Inteligentes/Medida Inteligente/Microrredes: Desde ya hace algunos años, las redes de energía eléctrica están introduciendo en su infraestructura elementos de inteligencia para una operación más eficiente del sistema. Además, uno de los elementos críticos para la operación y la información a los usuarios finales (consumi dores) es la medida eléctrica, por tanto, estas redes eléctricas están dejando de ser redes de “cobre y hierro” para convertirse en nuevos entornos con sistemas de inteligencia y medida distribuidos, dando un paso más hacia un futuro interconectado. Por último, las Redes Inteligentes han ido evolucionando, y se presentan nuevos entornos cuyo objetivo será tratar de controlar su demanda, generación y almacenamiento. Estos espacios son conocidos como Microrredes. Se analizarán proyectos realizados en el ámbito de las Redes Inteligentes/Medida Inteligente/Microrredes. Además, se expondrán nuevas herramientas que sirvan para poder operar estos entornos. 2. Energías renovables y reducción de emisiones. Aplicaciones prácticas de integración a Sitios de la UNESCO. Los Sitios de la UNESCO, desde pequeñas islas a mega-ciudades, constituyen un activo único para explorar el papel que juegan las energías renovables. Su diversidad hace que sea posible construir y compartir una amplia base de conocimientos sobre buenas prácticas y políticas sobre el uso de tecnologías ambientalmente racionales y su adaptación a los contextos y necesidades específicas. La iniciativa RENFORUS, promueve la sostenibilidad en los Sitios de la UNESCO, mediante el uso de fuentes de energía renovables. Una buena práctica RENFORUS no es sólo una práctica energéticamente sostenible; es aquella que ha demostrado que funciona bien y produce buenos resultados, y por su condición de experiencia desarrollada con probado éxito, es extrapolable a otros sitios de la UNESCO y zonas afines. 2 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ En esta área se presentarán comunicaciones cuyo ánimo sea la difusión de las oportunidades, beneficios y aplicaciones de las energías renovables. Como ejemplo de esas buenas prácticas, se identificarán proyectos extrapolables a Sitios de la UNESCO que han demostrado o podrían demostrar una contribución positiva a la eficiencia energética. 3 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ ÍNDICE Sesión 1 ENERGÍAS RENOVABLES Y REDUCCIÓN DE EMISIONES. APLICACIONES PRÁCTICAS DE INTEGRACIÓN A SITIOS DE LA UNESCO SISTEMA DE GESTIÓN DE ENERGÍA PARA MICRORREDES CEIT (Centro de estudios e investigaciones técnicas de Guipúzcoa). MEJORA DE LA CALIDAD DE VIDA CON EL USO DE FUENTES RENOVABLES DE ENERGIA EN LA COMUNIDAD LAS POZAS, GRAN HUMEDAL DEL NORTE (SITIO RAMSAR 1125), CIEGO DE ÁVILA, CUBA. UN ANTES Y UN DESPUÉS. CUBASOLAR (Sociedad Cubana para la Promoción de las Fuentes Renovables de Energía), Ministerio de Ciencia, Tecnología y Medio Ambiente, Cuba. Sesión 2 REDES INTELIGENTES, MEDIDA INTELIGENTE, MICRORREDES MICROGENERACIÓN/ MINIGENERACIÓN RENOVABLE DISTRIBUIDA Y SU CONTROL MIRED -CON CEDER-CIEMAT (Centro de Desarrollo de Energías Renovables), ZIV Group Company, Universidad Complutense de Madrid. ARQUITECTURA DE LOS SISTEMAS DE CONTROL Y COMUNICACIONES EN MICRORREDES ELÉCTRICAS INTELIGENTES Universidad Politécnica de Cataluña SMART ENERGY INTEGRATION LAB (SEIL): TECNOLOGÍA PHIL APLICADA AL ESTUDIO DE LAS MICRORREDES Instituto IMDEA Energía. DISEÑO OPTIMIZADO DE UNA ISLA ENERGÉTICA PARAMÉTRICOPARAMÉTRICO CETA-CIEMAT (Centro Extremeño de Tecnologías Avanzadas). MEDIANTE TÉCNICAS DE BARRIDO PREDICCIÓN DE DEMANDA ELÉCTRICA: ANTECEDENTES, ACTUALIDAD Y TENDENCIAS DE FUTURO INTEC (Instituto tecnológico de Santo Domingo), República Dominicana, CEDER -CIEMAT(Centro de Desarrollo de Energías Renovables). 4 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ IMPLEMENTACIÓN DE SISTEMAS DE TELEMETRÍA EN EMPRESA DISTRIBUIDORA DE ENERGÍA ELÉCTRICA SAESA Empresa de Distribución Eléctrica SAESA, UDEC (Universidad de Concepción), Chile. Sesión 3 ENERGÍAS RENOVABLES Y REDUCCIÓN DE EMISIONES. APLICACIONES PRÁCTICAS DE INTEGRACIÓN A SITIOS DE LA UNESCO NUEVO MODELO DE DISTRIBUCIÓN DE CORRIENTE CONTINUA EN BAJA TENSIÓN EN SMART BUILDINGS CIEMAT (Centro de Desarrollo de Energías Renovables), Universidad de Zaragoza, Un iversidad Politécnica de Madrid HIBRIDACIÓN CON EERR EN UNA INDUSTRIA – VENEZUELA Zigor ELECTRIFICACIÓN SUSTENTABLE DE LA ISLA HOLBOX UN ESTUDIO DE CASO Instituto de Investigaciones Eléctricas, México. MODERGIS, EN LA INTEGRACIÓN DE ENERGÍAS RENOVABLES Y SOSTENIBLES, EN ZONAS SENSIBLES Y AUTOSUFICIENTES Universidad Nacional de Colombia, CIEMAT (Centro de Investigaciones Energéticas Medioambientales y Tecnológicas). EMPLEO DE FUENTES RENOVABLES DE ENERGÍA EN CUBA CUBAENERGÍA, Cuba 5 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Sesión 4 REDES INTELIGENTES, MEDIDA INTELIGENTE, MICRORREDES PROYECTO OVI-RED: OPERADOR VIRTUAL DE MICRORREDES Instituto Tecnológico de la Energía. CARACTERIZACIÓN MECÁNICA Y ELÉCTRICA DE UN SISTEMA DE ALMACENAMIENTO RÁPIDO PARA SU OPERACIÓN EN UNA MICRORRED CIEMAT (Centro de Investigaciones Energéticas Medioambientales y Tecnológicas). CONCEPTUALIZACIÓN Y SIMULACIÓN DE ALGORITMO DE MANEJO ENERGÉTICO PARA UN SISTEMA BESS INTEGRADO A UNA MICRORRED PV UDEC (Universidad de Concepción), Chile. ESCENARIO ENERGÉTICO EN CENTROAMÉRICA: OPORTUNIDADES Y DESAFÍOS MICROGENERACIÓN The Abdus Salam International Centre for Theoretical Physics (Italy), Instituto Tecnológico de Costa Rica (Costa Rica). PARA LA IMPROVING THE STORAGE CAPABILITY OF A MICROGRID WITH A VEHICLE -TO-GRID INTERFACE Polytechnic Institute of Bragança (Portugal). MICRORRED DE LABORATORIO PARA LA EMULACIÓN DE RECURSOS ENERGÉTICOS DISTRIBUIDOS CITCEA-UPC (Centre d’Innovació Tecnològica en Convertidors Estàtics i Accionaments) 6 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ SISTEMA DE GESTIÓN DE ENERGÍA PARA MICRORREDES Línea Temática 2: Redes Inteligentes/Medida Inteligente/Microrredes Juan Pablo Fossati1, Ainhoa Galarza Rodríguez2, Luis Fontán Agorreta3, Ander Martín Villate4 (1) CEIT-TECNUN, [email protected] (2) CEIT-TECNUN, [email protected] (3) CEIT-TECNUN, [email protected] (4) CEIT-TECNUN, [email protected] RESUMEN En el presente artículo se presenta un sistema de gestión de energía (SGE) para microrredes. Dicho SGE ha sido desarrollado para el proyecto i-Sare que se encuentra actualmente en la etapa de implementación. Debido al hecho que en este tipo de redes la demanda así como la potencia generada por las fuentes renovables están ligadas a un alto grado de incertidumbre, se ha optado por abordar el problema de la gestión de la energía desde un punto de vista estocástico. En lugar de analizar sólo el escenario más probable, como se haría si se trabajara bajo el enfoque determinista, en este artículo se tienen en cuenta un conjunto de posibles escenarios. El SGE propuesto está basado en un sistema experto que, mediante el empleo de lógica difusa, fija la consigna de potencia del sistema de almacenamiento. Tanto el diseño del sistema experto como la resolución del problema de asignación de unidades se llevan a cabo mediante el uso de algoritmos genéticos. Por último, se realizan diversas simulaciones con el fin de corroborar la eficacia del SGE propuesto. Palabras clave: microrred, sistema de gestión de energía, sistema de almacenamiento, lógica difusa, algoritmo genético 1. INTRODUCCIÓN En la actualidad el paradigma energético mundial está siendo sometido a una revisión constante por parte de los distintos actores que lo conforman. El aumento de la demanda energética, la mayor conciencia ambiental, la liberalización de los mercados eléctricos y los avances tecnológicos son algunos de los principales factores que están contribuyendo a que se esté pasando paulatinamente de un modelo de generación centralizado a uno de generación distribuido. Es en este contexto en el que se desarrolla el concepto de microrred eléctrica. Una microrred puede definirse como un conjunto de cargas y generadores distribuidos dentro de límites claramente definidos los cuales actúan como una entidad controlable e independiente (Stadler et al., 2013). A su vez, dicho conjunto de cargas y generadores, puede operar conectado a la red principal o desconectado de la misma (modo isla). Al igual que en los sistemas de generación centralizados, en las microrredes debe abordarse el problema de gestión de la energía. Esta tarea se lleva a cabo mediante la resolución de los problemas de asignación de unidades (PAU) y de despacho económico. El problema de asignación de unidades consiste en determinar el calendario de generación más económico para poder cumplir con la demanda y satisfacer al mismo tiempo una serie de restricciones. Por otra parte el despacho económico es considerado como una subrutina del PAU cuyo objetivo consiste en repartir la carga de la forma más económica entre las unidades disponibles. Muchos de los métodos utilizados para resolver el PAU en los sistemas centralizados son también empleados en las 7 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ microrredes. Algunas de las técnicas más comúnmente utilizadas son (Schwaegerl & Tao, 2009): algoritmos genéticos, relajación Lagrangiana, programación dinámica, programación lineal, algoritmos de colonia de hormiga, lógica difusa, etc. Si bien existen numerosas similitudes entre el problema de gestión de la energía en microrredes y en los sistemas de generación centralizados, existen también numerosas diferencias. La incertidumbre asociada a los pronósticos de generación de las fuentes renovables es uno de los factores que más dificultan la gestión de la energía en las microrredes. Además, debido a un efecto de escala, los pronósticos de demanda están también asociados a un alto grado de incertidumbre (Schwaegerl & Tao, 2009). Las baterías son un elemento clave en la gestión de la energía en las microrredes permitiendo entre otras cosas compensar la variabilidad asociada a las fuentes de generación renovables y a la demanda. Al igual que en (Chaouachi, Kamel, Andoulsi, & Nagasaka, 2013; Manjili, Rajaee, Jamshidi, & Kelley, 2012), el SGE propuesto en este artículo se basa en un sistema experto difuso que determina si la batería debe cargarse o descargarse y a qué potencia. Debido a la capacidad de la lógica difusa para tratar con información imprecisa, esta herramienta se presenta como una alternativa prometedora para lidiar con los problemas asociados a la gestión de energía de las microrredes. Unos de los componentes principales de un sistema experto difuso son la base de reglas y las funciones de pertenencia por lo que la determinación de la estrategia de gestión de energía óptima se centrará en el diseño de estos dos elementos. En el presente artículo se presenta un SGE para microrredes diseñado en el marco del proyecto i-Sare. Dicho proyecto consiste en el desarrollo de una microrred experimental que se utilizará como plataforma de pruebas y en la cual se podrán testear nuevos productos, equipos, sistemas y procedimientos. Siguiendo el enfoque propuesto en (Mohammadi, Soleymani, & Mozafari, 2014), el SGE genera una serie de posibles escenarios en base a los pronósticos de demanda y de generación de las fuentes renovables. Para generar dichos escenarios se emplea la función de densidad de probabilidad asociadas a los errores cometidos en la predicción de las variables anteriormente mencionadas. De esta manera el problema estocástico planteado inicialmente se transforma en una serie de problemas deterministas con una determinada probabilidad de ocurrencia. En el SGE propuesto, el sistema experto se rediseña cada 24 horas en función de los escenarios generados. Tal y como se propone en (Cordón, Gomide, Herrera, Hoffmann, & Magdalena, 2004), dicha optimización se lleva a cabo mediante el uso de un algoritmo genético. Además, un algoritmo genético adicional es empleado para resolver el PAU. 2. MICRORRED I-SARE 2.1 Descripción de la microrred La microrred i-Sare está constituida por un conjunto de cargas, generadores y sistemas de almacenamiento (ver Figura 1) que pueden operar conectados a la red de distribución eléctrica, o de manera aislada. La misma cuenta con los siguientes equipos de generación y almacenamiento. Paneles fotovoltaicos (dos tecnologías distintas totalizando 40 kW) Aerogeneradores (dos tecnologías distintas totalizando 20 kW) Una microturbina de gas de 60 kW Un generador diesel de 150 kW Una pila de combustible de 5 kW Sistemas de almacenamiento: batería de plomo (200 kW/400 kWh), batería de ion litio (60 kW/20 kWh),volante de inercia (100 kW/20 s), banco de supercondensadores (50 kW/1 min) Además, la microturbina de gas y la pila de combustibles son utilizadas en aplicaciones de cogeneración. Cabe señalar que para el presente trabajo solo la batería de plomo será tenida en cuenta como sistema de 8 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ almacenamiento. El SGE desarrollado se basa en un modelo centralizado (Olivares, Canizares, & Kazerani, 2011). Es decir, el control central donde de ejecuta el SGE es el único responsable de recabar la información y fijar las consignas para optimizar la operación de la microrred. Figura 1. Microrred I-Sare 2.1 Modelos de los elementos que componen la microrred Aerogeneradores Se ha usado el siguiente modelo para determinar la potencia generada por los aerogeneradores en función de la velocidad del viento (Powell, 1981). 0, a + b. v 2 , Pag (v) = Pagn , 0, { si si si si v < vcx vn > v ≥ vcx vct > v ≥ vn v ≥ vct 1 Donde: Pag v vcx vn vct Pagn Potencia generada por el aerogenerador Velocidad del viento Velocidad de conexión Velocidad nominal Velocidad de corte Potencia nominal Las constantes “a” y “b” se obtienen a partir de las siguientes ecuaciones. 2 ⁄(v 2 2 a = Pagn (vcx cx − vn )) 2 2 b = Pagn ⁄(vcx − vn2 ) 3 Paneles solares fotovoltaicos Se ha usado el siguiente modelo para determinar la potencia generada por los paneles fotovoltaicos (Deng, Gao, Zhou, & Hu, 2011). Ppf = Pce (Gin ⁄Gce )[1 + k t (Tc − Te )] 4 Donde: Ppf Pce Gin Potencia generada por los paneles fotovoltaicos Potencia generada en condiciones estándares Radiación incidente 9 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Gce kt Tc Te Radiación en condiciones estándares (1000 W/m2) Coeficiente de temperatura Temperatura de la celda Temperatura estándar (25ºC) Batería A continuación se muestran las ecuaciones que rigen la operación del sistema de almacenamiento. Las ecuaciones (5) y (6) muestran respectivamente como varía la energía almacenada durante el proceso de descarga y carga. t Durante la descarga (Pbat > 0) t E t = E t−1 − Pbat . ∆T⁄nd 5 t E t = E t−1 − Pbat . ∆T. nc 6 t Durante la carga (Pbat < 0) t = 1,2, … T Índice asociado al intervalo de tiempo T Número de intervalos de tiempo en los cuales se divide el día (24 en este artículo) t Pbat Potencia de la batería en el t − ésimo intervalo de tiempo, en kW t E Energía almacenada en la batería al final del t − ésimo intervalo de tiempo, en kWh ∆T Duración de cada intervalo de tiempo nd Eficiencia de descarga nc Eficiencia de carga ̅min ) y máxima Con el objetivo de alargar la vida de la batería se limita la energía mínima (E ̅max ) contenida dentro de dicho dispositivo. (E ̅min ≤ E t ≤ E ̅max E 7 Por último, tal y como se muestra en la ecuación (8) se establece que la energía contenida en la batería al comienzo del día debe ser la misma que la energía contenida al final de este. E0 = ET 8 Generador diésel, microturbina de gas y pila de combustible El costo de operación de dichos generadores está compuesto por las siguientes tres componentes: costo del combustible (Fi ), costo de mantenimiento (CMi ) y costo de encendido (CEi ). Al igual que en (Schwaegerl & Tao, 2009), la función Fi ha sido modelada por medio de un polinomio de segundo grado tal y como se muestra en la ecuación (9). 2 Fi (Pit ) = ai . (Pit ) + bi . Pit + ci 9 Donde Pit es la potencia entregada por el i-ésimo generador en el t-ésimo intervalo de tiempo. Los coeficientes ai , bi y ci se obtienen a partir de las curvas de consumo de combustible y del precio del mismo (0.05 €/kWh para el gas natural y 1.32 €/l para el diesel). Para el caso de la microturbina y la pila de combustible se ha tenido en cuenta además la recuperación del calor residual. Por otro lado, tal y como se muestra en la ecuación (10) el costo de operación y mantenimiento del combustible es considerado proporcional a la energía producida (Mohamed & Koivo, 2007). CMi (Pit ) = K CMi . Pit 10 En el caso de un generador de gran porte el costo de encendido es función del tiempo que transcurre desde el momento en que éste ha sido apagado. Sin embargo debido a que en este caso los generadores considerados son de pequeño porte el costo de encendido se considera constante. La Tabla 1 detalla las principales características de la microturbina, el generador diésel y la pila de combustible. 10 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Tabla 1. Principales características de la microturbina, el generador diésel y la pila de combustible Microturbina Gen. Diesel Pila de combustible a (€/kW2h) 5.10-5 0.0004 0.004 b (€/kWh) 0.0470 1.035 0.0343 c (€/h) 0.2742 13.07 0.00614 PMin (kW) 12 30 0.5 PMax (kW) 60 150 5 𝐂𝐌 (€/kWh) 0.011 0.011 0.012 CE(€) 0.16 0.40 0.02 3. PLANTEAMIENTO DEL PROBLEMA El objetivo del SGE propuesto en este artículo es determinar la gestión de energía óptima con el objetivo de minimizar el costo de operación de la microrred. Para hacer esto es preciso resolver el PAU. Dependiendo del interés perseguido el problema puede incluir distintos tipos de restricciones (técnicas, económicas, ambientales, etc.). La función objetivo y las restricciones contempladas en este artículo se presentan a continuación. Nomenclatura: N Número de unidades generadoras (no se considera las energías renovables) i = 1,2, … N Índice asignado a cada generador PE t Precio de la electricidad en el intervalo de tiempo t t t t Pred Potencia absorbida (Pred < 0)/entregada (Pred > 0) por la red de distribución el periodo t t Pag Potencia entregada por los aerogeneradores en el periodo t t Ppf Potencia entregada por los paneles fotovoltaicos en el periodo t t PD Demanda eléctrica durante el intervalo de tiempo t t Ui Estado del generador i en el intervalo de tiempo t (“1” para “encendido” y “0” para apagado) Pimax Potencia máxima del generador i Pimin Potencia mínima del generador i Tion Tiempo durante el cual el generador i ha estado encendido Tioff Tiempo durante el cual el generador i ha estado apagado MTEi Mínimo tiempo encendido para el generador i MTAi Mínimo tiempo apagado para el generador i Rt Requerimiento de reserva rodante en el intervalo de tiempo t max Pred Máxima potencia intercambiada entre la microrred y la red de distribución La función objetivo a minimizar es el costo de operación (CO) el cual se expresa de la siguiente manera. T N t CO = ∑ (∑(Fi (Pit ). Uit + CMi (Pit ) + CEi . (1 − Uit−1 ). Uit ) + PE t . Pred ) t=1 11 i=1 La búsqueda del costo de operación mínimo está sujeta a las siguientes restricciones. 1. Balance de potencias N t t t t ∑ Pit + Ppf + Pag + Pred + Pbat = PDt 12 i=1 2. Reserva rodante 11 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ N max t ∑(Pimax . Uit − Pit ) + (Pred − Pred ) ≥ Rt 13 i=1 3. Límite de potencia para los generadores Pimin . Uit ≤ Pit ≤ Pimax . Uit 4. 14 Máxima potencia intercambiada con la red principal max t max −Pred ≤ Pred ≤ Pred 5. 15 Mínimo tiempo encendido y mínimo tiempo apagado Esta restricción tiene como objetivo evitar que los generadores sean puestos en funcionamiento y apagados con demasiada frecuencia lo que causaría un deterioro prematuro de los mismos. Uit Si Tion < MTEi Si Tioff < MTAi En otros casos 1, = { 0, 0 o 1, 16 4. SISTEMA EXPERTO DIFUSO Tal y como se ha mencionado anteriormente, un sistema experto basado en lógica difusa determina si la batería debe de descargarse o debe de cargarse y a qué potencia. Como entradas del sistema experto se escogieron las siguientes variables: estado de carga de la batería, precio de la electricidad, demanda eléctrica, potencia generada por las fuentes renovables y la hora del día. Cada variable de entrada es representada por medio de cinco conjuntos difusos mientras que para la salida se usaron siete. A los conjuntos difusos utilizados para representar la hora del día se le asociaron los siguientes términos: “mañana”, “media mañana”, “medio día”, “tarde”, “noche”. Para identificar a los conjuntos difusos relativos a las restantes cuatro variables de entrada se emplearon los siguientes términos: “muy bajo”, “bajo”, “medio”, “alto”, “muy alto”. Por último en el caso de la salida del sistema experto se emplearon los términos “carga máxima”, “carga media”, “carga baja”, “carga cero”, “descarga baja”, “descarga media”, “descarga máxima”. En la Figura 2 se muestran las funciones de pertenencia triangulares y trapezoidales empleadas para representar a los conjuntos difusos. i1 i2 ij im i Grado de pertenencia 1 c ci1 d i1 ei1 di2 cim cij i2 ei2 dij i eij dim i eim A i i Figura 2. Funciones de pertenencia 12 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Ai representa tanto una variable de entrada como de salida, μij es la j-ésima función de pertenecía de la iésima variable, mi es el número total de conjuntos difusos asociados a Ai. Los parámetros geométricos eij y dij definen la base de μij mientras que cij indicia el punto donde μij alcanza el máximo. Los sistemas expertos difusos están compuestos por los siguientes cuatro elementos: la interfaz de fusificación, la base de conocimiento (contiene las reglas y las funciones de pertenecía), el motor de inferencia y la interfaz de defusificación. En primer lugar las variables de entrada son transformadas en variables difusas en la interfaz de fusificación. Luego en el motor de inferencia se evalúan las reglas almacenadas en la base de conocimiento. Dichas reglas tienen la siguiente estructura: SI A1 es "an1 " Y… Ai es "ani " Y…A5 es "an5 " ENTONCES A6 es "an6 " Donde ani es el término asociado a la variable Ai en la n − ésima regla. Finalmente la salida del motor de inferencia que es una variable difusa es transformada a una variable real en la interfaz de defusificación. 5. SGE PROPUESTO El SGE propuesto se basa en un conjunto de posibles escenarios para definir la gestión de energía óptima. Para generar dichos escenarios se emplea el método propuesto en (Mohammadi et al., 2014). En primer lugar se definen funciones de densidad de probabilidad para representar los errores cometidos en los pronósticos de las fuentes renovables y de la demanda. Para el caso de la generación solar y de la demanda eléctrica se emplean funciones de distribución normales mientras que para la generación eólica se emplea una distribución de Weibull (Johnson, 2006). Cada función de distribución representa el error cometido en un intervalo de tiempo el cual puede variar en función de la precisión que se desee. Las funciones de distribución de probabilidad se dividen en un cierto número de intervalos los cuales representan un posible escenario respecto a la variable que se esté analizando (Figura 3). Finalmente, el conjunto de escenarios sobre el cual se basará el SGE para determinar la gestión de energía óptima se genera por medio del método del al ruleta (Niknam & Golestaneh, 2012). Densidad de probabilidad Nivel Nivel1 1 Nivel 3 Nivel 5 Nivel 7 Nivel 2 Nivel 4 Nivel 6 Figura 3. Ejemplo de función de densidad de probabilidad asociada al error en los pronósticos Al igual que en (Castro & Camargo, 2004), las reglas y las funciones de pertenencia se representan en un mismo cromosoma tal y como puede observarse en la Figura 4. En dicha figura R n es la n − ésima regla, Nr es el número total de reglas utilizadas y FPi es el conjunto de funciones de pertenencias asociadas a la variable Ai . La codificación de las reglas se realiza al igual que en (Castro & Camargo, 2004) donde cada termino lingüístico es representado por un entero. 13 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 4. Representación del la base de conocimiento (reglas y las funciones de pertenencia) Por otra parte los parámetros que definen a las funciones de pertenencia se representan por medio de números binarios tal y como se hace en (Ross, 2009). Una vez generados los posibles escenarios se inicializan aleatoriamente los cromosomas que contienen las reglas y las funciones de pertenencia. Luego para cada escenario y para cada cromosoma se resuelve el PAU mediante el uso de un algoritmo genético. En dicho algoritmo las soluciones candidatas se codifican en una matriz U. Las filas de dicha matriz hacen referencia a un determinado generador o al intercambio de energía con la red de distribución mientras que las columnas representan la hora del día. Más específicamente se utiliza la siguiente codificación: “1” significa que un generador está encendido o que sé está comprando energía a la red principal, “0” que el generador está apagado o que no hay intercambio de energía con la red de distribución y “-1” que la microrred exporta energía a la red de distribución. Una vez se determinado el calendario de generación óptimo para cada escenario y para cada base de conocimiento se procede a calcular la aptitud de cada cromosoma. Para hacer esto se emplea la siguiente función aptitud. fap = K2 + K1 Ns ∑s=1 Ps . OCs 17 Donde, K1 y K 2 son constantes fijadas específicamente para este problema, Ps la probabilidad de ocurrencia del s − ésimo escenario, OCs su costo de operación, y Ns el número total de escenarios generados. Una vez determinado el valor de aptitud para cada cromosoma se seleccionan mediante el método de muestreo universal estocástico los individuos que darán lugar a la próxima generación (Moujahid, Inza, & Larrañaga, 2008). Luego se llevan a cabo las operaciones de cruce y mutación. Específicamente se utilizan el operador de cruce basado en dos puntos y el operador de mutación uniforme. Las soluciones así obtenidas son nuevamente evaluadas en todos los escenarios y el proceso se repite hasta llegar a un número determinado de generaciones. La Figura 5 muestra el algoritmo utilizado por el SGE para diseñar el sistema experto. 14 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Inicio Generar a partir de los datos de pronósticos un conjunto de posibles escenarios Inicializar la población de cromosomas que albergan las reglas y las funciones de pertenencia Para cada cromosoma resolver el PAU en todos los escenarios generados Calcular el valor aptitud de cada solución candidata Reproducción (cruce y mutación) No ¿Se cumple el criterio de culminación? Si Fin Figura 5. Diagrama del algoritmo utilizado para diseñar el sistema experto 6. SIMULACIONES Y RESULTADOS Con el objetivo de verificar su eficacia, el SGE propuesto se ha comparado con otros dos sistemas de gestión de energía alternativos (SGE 1 y SGE 2). Tanto el SGE 1 como el SGE 2 se basan en un enfoque determinista, es decir la optimización de la gestión de la energía se realiza en función del escenario más probable. La diferencia entre el SGE 1 y el SGE 2 radica en el hecho que en el primero de los casos la base de conocimiento se fija por medio de la experiencia mientras que en el segundo caso esta se diseña por medio de un algoritmo genético. Cabe señalar que en todos los casos se empleó el mismo algoritmo genético para resolver el PAU. Las simulaciones se realizaron tanto para la microrred en isla como para la microrred interconectada a la red de distribución, usándose los pronósticos que se muestran en la Figura 6. Se utilizó además la siguiente tarifa eléctrica: de 00:00 hs a 08:00 hs 0.052 €/kWh – de 08:00 hs a 10:00 hs 0.082 €/kWh – de 10:00 hs a 13:00 hs 0.151 €/kWh – de 13:00 hs a 18:00 hs 0.082 €/kWh – de 18:00 hs a 21:00 hs 0.152 €/kWh – de 21:00 hs a 24:00 hs 0.082 €/kWh. Los resultados obtenidos se muestran en la Tabla 2. 15 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 120 Demada eléctrica Generación eólica Generación solar 100 Potencia (kW) 80 60 40 20 0 2 4 6 8 10 12 Hora 14 16 18 20 22 24 Figura 6. Pronósticos de demanda eléctrica, generación solar y generación eólica Tabla 2. Resultados obtenidos SGE 1 SGE 2 SGE propuesto Microrred en isla Costo de Tiempo de operación (€) ejecución (s) 118.6 19 114.4 87 113.9 921 Microrred interconectada Costo de Tiempo de operación (€) ejecución (s) 90.8 24 87.3 109 86.2 1369 7. CONCLUCIONES En el presente artículo se ha propuesto un SGE basado en un sistema experto difuso el cual determina si la batería debe de cargarse o descargarse y a qué potencia. Uno de los principales inconvenientes con los que se debe lidiar a la hora de gestionar la energía en las microrredes es la incertidumbre asociada a muchas de las variables que intervienen en dicho problema. Debido a esto se ha optado por abordar la gestión de energía desde un punto de vista estocástico en lugar de determinista. Para verificar su eficacia el SGE propuesto se ha comparado con otros dos sistemas de gestión de energía. Los resultados mostraron que tanto para la microrrred en isla como para la microrred interconectada a la red de distribución se ha logrado reducir el costo de operación de la misma. Sin embrago tal y como se muestra en la Tabla 2 el SGE requiere de un mayor tiempo para determinar la gestión de energía óptima. Esto no es un inconveniente para esta microrred en particular pero si podría serlo si se consideraran mas unidades generadoras u otro tipo de restricciones. 16 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ AGRADECIMIENTOS Los autores quieren agradecer a las siguientes entidades: Diputación de Gipuzkoa, Fomento de San Sebastián, GAIA-Cluster TEIC y a la plataforma tecnológica IK4, por su apoyo, tanto técnico como económico. Asimismo, quieren agradecer el apoyo técnico a las empresas del consorcio i-Sare (JEMA, Electrotaz, Oasa, Ingesea y Cegasa). REFERENCIAS BIBLIOGRÁFICAS Castro, P. A. D., & Camargo, H. A. (2004). Learning and optimization of fuzzy rule base by means of selfadaptive genetic algorithm. Fuzzy Systems, 2004. Proceedings. 2004 IEEE International Conference on, , 2. pp. 1037-1042 vol.2. Chaouachi, A., Kamel, R. M., Andoulsi, R., & Nagasaka, K. (2013). Multiobjective intelligent energy management for a microgrid. Industrial Electronics, IEEE Transactions on, 60(4), 1688-1699. Cordón, O., Gomide, F., Herrera, F., Hoffmann, F., & Magdalena, L. (2004). Ten years of genetic fuzzy systems: Current framework and new trends. Fuzzy Sets and Systems, 141(1), 5-31. Deng, Q., Gao, X., Zhou, H., & Hu, W. (2011). System modeling and optimization of microgrid using genetic algorithm. Intelligent Control and Information Processing (ICICIP), 2011 2nd International Conference on, , 1. pp. 540-544. Johnson, G. L. (2006). Wind energy systems Gary L. Johnson. Manjili, Y. S., Rajaee, A., Jamshidi, M., & Kelley, B. T. (2012). Fuzzy control of electricity storage unit for energy management of micro-grids. World Automation Congress (WAC), 2012, pp. 1-6. Mohamed, F. A., & Koivo, H. N. (2007). Online management of MicroGrid with battery storage using multiobjective optimization. Power Engineering, Energy and Electrical Drives, 2007. POWERENG 2007. International Conference on, pp. 231-236. Mohammadi, S., Soleymani, S., & Mozafari, B. (2014). Scenario-based stochastic operation management of MicroGrid including wind, photovoltaic, micro-turbine, fuel cell and energy storage devices. International Journal of Electrical Power & Energy Systems, 54, 525-535. Moujahid, A., Inza, I., & Larrañaga, P. (2008). Tema 2. algoritmos genéticos. Departamento De Ciencias De La Computación e Inteligencia Artificial Universidad Del País Vasco, Niknam, T., & Golestaneh, F. (2012). Probabilistic multiobjective operation management of microgrids with hydrogen storage and polymer exchange fuel cell power plants. Fuel Cells, 12(5), 809-826. Olivares, D. E., Canizares, C. A., & Kazerani, M. (2011). A centralized optimal energy management system for microgrids. Power and Energy Society General Meeting, 2011 IEEE, pp. 1-6. Powell, W. R. (1981). An analytical expression for the average output power of a wind machine. Solar Energy, 26(1), 77-80. Ross, T. J. (2009). Fuzzy logic with engineering applications John Wiley & Sons. 17 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Schwaegerl, C., & Tao, L. (2009). Advanced architectures and control concepts for more microgrids (annex 3-microgrid scheduling via genetic algorithm and heuristic search ) No. No: SES6-019864) Stadler, M., Kloess, M., Groissböck, M., Cardoso, G., Sharma, R., Bozchalui, M. C., et al. (2013). Electric storage in California’s commercial buildings. Applied Energy, 104(0), 711-722. 18 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ MEJORA DE LA CALIDAD DE VIDA CON EL USO DE FUENTES RENOVABLES DE ENERGIA EN LA COMUNIDAD LAS POZAS, GRAN HUMEDAL DEL NORTE (SITIO RAMSAR 1125), CIEGO DE ÁVILA, CUBA. UN ANTES Y UN DESPUÉS. Línea temática: (2) Energías renovables y reducción de emisiones. Aplicaciones prácticas de integración a Sitios de la UNESCO. Prof. Luís Manuel Batista Tamayo¹ y M Sc. Zulima Díaz Montes² (1) Sociedad Cubana para la Promoción de las Fuentes Renovables de Energía (CUBASOLAR). Profesor Titular. [email protected] (2) Ministerio de Ciencia, Tecnología y Medio Ambiente. [email protected] RESUMEN El proyecto contribuyó a elevar la calidad de vida de los pobladores de la comunidad, compuesto por 36 viviendas de trabajadores de la reserva forestal donde residen 22 mujeres, 12 niños, 28 ancianos y 23 hombres aislados totalmente del Sistema Electroenergético Nacional (SEN). La necesidad más perentoria era la solución de energía eléctrica, cocción de alimentos, el abasto de agua y la higiene del hogar que, en su mayoría contaban con pisos de tierra. La falta de agua creaba grandes limitaciones para el servicio que presta el consultorio médico e incrementa el número de enfermedades en la población atendida, de igual forma la escuela y sala de recreación tampoco contaban en muchas ocasiones con este recurso imprescindible para la vida. Ejecutado con un el financiamiento de 141,5 M Euros con el apoyo de la ONG SODePAZ y la Diputación Floral de Bizkaia, 89,3M CUP aportado por el gobierno local, destinados a la electrificación fotovoltaicas, un acueducto con bombeo fotovoltaico con su red de abasto que abastece además un organopónico atendido por los ancianos, televisor de última generación, cocina eficiente para la cocción de alimentos, un teléfono comunitario entre otras mejoras. Palabras claves: Energía, fotovoltaica, calidad de vida, comunidad. 19 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ INTRODUCCION. Cuba a lo largo de más de 45 años, en medio de todas las conocidas limitaciones económicas, ha realizado importantes inversiones sociales que transformaron profundamente la situación de su población, tanto con respecto al desarrollo, como con respecto a la mejora de la calidad de vida en general. Estos avances son particularmente evidentes en el acceso a la educación, la salud y los servicios básicos. El 96 % de la población del país dispone de energía eléctrica del Sistema Electroenergético Nacional (SEN). Solo no acceden a este servicio las áreas montañosas más remotas y algunas comunidades aisladas. Las zonas montañosas de Cuba cubren una extensión de 19,000 Km 2, casi el 17 % de la superficie del país y en ellas residen más de 720,000 habitantes (6.5 % de la población total). Dada la gran importancia que se le concede al desarrollo social y agropecuario, se ha venido llevando un plan de energización en las zonas rurales con el objetivo de frenar el éxodo de la población rural de estos lugares y extender los beneficios socioculturales que se logran con la misma, mejorando la calidad de vida de la población y crear simultáneamente las bases para el desarrollo de la producción. La comunidad está compuesta por 36 viviendas de trabajadores de la reserva forestal d onde residen, 22 mujeres, 12 niños, 28 ancianos y 23 hombres. Figura 1. Ubicación del área del proyecto dentro del Gran Humedal del Norte. Enclavada en el extremo suroeste del Gran Humedal del Norte de Ciego de Ávila, que acoge el Sitio RAMSAR que como convenio es el único acuerdo internacional de los modernos convenios en materia de 20 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ medio ambiente que se centra en un ecosistema específico, los humedales, y aunque en origen su principal objetivo estaba orientado a la conservación y uso racional en relación a las aves acuáticas, actualmente reconoce la importancia de estos ecosistemas como fundamentales en la conservación global y el uso sostenible de la biodiversidad, con importantes funciones (regulación de la fase continental del ciclo hidrológico, recarga de acuíferos, estabilización del clima local), valores (recursos biológicos, pesquerías, suministro de agua) y atributos (refugio de diversidad biológica, patrimonio cultural, usos tradicio nales). CUBASOLAR con apoyo gubernamental y la colaboración NORTE-SUR, especialmente de la Unión Europea, ha iniciado desde 1994 un programa nacional para la electrificación de los consultorios del médico de la familia con energía solar de comunidades rurales. También en un esfuerzo de país se han electrificado todas las escuelas rurales sin acceso al SEN (más de 2400) y se crearon y electrificaron, salas de televisión para extender la cultura y la información en más de 1800 localidades. De igual forma se desarrolla un programa de acueductos para el abasto de agua a la población en general, pero por falta de electricidad, la carencia de combustible Diesel, y las disponibilidades de financiamiento, en las zonas remotas y montañosas este programa se ha visto limitado, y agravado en los últimos años por la intensa sequía que ha sufrido el país, por lo que, los habitantes de estas zonas están sometidos a una escasez de agua muy rigurosa, provocando esto que los campesinos en ocasiones tengan que recorrer grande s distancias para buscar el preciado liquido y en muchas ocasiones a utilizar fuentes superficiales contaminadas o que los propios habitantes la contaminan con detergentes etc. al tener que lavar, abrevar a los animales y bañarse en los mencionados ríos y arroyos. Para elevar la calidad de vida de esos pobladores, ahora la necesidad más perentoria es la solución de energía eléctrica, cocción de alimentos, el abasto de agua y la higiene del hogar que, en su mayoría cuentan con pisos de tierra. No disponer de agua potable crea grandes limitaciones para el servicio que presta el consultorio e incrementa el número de enfermedades en la población atendida, de igual forma la escuela y sala de recreación tampoco cuentan en muchas ocasiones con este recurso impres cindible para la vida. Desarrollo del proyecto. La ejecución del proyecto ejecutado llave en mano duró aproximadamente seis meses contando con fuerza laboral especializada de CUBASOLAR, trabajadores sociales y vecinos que laboraron ininterrumpidamente hasta su total terminación. Tabla 1. Presupuesto con que contó la ejecución del proyecto 21 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ PRESUPUESTO Proyecto: Mejoras de la calidad de vida en la Comunidad Las Pozas RÚBRICAS / ITEMS PRESUPUESTARIOS APORTE LOCAL APORTE EXTERNO A RECURSOS HUMANOS 8.299,20 0,00 B VIAJES Y DIETAS 14.910,00 0,00 C EQUIPAMIENTO Y SUMINISTROS 14.764,58 129.792,76 D FUNCIONAMIENTO 36.432,94 0,00 E PUBLICACIONES Y OTROS 0,00 5.750,00 F IMPREVISTOS 14.881,34 3.000,00 TOTAL 89.288,07 141.542,76 Figura 2. Varias imágines durante el proceso de ejecución del proyecto y un después 22 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 3. El uso del agua para el consumo antes de ejecutarse el proyecto Objetivos y resultados esperados con el proyecto. Indicador para el Objetivo Superior: Mejorar la calidad de vida de la comunidad Las Pozas. Objetivos específicos: Garantizar a todas las casas e instalaciones comunitarias electricidad por medio fotovoltaico Garantizar el suministro de agua potable para el consumo humano. Garantizar la soberanía alimentaría de la comunidad mediante el aumento de la producción sostenible de hortalizas y vegetales. Sensibilizar a los beneficiarios en una cultura energética y soberanía alimentaria. Situación alcanzada en relación al Objetivo Superior: Mejorada la calidad de vida de las 36 familias de la comunidad. Objetivos específicos: Se electrificaron todas las viviendas e instalaciones comunitarias mediante paneles fotovoltaicos Garantizado el suministro de agua potable para el consumo humano. Garantizada la soberanía alimentaría de la comunidad mediante el aumento de la producción sostenible de hortalizas y vegetales. Sensibilizados los beneficiarios en una cultura energética y soberanía alimentaria. 23 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 4. Fase de terminación del bombeo fotovoltaico y directivos de Cubasolar en visita en la comunidad. Figura 6. Remozamiento de la vivienda del más longevo de la comunidad. 24 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 7: Remozamiento de la escuela primaria donde estudian 10 niños. Figura 8. Acarreo de agua manualmente desde un pozo artesiano antes de la instalación del bombeo fotovoltaico y la instalación del acueducto. Figura 9. Dos momentos. Interior de una vivienda con su TV y la preparación de tierra para el organopónico Conclusiones. Una vez concluido el proyecto y puesto en marcha en su totalidad las ONGs que con su valioso aporte fue posible el proyecto, realizaron la evaluación de los resultados. Evaluación de las ONGs contribuyentes sobre el proyecto realizado. Contexto general 25 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Enmarcado en el bajo nivel de vida existente de las poblaciones rurales de montaña, que cuentan con una renta agraria baja, sumado al aislamiento geográfico, el pueblo mas cercano esta a 6 km y prácticamente sin trasporte, el medio de trasporte es caminando y ha caballo, alejados del sistema energético nacional, en donde uno de los problemas principales era garantizar un adecuado suministro de agua, hasta entonces insuficiente, con escaso medios de bombeo, situación aun mas agravada por las sequías de los últimos tiempos, sin electricidad y con pocos medios comunicacionales, en donde la población tiende a emigrar a los centros urbanos más próximos. Contexto específico El proyecto se formuló para resolver varios problemas en la comunidad de Las Pozas, como la carencia de agua, de electricidad y un insuficiente equipamiento en las viviendas rurales y el reforzamiento de la soberanía alimentaria. La realización del proyecto si bien constituyó un éxito global, no estuvo exento de dificultades y contratiempos, derivados por un lado la tardanza en la adquisición de los equipamientos y materiales necesarios, debido al retraso por parte de las empresas suministradoras, y por él otro, el impacto que sobre el trabajo previsto han tenido el paso de los huracanes Gustav e Ike, que han retrasado algunas de las actividades previstas. Hecho que nos obligó a solicitar una ampliación de tres meses de los plazos estipulados para su ejecución final. No obstante, la solución que se fue dando a estos problemas ha sido correcta, permitiéndonos cumplir la totalidad del proyecto. En el aspecto social, destacamos el considerable mejoramiento de los indicadores sociales de calidad de vida, la electrificación de las viviendas, del bombeo de agua, la eliminación de los suelos de tierra y la dotación de cocinas eficientes, también el equipamiento de las instalaciones comunitarias en donde se reúnen los vecinos, el contar con una televisión, mediante los cuales pueden recibir las noticias, los programas educativos de primera mano, es un logro que constituye un gran impacto en zonas aisladas y de difícil acceso. En lo medio ambiental y estrictamente relacionado con la seguridad alimentaria, el terreno destinado al huerto organopónico comenzó a dar sus frutos, constituye un aporte para una mayor diversificación de los alimentas y consolidación de hábitos agroecológicos. El mayor impacto sobre el medio ambiente ha sido sin lugar a dudas, la incorporación y aprovechamiento de las fuentes renovables de energía, en particular la fotovoltaica y eólica, teniendo en cuenta que antes del proyecto no existía referencia alguna en la comunidad que permitiera a sus pobladores conocer los beneficios de la energía renovable. En lo tecnológico, con este proyecto se ha puesto a disposición de los beneficiarios tecnología avanzada como los sistemas fotovoltaicos para el alumbrado y el suministro de agua, se ha trabajado el tema de educación energética de forma colectiva e individual de modo que la tecnología fuese aceptada y asimilada para que la cuidasen y velasen por ella, este empeño se logró constituyendo un impacto tecnológico. Finalmente, destacar en lo social participativo, los cambios en la población beneficiaria como objeto y sujeto de su propio desarrollo, la mejora del trabajo comunitario, la apertura de puertas cognoscitivas en personas humildes en una región, que como mencionamos anteriormente, es de difícil acceso. 26 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ La presencia de 36 familias beneficiadas, capacitadas sobre las ventajas del aprovechamiento de las FRE, su alta participación favorece la posibilidad y extensión de proyectos similares hacia otras comunidades vecinas. Luego de ocho de años de ejecutado el proyecto, la sostenibilidad permanece con el apoyo del gobierno local, Cubasolar y los propios residentes, en el mantenimiento de los recursos y la sustitución de los medios que por alguna razón justificada tienen que renovarse 27 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ MICROGENERACIÓN/MINIGENERACIÓN RENOVABLE DISTRIBUIDA Y SU CONTROL: MIRED-CON Línea Temática [1]: Redes inteligentes, Medida inteligente, Microrredes Luis Hernández 1, Noelia Uribe1, Raúl Gómez1, Siro Soria1, Marcos Lafoz1, Luis Cano1, Miguel Latorre1, Txetxu Arzuaga2, Aitor Arzuaga2, Loreto Gutierrez2, Sandra García3, Nuria Cuartero3, Jorge Jesús Gómez3 (1) CIEMAT: [email protected]; [email protected]; [email protected]; [email protected]; [email protected] [email protected]; [email protected]; (2) ZIV Group Company: [email protected]; [email protected]; [email protected] (3) Universidad Complutense de Madrid, Facultad de Informática, Grupo GRASIA: [email protected]; [email protected]; [email protected] RESUMEN En las últimas décadas, se han ido incorporando elementos de generación renovable, en localizaciones más próximas a los consumos, tomando el nombre de Distributed Generation (DG – Generación Distribuida), rompiendo el modelo centralizado actual y de flujo unidireccional de energía. Unido a la DG, y debido a sus peculiares características, se considera indispensable el uso de diferentes tecnologías de almacenamiento, unas veces para cubrir el desajuste entre generación y demanda, y otras para ciertas labores necesarias en la operación de la red. Reglamentado por los diferentes Gobiernos, se les ha planteado a las empresas distribuidoras de electricidad o utilities el reto de incorporar nuevos dispositivos inteligentes en lugares que hasta el momento no existían. Así, aparecerán en los puntos finales de consumo los Smart Meters (SMs – Medidores de Energía) para la toma de medida y, en los puntos intermedios (centros de transformación, subestaciones, etc.) los Data Concentrators (DCs – Concentradores de Datos), encargados de recopilar las medidas registradas por los SMs. Estos elementos son una parte de la “inteligencia” que dispondrán las Smart Grids (SGs). En entornos tipo polígonos industriales, centros de la administración, centros comerciales, etc. (todos pueden ser considerados microgrids), se hace necesario el control y gestión por parte de los “agregadores”, para coordinar las fuentes de generación, almacenamiento, ciertos consumos controlables y herramientas de predicción y planificación, con el objetivo de comportarse de la manera más eficiente y sostenible. Por tanto, y de manera similar a lo desarrollado en los últimos años en el sistema eléctrico, los entornos anteriormente citados se enfrentan al reto de dotar de “inteligencia” avanzada al nuevo hardware para posibilitar la interacción de todos los elementos (DG, almacenamiento, consumidores, etc.), basado en los siguientes pilares: Sistemas y dispositivos electrónicos inteligentes que faciliten la operación segura de la microgrid. Sistemas y dispositivos electrónicos inteligentes que optimicen el rendimiento económico de la la microgrid. Protocolos de comunicación estándares y abiertos que faciliten la interoperabilidad entre los distintos dispositivos electrónicos (de múltiples fabricantes) encargados de la gestión de la microgrid y los sistemas de información disponibles tanto en el operador del sistema como en el “usuario/explotador” de la infraestructura El objetivo de este artículo es presentar el proyecto MIcrogeneración/MInigeneración REnovable Distribuida y su CONtrol (MIRED–CON), que consistirá en la instalación de una infraestructura de medida y control avanzados sobre una red que pretende ser auto–gestionada energéticamente, convirtiendo a esta nueva red en una referencia de lo que pueden ser las redes de distribución del futuro. La validación y demostración del proyecto MIRED–CON se realizará en las instalaciones del Centro de Desarrollo de Energías Renovables (CEDER–CIEMAT). Palabras clave: Distributed Generation, Smart Meters, Data Concentrators, microgrid, inteligencia. 28 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 1. ANTECEDENTES Nicola Tesla en 1888 en su publicación “A New System of Alternate Current Motors and Transformers” estableció las bases del actual sistema de energía eléctrica, posibilitando el transporte de la energía eléctrica a grandes distancias empleando una única infraestructura para suministrar la energía. Desde entonces, el principal cambio producido ha sido la complejidad del sistema. Desde hace ya unos años, se está tratando de realizar un cambio conceptual sobre el actual sistema energético para, principalmente, obtener mayor sostenibilidad y eficiencia energética, de una manera más compatible con el medio ambiente, siendo este cambio de modelo de sistema una de las claves para el desarrollo de una mejor economía sostenible de acuerdo con el tratado de Lisboa de 2007. La aparición de nuevas exigencias estos últimos años ha fomentado aún más dicho cambio. Algunas de esas exigencias son: Reducción de costes y mejor calidad de servicio. Elementos que se han ido incorporando a la red, tales como la Distributed Energy Resource (DER – Recursos de Energía Distribuida), compuesto por Distributed Generation (DG – Generación Distribuida) y almacenamiento. La necesidad de los consumidores de información respecto a su consumo, así como el poder hacer realidad el Demand Response (DR – Respuesta a la Demanda). Reglamentado por los diferentes Gobiernos, se les ha planteado a las utilities (compañías de distribución de energía eléctrica) el reto de incorporar nuevos dispositivos inteligentes en lugares que hasta el momento no existían, por ejemplo en los puntos finales de consumo donde aparecerán para la toma de medida los Smart Meters (SMs – Medidores Inteligentes) para la toma de medida y, en los puntos intermedios (centros de transformación, subestaciones, etc.) los Data Concentrators (DCs – Concentradores de Datos), encargados de recopilar las medidas registradas por los SMs. Las Smart Grids (SGs) dispondrán de los citados elementos como parte de su “inteligencia”. Lo anteriormente descrito, junto con la cada vez mayor potencia de cálculo de las Tecnologías de la Información y Comunicaciones (TIC), servirá para hacer frente a los principales retos a los que se enfrentarán las nuevas redes de energía del futuro, pudiendo realizar una mejor observación de las redes de distribución, estimar su estado y optimizar los flujos de energía. En entornos del tipo polígono industrial, centros de la Administración Pública, centros comerciales, campus universitarios, etc. (todos pueden ser considerados microgrids aunque en España, estarían limitadas por aspectos legales como muestran Fernández et al. (2011)), se hace necesario el control y gestión por parte de los “agregadores” para coordinar las fuentes de generación, almacenamiento, herramientas de predicción y planificación, con el objetivo de comportarse de manera más eficiente y sostenible. Por tanto, los entornos anteriormente citados se enfrentan al reto de dotar de “inteligencia” avanzada al nuevo hardware, para posibilitar la interacción de todos los elementos (DG, almacenamiento, consumidores, etc.), basado todo en los siguientes pilares: Sistemas y dispositivos electrónicos inteligentes que faciliten la operación segura de la microgrid. Sistemas y dispositivos electrónicos inteligentes que optimicen el rendimiento económico de la la microgrid. Protocolos de comunicación estándares abiertos que faciliten la interoperabilidad entre los distintos dispositivos electrónicos y los sistemas de información disponibles. Los entornos controlados que cuentan con DG, cobran cada día mayor protagonismo y son de especial interés en el mundo de la investigación. Amjadi et al. (2011) destacan como clave el disponer de herramientas para hacer Short–Term Load Forecasting (STLF – Predicción de la Demanda a Corto Plazo) y así poder gestionar las fuentes renovables y recursos convencionales. Hernández et al. (2012) muestran la relación de las variables climáticas con respecto a la demanda eléctrica, para su posterior empleo en STLF, posibilitando aplicaciones de futuro. Laaksonen (2010) se centra en las protecciones en baja tensión (BT) de las microgrids, presentando sus resultados tras un análisis de una microgrid en un entorno de simulación. Lasseter (2011) considera que el uso de microgrids simplificará las principales funciones de las Smart Grids (SGs), incluyendo 29 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ la fiabilidad, auto–reparación y control de carga. Vaccaro et al. (2011)0 presentan una arquitectura orientada a servicios como una manera de modelar, verificar y controlar microgrids, con nodos computacionales en una Local Area Network (LAN – Red de Área Local). Tsikalakis and Hatziargyriou (2008)0 describen la operación de un controlador central en una microgrid, cuyo objetivo principal es la optimización de la producción de la DG e intercambios de energía con las redes de distribución. Moreira et al. (2007) proponen una secuencia de acciones y condiciones a chequear durante la restauración de la conexión de una microgrid, las cuales han sido testeadas previamente mediante simulación. Liang et al. (2012) presentan una teoría de consenso basada en un Multi–Agent System (MAS – Sistema Multi–Agente) para descubrir información en microgrids por medio de nodos de comunicación Wireless. Chen et al. (2011)0 presentan una metodología para la asignación óptima y análisis económico de Energy Storage System (ESS – Sistema de Almacenamiento de Energía) mediante un entorno de simulación. Chen et al. (2012)0 presentan un nuevo método basado en un análisis coste–beneficio para la optimización del tamaño de un sistema de almacenamiento de energía en una microgrid. 2. OBJETIVOS DEL PROYECTO MIRED–CON El proyecto MIRED–CON consistirá en la instalación de una infraestructura de medida y control avanzados sobre una red que pretende ser auto–gestionada energéticamente, convirtiendo a esta nueva red en una referencia de lo que puedan ser las redes de distribución del futuro. Esta red de DG contendrá fuentes de generación renovable, almacenamiento (baterías como sistema de base, volante de inercia como sistema rápido) y cargas. Para ello se partirá de la red disponible en CEDER–CIEMAT que presenta unas características interesantes de niveles de tensión, topología, centros de transformación (CTs) de diferente tipo, DG, diferentes tipos de consumos y almacenamiento de energía. El objetivo del proyecto es gestionar los elementos activos de la red para conseguir un determinado funcionamiento o situación que interese a la propia red o a la utility que suministra su potencia. Para ello se podrán establecer distintos criterios de operación: Mínimo consumo de la red, para lo cual se deberá sacar el máximo partido de las renovables instaladas, tratando de combinarlas con el almacenamiento disponible. Mínimo nivel de carga en las líneas de transmisión de la red. Mínimo nivel de carga en un determinado punto de la red. Estado de mínimas pérdidas. Este criterio va unido con el aporte de la DG, ya que la entrega de energía por parte de estas fuentes de generación, junto al almacenamiento, supondrá la NO necesidad de entrega de energía por parte de la red de distribución, por consiguiente fomentar el “negavatio”. Maximización del beneficio económico. El aporte de las fuentes de generación renovable junto al del almacenamiento eléctrico, suponen en sí mismo un ahorro de energía solicitada a la red, además, si se disponen de elementos controlables (cargas, generación y almacenamiento), se podrá tratar de optimizar la factura eléctrica. A petición de la utility desde su centro de control (cc). Independientemente de los precios, ésta podría indicar deslastres de cargas/generaciones puntuales, o incluso la desconexión/conexión de un determinado CT que estuviera preparado para tal maniobra y su consiguiente operación. Para conseguir lo anterior, se precisa: Crear una nueva tecnología Power Line Communication (PLC) en media tensión (MT) que satisfaga los siguientes requisitos de aplicación de: o Alcance > 5 km en líneas MT (sin derivación). o Throughput de 500 kbps (nivel de aplicación). Adaptación dinámica a condiciones del canal. Desarrollo opción tecnológica. 30 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Basado en Orthogonal Frequency–Division Multiplexing (OFDM), extensión PoweRline Intelligent Metering Evolution (PRIME) a MT. La comunicación de la medida bajo PLC, parece la solución más sensata y menos costosa, ya que la infraestructura eléctrica está desplegada y no es necesario el sobrecargar más el espectro radioeléctrico. Adicionalmente a la medida, surge la oportunidad de emplear PRIME como tecnología de control de los diferentes elementos distribuidos en un espacio controlado (cargas, generación y almacenamiento). Las ventajas para la propia red de disponer de una Advanced Metering Infrastructure (AMI – Infraestructura de Medida Avanzada), para el control de la generación, almacenamiento y demanda serán: Control y estado de los tramos de línea existentes. Optimización de la generación y consumo en el tramo local de la red de distribución, de forma que se pueda presentar un balance de energía “casi neutro” hacia la red de transporte/distribución. Minimización de las pérdidas locales. Posibilitar la penetración de las renovables y de manera distribuida. PLC+PRIME como solución “last mile” para medida, supervisión y control en BT. Y para las utilities: PLC+PRIME como solución al control a través de MT, desde su cc hacia sus elementos distribuidos de generación, almacenamiento y demanda. La inteligencia y control de la generación, almacenamiento y demanda, repercutirá en un suministro de la energía de manera eficiente y controlada por parte de la utility. Eliminación de las pérdidas por transporte de energía innecesarias. 3. ELEMENTOS DE CEDER–CIEMAT PARA EL PROYECTO MIRED–COM A continuación, se presentan diferentes elementos que se emplearán en el proyecto MIRED–CON, y que pertenecen en su totalidad a las instalaciones de CEDER–CIEMAT. Todos los elementos que se describan, así como todos los edificios de consumo o elemento generador o almacenador, dispondrán de un SM individual, de tal manera que todo el consumo/generación será monitorizado. 3.1. CEDER-CIEMAT CEDER–CIEMAT es un centro de investigación del Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas (CIEMAT), Organismo Público de Investigación dependiente del Ministerio de Economía y Competitividad de España; CEDER–CIEMAT está ubicado en la provincia de Soria. En la Figura 1 se muestra una parte de las 640 hectáreas de CEDER–CIEMAT, donde se realizará el proyecto MIRED–CON. 3.2. Esquema de Comunicaciones La totalidad de los edificios existentes en CEDER–CIEMAT se encuentra comunicados con el Centro de Proceso de Datos (CPD) mediante tecnología Ethernet, por medio de dispositivos de capa 2 y capa 3. De esta manera, se puede enviar y recibir información desde cualquier sitio de CEDER–CIEMAT donde se realice vida normal, y poderla procesar de manera descentralizada en cualquier otro punto del centro. El centro incorpora dispositivos de capa 2 en los diferentes CTs, lo que permite la realización de pruebas de comunicación contra equipos desplegados en estos lugares, e incluso la realización de pruebas de comunicación paralelas, y así poder validar otras tecnologías diferentes a Ethernet. En la Figura 2 se muestra los enlaces entre dispositivos de capa 2, mostrándose los tramos de fibra en verde y los de cobre en rojo, en todos los casos enlaces de 1 Gbps. 31 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Como se ve en la Figura 2, todos los edificios de CEDER–CIEMAT y los CTs disponen de comunicación Ethernet. Se emplea en todos los casos tecnología Ethernet y la capacidad de los enlaces varían entre 100 Mbps y 1 Gbps. Figura 7.- Foto aérea de CEDER-CIEMAT 3.3. Esquema Eléctrico La compañía distribuidora suministra energía eléctrica a un nivel de tensión de 45 kV, y mediante un transformador a la entrada del centro se pasa a 15 kV. El elemento transformador de entrada es de 45/15 kV 1.000 kVA. Las denominaciones y elementos transformadores de los CTs son: CT–SUB E01–Arfrisol: 15/0,4 kV 250 kVA. CT–1 E02: 15/0,4 kV 630 kVA. CT–2 E03: 15/0,4 kV 630 kVA. CT–LEVI E07: 15/0,4 kV 630 kVA. CT–PEPA I: existen dos transformadores: 15/0,4 kV 50 kVA; 15/0,4 kV 500 kVA. CT–PEPA II: 15/0,4 kV 630 kVA. CT–PEPA III: existen dos transformadores: 15/0,4 kV 50 kVA; 15/0,4 kV 630 kVA. En la Figura 3 se representa un esquema unifilar de las conexiones de los diferentes CTs, donde podemos ver las características de cada uno de ellos, así como los diferentes feeders a cada edificio o planta. Se puede apreciar la posibilidad de diferentes caminos al disponer de un anillo entre CTs, estando en la actualidad abierto entre CT– PEPA II y CT–PEPA III. Figura 8.- Despliegue de fibra óptica/cobre para conectar Switches de acceso. Se han ampliado las zonas para mayor detalle 32 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 9.- Esquema unificar del conexionado de los diferentes CT 3.4. Descripción de la Generación Distribuida Renovable A continuación se identificarán las fuentes de generación existentes, así como las potencialmente incorporables al proyecto durante la ejecución del mismo, y su distribución en el centro, indicando el CT o cuadro de BT de edificio donde colgarían. Los elementos de generación renovable distribuidos existentes en CEDER–CIEMAT son: Aerogenerador AOC 50 kW. Ubicado en PEPA I, tal y como se muestra en la Figura 4. Figura 10.- Aerogenerador AOC 50 kW en PEPA I 33 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Aerogenerador BAIWIND 1,5 kW, con inversor monofásico SMA Windy–Boy y conectado a red mediante un cuadro de BT ubicado en caseta junto a CT–PEPA II (zona norte de PEPA II). Aerogenerador ENNERA de 3,2 kW, con inversor propio de ENNERA y conectado a red mediante un cuadro de BT ubicado en caseta zona sur de PEPA II, alimentado desde CT–PEPA II. Aerogenerador SOLENER 3 kW, con regulador diseñado por el propio fabricante, bancada de baterías 48 Vdc e inversor monofásico XANTREX SW–3048E. Conectado en cuadro de BT ubicado en caseta junto a CT–PEPA II (zona norte de PEPA II). Parking fotovoltaico de 9,24 kW conectado a red mediante dos inversores INGECON SUN 5 monofásicos. Conectado en cuadro de BT de 400 A ubicado en PEPA III, alimentada desde CT–PEPA III por transformador de 50 kVA. Fotovoltaica en suelo 5 kW conectado a red mediante un inversor INGECON SUN 5 monofásico (ver detalle en la Figura 5). Conectado en cuadro de BT de 400 A ubicado en PEPA III, alimentada desde CT–PEPA III por transformador de 50 kVA. Figura 1112.- Fotovoltaica en suelo con inversor de 5 kW INGECON SUN monofásico Tejado fotovoltaico de 8,28 kW, conectado a red mediante un inversor INGECON SUN 10 trifásico (ver detalle en la Figura 6)Figura. Conectado en cuadro de BT ubicado en edificio E03, alimentado desde CT–2 E03. Figura 6.- a) Fotovoltaica en tejado; b) Inversor de 10 kW INGECON SUN trifásico Tejado fotovoltaico de 12 kW, conectado a red mediante un inversor INGECON SUN 10 trifásico (ver detalle en la Figura 7)Figura. Conectado en cuadro de BT ubicado en edificio E01, alimentado desde CT–SUB E01–Arfrisol. Figura 13.- Fotovoltaica en tejado con inversor de 10 kW INGECON SUN trifásico 34 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Mini–central hidráulica con turbina Pelton y generador asíncrono trifásico acoplado directamente al rodete de la turbina Pelton con una potencia eléctrica generada aproximada entre 60 kW y una tensión de salida 400 Vac trifásica a 50 Hz. Conectado a salida en BT en PEPA III. 3.5. Descripción del Almacenamiento Eléctrico A continuación se detallarán los almacenamientos de diferente tecnología que se disponen, separándolos en electroquímicos y cinéticos. 3.5.1. Almacenamiento electroquímico A continuación, se enumerarán los diferentes elementos electroquímicos disponibles, así como su ubicación: Bancada de baterías Pb–Ácido de 240 Vdc (C10=826 Ah, ver Figura 8). Con convertidor bidireccional AC–DC, para su posterior conexión a la bancada de baterías de 240 Vdc a red, ubicados en PEPA I. Se conectarán a cuadro interior de PEPA I, y directamente a transformador de 50 kVA. Figura 14.- Elementos de la bancada de baterías de PEPA I Bancada de baterías Pb–Ácido de 240 Vdc (C10=595 Ah). A la espera de instalación de convertidor bidireccional AC–DC, para su posterior conexión a la bancada de baterías de 240 Vdc a red, ubicado en caseta zona sur de PEPA II, alimentada desde CT–PEPA II. Instalación de bancada de baterías de Ion–Litio de 60 kW (2 racks de 31,36 kW). Ubicado en edificio LEVI que alimenta el CT–LEVI E07. Baterías Pb–Ácido de 48 V dc. Inversor/cargador Studer Xtender XTH 8000–48, de 8 kW, para su posterior conexión a la bancada de baterías de 48 Vdc a red. Se conectarán a cuadro interior de PEPA III, y directamente a transformador de 50 kVA. 3.5.2. Almacenamiento cinético Se propone aportar uno de los volantes de inercia desarrollados por CIEMAT para ser integrado en las pruebas en CEDER–CIEMAT, para lo cual es necesaria la adecuación del sistema a la red a la que se va a acoplar. Para ello se propone desarrollar el convertidor electrónico de conexión a red, la plataforma de control remota del sistema vía IP y la estrategia de operación conjunta con el resto de la red local. El dispositivo que está desarrollando CIEMAT tiene una potencia de 25 kW y autonomía a plena potencia 6 minutos (9 MJ). Adicionalmente se dispondrá un armario eléctrico para el convertidor de conexión a red, que incluirá un filtro LC para reducir el contenido armónico inyectado en la red. El conjunto final se muestra en la Figura 9Figura. La funcionalidad que se dará a este sistema de almacenamiento rápido consistirá en atender por un lado a las consignas que de potencia activa y reactiva dictadas por el sistema de control central en los espacios de tiempo en los que se realice regulación del sistema, mientras que de forma local realizará regulación de frecuencia y tensión en espacios cortos de tiempo, siempre que le sea posible. Igualmente se preparará el sistema para poder trabajar en isla manteniendo tensión y frecuencia en una zona de la red. 35 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 15.- Sistema de almacenamiento rápido de energía basado en volante de inercia 3.6. Sistema de Bombeo Mediante tubería diferente a la del turbinado, se plantea la posibilidad de bombear agua desde un depósito inferior hasta uno superior, mediante dos grupos SIHI motor–bomba series AKH 6100 (6103), potencia eléctrica 18,5 kW, conectado a salida en BT en PEPA III. Al disponer de un sistema de turbinado y bombeo, se podrá optimizar la energía, y además, emplear el grupo de bombeo como carga controlable. Tanto la turbina hidráulica como el sistema de bombeo estarán conectados a CT–PEPA III, a fin de poder obtener posibles pérdidas, se realizará una medida por medio de SM a la salida del feeder del CT, y se instalarán dos SMs más, uno para la turbina hidráulica y otro para el conjunto de dos bombas hidráulicas. 3.7. Otros Elementos Como elementos adicionales, se dispone en el centro de una instalación Baseline Surface Radiation Network (BSRN) junto a su datalogger. Además, hay instaladas diferentes torres meteorológicas distribuidas por diversas partes del centro. Las variables climáticas pueden ser interesantes para la monitorización on–line (información a los usuarios), así como para su tratamiento off–line, de cara al estudio de análisis de correlaciones entre ellas y la demanda/producción, y para emplearlas como variables de entrada en los modelos de predicción. En la Figura 10 se muestra un diagrama, donde aparecen dos estaciones (BSRN y climática) junto a sus dataloggers, y de manera desatendida se solicitará la información guardada por los loggers para su registro en base de datos. Figura 1617.- Diagrama de BSRN y estación climática 36 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Las variables que registran las estaciones BSRN son: radiación global, temperatura global, radiación difusa, temperatura difusa, radiación directa, temperatura directa, radiación UVA, temperatura infrarroja, radiación infrarroja y radiación UVB. El resto de variables las aportará la estación climática, siendo las de mayor relevancia: temperatura, velocidad de viento, dirección de viento, presión y humedad relativa. Volviendo a la Figura 10, “Database Server in CEDER” tiene instalado el gestor de base de datos PostgreSQL, con la finalidad de ir guardando la información procedente de las estaciones y poder hacer una estimación inicial del volumen necesario de almacenamiento. Las estaciones de las que se está solicitando la información, tratando e insertando en base de datos son: Estación BSRN ubicada en CEDER–CIEMAT: se solicita automáticamente la información del datalogger de manera diaria, se procesa la información generando un .CSV y se inserta en base de datos la misma. Estación climática ubicada en CEDER–CIEMAT: se solicita automáticamente la información del datalogger de manera diaria, se procesa la información generando un .CSV y se inserta en base de datos la misma. En la actualidad, la estación guarda la información horaria con valores diez–minutales de las medias de las variables, dicho de otra forma, en cada registro en base de datos se tienen 6 valores de temperatura (una por cada 10 minutos de la hora), máximo y mínimo de esa variable y la hora donde se ha producido, y así con todas sus variables. A continuación se explicarán los procesos existentes en “Application Server in CEDER”, que con independencia del servidor que los contenga, se “lanzan” de manera diaria por el programador de tareas del sistema operativo donde están ejecutándose. Los procesos en cuestión son los siguientes: DatosAESO1: lee los datos de la estación climática de CEDER–CIEMAT, desde su datalogger, y crea el fichero .CSV. El proceso se ejecuta diariamente desde el servidor, pidiendo la información del día inmediatamente anterior. Datos BSRN: lee los datos de la BSRN de CEDER–CIEMAT, desde su datalogger, y crea el fichero .CSV. El proceso se ejecuta diariamente desde el servidor, pidiendo la información del día inmediatamente anterior. red_estaciones: lee todos los ficheros .CSV de todas las estaciones anteriormente descritas, desde el último día introducido (cada vez que se inserta en base de datos un fichero de una estación, en una tabla se guarda el valor de dicho día, de esta manera, si por motivos técnicos este proceso fallara durante x días, al reestablecer su operatividad, insertaría todos los .CSV pendientes) e inserta los datos en la base de datos. En la Figura 11 podemos ver la estructura de la base de datos, destacando sus 8 tablas necesarias. En esta arquitectura faltan las tablas que realmente alberguen los datos de cada una de las estaciones, pero también está contemplado en el desarrollo final. Figura 1118.- Esquema de la base de datos en PostgreSQL 37 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 4. ESPECIFICACIÓN DE EQUIPAMIENTO, ELECTRÓNICA Y SOFTWARE A la hora de especificar el equipamiento electrónico se ha optado por contemplar una serie de requisitos generales que todo fabricante adopta con objeto de maximizar el retorno de su inversión en I+D: Se seguirá el criterio 80/20, esto es, se diseñará un equipamiento electrónico compacto que facilite la automatización del 80% de los CTs con dos líneas. Para el 20% restante, como por ejemplo, CT/reparto con más de tres líneas de media tensión, se abogará por una solución distribuida. En este punto es interesante recordar la tipología de CT que nos podemos encontrar: o Centros de transformación tipo I: Este tipo de CT son los más numerosos. Las celdas que nos encontramos son de tipo 2L1P o 3L1P. o Centros de transformación tipo II: este tipo de CT/reparto se encuentran en grandes urbes, y pueden constar de varias líneas (>3) y varios transformadores de potencia. La solución adoptada se basará en estándares abiertos, facilitando en todo momento la interoperabilidad. 4.1. Centros de transformación tipo I La Figura 12 representa todos los elementos necesarios para la automatización de un CT tipo I. NODO COMUNICACIONES NODO SUPERVISIÓN TRAFO (TRX) Línea MT NODO SUPERVISIÓN AUTOMATIZACIÓN MT (SRX) NODO SUPERVISIÓN BT CONCENTRADOR (CCT) NODO CALIDAD RED DISTRIBUCIÓN (QRX) Línea MT Líneas BT Figura 12.- CT Tipo 1 4.2. Equipamiento y especificaciones técnicas de los equipos Electrónica de control/supervisión/automatización: 38 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ o Nodo supervisión Tranformador. Este nodo tiene por objeto supervisar en todo momento el estado del transformador de potencia. Para ello, recogerá información directamente de las señales digitales/analógicas proporcionadas por el transformador de potencia. Esto no se va a implementar en el proyecto. o Nodo supervisión/automatización MT. Este nodo es el corazón del sistema. Aparte de realizar la supervisión general del centro de transformación (alarmas del CT), y la monitorización de las líneas de MT, también será el encargado de realizar las labores de automatización. Finalmente, este nodo incorpora la función de remota que permitirá al cc, tanto estar informado de las alarmas/estados de los activos del CT como actuar remotamente sobre dichos activos. o Nodo supervisión BT/Concentrador. Este nodo realizará dos funciones: La segunda función será la de supervisión de BT, por la cual podrá recibir órdenes del sistema de gestión de la medida para actuar sobre los usuarios conectados a BT. Nodo calidad de la red de distribución. Este nodo se encargará principalmente de realizar funciones de compensación de reactiva. Electrónica de comunicaciones: o La primera de ellas, y fundamental, será la de concentrar las medidas de todos los SMs instalados en la red de BT. También supervisará la BT, informando, al igual que el nodo de supervisión del transformador, de los principales eventos que ocurran. Electrónica de potencia : aunque la electrónica no se contempla como dentro del alcance del proyecto de MIRED–CON, sí se recoge en este apartado por su potencialidad futura para este tipo de soluciones: o Nodo de comunicaciones. La función del nodo de comunicaciones es doble, por una parte, deberá dotar de conectividad Wide Area Network (WAN) a todos los equipos del CT, siendo capaz de gestionar prioridades de acuerdo con los distintos tipos de tráficos cursados. Por otra parte, incorporará las funciones LAN que permitirán el establecimiento de una red Ethernet en el CT. Elementos captadores: o Elementos para la medición de corriente en las líneas de MT – Sensores convencionales ó sensores tipo Rogowsky. o Elementos para la medición de tensión en las líneas de MT – Divisores resistivos. o Medidores inteligentes monofásicos/trifásicos. 4.3. Protocolos de comunicación Tal y como hemos comentado, la interoperabilidad es un elemento clave. Por tanto, las decisiones que se adopten relativas a los protocolos de comunicaciones a usar para el intercambio de información, tanto entre los distintos nodos que podemos encontrar dentro de un centro de transformación, como entre nodos de distintos CTs o entre nodos y los sistemas centrales, deberán basarse en estándares abiertos. La Figura 13 representa todos los flujos de información anteriores, y propone una serie de protocolos de comunicaciones para los mismos. Será necesario analizar qué perfiles se adaptan mejor a los nuevos centros de transformación inteligentes y las instalaciones de DG que es necesario gestionar desde los mismos. Como vemos, entre los nodos de un mismo CT se propone usar el protocolo IEC 61850, principalmente el intercambio de mensajes GOOSE. Para el intercambio de información entre los nodos de supervisión/automatización de distintos CTs también se propone el uso del protocolo IEC61850. Para el intercambio de información con el cc se propone el uso del protocolo 104. 39 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Centro de Control IEC 870-5-104 Gestión de la Medida NODO SUPERVISIÓN AUTOMATIZACIÓN MT (SRX) IEC 61850 Ficheros xml IEC 61850 NODO SUPERVISIÓN TRAFO (TRX) NODO CALIDAD RED DISTRIBUCIÓN (QRX) NODO SUPERVISIÓN BT CONCENTRADOR (CCT) Figura 19.- Protocolo de comunicaciones para el sistema 4.4. Medidor inteligente monofásico y trifásico Con respecto a los SMs, podemos encontrarnos dos tipos de dispositivos en MIRED–CON: Contador “fiscal”: serán los dispositivos cuya misión sea únicamente el obtener las medidas eléctricas. Pueden estar asociados a un elemento consumidor o incluso generador. En este último caso, se entiende, que será un generador que no puede gestionarse y, por tanto, tan sólo puede trabajar en su punto de máxima potencia. Contador “gestionable”: serán los dispositivos que dispongan de una salida adicional, cuyo objetivo será el de enviar órdenes de operación a los elementos situados aguas debajo de los mismos (generador, almacenamiento o carga). Resulta de especial interés que el SM gestionable disponga de bidireccionalidad, esto es, que desde la inteligencia desplegada en los CTs se pueda interrogar la situación de los elementos gestionables. 4.4.1. Medidor inteligente monofásico Los SMs monofásicos están destinados a la medida de la energía de cliente con posibilidad de tele–gestión, es decir, con comunicación remota para funciones de lectura, gestión de energía, control de potencia, etc., a través de un módulo PLC integrado en el propio equipo. Las principales funciones básicas son: Funciones de medida. Acumulador de energías. Tarificador. Maxímetro. Sincronismo horario. Registro de sucesos. Auto–diagnóstico y vigilancia. 40 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 4.4.2. Medidor inteligente trifásico Los SMs trifásicos forman parte de una familia de equipos digitales que integran funciones de medida, registro y tarificación de energía. Se trata de un equipo basado en un Digital Signal Processor (DSP – Procesador Digital de Señales) para las funciones de integración de energía, tarificación, interfaz con el usuario y comunicaciones (locales y remotas). Las principales funciones básicas son: Funciones de medida. Acumulador de energías. Tarificador. Maxímetro. Registrador perfil de carga. Sincronismo horario. Registro de sucesos. Auto–diagnóstico y vigilancia. 5. CENTRO DE CONTROL Y ENERGY MANAGEMENT SYSTEM A continuación se describirán los procesos a realizar por el cc, así como el papel a desempeñar por el Energy Management System (EMS – Sistema de Gestión de la Energía). 5.1. Centro de control El cc será responsable de recoger la información de los DC, los cuales almacenarán la información registrada por los SMs. Una vez recopilados los datos, serán insertados en una base de datos, para su posterior tratamiento y representación en un sistema Software. El Software estará formado por un sistema SCADA y una base de daros que albergará información procedente de varias áreas (medida de los SMs principalmente, aunque se nutrirá de la base de datos de la medida meteorológica), para la gestión óptima de la ingente cantidad de información generada, y cuyo objetivo será “presentar” la información a los usuarios de las instalaciones y emplear los datos necesarios para los modelos de predicción y la toma de decisión. SCADA: este sistema monitorizará en tiempo real el estado de la red de MIRED–CON. Se comunicará con los nodos principales de supervisión/automatización de MT. Base de datos: principalmente integrará información de la medida procedente de los DCs de los CTs, los cuales almacenarán la información de los SMs. Otra base de datos dentro del mismo gestor de base de datos mantendrá las medidas de las estaciones climáticas desplegadas en CEDER–CIEMAT. Como ya se ha comentado, la base de datos tendrá como objetivo albergar la información procedente de los SMs y de las estaciones climáticas. Adicionalmente a la funcionalidad del SCADA, por medio de la anterior información se posibilitará las funciones de “Monitorización” y “Presentación” en MIRED–CON. Las anteriores funciones se pueden agrupar en tres grandes pilares: Información & Conocimiento de los usuarios finales. Por medio de la información mostrada a los usuarios de las instalaciones de CEDER–CIEMAT, se pretende conseguir un grado de conocimiento en torno a sus hábitos de consumo, e incluso la comprensión de la necesidad del uso racional de la energía y el aporte de las fuentes de generación distribuidas. Cumple con algunos de los objetivos que pretende Smart World (Hernández et al., 2012). Gestión Técnica. Este tipo de informes van encaminados a personal técnico, pudiendo mostrar los eventos sucedidos en los SM, para su control y mantenimiento. 41 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Gestión Administrativa. Estos interfaces Web serán empleados por los gestores de CEDER–CIEMAT, presentando reportes de facturación principalmente, asociados con las curvas de carga, identificados sus periodos y el comportamiento energético durante los mismos. El proceso de toma de datos de los SMs pasa por su petición a los concentradores de datos desplegados en los CTs desde el cc. Se trata de un proceso asíncrono, ya que hasta que el DC no obtiene toda la información necesaria, no envía el resultado de la consulta al cc. En este caso, el DC tiene instalado un cliente File Transfer Protocol (FTP), cuya finalidad será conectar con un servidor FTP y descargar la información almacenada en el DC. La información recogida para este proyecto como importante es la 1curva de carga y los resúmenes diarios registrados en cada SM. El objetivo final es almacenar dichos datos en una base de datos común para su posterior explotación por medio de las interfaces anteriormente comentadas. Para conseguir la inserción en base de datos, se dispondrá de una máquina Linux (el mismo equipo que tenga el servidor FTP), que en varias etapas realizará los siguientes procesos: Mediante un proceso automático, y con periodicidad diaria, el servidor conectará con la totalidad de DCs para descargarse los datos de los SMs. Una vez descargados los ficheros procedentes de los DCs, un nuevo proceso desarrollado en Python se encargará de insertar la información en una base de datos MySql. La estructura de tablas de la base de datos, así como los campos que la forman, pueden observarse en la Figura 14. Figura 20.- Diagrama Unified Modeling Language (UML) de la estructura de la base de datos para albergar los ficheros de los SMs 1 24 valores, uno por cada hora del día 42 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ De la Figura 14, se puede destacar como interesante lo siguiente: Con el atributo o campo meter_type de la tabla METERS, se podrá diferenciar los contadores fiscales de los gestionables. Dentro de estos últimos se podrá diferenciar entre generador, almacenamiento o carga. La tabla CUSTOMERS servirá para poder definir los CTs. De esta forma, varios SMs podrán pertenecer a un mismo CT. La tabla GROUPS servirá para poder crear las zonas existentes en CEDER–CIEMAT, las cuales serán: Arfrisol, Combustión, E03, LEVI, PEPA–I, PEPA–II y PEPA–III. 5.2. Energy Management System (EMS) El objetivo del EMS será gestionar la energía eléctrica del CEDER–CIEMAT atendiendo a los diferentes objetivos globales y locales: Mínimo consumo de la red. Minimización de pérdidas por distribución. Disminución de picos de potencia. Reducción de factura eléctrica. Su secuencia principal de funcionamiento se puede ver en la Figura 15 (García–Rodríguez et al., 2013a). EMS percibe el estado actual de la red y aplica las órdenes necesarias para regular la red y que satisfaga en la medida de lo posible los objetivos propuestos. Estas acciones acarrean cambios en la red, cuyo nuevo estado es percibido por el sistema haciendo que un nuevo ciclo vuelva a comenzar. Figura 21.- Esquema del EMS Los componentes principales del sistema EMS se muestran en la Figura 16. Consta de un primer módulo llamado EMaT (Energy Management Training Framework) cuya función es hallar la mejor configuración para la red atendiendo a diferentes objetivos a cumplir (mínima demanda posible, mínimas pérdidas, etc.). EMaT calculará, así, un conjunto de configuraciones óptimas para las distintas situaciones (perfiles) en las que pueda encontrarse la red. Estos perfiles se almacenan en forma de reglas en un catálogo que es consultado por el módulo EMF (Energy Managment Framework). Este segundo módulo se ocupa de gestionar el sistema y dar órdenes a los elementos controlables en función del Catálogo de Perfiles/reglas. Finalmente, existe un tercer componente, ViMaT, que se usará sólo para realizar pruebas en laboratorio. Su función es actuar como simulador para validar el sistema. 43 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 22.- Componentes de EMS: Energy Management Training Framework (EMaT), Energy Management Framework (EMF) y Virtual Machine Testing Framework (ViMaT) El objetivo de EMaT será el de crear reglas de decisión obtenidas de un Algoritmo de Optimización Multiobjetivo (AOM) en una etapa previa de aprendizaje/entrenamiento. El ser un algoritmo multi–objetivo es importante pues se corresponde con la intención de satisfacer varios objetivos, a veces contrapuestos. El AOM emplea algoritmos genéticos para la obtención de la solución óptima. La validez de las soluciones se determina usando el simulador de red eléctrica GRIDLAB–D. El módulo EMF se ocupa de la gestión automática de la red. Éste podrá tener acceso a los datos recogidos por los SMs de la red a través de sus concentradores de datos, accesibles desde cualquier CT (cada concentrador de datos tiene una IP asociada). Por tanto, EMF intentará identificar los diferentes perfiles y políticas de actuación posibles, tratando de tomar decisiones a nivel de red y actuando sobre aquellos elementos que sean gestionables. La clasificación de la situación actual de la red en un perfil concreto se realizará gracias a la visión global que cada elemento inteligente tenga del sistema. Por tanto, las funciones de EMF son: Identificación del perfil existente. Ejecución de las reglas de decisión mediante las órdenes oportunas. Asignar las órdenes a los nodos de transformación correspondientes. Es importante destacar que no existe un nodo líder, la toma de decisiones se realizará siempre de forma distribuida para que, de esta manera, las caídas de elementos no afecten al resto del sistema. Cada concentrador de datos dispondrá de un EMF cuyo esquema se muestra en la Figura 17. El EMF recibe información de todos los concentradores de datos y monitoriza la red a través de su componente Monitor. Además, también vigila las desviaciones y actúa en consecuencia generando señales de alarma si fuese necesario. El Monitor envía toda la información necesaria al componente de Decision. Este último, como su propio nombre indica, se ocupa de clasificar la situación actual en un perfil concreto. Si este perfil no se encontrase en el catálogo de reglas, se lanzaría el EMaT para hallar una solución a esta nueva situación. Tras la obtención de las reglas a aplicar, éstas son enviadas al Executor, el cual se ocupa de convertirlas en órdenes y de transmitirlas al elemento correspondiente. Por último se encuentra el módulo de ViMaT, cuyo objetivo será el de reproducir las condiciones de CEDER–CIEMAT. Estará formado por un conjunto de máquinas virtuales que simulen las limitaciones de memoria, de disco duro, de tiempo de espera y de coexistencia con otros servicios que se tendrán cuando se implemente en el Hardware de la electrónica de red desplegada en los CTs. Para evaluar la repercusión de las decisiones, tal y como ya se ha comentado, se empleará GRIDLAB–D. La simulación del sistema autónomo se puede encontrar en (García–Rodríguez et al., 2013b). 44 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 23.- Esquema del EMF 6. CONCLUSIONES El proyecto MIRED–CON pretende demostrar y potenciar la necesidad de la figura del “agregador”, así como posibilitar y gestionar la integración en redes de fuentes de origen renovable y almacenamiento, de manera distribuida, pero en lugares próximos a los consumos finales. Para conseguir lo anterior, se precisa un despliegue de sensórica con inteligencia asociada, por lo que se plantea una evolución de los nuevos dispositivos electrónicos integrados. La capa de comunicación jugará un papel primordial, ya que la transmisión de la medida, supervisión y control por medio de PLC en BT, basado en PRIME, se posiciona como la solución “last mile” de futuro. Además, dentro de estos nuevos escenarios, se necesita un sistema de información para la supervisión y operación de los dispositivos electrónicos integrados, y que permita el intercambio de información con el sistema de información del operador del sistema. AGRADECIMIENTOS Agradecimiento a CEDER–CIEMAT por facilitar los datos para el trabajo presentado. De la misma forma, transmitir nuestra gratitud a los socios del proyecto MIRED–CON (IPT–2012–0611–120000), financiado por la convocatoria INNPACTO 2012 del Ministerio de Economía y Competitividad del Gobierno de España. 45 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ REFERENCIAS BIBLIOGRÁFICAS Amjadi, N., Keynia, F., and Zareipour, H. (2010). Short-Term Load Forecasting of Microgrids by a New Bilevel Prediction Strategy. IEEE Transactions on Smart Grid, 1(3):286–291. Chen, C., Duan, S., Cai, T., and Liu, B. (2011). Optimal Allocation and Economic Analysis of Energy Storage System in Microgrids. IEEE Transactions on Power Electronics, 26(10):2762–2773. Chen, S.X., Gooi, H.B., and Wang, M.Q. (2012). Sizing of Energy Storage for Microgrids. IEEE Transactions on Smart Grid, 3(1):142–151. Fernández, G. Trujillo, M., Sanz, J.F., and Sallán, J. (2011). Spanish microgrids: current problems and future solutions. International Conference on Renewable Energies and Power Quality (ICREPQ’11), Las Palmas de Gran Canaria (Spain), pp. 13–15. García–Rodríguez, S., Cuartero–Soler, N., and Gómez–Sanz, J.J. (2013a). Smart Grid Control Interface Explanation. Video: Accedido 02/01/20014. http://grasia.fdi.ucm.es/energy/blog/2013/11/14/explaining-themicrogrid-simulation-environment/. García–Rodríguez, S., Cuartero–Soler, N., and Gómez–Sanz, J.J. (2013b). Autonomous Microgrid Simulation. Video: Accedido 02/01/20014. http://grasia.fdi.ucm.es/energy/blog/2013/11/08/autonomousmicrogrid-simulation/. Hernández, L., Baladrón, C., Aguiar, J.M., Calavia, L., Carro, B., Sánchez–Esguevillas, A., Cook, D.J., Chinarro, D., and Gómez, J.J. (2012). A Study of the Relationship between Weather Variables and Electric Power Demand inside a Smart Grid/Smart World Framework. Sensors, 12(9):11571–11591. Laaksonen, H.J. (2010). Protection Principles for Future Microgrids. IEEE Transactions on Power Electronics, 25(12):2910–2918. Lasseter, R.H. (2011). Smart Distribution: Coupled Microgrids. Proceedings of the IEEE, 99(6):1074– 1082. Liang, H., Choi, B.J., Zhuang, W., and Shen, X. (2012). Multiagent Coordination in Microgrids via Wireless Networks. IEEE Wireless Communications−Recent Advances in Wireless Technologies for Smart Grid, 19(3):14–22. Moreira, C.L., Resende, F.O., and Peas Lopes, J.A. (2007). Using Low Voltaje MicroGrids for Service Restoration. IEEE Transactions on Power Systems, 22(1):395–403. Tsikalakis, A.G. and Hatziargyriou, D. (2008). Centralized Control for Optimizing Microgrids Operation. IEEE Transactions on Energy Conversion, 23(1):241–248. Vaccaro, A., Popov, M., Villacci, D., and Terzija, V. (2011). An Integrated Framework for Smart Microgrids Modeling, Monitoring, Control, Communication, and Verification. Proceedings of the IEEE, 99(1):119–132. 46 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ ARQUITECTURA DE LOS SISTEMAS DE CONTROL Y COMUNICACIONES EN MICRORREDES ELÉCTRICAS INTELIGENTES 1: Redes Inteligentes/Medida Inteligente/Microrredes Miguel Castilla1, Jaume Miret2, José Matas3, Luis García de Vicuña4 (1) Universidad Politécnica de Cataluña, [email protected]; Coordinador de la Red iberoamericana de generación distribuida y microrredes eléctricas inteligentes de CYTED, www.rigmei.com (2) Universidad Politécnica de Cataluña, [email protected] (3) Universidad Politécnica de Cataluña, [email protected] (4) Universidad Politécnica de Cataluña, [email protected] RESUMEN La operación de las microrredes eléctricas depende en gran medida de las arquitecturas de los sistemas de control y comunicaciones utilizadas para la gestión de energía en estos sistemas de potencia Los convertidores de potencia, que interconectan la mayoría de fuentes de energía con las líneas de distribución de la microrred y se encargan de realizar el procesado de potencia con elevado rendimiento, disponen de sistemas de control y comunicaciones donde residen los algoritmos que se encargan de la correcta operación de la microrred. Este trabajo describe los sistemas de control y comunicaciones en microrredes eléctricas inteligentes con ayuda de un ejemplo de diseño. Se presentarán asimismo algunos resultados de simulación que muestran las prestaciones que se alcanzan con estos sistemas de potencia. Palabras clave: microrred, control, comunicaciones, convertidores de potencia. 1. MICRORRED ELÉCTRICA 1. En la Figura 1 podemos observar el esquema de la microrred considerada en este trabajo. Esta microrred contiene una conexión a la red eléctrica trifásica (GRID) a través del interruptor SG2 y la línea Z12. Además consta, por un lado, de tres inversores trifásicos (G4, G5 y G6) que inyectan energía eléctrica procedente de tres generadores. Estos inversores se implementan mediante un modelo promediado que permitirá simular tiempos de operación muy largos, como los que se consideran en este trabajo. Además, los lazos de control externos basados en el procesado de señales de baja frecuencia dominarán en el comportamiento del sistema por lo que el ruido producido por la conmutación no afectará a la gestión energética. 2. Por otro lado, la microrred alimenta a cuatro cargas locales L3, L4, L5 y L6, cuyos consumos se muestran en la Tabla 1. Además, el estudio considera líneas de distribución y transformadores de potencia que son modelados mediante las impedancias Z12, Z23, Z24, Z25 y Z56 (véanse los datos correspondientes en la Tabla 2). Asimismo, se utilizan unos interruptores (S3L, S44, S4L, S55, S5L, S66, S6L) para controlar los tiempos de conexión y desconexión de cada uno de los elementos principales desde el controlador centralizado de la microrred (uGCC). Este controlador es el responsable de la gestión energética del sistema e intercambia información con los generadores mediante comunicaciones bidireccionales. Para esta comunicación es suficiente con disponer de un sistema con reducido ancho de banda. Se ha elegido una frecuencia de muestreo de un segundo para intercambiar información entre estos elementos. 47 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Tensiones frecuencias 1.05 50.2 1s 50.1 50 1 f (Hz) V (pu) 49.9 0.95 49.8 49.7 0.9 49.6 49.5 0.85 0 5 10 15 0 t (s) 5 10 15 t (s) 3. Figura 24.- Microrred eléctrica considerada en este trabajo 4. Tabla 1.- Consumo de las cargas locales CARGA LOCAL POTENCIA ACTIVA POTENCIA REACTIVA L3 440 kW 0 L4 500 kW 340 kWAr L5 240 kW 180 kWAr L6 414 kW 280 kWAr 5. Tabla 2.- Impedancias entre los elementos de la microrred IMPEDANCIA RESISTIVA INDUCTIVA Z12 3.0 mΩ 14.7 µH Z23 2.9 mΩ 46.7 µH Z24 7.8 mΩ 50.1 µH Z25 1.3 mΩ 28.0 µH Z26 8.8 mΩ 13.0 µH 6. 7. 8. Por último, para evitar posibles roturas de componentes en un caso realista se ha introducido en paralelo a todas las cargas locales una resistencia con un valor de Rd=1Ω con un interruptor excitado por la señal de puerta negada del propio interruptor de su rama. Estos circuitos añaden una vía de escape para la energía contenida en la inductancia de la carga al abrirse el interruptor de su rama. 48 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 2. CONTROL PRIMARIO 9. El control de la microrred se puede dividir en niveles jerárquicos (Vásquez et al., 2010). En su globalidad se trata de un sistema de control distribuido, en cual se ubicará en los controladores de los convertidores de potencia de los generadores así como en el controlador centralizado de la microrred (Guerrero et al., 2011). En este apartado y en los siguientes se describirán los diferentes niveles del control jerárquico. 10. El control primario se encarga de suministrar la potencia activa y reactiva solicitada por las cargas locales. Se trata de un control local, ubicado en cada generador, y que actúa sin necesidad del sistema de comunicaciones. En otras palabras, este nivel de control utiliza información local para realizar el reparto de potencias. Este hecho dota al sistema de una elevada robustez y fiabilidad. En situaciones de emergencia, cuando el sistema de comunicaciones no actúe correctamente, el suministro de potencia a las cargas locales puede realizarse sin problema. El mecanismo que se utiliza para realizar este reparto está basado en el método de la pendiente (Guerrero et al., 2004). En este método, la frecuencia f y amplitud V de la tensión del generador se fijan a partir de unas referencias internas (fref, m y Po; Vref, n y Qo) y unas medidas locales de potencia activa P y reactiva Q: 11. f f ref m (P Po ) (1) 12. V Vref n (Q Qo ) (2) 13. Las pendientes m y n fijan el reparto de potencia activa y reactiva entregado por cada generador. Además se suele elegir fref = 50 Hz y Vref = 230 Vrms. En el control primario se escogen Po = 0 y Qo = 0. Estas dos últimas referencias jugarán un papel importante en el control terciario, pero en el primario no utilizan. 14. La Figura 2 muestra gráficamente el principio de operación del método de la pendiente. En la parte superior de la figura se observa como se reparten las potencias activa y reactiva cuando las pendientes son iguales en todos los generadores (para simplificar la discusión se han considerado únicamente dos generadores activos). Como puede observarse en la figura, las potencias activas coinciden ya que la frecuencia es una variable global del sistema de potencia. En otras palabras, en equilibrio solo puede haber una frecuencia en el sistema (Guerrero et al., 2005). Por otra parte, se observa un error en la repartición de potencia reactiva cuando las pendientes n son iguales, ya que la tensión es una variable local. Es decir, la tensión presenta pequeñas diferencias en la salida de cada generador (Guerrero et al., 2006). 15. En la parte inferior de la Figura 2 se muestra como se puede realizar una repartición de potencia adecuada para suministrar la potencia necesaria a cada carga local al elegir los valores de las pendientes m y n diferentes para cada generador. En concreto, para el ejemplo de diseño que se ha considerado en este estudio, los valores de estas pendientes se listan en la Tabla 3. 16. El método de la pendiente presentado con anterioridad es fundamental en la operación del sistema de potencia en régimen estacionario. En régimen transitorio, el comportamiento del sistema sin embargo puede no ser el deseado (Guerrero et al., 2007). Por ejemplo, al conectarse uno de los generadores de la microrred puede producirse una respuesta transitoria muy brusca con entregas instantáneas de potencia muy elevadas. Este hecho se debe a que la impedancia que ve el generador a su salida es tremendamente pequeña. Una manera práctica de solucionar este problema es programar una impedancia de salida virtual en el generador (Guerrero et al., 2009). En el momento de conexión esta impedancia debe ser muy elevada frenando la entrega de potencia. Este primer intervalo en el que no se entrega potencia, se utiliza para medir el estado de la tensión a la salida del generador y prepararse para realizar una transición suave. A medida que la impedancia virtual se va reduciendo, entonces se inicia la entrega de potencia por parte de este generador. La forma típica de programar la impedancia virtual es generando una tensión de salida v según la siguiente expresión: 17. v vref Zv io (3) 18. donde vref es la tensión de referencia implementada a partir de (1) y (2), Zv es la impedancia virtual y io es la corriente de salida. Además se desea que la impedancia virtual presente un comportamiento dominantemente inductivo. En (Guerrero et al., 2009) se demuestra que esta implementación soluciona el problema de controlabilidad que se presenta cuando la impedancia de salida es puramente resistiva. 49 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 19. 20. Figura 2.- Control de frecuencia y amplitud mediante el método de la pendiente Tabla 3.- Diseño de los parámetros m y n de cada generador GENERADOR PARÁMETRO m PARÁMETRO n G4 4.8 µH/W 53.1 µV/VAr G5 10 µH/W 100 µV/VAr G6 5.8 µH/W 64.3 µV/VAr 21. 22. 23. La Figura 3 muestra los primeros resultados de simulación de la microrred con las especificaciones detalladas en las Tablas 1, 2 y 3. Con estos resultados se pretende evaluar el correcto funcionamiento del control primario. Cabe recalcar que para la obtención de estos resultados se ha considerado que la red se encontrará permanentemente desconectada (SG2 abierto), debido a que todavía no se han implementado los lazos de control necesarios para que la red se encuentre entregando potencia a las cargas locales en colaboración con los generadores G4, G5 y G6. 24. Para facilitar la interpretación de los resultados mostrados en la Figura 3 (y en las siguientes figuras con resultados de simulación) se ha optado por utilizar siempre los mismos colores para identificar las señales de los elementos de la microrred. En concreto, en azul se muestran las señales correspondientes al generador G5 y carga local L5, en rojo las señales del generador G6 y carga L6, en magenta las señales del generador G4 y carga L4. Además las señales de los generadores muestran un trazo continuo, mientras que las cargas tienen un trazo discontinua. Por último la red eléctrica GRID tiene sus señales en negro y la carga local L3 en negro con trazo discontinuo. 25. Puede observarse en la Figura 3 como al inicio de la simulación se conectan a la microrred únicamente la fuente G5 y su carga local L5. Nótese como el generador alimenta a su carga con algo más de 200kW, por lo que se produce una correcta alimentación de la carga local. 50 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 26. Figura 3.- Resultados de simulación: Control primario 27. A los 10 segundos se conectan a la microrred el generador G6 y su carga local L6. Se puede observar el correcto funcionamiento del sistema, ya que cada generador entrega la potencia activa y reactiva requerida por su carga local. Esta estrategia de alimentación reduce la circulación de potencia en la microrred, por lo que se minimizan las pérdidas de transporte en el sistema. 28. Lo mismo sucede en el segundo 20, en el que se conectan el generador G4 y su carga local L4. En la Figura 3 se observa como la potencia entregada por cada inversor es la misma que la absorbida por su carga local. Sin embargo, aunque las potencias activas se ajustan a los valores deseados en régimen estacionario, las potencias reactivas tienen un pequeño error respecto al valor deseado. Este hecho se debe a la relación entre la tensión y la potencia reactiva en el método de la pendiente y al hecho de que la tensión es una variable local en la microrred, es decir, no tiene el mismo valor en todos los puntos de la microrred debido a las diferentes impedancias de línea. 29. A los 30 segundos se conecta la carga L3 y los tres generadores aumentan proporcionalmente su entrega de potencia para alimentar esta carga que no dispone de generador local (véase la Figura 1). Al ser L3 una carga puramente resistiva no aumenta significativamente la potencia reactiva entregada por los inversores, aunque si se produce una pequeña variación debida a la impedancia de línea Z23. De la misma manera, a partir del segundo 40 podemos observar el correcto comportamiento del sistema ante las desconexiones en secuencia de sus generadores. 30. También en la Figura 3 se puede observar la acción del método de la pendiente en la frecuencia y amplitud de la tensión de cada generador. Se puede observar como la acción de control produce una desviación en las frecuencias y tensiones de los generadores respecto a sus valores nominales. Hasta el segundo 20 y a partir del segundo 45 se ve como algunos inversores tienen tensión y frecuencia nominales sin sufrir 51 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ variaciones debido a que se encuentran desconectados (interruptor abierto) y, por tanto, no actúan entregan potencia a la microrred. 3. CONTROL SECUNDARIO 31. El control primario introduce un error en régimen estacionario en la frecuencia y amplitud de la tensión de la microrred. Este error puede apreciarse claramente en el ejemplo mostrado en la Figura 3. El control secundario tiene como misión eliminar este error y permitir a la frecuencia y tensión alcanzar sus valores nominales (50 Hz y 230 V). El control secundario es un control centralizado, que se implementa en el uGCC (Vásquez et al., 2010). Se trata de un regulador proporcional-integral, que calcula unas desviaciones de frecuencia y tensión, que son enviadas al controlador local de cada generador una vez cada segundo (Guerrero et al, 2011): 32. f (t ) k pf ( f ref f 2 ) kif ( f ref f 2 ) dt (4) 33. V (t ) k pv (Vref V2 ) kiv (Vref V2 ) dt (5) 34. El control secundario modifica las expresiones (1) y (2) de la siguiente forma: 35. f (kTS ) f ref m (P Po ) f (kTS ) (6) 36. V (kTS ) Vref n (Q Qo ) V (kTS ) (7) 37. Obsérvese que, por una parte, (4) y (5) son expresiones continuas en el tiempo. Estas desviaciones se calculan únicamente en el controlador centralizado de la microrred. Además se utiliza la frecuencia y amplitud de la tensión en el nodo 2, es decir, el punto en el que la microrred se conecta a la red eléctrica comercial. Por otra parte, (6) y (7) son expresiones discretas en el tiempo. El controlador local de cada generador utiliza estas expresiones para implementar el método de la pendiente (control primario) y, además, corregir sus desviaciones (control secundario). Nótese como el control secundario requiere del sistema de comunicaciones de la microrred para informar de las correcciones en el control necesarias para eliminar los errores de régimen estacionario. 38. Otro aspecto interesante en el control jerárquico es que la operación de los distintos niveles debe actuar de forma desacoplada. Esto se consigue diseñando los controles con diferente ancho de banda, de manera que los tiempos de respuesta sean diferentes. Como regla general, el control primario será rápido, con un tiempo de respuesta típico de entre 3 y 6 segundos. Esto puede verse claramente en los resultados mostrados en la Figura 3. El control secundario debe ser más lento. Su ancho de banda debe ser al menos una década inferior. Por tanto, su tiempo de respuesta típico se espera entre 30 y 60 segundos. Este tiempo de respuesta se fija diseñando convenientemente las ganancias de los términos proporcional-integral introducidos en (4) y (5). 39. La Figura 4 muestra los resultados del control secundario. De la misma manera que en el apartado anterior se realizará una conexión progresiva de los elementos de la microrred. Posteriormente, a partir del segundo 25 se esperará el tiempo suficiente como para comprobar que la acción del control secundario lleva las tensiones y las frecuencias a estado estacionario. En la gráfica de las frecuencias se muestran los valores de la ecuación (6) para cada generador. Se puede observar claramente los pequeños escalones producidos por el envío de datos a los controladores locales una vez cada segundo. 40. Inicialmente podemos observar que la frecuencia de la señal de la fuente G5 (azul) tiene una tendencia ascendente hacia los 50Hz. Una vez se conecta la fuente G6 (rojo) ambas frecuencias descienden ligeramente debido al aumento de carga a alimentar, pero rápidamente tienden conjuntamente a ascender hacia el valor nominal. A los 15 segundos se conectan la fuente G4 con su carga local y a los 25 segundos la carga resistiva, produciendo el mismo efecto. Una vez en el segundo 25 se muestra como las tres frecuencias conjunta y progresivamente llegan al estado estacionario alrededor del segundo 60, alcanzando los 50Hz. Nótese como, en los primeros segundos de simulación, la frecuencia de las fuentes no conectadas tiende hacia un valor superior al deseado. Esto es debido a que el control secundario actúa en todos los generadores, tanto los que se encuentran activos como los inactivos. Ese hecho (aumento de la frecuencia por encima de su valor nominal) no produce ningún efecto indeseado ya que tiene lugar en los generadores que no se encuentran conectados a la microrred. 52 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 41. Un efecto similar puede observarse en la gráfica de las tensiones. Sin embargo, en esta gráfica las tensiones presentan errores en régimen estacionario de distinto valor. Esto se debe a que la tensión es una variable local en el sistema, a que existe una caída de tensión en las impedancias de línea y a que el lazo secundario ha sido apli- 42. Figura 4.- Resultados de simulación: Control secundario 43. 44. 45. do para que el error de la tensión tienda a cero en el nodo 2. Obsérvese que la gráfica muestra las tensiones en los nodos 3, 4, 5 y 6. Aunque no se ha mostrado en la figura, el error en el nodo 2 en régimen estacionario es nulo. 46. 4. CONTROL TERCIARIO 47. La misión del control terciario consiste en gestionar los flujos de potencia entre la microrred y la red eléctrica (Guerrero et al., 2011). Los niveles de control primario y secundario dotan a la microrred de la capacidad de operar de forma aislada. Si se desea conectar la microrred con la red eléctrica se debe sincronizar las tensiones a los dos lados del interruptor SG2 antes de realizar la conexión. La microrred tiene control sobre la tensión en el nodo 2 mientras que la tensión del nodo 1 viene impuesta por la red eléctrica. Para sincronizar estas tensiones, el control terciario hace uso de un lazo de seguimiento de fase. Este sistema de sincronización se implementará en el controlador centralizado uGCC y su salida se comunicará a los controladores locales de los generadores con un tiempo de muestreo de 1 segundo. 48. La Figura 5 muestra el diagrama de bloques del lazo de seguimiento de fase. Se miden las tensiones en ambos extremos del interruptor SG2 y se realiza el producto cruzado de ambas tensiones (V Sαβ y Vαβ). El resultado es procesado por la función de transferencia Gc(s), que implementa un filtro pasa bajos (para extraer el nivel de continua y eliminar armónicos) en cascada con un término integral (que elimina el error en 53 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ régimen estacionario). El resultado que se obtiene es la desviación de fase necesaria para conseguir que las tensiones en ambos lados del interruptor se encuentren en fase en régimen estacionario. Las expresiones (8) y (9) muestran el cálculo de las señales más significativas de este lazo de control. Aph VS V V VS 49. 50. (8) Figura 5.- Lazo de seguimiento de fase 51. 52. 53. Gc(s) 0.025 s (s 125.7) (8) 54. Otro aspecto importante a tener en cuenta en el control terciario es que la tensión en el nodo 2 viene fijada por la tensión de red una vez que el interruptor SG2 se ha cerrado. Esto hace que el control secundario deba ser desconectado en el momento de transición de la microrred de modo isla a modo conexión a red (Rocabert et al., 2012). Además, el controlador centralizado uGCC debe enviar consignas de potencia activa Po y reactiva Qo a los controladores locales de todos los generadores. En definitiva, las ecuaciones utilizadas durante la conexión a red serán (1) y (2) en vez de (6) y (7). 55. La Figura 6 muestra los resultados del control terciario. La microrred opera en modo isla hasta el segundo 100, momento en el que se cierra el interruptor SG2 y por tanto se conecta la red eléctrica a la microrred. En el momento de la conexión a red, el uGCC envía a los inversores consignas de Po y Qo con el valor de potencia que cada generador se encontraba entregando hasta ese momento (con el fin de realizar una transición suave entre los modos de operación). A partir del segundo 100, estas consignas son modificadas como muestra la figura, lo que permite observar la posibilidad de controlar el flujo de potencias entre la red y la microrred. 56. Un aspecto no resuelto todavía es el pico de potencia activa y reactiva que entrega momentáneamente la red eléctrica en el momento que el interruptor SG2 se cierra. Se ha comprobado que el lazo de seguimiento de fase funciona correctamente, por lo que este pico se atribuye a la imposibilidad de programar una impedancia virtual en la microrred que suavice la transición entre los modos de operación en isla y de conexión a red. Después de este pico inicial, la entrega de potencia de la red retorna a 0, ya que las consignas enviadas a los generadores coinciden en ese momento con las potencias que estaban entregando. 57. A partir de este momento, la entrega de potencia activa por parte de la red va aumentando en función del perfil que se ha elegido para las consignas de los generadores. Asimismo se puede observar las pequeñas variaciones que se obtienen en las potencias reactivas debidas a las variaciones de las tensiones a la 54 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ salida de los generadores (ya que las consignas de potencia reactiva se han elegido constantes para simplificar el estudio). 58. Por último señalar que las frecuencias de los generadores coinciden con la frecuencia nominal del sistema (50 Hz). Este hecho muestra el carácter dominante de la red eléctrica. Asimismo se observa una disminución de las tensiones a la salida de los generadores. Esto se debe al cambio del sentido del flujo de las potencias. Sin conexión a red, los generadores alimentaban a sus cargas locales y colaboraban en el suministro de la carga L3 (la que no tiene generador local). Con conexión a red, la red suministra la mayor parte de la carga del sistema, por lo que se produce una caída de tensión en las impedancias de las líneas de distribución de la microrred. 59. 60. 61. Figura 6.- Resultados de simulación: Control terciario 5. CONCLUSIONES 62. Este trabajo ha presentado la arquitectura de los sistemas de control y comunicaciones necesaria para el correcto funcionamiento de las microrredes eléctricas inteligentes, tanto en los diferentes modos de operación (isla y conexión a red) como durante la transición entre ellos. Como líneas generales cabe destacar que, por un lado, el control se divide en niveles jerárquicos, que se caracterizan por realizar distintas funciones de control (suministro del consumo de las cargas, conexión y desconexión suave de los generadores a través de la programación de su impedancia de salida virtual, eliminación del error en régimen estacionario en la frecuencia y amplitud de las tensiones de los generadores, sincronización de la tensión de la microrred con la tensión de la red eléctrica). Además es importante señalar que los niveles jerárquicos disponen de diferentes tiempos de respuesta para eliminar posibles interacciones en su funcionamiento. Como regla general, el tiempo de respuesta se hace más lenta al subir de nivel jerárquico (del primario al secundario, y de este al terciario). Por otro lado, el sistema de comunicaciones es de bajo ancho de banda, lo que simplificará su diseño y realización práctica y reducirá su coste. 55 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 63. Se han presentado resultados de simulación que muestran las características y prestaciones del sistema. Se han ensayado los niveles jerárquicos del control y el sistema de comunicaciones y se ha demostrado que la microrred opera correctamente en diferentes escenarios (modo en isla y conexión a red) y en múltiples situaciones de conexión y desconexión de sus elementos (generadores y cargas). Se puede concluir que el sistema de control y comunicaciones presentado dota al sistema de gran flexibilidad y robustez. 64. El trabajo, finalmente, ha mostrado una línea de investigación abierta en la transición suave de la microrred del modo isla al modo de conexión a red. Los picos instantáneos de potencia suministrada por la red en el momento de cierre del interruptor SG2 deben ser eliminados con alguna técnica de control. Este es un campo de investigación abierto que debe abordarse en futuros trabajos. AGRADECIMIENTOS 65. Este trabajo ha sido subvencionado por el programa CYTED con referencia 713RT0475 Red ibero-americana de generación distribuida y microrredes eléctricas inteligentes. 66. 67. REFERENCIAS BIBLIOGRÁFICAS Guerrero, J.M., Garcia de Vicuña, L., Matas, J., Castilla, M. y Miret, J. (2004): A wireless controller to enhance dynamic performance of parallel inverters in distributed generation systems. IEEE Transactions on Power Electronics, 19 (5): 1205-1213. Guerrero, J.M., Garcia de Vicuña, L., Matas, J., Castilla, M. y Miret, J. (2005): Output impedance design of parallel-connected UPS inverters with wireless load-sharing control. IEEE Transactions on Industrial Electronics, 52 (4): 1126-1135. Guerrero, J.M., Matas, J., Garcia de Vicuña, L., Castilla, M. y Miret, J. (2006): Wireless-control strategy for parallel operation of distributed-generation inverters. IEEE Transactions on Industrial Electronics, 53 (5): 1461-1470. Guerrero, J.M., Matas, J., Garcia de Vicuña, L., Castilla, M. y Miret, J. (2007): Decentralized control for parallel operation of distributed generation inverters using resistive output impedance. IEEE Transactions on Industrial Electronics, 54 (2): 994-1004. Guerrero, J.M., Vasquez, J.C., Matas, J., Castilla, M. y Garcia de Vicuña, L. (2009): Control strategy for flexible microgrid based on parallel line-interactive UPS systems. IEEE Transactions on Industrial Electronics, 56 (3): 726-736. Vasquez, J.C., Guerrero, J.M., Miret, J., Castilla, M. y Garcia de Vicuña, L. (2010): Hierarchical control of intelligent microgrids. IEEE Industrial Electronics Magazine, 4 (4): pp. 23-29. Guerrero, J.M., Vasquez, J.C., Matas, J., Garcia de Vicuña, L. y Castilla, M. (2011): Hierarchical control of droop-controlled AC and DC microgrids – A general approach towards standardization. IEEE Transactions on Industrial Electronics, 58 (1): 158-172. Rocabert, J., Luna, A., Blaabjerg, F. y Rodriguez, P. (2012): Control of power converters in AC microgrids. IEEE Transactions on Power Electronics, 27 (11): 4734-4749. 56 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ SMART ENERGY INTEGRATION LAB (SEIL): TECNOLOGÍA PHIL APLICADA AL ESTUDIO DE LAS MICRORREDES Redes Inteligentes/Medida Inteligente/Microrredes Francisco Huerta1, Milan Prodanovic2, Jorn Gruber3 y Pablo Matatagui4 (1) Instituto IMDEA Energía, Móstoles, España. [email protected] (2) Instituto IMDEA Energía, Móstoles, España. [email protected] (3) Instituto IMDEA Energía, Móstoles, España. [email protected] (4) Instituto IMDEA Energía, Móstoles, España. [email protected] RESUMEN La integración en la red eléctrica de los recursos energéticos distribuidos (Distributed Energy Resources —DER) ha sido durante los últimos años una línea de investigación popular dentro del campo de la ingeniería eléctrica. Generalmente, la verificación y evaluación experimental de las estrategias de control y los interfaces de potencia suponen una fuerte inversión económica, pero también de tiempo y esfuerzo. Es aquí donde los sistemas power-hardware-in-theloop (PHIL) juegan un papel fundamental, acelerando el diseño y la evaluación. Este artículo presenta un laboratorio de microrredes basado en tecnología PHIL: Smart Energy Integration Lab (SEIL). SEIL fue diseñado para el estudio de la integración de los DER en la red eléctrica, poniendo especial hincapié en la respuesta dinámica de los sistemas y el despacho energético. Este laboratorio está equipado con un sistema de distribución AC automatizado, convertidores de potencia, bancos de cargas, un sistema de baterías y sistemas para control y adquisición de datos en tiempo real, que permiten trabajar de forma simultánea con varias microrredes y elementos conectados a estas. Se han desarrollado dos experimentos para demostrar la funcionalidad del laboratorio: un escenario de despacho de energía en una pequeña microrred y el funcionamiento de una turbina eólica conectada a la red. Palabras clave: power-hardware-in-the-loop, microrred, emulación, tiempo real, integración a red. 1. INTRODUCCIÓN Las técnicas de simulación hardware-in-the-loop (HIL) combinan elementos hardware y modelos computacionales formando un lazo cerrado de simulación, donde un sistema de tiempo real (STR) ejecuta los diferentes algoritmos de control y se encarga de la aplicación de las diversas acciones de control sobre el sistema físico, mientras que, al mismo tiempo, proporciona al usuario acceso directo a los diferentes parámetros y medidas en el sistema emulado —tanto hardware, como software—. Uno de los principales atractivos que este tipo de entornos posee es la combinación de la flexibilidad de las simulaciones con el uso de dispositivos reales. La posibilidad de testear equipos o estrategias de control bajo condiciones de funcionamiento reales es una poderosa herramienta de evaluación que los diseñadores pueden emplear para pasar rápidamente de las fases de diseño iniciales al prototipo. En el campo de la integración a red de los sistemas de energías renovables, la aplicación del concepto HIL puede suponer un factor clave para superar ciertos óbices tecnológicos, pues ayuda a llevar a cabo, de forma factible, estudios de viabilidad de la integración a red de múltiples sistemas de generación, mediante la aplicación de diferentes escenarios y eventos. Al mismo tiempo, la técnica HIL permite la evaluación de sistemas de control mediante el uso de flujos de información realistas. Aunque la técnica HIL ha sido ampliamente empleada en campos tales como el sector del automóvil o la industria aeroespacial, su aplicación en los sistemas de electrónica de potencia ha empezado a ser relevante 57 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ únicamente durante la década pasada, que dio lugar al concepto adicional de power-hardware-in-the-loop (PHIL). Son varios los trabajos sobre la aplicación de técnicas HIL en el campo de la electrónica de potencia (Lian y Lehn, 2005; Steurer et al., 2010), algunos de los cuales hacen hincapié en analizar la integración a red (Ivanovic et al., 2012); sin embargo, la mayoría de las propuestas están encaminadas a testear los dispositivos en entornos donde la red es simulada (Kotsampopoulos et al., 2012). Los bancos de pruebas de microrredes resultan ser entornos significativamente útiles para el estudio de la integración a red de los DER. Existen un buen número de ejemplos registrados en la literatura científica que recorren un espectro que va desde laboratorios diseñados como plataforma experimental (Anaya-Lara, 2013; Barnes et al., 2005; Cornforth et al., 2011; Gil de Muro et al., 2009; Lasseter et al., 2011; Milo et al., 2009; Ostergaard et al., 2012; Román-Barri et al., 2010; Strasser et al., 2013) a microrredes piloto o que ya prestan servicio (Planas et al., 2013; Washorm et al., 2013). Mediante la combinación de las técnicas PHIL con los avanzados sistemas de computación basados en tiempo real se incrementa significativamente la flexibilidad de estos sistemas, lo que permite analizar la respuesta dinámica de redes, microrredes y DER bajo condiciones de funcionamiento muy específicas, que de otra manera podría ser difícil —o excesivamente costoso— de reproducir en un entorno de pruebas. Este artículo presenta un entorno de pruebas de microrredes basado en tecnología PHIL: el Smart Energy Integration Lab (SEIL). El sistema propuesto consta de un sistema matricial de distribución trifásico de corriente alterna (CA), que permite la configuración de hasta 5 microrredes aisladas o conectadas a la red eléctrica principal. A este sistema se pueden conectar de forma flexible y automatizada varios convertidores electrónicos de potencia, bancos de cargas pasivas y un sistema de almacenamiento basado en baterías de ion litio. El control en tiempo real del sistema se realiza mediante una estructura de control jerárquica basada en STR y sistemas de control industriales empotrados. El sistema permite la emulación de DER, llevar a cabo estudios de integración a red, la recreación de escenarios y eventos en las redes eléctricas de distribución y, en general, el desarrollo de estrategias de control aplicadas a las microrredes. La organización del artículo se estructura en dos apartados principales. El siguiente apartado describe el entorno de pruebas PHIL y la metodología de diseño que lleva implícita. A continuación, en el apartado 3 se demuestra la funcionalidad y versatilidad de la plataforma de pruebas mediante la implementación de dos casos experimentales: un escenario de despacho de energía y la emulación de la integración a red de una turbina eólica. El artículo finaliza compilando las principales características y aplicaciones del laboratorio de pruebas. 2. SMART ENERGY INTEGRATION LAB (SEIL) El Smart Energy Integration Lab (SEIL), mostrado en la Figura 1, es un entorno de pruebas de microrredes basado en tecnología PHIL, que permite llevar a cabo emulaciones en tiempo real. SEIL está compuesto por diversos elementos distribuidos en dos grupos principales: el sistema de potencia, que está formado por convertidores de electrónica de potencia, un sistema de almacenamiento basado en baterías ion litio, cargas y un sistema de interconexión configurable; y el sistema de control, formado principalmente por ordenadores industriales de tiempo real —los STR— y un sistema Supervisory Control and Data Acquisition (SCADA), basado en tecnología de National Instruments®. Las siguientes dos subsecciones entran en detalle sobre dichos grupos de sistemas. Una tercera subsección presenta y analiza la metodología de diseño inherente a SEIL. 2.1 Sistema de Potencia En la Figura 2 se muestra un esquema del entorno de pruebas SEIL. El sistema de potencia está compuesto por: 4 convertidores de electrónica de potencia CA/CC de 15 kVA. 2 convertidores de electrónica de potencia CA/CC de 75 kVA. 1 convertidor de electrónica de potencia CC/CC de 90 kW. 58 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Sistema de baterías de ion litio con una energía de 47,5 kWh. Carga pasiva trifásica balanceada y programable de 30 kW. Carga pasiva trifásica desbalanceada y programable de 30 kW —10 kW por fase—. Sistema de distribución matricial CA trifásico configurable. Figura 25.- Entorno de pruebas Smart Energy Integration Lab (SEIL). Figura 26.- Sistema de potencia del SEIL. Los convertidores están basados en la topología de convertidores en fuente de tensión (Voltage-source converter —VSC) de dos niveles y han sido construidos por la compañía belga Triphase® (Triphase, 2014). Cada convertidor viene equipado con un rectificador trifásico no controlado auxiliar y un transformador elevador configurable, que dotan al sistema con la posibilidad de trabajar con tensión del bus CC constante, para así emular el comportamiento de una fuente de generación de potencia. La salida CA de los convertidores puede ser configurada para emplear un filtro LC o LCL. Asimismo, los convertidores han sido armados como pares en cada armario, de forma que es posible configurarlos para trabajar como topología back-to-back (Carlsson, 1998). El sistema de baterías de ion litio está formado por 144 celdas de 3,3 V. El equipo integra un sistema de gestión de la batería (Battery Management System —BMS) con interfaz bus CAN. El sistema de baterías se puede integrar en la microrred CA empleando la combinación del convertidor CC/CC de 90 kW y uno de los convertidores CA/CC de 75 kVA. 59 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ El sistema de distribución CA configurable está formado por un bus principal, consistente en cuatro embarrados de cobre, que puede alimentar 5 buses trifásicos auxiliares, tal y como muestra el esquema representado en la Figura 3. Los convertidores y las cargas se conectan a estos embarrados auxiliares, lo que permite emular hasta cinco microrredes aisladas o conectadas a la red eléctrica principal. El sistema es gestionado mediante dos NI CompactRIOTM que actúan como sistema SCADA. Figura 27.- Esquema del sistema de distribución CA configurable de SEIL. 2.2. Sistema de Control El sistema de control está organizado como una estructura jerárquica de dos niveles, cuyo diagrama es mostrado en la Figura 4, y está compuesto por los siguientes recursos: 4 STR basados en ordenadores industriales Nexcom® NISE 6140 y sistema operativo basado en un kernel Linux de tiempo real. 2 NI CompactRIOTM – 9022. 2 PC convencionales. Figura 28.- Sistema de Control estructurado en una jerarquía de 2 niveles. 60 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ El control de bajo nivel se centra en el control individual de cada convertidor de potencia y en la emulación de modelos dinámicos de DER mediante el uso de los STR. El diseño de los algoritmos de control y emulación se lleva a cabo mediante las herramientas Matlab/SimulinkTM y la librería de Triphase® (Triphase, 2014). El control de alto nivel está orientado al control y monitorización de las microrredes y la ejecución de estrategias de despacho de energía. Las tareas son implementadas empleando el sistema SCADA, que consiste en dos NI CompactRIOTM y un PC convencional. Se utiliza el software NI LabVIEWTM para la programación del interfaz de usuario y los algoritmos de configuración del sistema, control y monitorización. La comunicación entre los STR y los convertidores se implementa mediante el protocolo EtherCAT® (EtherCAT, 2014). La comunicación entre el sistema de gestión de las microrredes y los sistemas de control de los convertidores se lleva a cabo mediante protocolo TCP/IP y el uso de sockets. 2.3 Modelado en tiempo real de sistemas de generación distribuidos Una de las grandes cualidades del entorno de pruebas propuesto es la posibilidad de modelar y emular DER tales como turbinas eólicas, paneles fotovoltaicos, generadores diésel, etc. Los STR ejecutan en tiempo real los modelos de los generadores, que son diseñados y compilados empleando Matlab/SimulinkTM. El STR opera como un interfaz entre el modelo en tiempo real y el convertidor electrónico de potencia, enviando las salidas de los modelos como referencias de funcionamiento para el convertidor, adquiriendo las diversas medidas en el convertidor físico y empleándolas como entradas al modelo emulado. Se han considerado dos metodologías de modelado diferentes, para cuya exposición se va a emplear el caso práctico del modelado de un generador de viento conectado directamente a red mediante un convertidor de potencia back-to-back. La Figura 5 muestra la filosofía implícita en ambas metodologías. En la metodología A solo se modela la turbina eólica —palas, transmisión y caja de cambios— y la máquina eléctrica. Este modelo se ejecuta sobre un único convertidor VSC, lo que hace necesario un convertidor back-to-back físico para realizar la conexión con la red eléctrica. En la metodología B, el modelado incluye desde la turbina eólica a la conexión con la red eléctrica —es decir, al modelo anterior se le suma el modelado del convertidor back-to-back y el filtro de red—. En este tipo de modelado los algoritmos de control del convertidor back-to-back también han de ser incluidos en el modelo en tiempo real. En el caso de la metodología B, un único convertidor implementa en tiempo real el modelo de la turbina y su conexión a la microrred. La elección entre un tipo de metodología y otra depende de la aplicación, así como del grado de detalle requerido. La metodología A es más adecuada para la evaluación de los algoritmos de control y el estudio de la respuesta dinámica de los DER, así como para el análisis de las estrategias de control en la integración a red desde un punto de vista de los generadores. La metodología B es más útil para la evaluación de las estrategias de control de las microrredes, así como el desarrollo de algoritmos de despacho de energía o el análisis de la integración de DER en la red desde un punto de vista de la red eléctrica. Figura 29.- Metodologías de diseño y emulación propuestas. 61 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 3. CASOS EXPERIMENTALES Se han desarrollado dos casos experimentales como ejemplo de las aplicaciones para las que puede ser empleado el laboratorio SEIL, así como para mostrar sus principales características. En primer lugar, se presenta un caso típico de despacho de energía en una microrred. El segundo caso es un test de conexión a red de una turbina eólica. 3.1 Escenario de despacho de energía El escenario propuesto, mostrado en la Figura 6, consiste en una microrred conectada a la red eléctrica principal que cuenta con sus propios sistemas de generación, así como cargas de potencia que conforman su consumo. Tanto los sistemas de generación como los de consumo se pueden clasificar como despachables o no despachables. Figura 30.- Escenario de despacho de energía experimental. Los generadores y cargas despachables son emulados mediante los convertidores electrónicos de potencia. Los modelos son diseñados e implementados empleando Simulink. Una vez compilados se descargan y ejecutan en los STR asociados a cada convertidor. Los elementos conectados a la microrred son: Un carga despachable de 12 kW implementada como una carga activa en un convertidor back-to-back de 15 kVA. Un generador diésel de 30 kW despachable implementado en un convertidor CC/CA de 75 kVA. Un generador diésel de 10 kW despachable implementado en un convertidor CC/CA de 15 kVA. Un sistema de baterías de 7,6 kWh despachable implementado con el sistema de baterías de 47,5 kWh e interconectado a la microrred mediante la dupla formada por el convertidor CC/CC de 90 kW y un convertidor CA/CC de 75 kVA. Un generador fotovoltaico de 15 kW no despachable implementado en convertidor CC/AC de 15 kVA. Un carga no despachable de hasta 30 kW implementada con la carga pasiva balanceada de 30 kW. La máxima potencia que puede suministrar la red se restringe a 30 kW. La carga no despachable corresponde a elementos domésticos típicos como puede ser la iluminación de la casa o los aparatos de la cocina. Las cargas despachables representan aparatos domésticos tales como el aire acondicionado o la lavadora. El sistema formado por los CompactRIOTM y el PC lleva a cabo un control de potencia activa centralizado que es implementado mediante el uso de NI LabVIEWTM. El algoritmo de control implementado es una simple estrategia de balanceo de energía basada únicamente en los valores de potencia medidos sin considerar ningún tipo de predicción y optimización (Téllez Molina et al., 2011). La estrategia implementada no gestiona las cargas y para satisfacer la demanda emplea como fuentes primarias tanto la generación fotovoltaica como la conexión a red, seguida del sistema de baterías y finalmente los generadores diésel. En caso de una demanda de energía en la microrred negativa —es decir, que la generación de potencia es superior a la demanda—, el exceso 62 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ de potencia es empleado en primer lugar para recargar la batería y el resto es exportado a la red eléctrica. El algoritmo de control se aplica con un tiempo de muestreo de 1 segundo. Se considera que cada periodo de muestreo corresponde a 5 minutos en una aplicación de despacho de energía real. Los resultados del experimento se muestran en la Figura 7. Figura 31.- Despacho de energía durante 24 horas. 3.2 Test de conexión a red de una turbina eólica El laboratorio SEIL puede ser empleado también para analizar aspectos de la integración a red de sistemas de generación de energía renovable de una manera factible y realista. Para demostrar la funcionalidad del entorno de pruebas, se ha llevado a cabo el modelado en tiempo real e implementación de una turbina eólica conectada a la red, siendo emulado el sistema mediante un convertidor CC/CA de 75 kVA. Para el experimento se ha desarrollado e implementado un modelo discreto en tiempo real de turbina eólica basada en un generador síncrono de imanes permanentes (Permanent Magnet Synchronous Machine —PMSM). El modelo ha sido desarrollado empleando una aproximación Tustin para la discretización de las ecuaciones diferenciales que rigen el comportamiento de los diferentes elementos del generador eólico. Las ecuaciones dinámicas del sistema pueden ser consultadas (Huerta et al., 2014). El sistema de generación emulado es una turbina eólica tipo IV, en la cual se conecta el generador directamente a la red empleando para ello un convertidor de potencia back-to-back. La turbina eólica es modelada siguiendo la metodología B descrita en la subsección 2.1. El funcionamiento del generador es completamente emulado desde las palas a la conexión de red, incluidas las estrategias de control del convertidor back-to-back. En la Figura 8 se muestra un diagrama de bloques de los modelos implementados. Figura 32.- Diagrama de bloques del modelo en tiempo real emulado. La turbina se modela como un rotor de tres palas y se considera como entrada la velocidad del viento. La 63 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ caja de cambios y el eje de transmisión se modelan como un sistema de una masa, simplificando el sistema al considerar que todas las componentes inerciales están unidas. La máquina es una PMSM y se modela como un sistema no lineal en ejes síncronos dq. El convertidor back-to-back se emula como la combinación de dos bloques de modelos de convertidores VSC y la representación discreta del enlace de CC. La implementación de modulación aplicable a los convertidores VSC se simplifica mediante el uso del ciclo de trabajo. Se considera que el convertidor del lado de red se conecta a esta mediante un filtro L, que también es modelado en tiempo real. El convertidor del lado de la máquina es controlado mediante una estrategia basada en el control de campo orientado (Field Oriented Control — FOC) que regula, mediante un lazo externo de control, la velocidad del generador, mientras que dos lazos internos de control controlan las corrientes que circulan por el estator de la máquina. El convertidor del lado de red se controla mediante una estrategia basada en el control de tensión orientada (Voltage Oriented Control —VOC). La tensión del bus CC del VSC es controlada mediante un lazo externo de control de tensión y las corrientes CA de salida del convertidor se regulan mediante lazos internos de control de corriente. Ambas estrategias de control se han llevado a cabo mediante el uso de estructuras de control proporcional-integral (PI) para llevar a cabo los lazos externos e internos de control. El modelo en tiempo real de la turbina considera como entradas la velocidad del viento (vw), el ángulo de pitch (β) y la tensión de red (eabc); y como salidas las componentes de potencia activa y reactiva (Pinj y Qinj) intercambiadas con la red. Los estados y variables internas del modelo son accesibles durante la emulación en tiempo real. El modelo de la turbina eólica ha sido diseñado asumiendo un sistema de generación de 600 kW, que opera a una tensión del bus CC de 1200 V y conectado a una red de 50 Hz y tensión eficaz de línea de 690 V. Las salidas del modelo han sido emuladas con uno de los convertidores electrónicos de potencia de 75 kVA, escalando el sistema a una potencia de 50 kW, trabajando a una tensión del bus CC de 700 V y conectado a una red de 50 Hz y 400 Vll,rms. Para el test experimental se ha fijado el ángulo de pitch a 10o y se ha aplicado un perfil de velocidad de viento. La referencia de velocidad de la máquina se ha establecido como 125 rad/s. En la Figura 9-(a) se muestran la referencia de corriente a inyectar a la red en ejes dq y la corriente real inyectada durante la transición de la velocidad de viento. Figura 9.- Respuesta ante una variación de tiempo del modelo en tiempo real implementado. (a) Corriente de red referencia —arriba— y corriente de red inyectada —abajo—. (b) Respuesta dinámica del modelo. La respuesta dinámica del modelo de la turbina eólica para el perfil de viento se muestra en la Figura 9-(b), 64 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ donde se representa: entrada de velocidad de viento, par en el eje del rotor (Trot), par en el eje del PMSM (Tgen), velocidad angular de la máquina (ωgen), potencia activa de la máquina (Pgen), 6) tensión del bus CC (VDC) y potencia activa real inyectada a la red (Pinj). Los resultados demuestran la idoneidad del sistema para este tipo de estudios. 4. CONCLUSIONES La presente comunicación presenta un entorno de pruebas de microrredes basado en tecnología PHIL: el Smart Energy Integration Lab (SEIL). Las instalaciones y la metodología de diseño basada en modelos en tiempo real proporcionan un entorno flexible para la realización de cualquier tipo de estudio relacionado con la integración a red de sistemas de generación distribuidos, la evaluación de sistemas de control de convertidores electrónicos de potencia, así como el modelado dinámico de sistemas de generación para el desarrollo de estrategias de control en microrredes y estrategias de despacho de energía. Se han propuesto y ejecutado dos casos experimentales: un escenario de despacho de energía y el test de la integración a red de un sistema de generación de energía renovable. Los experimentos corroboran la utilidad y funcionalidad del laboratorio. AGRADECIMIENTOS Este trabajo ha sido financiado a través de diferentes mecanismos de financiación por el gobierno regional de la Comunidad de Madrid, el Ministerio de Economía y Competitividad de España y el Fondo Europeo de Desarrollo Regional (INP-2012-0154-PCT-120000-ACT1). REFERENCIAS BIBLIOGRÁFICAS Anaya-Lara, O. (2013): “Microgrid Research Lessons for Future Smart Grids”. The Santiago 2013 Symposium on Microgrids, Santiago de Chile. Barnes, M., Dimeas, A., Engler, A., Fitzer, C., Hatziargyriou, N., Jones, C., Papathanassiou, S., Vandenbergh, M. (2005): "Microgrid laboratory facilities". 2005 International Conference on Future Power Systems, Amsterdam. Carlsson, A. (1998): “The back-to-back converter—Control and design”. Lic. Thesis, Dept. of Industrial Electrical Eng. and Automation, Lund University, Lund, Sweden. Cornforth, D.J., Berry, A., Moore, T. (2011): "Building a microgrid laboratory". 2011 IEEE 8th International Conference on Power Electronics and ECCE Asia, The Shilla Jeju. EtherCAT Technology Group. http://www.ethercat.org/. (Acceso: 7 de Agosto de 2014) Gil de Muro, A., Rodríguez-Seco, J.E., Zabala, E., Mayr, C., Brundlinger, R., Romanovsky, G., Gehrke, O., Isleifsson, F. (2009): "Inverter interconnection tests performed in the LABEIN-Tecnalia microgrid involved in the DERlab round- robin testing activity". 10th International Conference on Electrical Power Quality and Utilisation, Lodz. Huerta, F., Prodanovic, M. , Matatagui, P. (2014): “Dynamic Modelling of PMSM - Wind Turbines for Power 65 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Network Integration”. 11th International Conference on Modeling and Simulation of Electric Machines, Converters and Systems, Valencia. Ivanovic, Z.R., Adzić, E.M., Vekić, M.S., Grabić, S.U., Celanović, N.L., Katić, V.A. (2012): "HIL Evaluation of Power Flow Control Strategies for Energy Storage Connected to Smart Grid Under Unbalanced Conditions". IEEE Trans. on Power Electronics, vol. 27, no. 11. Kotsampopoulos, P., Kleftakis, V., Messinis, G., Hatziargyriou, N. (2012): "Design, development and operation of a PHIL environment for Distributed Energy Resources". The 38th Annual Conference of the IEEE Industrial Electronics Society, Montreal. Lasseter, R.H., Eto, J.H., Schenkman, B., Stevens, J., Vollkommer, H., Klapp, D., Linton, E., Hurtado, H., Roy, J. (2011): "CERTS Microgrid Laboratory Test Bed". IEEE Trans. on Power Delivery, vol.26, no.1. Lian, K.L. y Lehn, P.W. (2005): "Real-time simulation of voltage source converters based on time average method". IEEE Trans. on Power Systems, vol. 20, no. 1. Milo, A., Gaztanaga, H., Etxeberria-Otadui, I., Bilbao, E., Rodríguez, P. (2009): "Optimization of an experimental hybrid microgrid operation: Reliability and economic issues". 2009 IEEE Bucharest PowerTech, Bucharest. Ostergaard, J., Qiuwei Wu, Garcia-Valle, R.: "Real time Intelligent Control Laboratory (RT-ICL) of PowerLabDK for smart grid technology development". 2012 Complexity in Engineering (COMPENG), Aachen. Planas, E., Gil-de-Muro, A., Andreu, J., Kortabarria, I., Martínez de Alegría, I. (2013): “General aspects, hierarchical controls and droop methods in microgrids: A review”. Renewable and Sustainable Energy Reviews, vol. 17, pp. 147-159. Román-Barri, M., Cairo-Molins, P., Sumper, A., Sudria-Andreu, A. (2010): "Experience on the implementation of a microgrid project in Barcelona". 2010 IEEE PES Innovative Smart Grid Technologies Conference Europe (ISGT Europe), Gothenburg. Steurer, M., Edrington, C.S., Sloderbeck, M., Wei Ren, Langston, J. (2010): "A Megawatt-Scale Power Hardware-in-the-Loop Simulation Setup for Motor Drives". IEEE Trans. on Industrial Electronics, vol. 57, no. 4. Strasser, T., Andrén, F., Bründlinger, R., Garabandic, D. (2013): “Integrating PV into the Smart Grid – Implementation of an IEC 61850 Interface for Large Scale PV Inverters”. 28th EU PVSEC, Paris. Téllez Molina, M.B., Gafurov, T., Prodanovic, M. (2011): “Proactive control for energy systems in Smart Buildings”. 2011 2nd IEEE PES International Conference and Exhibition on Innovative Smart Grid Technologies (ISGT Europe), Manchester. Triphase. http://www.triphase.be/. (Acceso: 28 de Junio de 2014). Washom, B., Dilliot, J., Weil, D., Kleissl, J., Balac, N., Torre, W., Richter, C. (2013): "Ivory Tower of Power: Microgrid Implementation at the University of California, San Diego". IEEE Power and Energy Magazine, vol.11, no.4. 66 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ DISEÑO OPTIMIZADO DE UNA ISLA ENERGÉTICA MEDIANTE TÉCNICAS DE BARRIDO PARAMÉTRICO Redes Inteligentes / Energías renovables Manuel Rubio del Solar1, María Botón Fernández2 y Guillermo Díaz Herrero3 (1) CETA-CIEMAT, [email protected] (2) CETA-CIEMAT, [email protected] (3) CETA-CIEMAT, [email protected] RESUMEN El presente trabajo muestra un caso de optimización de del diseño de una Isla Energética modelando sus componentes básicos. Partiendo de un esquema simplificado de IE (Isla Energética) que consta de una fuente de energía, un modelo de carga, un sistema de almacenamiento y de un sistema de generación bajo demanda; la optimización consiste en minimizar los valores de demanda energética no atendida y de energía no aprovechada, todo ello manteniendo un equilibrio entre el coste y dimensión de los componentes que entran en juego. La técnica empleada para la optimización consiste en buscar un conjunto de valores idóneos para las características de los componentes de la IE que, tras una simulación de la operación conjunta de dichos componentes, produzcan como salida los valores minimizados de demanda energética no atendida y de energía no aprovechada. Esta búsqueda se realiza mediante sucesivas etapas de barridos paramétricos. Haciendo funcionar la IE con distintos valores para la fuente de energía, almacenamiento, generación bajo de manda, etc. identifican aquellos que proporcionaron los mejores resultados. Palabras clave: Isla Energética, barrido paramétrico, optimización. 1. INTRODUCCIÓN Una Isla Energética (IE) es un sistema local de producción y consumo energético donde la generación eléctrica se basa fundamentalmente en energías renovables, siendo autónomo en el sentido de que la mayor parte del tiempo funciona de manera aislada respecto de redes eléctricas mayores. Por tanto una IE debe ser autosuficiente a la hora de cubrir las necesidades energéticas de los elementos incluidos. El modelo clásico y centralizado de suministro de energía, que parte de los proveedores para llegar a los consumidores, pasa a convertirse en un modelo distribuido donde las energías renovables de distintos tipos (solar, eólica, bioenergética, etc.) se utilizan de forma optimizada e inteligente para satisfacer las demandas en cada momento y para cada consumidor. Este modelo distribuido requiere unos niveles de coordinación sofisticados donde los distintos elementos consumidores o generadores pasan a tener un papel activo (bajo una monitorización continua, regulan su actividad en relación con sí mismos y con su entorno) y donde componentes como el de suministro de energía bajo demanda y el de almacenamiento temporal de la energía cobran gran protagonismo. El presente trabajo muestra un ejemplo de modelización de los componentes de una Isla Energética inspirada en el proyecto piloto de Isla Energética del Cluster de la Energía de Extremadura [1], simplificada para facilitar el estudio y comportamiento de los componentes en los que se centra el análisis. Esta 67 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ simplificación consiste en considerar los elementos del proyecto que son exclusivamente eléctricos, y en suponer un comportamiento ideal en los elementos que la componen (ej. mínimas interferencias, pérdidas de energía nulas durante su transporte o respuestas instantáneas a eventos). El proceso de modelización consiste en buscar los valores idóneos para una serie de parámetros que influyen significativamente en el diseño y comportamiento global de la IE con el objetivo de minimizar unos valores de salida (demanda energética no atendida, energía no aprovechada) que tienen un impacto directo en la calidad y robustez del suministro y también en costes económicos. 2. SISTEMA Y ENTORNO DE SIMULACIÓN La simulación del comportamiento de la Isla Energética requiere estudiar el trabajo concurrente de los elementos que la componen a lo largo de un periodo de tiempo. El software Scilab [2], desarrollado por el INRIA [3] es un software matemático de alto nivel para cálculo científico, de código abierto. Entre otras características incluye la posibilidad de definir escenarios de simulación basados en componentes que interactúan a lo largo de un intervalo de tiempo. Los componentes (o bloques) se pueden crear y representar de forma gráfica, lo que facilita el desarrollo de escenarios de simulación. Las simulaciones que se describen en el presente trabajo se ha desarrollado bajo esta herramienta. Todas las etapas del proceso (obtención de datos de entrada, definición de la lógica de proceso, ejecuciones y generación de salidas y gráficas) se han llevado a cabo a través de los servicios que proporciona Scilab. 3. MODELO DE ISLA ENERGÉTICA USADO EN EL EJEMPLO El ejemplo de Isla Energética que se usa para este trabajo incluye modelos de los siguientes componentes: - Planta fotovoltaica. Representa a un sistema de generación de energía basado en la incidencia de radiación solar en una zona determinada a lo largo de un promedio realizado con datos que abarcan un plazo de 10 años. Los niveles de radiación se han obtenido de los datos proporcionados por el proyecto ADRASE [4], desarrollado por el Grupo de Radiación Solar del CIEMAT [5] [6] cuyo objetivo es proporcionar datos de incidencia de la radiación solar en distintos puntos de la geografía española. Los recursos Web del proyecto están alojados en el CETA-CIEMAT [7]. - Modelo de simulación de la carga energética. Inicialmente se llevó a cabo una estimación de la carga total que se incluiría en la IE, haciendo una aproximación de la población que tendría la isla, del número de personas por vivienda y del consumo por vivienda. Esta estimación dio un valor de 95kW/h. - Sistema de almacenamiento de energía. Se trata de elementos que almacenan energía cuando se produce más de la necesaria. Para los propósitos de este trabajo no es necesario centrarse en ninguna tecnología concreta de almacenamiento (ej.: baterías, sistemas de conservación de calor por sales fundidas, volantes de inercia, etc.) El sistema de almacenamiento se define mediante dos parámetros: número de elementos de almacenamiento y capacidad de almacenamiento de cada uno de ellos. Además del almacenamiento de energía, estos sistemas actúan como estabilizadores de corriente, absorbiendo picos de energía que podrían provocar alteraciones en los otros componentes. Teniendo en cuenta los problemas que presentan los sistemas de almacenamiento (pérdida de energía almacenada a lo largo del tiempo y una vida útil limitada, fundamentalmente) el diseño de la IE debe buscar un uso reducido de estos sistemas. - Sistema de generación de energía a partir de biogás. Estos elementos producen un tipo de gas (biogás) a partir de la fermentación de elementos orgánicos. El biogás tiene poder calorífico suficiente como para alimentar un motor de combustión interna dedicado a generar energía. Para 68 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ poder adaptar mejor las necesidades de generación a las de demanda, se fracciona el motor de generación en múltiples unidades, en lugar de considerar un único motor de combustión de mayor capacidad y potencia. Para el presente trabajo, estos generadores a partir de biogás se usan para atender necesidades de demanda, que se dan cuando no hay recursos naturales que permitan una producción suficiente o cuando no basta con la energía que hay almacenada. - Sistema de control y medición de la energía no suministrada. Uno de los principales problemas que se dan en sistemas basados en energías renovables y especialmente cuando éstos se incluyen en sistemas aislados es el de no poder atender peticiones demanda energética que pueden aparecer en momentos concretos. Para el ejemplo de este trabajo la energía no suministrada (o NSP – Non Supplied Power) se calcula como la diferencia entre la demanda de energía en un momento dado y la energía disponible en dicho momento. - Sistema de control y medición de la energía sobrante. Considera otra situación habitual en este tipo de escenarios. Dado el carácter variable de las fuentes de generación de energías renovables (ej.: en una planta fotovoltaica la generación eléctrica se centra en ciertas horas del día siempre y cuando exista radiación solar, en el caso de una planta eólica dependerá de la velocidad y dirección del viento, etc.) habrá momentos más o menos prolongados en que se esté produciendo más energía de la necesaria, con el riesgo de desaprovecharla. Se trata de energía no utilizada (o NUP – Non Used Power). Los siguientes parámetros se usan para modelar los componentes de la Isla Energética: - numStorages. Con este parámetro se especifica el número de elementos de almacenamiento que habrá en la IE. - storageSize. Capacidad de carga de cada uno de los elementos de almacenamiento. Si se estuviera hablando, por ejemplo de un array de baterías que ofrece una capacidad total de 30 Ah, el parámetro anterior (numStorages) podría tener valor 6 y éste (storageSize) podría valer 5 Ah. No obstante, por razones de simplificación, a lo largo de este trabajo y en los experimentos se considera que los elementos de almacenamiento se modelan directamente según los kW que es posible almacenar y que es necesario extraer en cada caso. - pvNominalPower. Potencia nominal, medida en kW, con la que se dimensiona la planta fotovoltaica. Este parámetro determina de forma directa el tamaño y coste de la planta fotovoltaica. La salida en kW del generador fotovoltaico dependerá de pvNominalPower y de la cantidad de radiación que le esté llegando en un momento dado. También se ha simulado un efecto de pérdida (impurezas, suciedad de los paneles, etc) del 10%. - averageTotalLoad. Representa la carga constante que se estima y simula que tienen las viviendas de la isla. Se mide en kW/h. De todos los parámetros que se manejan en este trabajo, este es el único que permanece constante a lo largo del tiempo, con un valor de 95 kW/h. No obstante, es posible configurar simulaciones con otros valores. Durante las simulaciones se introducen pequeñas fluctuaciones aleatorias para representar una situación de demanda energética más realista. - biogasGenerators. La planta de biogás está fraccionada en diversos motores de generación de energía alimentados por biogás. Este parámetro permite definir cuantos de estos motores se incluyen en la simulación. - pwPerBiogasGenerators. Medido en kW/h, representa la capacidad de cada uno de los motores de generación eléctrica a partir de biogás definidos en el parámetro anterior. 69 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 4. PROCESO DE OPTIMIZACIÓN Los dos resultados principales que determinan la eficiencia de un esquema de IE se refieren a la demanda no atendida (NSP) y a la de energía no utilizada (NUP). Ambos resultados deben tener valores lo más bajo posible dentro de unas condiciones de diseño aceptables, determinados por la eficiencia y el coste global. El objetivo de encontrar las condiciones de diseño idóneas para una simulación que minimice los valores NSP y NUP se lleva a cabo mediante la técnica de barrido paramétrico [8]. El proceso de optimización comienza estableciendo rangos amplios para los distintos parámetros que se van acotando durante la simulación. Inicialmente se tendrá un conjunto extenso de simulaciones a realizar. Cada una de estas simulaciones produce como salida unos valores para NSP y NUP. En todo momento se conoce qué valores de parámetros han dado lugar a dichos resultados. En la transición de una etapa de simulación a otra es posible establecer condiciones de búsqueda (por ejemplo para que se asignen pocos recursos de almacenamiento), aunque al establecer numerosas restricciones se reducen las posibilidades de encontrar soluciones adecuadas. Repitiendo sucesivamente estos procesos de configuración de rangos de parámetros, simulación y ajuste de la próxima etapa en base a los resultados generados, finalmente se obtienen los valores precisos para modelar los componentes de la IE bajo las condiciones deseadas (coste, eficiencia) con unos resultados de NSP y NUP suficientemente bajos. 5. DEFINICIÓN DEL BARRIDO PARAMÉTRICO Para definir los valores que tomarán los distintos parámetros a lo largo de todo el proceso de simulación se utiliza un fichero que tiene la siguiente sintaxis: Valor fijo, es un rango, valor inicial, valor final, incremento, nombre parámetro Cada parámetro implica una línea en este fichero. Por ejemplo, si se desea lanzar una simulación con el valor de pvNominalPower fijado a 75 para todas las exploraciones de la simulación se escribiría: 75 0 60 100 10 pvNominalPower En este caso el valor fijo se establece a “75” y mediante el “0” se indica que no es un rango. Los contenidos de valor inicial, valor final e incremento resultan indiferentes para este caso. Para indicar una exploración paramétrica del parámetro pvNominalPower que empiece por 60, termine en 100 y recorra el rango con incrementos de 10 en 10 se escribe: 0 1 60 100 10 pvNominalPower En este ejemplo el valor fijo está a “0” puesto que se trata de un rango, lo cual viene indicado por el “1” que le sigue. Las exploraciones con pvNominalPower se realizarán con los valores 60, 70, 80, 90 y 100. Aunque este ejemplo muestra la configuración de un único parámetro, cada etapa de barrido paramétrico requiere configurar los seis parámetros que se mencionan en la sección 3. 6. ETAPAS DE LA SIMULACIÓN Primera etapa El paso inicial consiste en realizar un primer barrido de parámetros con unos rangos que exploren un gran número de posibilidades (simulaciones). A este barrido inicial, configurado con la sintaxis ya descrita, se le ha dado el siguiente conjunto de valores: 70 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 0 25 0 95 0 7 0 0 1 0 0 0 0 25 75 95 0 35 10 25 200 95 8 35 2 5 25 0 2 7 numStorages storageSize pvNominalPower averageTotalLoad biogasGenerators pwPerBiogasGenerator En esta primera etapa, de un total de 6 realizadas se pretende acotar el mejor valor para el parámetro pvNominalPower, estudiando además el comportamiento de la Isla Energética en un escenario en el que no hay elementos de almacenamiento (numStorages) ni generadores bajo demanda (biogasGenerators). La carga simulada (averageTotalLoad) está fijada a 95 kWh. Dentro del proceso de simulación se realizan fluctuaciones aleatorias de bajo impacto sobre este valor, para representar un modelo de carga más realista. Tras lanzar las simulaciones se obtiene que el mejor caso para los valores de NSP y NUP son de 5817,79 y 11,33 respectivamente. Estos valores no tienen unidad, representan una medida del comportamiento global de la Isla Energética a lo largo de un año con respecto a la demanda energética que no ha podido ser satisfecha y con respecto a la energía que se ha producido y no se ha almacenado o utilizado. Los valores de parámetros que han dado lugar a este resultado de NSP y NUP han sido: numStorages: storageSize: pvNominalPower: averageTotalLoad: 95 biogasGenerators: 0 pwPerBiogasGenerator: 0 0 100 Combinaciones exploradas: 6 0 La Fig.1 muestra la energía disponible y la carga requerida a lo largo de un año: Figura 33.- Balance energético anual, etapa 1 Debido a que en esta primera etapa no se han incluido elementos de almacenamiento ni generación de energía bajo demanda, la curva de energía disponible está compuesta únicamente por la planta fotovoltaica, que genera energía en función de la irradiación solar que le llega en cada momento. Esto se aprecia en la Fig. 2, donde aparece un desglose de las distintas fuentes (fotovoltaica, almacenamiento, biogás) que proporcionan energía. En dicha figura la única curva con valores es la referente a la planta fotovoltaica. En la Fig. 3 se muestran las curvas de los valores de NSP y NUP, también a lo largo del año. Al no haber acumuladores ni generadores de energía bajo demanda, el comportamiento de estas variables es el esperable cuando tan sólo entra en juego la planta fotovoltaica: durante los meses de invierno/otoño hay gran cantidad de demanda no atendida, y en primavera/verano se produce, además del suministro necesario, una importante cantidad de energía no aprovechada. 71 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 34.- Detalle fuentes energéticas, etapa 1 Figura 3.- NUP frente a NSP, etapa 1 Segunda etapa En la segunda etapa de la simulación se desea por un lado volver a acotar el valor de pvNominalPower, que afecta al tamaño de la planta fotovoltaica, y por otro lado estudiar el comportamiento de la IE al introducir sistemas de almacenamiento. El fichero que define el barrido de parámetros, basado en estas nuevas condiciones y en los resultados de la simulación anterior queda: 0 25 100 95 0 7 1 1 1 0 0 0 4 5 50 95 0 35 10 25 150 95 8 35 2 3 12 0 2 7 numStorages storageSize pvNominalPower averageTotalLoad biogasGenerators pwPerBiogasGenerator Se introducen en la simulación entre 5 y 10 elementos de almacenamiento, cada uno de ellos diseñados para proporcionar una potencia de entre 5kW y 25kW. Todo ello a su vez se combina con los rangos de pvNominalPower Tras haber hecho la simulación de todas las combinaciones, la mejor configuración paramétrica viene determinada por los valores de NSP y NUP resultantes, que son: numStorages: storageSize: pvNominalPower: averageTotalLoad: 95 biogasGenerators: 0 pwPerBiogasGenerator: 4 5 86 NSP: 7724,23 NUP: 4,11 Combinaciones exploradas: 252 0 La Fig. 4 muestra la energía disponible y la carga requerida a lo largo del año para este caso: Figura 4.- Balance energético anual, etapa 2 72 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ La principal diferencia que puede apreciarse es una notable disminución en la cantidad de energía que no se está aprovechando. Parte de esta energía queda almacenada, como indica la línea morada. No obstante, los periodos del año en los que hay demanda no atendida y en los que hay energía sobrante no cambian significativamente, ver Fig. 6. Al destacar una solución en la que la configuración de los elementos de almacenamiento es mínima (4 elementos de 5kW de salida cada uno), el sistema de simulación detecta que incluir recursos de almacenamiento mayores no reduce significativamente los períodos de demanda desatendida ni de energía no usada. En la Fig. 5, puede verse que cuando empieza a bajar la incidencia de radiación solar se hace uso de la energía almacenada: Figura 5.- Detalle fuentes energéticas, etapa 2 Figura 6.- NUP frente a NSP, etapa 2 Tercera etapa En esta etapa, además de ajustar una vez más los rangos, se añaden sistemas de generación de energía bajo demanda para estudiar su impacto en el comportamiento de la IE y para identificar sus dimensiones adecuadas. El fichero de configuración de barrido paramétrico es: 4 5 86 95 0 0 1 1 1 0 1 1 2 3 70 95 4 5 6 15 100 95 10 25 2 3 12 0 2 3 numStorages storageSize pvNominalPower averageTotalLoad biogasGenerators pwPerBiogasGenerator Se analizará el comportamiento del sistema con un número de generadores de biogás entre 4 y 10 capaces de proporcionar unas potencias energéticas entre 5kW y 25kW. Esta configuración da lugar a 1260 combinaciones distintas. Con un número tan elevado de conjuntos de resultados, muchos de ellos dan resultados que no tiene sentido considerar. Entre los que conducen a unos valores aceptables de NSP y NUP se seleccionó el siguiente: numStorages: storageSize: pvNominalPower: averageTotalLoad: 95 biogasGenerators: 8 pwPerBiogasGenerator: 2 15 70 NSP: 0 NUP: 0,07 Combinaciones exploradas: 1260 11 El sistema introduce los generadores de energía bajo demanda (8 generadores con una capacidad de salida de 11 kW cada uno). Se reduce ligeramente la potencia nominal necesaria para la planta fotovoltaica. Según la Fig. 7 prácticamente en todo momento la energía disponible está por encima de la carga necesaria. Además se hace un uso continuado de los sistemas de almacenamiento, como indica la línea morada: 73 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 7.- Balance energético anual, etapa 3 La Fig. 9 muestra que la demanda no atendida (NSP) ha caído a cero. Sólo se producen bajas cantidades de energía sobrante en los días centrales (de mayor irradiación) del año. En la Fig. 8 se aprecia que en todo momento participan los tres posibles proveedores de energía, haciendo uso de la planta fotovoltaica o del generador según la radiación solar incidente. Figura 8.- Detalle fuentes energéticas, etapa 3 Figura 9.- NUP frente a NSP, etapa 3 Etapas cuarta, quinta y sexta Habiendo llegado a valores de NSP y NUP prácticamente nulos tras los ajustes de los rangos de exploración recomendados por el sistema en la etapa tercera, las etapas cuartas, quinta y sexta se centran en reducir costes a la hora de diseñar los elementos de la IE. Esto afecta al tamaño de la planta fotovoltaica (representado por su potencia nominal), y al uso y tamaño de los elementos de almacenamiento y de los sistemas de generación bajo demanda (plantas de biogás). La búsqueda de parámetros para reducción de los costes se lleva a cabo sin perder de vista el objetivo de mantener los valores NSP y NUP suficientemente bajos. El fichero de barrido de parámetros para la etapa 4 se ha configurado para reducir la capacidad de los elementos de almacenamiento (storageSize, 15) y el número de generadores bajo demanda (biogasGenerators, 8). Las simulaciones dieron los siguientes resultados para los valores apropiados de NSP, NUP: numStorages: storageSize: pvNominalPower: averageTotalLoad: 95 biogasGenerators: 6 pwPerBiogasGenerator: 4 10 60 NSP: 1,774 NUP: 0 Combinaciones exploradas: 960 14 74 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Se puede apreciar que, manteniendo bajos los valores de NSP y NUP se han reducido ligeramente los valores de storageSize y biogasGenerators. También se ha reducido uno de los parámetros más importantes de cara al coste; el pvNominalPower, de 70kW a 60kW. Para diseñar la búsqueda de la etapa 5 se decidió alterar ligeramente el margen de variación de los parámetros pvNominalPower y storageSize, con la idea de explorar la posibilidad de una reducción en la capacidad de salida de los generadores de biogás (pwPerBiogasGenerator, 14). Los resultados tras la simulación fueron: numStorages: storageSize: pvNominalPower: averageTotalLoad: 95 biogasGenerators: 8 pwPerBiogasGenerator: 4 5 70 NSP: 0 NUP: 0,05 Combinaciones exploradas: 1600 10 Los valores NSP, NUP se mantienen prácticamente nulos. Esta exploración ha reducido los valores de los parámetros storageSize y pwPwerBiogasGenerator, como se esperaba. No obstante, el número de plantas de biogás ha aumentado a 8 y el pvNominalPower vuelve al valor de 70 kW. En la etapa 6 se hace una última búsqueda ampliando los márgenes de búsqueda para los recursos de generación bajo demanda y la planta fotovoltaica, obteniendo los siguientes resultados: numStorages: storageSize: pvNominalPower: averageTotalLoad: 95 biogasGenerators: 8 pwPerBiogasGenerator: 4 5 50 NSP: 0 NUP: 0 Combinaciones exploradas: 243 13 Aunque aumentan ligeramente los recursos de generación bajo demanda, el valor de pvNominalPower se reduce a 50 kW. Estos resultados se consideran adecuados (los elementos de la IE requieren unos recursos bajos y los valores NSP y NUP son despreciables), por lo que aquí finaliza el proceso de optimización y búsqueda paramétrica. Las Figs. 10 y 11son similares a las de la etapa 3, con la notable diferencia que los valores en esta última se mueven en una escala más pequeña, reflejando así el menor tamaño que requieren los componentes energéticos: Figura 10.- Detalle fuentes energéticas, etapa 3 Figura 11.- NUP frente a NSP, etapa 3 7. CONCLUSIONES Y TRABAJO FUTURO A lo largo de las etapas descritas en la sección 6 se ha mostrado cómo la técnica de barrido paramétrico ha facilitado considerablemente la optimización del diseño de los componentes de la Isla Energética. En cada etapa 75 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ se ha identificado un conjunto de valores óptimos para los diferentes parámetros y se han establecido restricciones de diseño que acotan la búsqueda para la siguiente. Este proceso ha permitido finalmente encontrar unos valores satisfactorios desde el punto de vista de los recursos requeridos considerando en todo momento el objetivo de minimizar los valores de energía no aprovechada y los de demanda no atendida. Las siguientes tareas a realizar en el sistema son por un lado la introducción de otras tecnologías de producción de energías renovables (eólica, biomasa, etc.) en el diseño interno de la IE y en las simulaciones. Por otro lado es necesario tener más valores de referencia (además de NSP y NUP) que ayuden a decidir lo adecuada que es una solución con respecto a otras. Posibles valores de referencia adicionales son el número de días en los que ha habido demanda no atendida y número de días en los que ha habido exceso de producción. La razón entre NSP, NUP y estos dos últimos también serán valores a considerar. Desde el punto de vista de la arquitectura del sistema de información, está previsto hacer versiones distribuidas de la plataforma, para que en los casos en los que haya un número alto de combinaciones a simular se puedan ejecutar grupos menores de ellas en distintas máquinas simultáneamente. Se considera también hacer más flexible el proceso de búsqueda, de forma que se indiquen unas condiciones objetivo iniciales y el sistema detecte automáticamente los mejores resultados y genere las diversas etapas, según lo vea necesario. AGRADECIMIENTOS Este trabajo se ha llevado a cabo haciendo uso de la infraestructura de computación facilitada por el Centro Extremeño de Tecnologías Avanzadas (CETA-CIEMAT), financiado por el Fondo Europeo de Desarrollo Regional (FEDER). El CETA-CIEMAT pertenece al CIEMAT y al Gobierno de España. REFERENCIAS BIBLIOGRÁFICAS [1] Cluster de la Energía de Extremadura. http://www.energiaextremadura.org [2] Scilab, entorno de simulación. http://www.scilab.org [3] INRIA, Institut National de Recherche en Informatique et en Automatique. www.inria.fr [4] ADRASE. www.adrase.es [5] CIEMAT. www.ciemat.es [6] Grupo de Radiación Solar, CIEMAT. http://www.ciemat.es/cargarGrupoInvestigacion.do?identificador=15&idArea=1&idLinea=5&idSublinea=112 [7] CETA-CIEMAT. www.ceta-ciemat.es [8] Hahn Kim, Albert Reuther, Jeremy Kepner: Writing Parallel Parameter Sweep Applications with pMatlab. MIT Lincoln Laboratory, Lexington, MA 02144 76 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ PREDICCIÓN DE DEMANDA ELÉCTRICA: ANTECEDENTES, ACTUALIDAD Y TENDENCIAS DE FUTURO Línea Temática [1]: Redes inteligentes, Medida inteligente, Microrredes Alejandro Quintana1, Luis Hernández 2,Cándido Quintana3. (1) [email protected] (INTEC) (2) [email protected] (CIEMAT) (3) [email protected] (INTEC) RESUMEN En el presente trabajo se aborda la evolución que han presentado en el tiempo las técnicas de predicción de demanda eléctrica basadas en métodos cibernético-matemáticos lineales y no lineales como herramientas para la mejora continua de la eficiencia energética, lo cual ha permitido una operación más fiable de los sistemas energéticos. Se trata el desarrollo que han tenido las técnicas de predicción de demanda, su actualidad, así como sus tendencias de evolución a futuro y su empleo en smart grids/smart metering. Por último se acotan los principales problemas que presentan dichas técnicas y se arriba a conclusiones de interés. INTRODUCCIÓN Las actividades de operación y planificación diarias del desempeño energético requieren la predicción de la demanda eléctrica, ya que esta última ha de producirse en el momento en que se demanda. Estas decisiones, pueden incluir según la institución (el sistema) a analizar, la programación económica de la capacidad de generación, la programación de las compras de combustible, evaluación de la fiabilidad del sistema, y la planificación de las transacciones de energía. La importancia de las previsiones de carga precisas aumentará en el futuro debido a los cambios que han venido ocurriendo en la estructura de la industria de servicios públicos debido a la desregulación y la competencia. Este entorno obliga a las empresas de servicios públicos a operar con la mayor eficiencia posible, que como se indicó requiere previsiones de carga precisas. La demanda eléctrica es totalmente dependiente de parámetros medibles, incorporando en la misma incertidumbre, que repercutirá en el precio final de la energía para los consumidores. Para tratar de reducir el costo, los gestores de los grandes sistemas de energía, necesitan conocer con precisión los mecanismos que hacen variar ostensiblemente esta demanda eléctrica, y de esta manera lograr dos objetivos principalmente: prever y adaptarse a la demanda en los diferentes plazos; tratar de gestionar la demanda. El modelo del sistema eléctrico ha comenzado a cambiar, sobre tod desde principios de siglo, al ir introduciendo inteligencia en los diferentes niveles del mismo, comenzando por el transporte, pasando a la distribución, y aunque en menor medida, recientemente en las proximidades al consumo final. De esta manera surge la Red Inteligente (Smart Grid – SG), término traducible por red de energía eléctrica inteligente, ya que utiliza elementos de inteligencia y comunicaciones para intentar optimizar la producción y la distribución de electricidad con el fin de equilibrar mejor la oferta y la demanda entre productores y consumidores. Además de lo anterior, y aprovechando el despliegue de instrumentos de medida e inteligencia, se tratará de optimizar los flujos de energía, mejorar la algoritmia de detección de faltas, y por tanto, mejorar en la operación de la red. Junto a SG surgen una serie de escenarios: Ciudad Inteligente (Smart City – SC), VPP, microrredes (microgrids), Edificios Inteligentes (Smart Buildings), etc.; cuya característica común es que su demanda eléctrica aparece desagregada si se compara con grandes extensiones (regiones) o incluso la demanda de un 77 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ país. Es por tanto, que en estos nuevos espacios con demanda y generación se precisará el despliegue de herramientas de predicción tanto de la demanda como de la generación. El empleo de técnicas de predicción ha venido experimentado una proliferación considerable, principalmente por la mayor disponibilidad y potencia de los sistemas de cálculo automático, y en concreto por el uso de las computadoras personales. Además del cambio cuantitativo, se ha producido un cambio en la tipología de los modelos planteados y usados. En la década de 1970, el empleo de técnicas no lineales era una cuestión poco aceptada por los científicos e ingenieros, en cambio, en los últimos veinte años se han convertido en técnicas muy acertadas para la solución de problemas complejos y difícilmente abordables de otra manera. A partir del concepto SG, han ido surgiendo nuevos entornos de futuro capaces de integrar demanda, generación y almacenamiento. A continuación elementos de actualidad a tener en cuenta que hacen relevante el uso de técnicas no lineales para el pronóstico de demanda eléctrica: _ Necesidad de actualización de la actual infraestructura del sistema energético de electricidad, permitiendo así una más alta penetración de fuentes de generación renovable a través de Generación Distribuida (Distributed Generation – DG), entre otras cuestiones. A partir de esta necesidad, surgen nuevos paradigmas como: SG, microgrid, y VPP, tanto la industria, las administraciones públicas, así como la cada vez mayor conciencia social y medio ambiental, demandan la aparición de un potencial mayor de fuentes de generación renovables, en cualquier punto del sistema, por lo que dicha infraestructura deberá tender a la descentralización y a un cambio de modelo, que conllevará entre otros cometidos el desplazamiento de algunas de las responsabilidades actuales más cerca de los lugares de consumo. Por ejemplo, estas nuevas VPP se convierten en entornos virtuales descentralizados de generación eléctrica con fuentes renovables, almacenamiento propio, Respuesta a la Demanda (Demand Response – DR) y consumos. _ Necesidad de mejora de algoritmos de predicción de la demanda de energía eléctrica a partir de datos históricos en entornos de micorgrids y Smart Home. Una de las necesidades para una correcta operación en las microgrids, es disponer de una estimación lo más exacta posible de la demanda, ya que sin ella, no se podrá planificar sus recursos renovables y anticipar el almacenamiento necesario. Descendiendo hasta Smart Home, se está intentando mediante la aplicación de técnicas no lineales y otros paradigmas en Smart Grid/Microgrid/Virtual Power Plant integrar a los consumidores domésticos en la red (Ver Fig. 1), de manera que dispongan de un protagonismo superior al actual, además de poder disponer de aplicaciones que ayuden a tener mayor calidad en sus vidas, como se refleja en (Rashidi et al., 2010). _ Necesidad de comunicación bidireccional entre los consumidores finales y la red, bien sea en una SG, una microgrid o una VPP. Será necesaria la instalación de Medidor Inteligente (Smart Meter – SM) en los puntos finales de consumo para romper la forma clásica de comunicación, recogido en (2010; Zhou et al., 2010). _ Necesidad de propuesta de arquitectura de obtención de datos desde Smart Home hasta el control de VPP, abordado en (Choi et al., 2009), así como una nueva arquitectura para la predicción de la demanda en entornos de VPP. Figura 1. Smarter electricity systems. Fuente: International Energy Agency (IEA). Technology roadmaps. 78 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ CONSIDERACIONES SOBRE LA DEMANDA ELÉCTRICA. Además de la economía, la demanda eléctrica se ve claramente influenciada por la estacionalidad. La demanda se ve fuertemente incrementada en los meses invernales, y se suaviza en verano y entre tiempo en los países fríos, ocurriendo lo contrario en los países calurosos. Hay que añadir, que la posible influencia del uso de aires acondicionados en verano en países calientes, puede suponer un aumento de la demanda, principalmente en los meses de julio a octubre, mientras que el uso de calefacción en países invernales, aumenta el consumo en los meses de noviembre a marzo. La demanda eléctrica se ve influenciada por ciertas variables climáticas, en concreto, como se ha comentado anteriormente, la temperatura influye fuertemente en la variabilidad de la demanda mensual. Otros parámetros que afectarán a la demanda mensual serán los regímenes laborales así como la coyuntura económica. Por otro lado, la demanda diaria presenta grandes oscilaciones a lo largo del año, siendo los aspectos más importantes a tener en cuenta en dicha variabilidad los siguientes: _ Temperatura ambiente. _ Actividad laboral. _ Evolución económica. La evolución de la demanda diaria en países industrializados sigue un ciclo semanal, marcado por el nivel productivo en cada día de la semana. Los valores de demanda más elevados se presentan de martes a viernes, mientras que los fines de semana la demanda decrece, debido principalmente al ya comentado efecto de la producción industrial. El lunes, tiene una demanda inferior a los días de martes a viernes, aunque superior a los del fin de semana, posiblemente debido a la inercia del fin de semana Golovanov et al. (2013). IMPORTANCIA DE LA PREDICCIÓN DE LA DEMANDA ELÉCTRICA. La necesidad de nuevas instalaciones, los costes fijos y los variables del sistema eléctrico, están directamente influenciados por la curva de carga de la demanda eléctrica y las características de la misma. Por tanto, y de una manera claramente influyente, la predicción de la demanda eléctrica se presenta como fundamental, además de para los costos anteriormente mencionados, para temas de garantía de suministro y operación del sistema. El sistema eléctrico dispone de herramientas que le posibilitan reducir los anteriores costos derivados de la incertidumbre, siendo: _ Aumentar la capacidad de predecir la demanda futura. Hasta la fecha, era necesaria la colaboración de los consumidores finales de forma directa, mediante encuestas, participación en foros, etc.; en un futuro inmediato, con las instalación de medida electrónica en los consumos finales y puntos intermedios, esta información posibilitará disponer de herramientas de predicción más sofisticadas y fiables, y además, permitirá la creación de nuevas para otros modelos hasta ahora no contemplados (microgrids, Smart Home, etc.). _ Adaptarse a la incertidumbre de la demanda, para lo cual las compañías eléctricas deben conocer a la perfección las características de la misma, y además, deberán tratar de incorporar elementos de flexibilidad en su equipamiento y en sus procesos de explotación. _ Incentivar a los consumidores a que hagan un uso de la energía eléctrica de forma favorable a las necesidades de la explotación del sistema, principalmente por medio de la Gestión de la Demanda Eléctrica (GDE). La GDE puede ser: directa, cuando el operador del sistema puede operar y programar el uso de la energía de los clientes; e indirecta, cuando los consumidores modifican su equipamiento y hábitos de consumo favoreciendo la eficiencia del suministro eléctrico y la de sus propios procesos, tal y como se muestra en y su cambio de hábitos en los periodos de consumo por ejemplo en una fábrica de conservas Liang et al. (2012). Por tanto, el tratar de predecir la demanda eléctrica supondrá, para el sistema, una operación más eficiente del mismo. La curva de carga es la pieza fundamental de la operación, ya que permitirá la planificación de sus generaciones y, además, posibilitará tener una visión del crecimiento de las infraestructuras necesarias de una manera más realista. ANTECEDENTES EN LA PREDICCIÓN DE DEMANDA ELÉCTRICA. La energía eléctrica es un bien indispensable y de interés estratégico en la economía de un país, por esta razón, las empresas eléctricas deben tratar de adecuar la producción a la demanda existente con la finalidad de 79 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ garantizar a sus clientes la calidad de servicio contratada a un precio competitivo. Es por tanto importante el tratar de predecir la demanda eléctrica con un error lo menor posible, sin embargo el consumo de energía eléctrica depende de muchos factores como el día de la semana, mes del año, etc., esto hace que la predicción sea un problema muy complejo que requiere de métodos que se alejan de los puramente estadísticos. Es posible considerar que una predicción con un 10% Error Absoluto Porcentual de la Media (Mean Absolute Percent Error – MAPE) puede ser fácil de conseguir y asumible, sin embargo el coste del error puede ser tan elevado que esfuerzos en investigar reducciones de unos pocos puntos porcentuales, estarán más que justificados. Al comienzo, los modelos de predicción se apoyaban en los avances en estadística, Rowson (1952) mostró una predicción de la carga en base a diferentes funciones estadísticas y, además, un gran trabajo de análisis estadístico de la influencia de la temperatura en la demanda eléctrica, para trece países y, con los últimos 50 años (1900–1950). Continuando con el aporte estadístico, Hooke and Newark (1955) presentaron un estudio de modelos que extrapolan la predicción a partir de días anteriores junto otros modelos más avanzados para la predicción de cargas futuras que una empresa tendría en el futuro, tratando de estudiar parámetros como la influencia de la población en la demanda, consumo por individuo, entre otros. Gruetter (1955) empleó tarjetas perforadas de la administración pública para la predicción de la carga, basada en unas medias estadísticas de comportamientos de consumos. La información de las tarjetas fue empleada a modo de “hoja de cálculo” para estimar la demanda de un área extensa. Matthewman and Nicholson (1968) identificaron el gran esfuerzo en los últimos años alrededor del análisis de flujo de carga, programación de la generación económica y la comprobación de sistema de seguridad en sistemas de energía eléctrica, pero detectaron el poco trabajo en relación a la predicción de la demanda eléctrica. En la obra se repasaron los pocos modelos hasta la fecha, categorizados en dos niveles: métodos que utilizan la predicción climática e información meteorológica; y los que utilizan únicamente los datos de carga. El arte de predicción de la demanda eléctrica con un error lo menor posible se convierte en labor esencial a partir de entonces. Se debe recordar que la predicción de la demanda se considera prioritaria para el buen funcionamiento del sistema eléctrico, además, la demanda eléctrica está claramente influenciada por factores económicos, temporales, climáticos y efectos aleatorios, tal y como muestran Gross and Galiana (1987). Más recientemente se han aplicado técnicas que tienen que ver con la inteligencia artificial, como las basadas en sistemas expertos, fuzzy inference y fuzzy-neural. A pesar de esto, los modelos a los que se les ha prestado una importancia destacada son los basados en RNA, mostrándose con el paso del tiempo la multitud de modelos arquitecturales existentes para solucionar diferentes problemas dentro de la predicción de la demanda. Centrándonos en los modelos basados en RNA, existen las arquitecturas basadas en MultiLayer Perceptron (MLP), ver Figura 2, algoritmo desarrollado por Rumelhart (1986). Figura 2. MultiLayer Perceptron. En la actualidad las técnicas más usadas son los modelos ARIMA (Modelo Autorregresivo Integrado de Media Móvil) y las RNA (Redes Neuronales Artificiales). Siendo los modelos no lineales y dentro de estos las RNA las que mayor aceptación y mejores resultados han mostrado. Muchas series de demanda presentan evidencias de comportamiento no lineal. De ahí, que se haya presentado una proliferación del uso de metodologías no lineales para su pronóstico, sobre todo para casos con marcada variabilidad en las curvas de carga. Sin embargo, 80 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ se encuentra poca claridad sobre cuál modelo es más adecuado y en qué casos, adicionalmente, los estudios no presentan una recomendación específica para desarrollar modelos de pronóstico de demanda, la comunidad científica coincide en desarrollar modelos propios para cada caso como ¨trajes a medida¨ es por esto que se propone realizar un estudio sistemático con el fin de determinar los modelos más adecuados para predicción de demanda para el caso de estudio propuesto. Los países desarrollados han creado sistemas avanzados de medición (Smart Meters/Smart Grids) que han permitido la creación de grandes bases de datos, las cuales con aplicación de las redes neuronales artificiales, han llevado a la obtención de resultados fiables. No obstante, al presente no es posible la aplicación inmediata de estos sistemas en las condiciones específicas de las microrredes que no posean los sistemas instalados, ya que para generar las bases de datos se requiere de varios años de mediciones. Esto sin considerar los altos costos asociados a la adquisición e instalación de los medidores y redes inteligentes. CLASIFICACIÓN SEGÚN EL ENTORNO DE PREDICCIÓN. Tal y como recogían Matthewman and Nicholson (1968) en su título al referirse a la predicción de la demanda, existe un concepto claro cuando hablamos de predicción, y es short term load forecast, STLF, que viene a significar obtener la predicción de la demanda eléctrica a “corto plazo”. Siguiendo a Hippert et al. (2001), la predicción de la demanda eléctrica puede clasificarse bajo criterios diferentes. Fijándonos en el intervalo a predecir, lo que normalmente se conoce como horizonte de predicción, se distingue: _ Predicción de Carga a Muy Corto Plazo (Very Short–Term Load Forecasting – VSTLF): desde algunos segundos o minutos a varias horas. La aplicación de estos modelos suele ser para control de flujo. _ Predicción de demanda a corto plazo ( Short-Term Load Forecast- STLF): desde unas horas a semanas. La aplicación de estos modelos suele ser para ajuste entre demanda y generación, y por tanto la emisión de ofertas al mercado eléctrico. _ Predicción de Carga a Medio Plazo (Medium–Term Load Forecasting – MTLF): desde días a semanas y meses. _ Predicción de Carga a Largo Plazo (Long–Term Load Forecasting – LTLF): desde meses a años. La aplicación de estos modelos suele ser para la planificación de los activos de las empresas eléctricas. Los horizontes de predicción más importantes son el semanal, diario y horario. El tener una buena predicción de las siguientes 24 horas juega un papel vital para los sistemas energéticos en general, ya que puede condicionar el funcionamiento óptimo de la planificación horaria de las unidades de generación, compra/venta en sistemas de intercambio, etc.; 24 valores de carga del día siguiente (llamado “perfil de carga” o “curva de carga” diaria). Toyoda et al. (1970) presentan modelos de predicción para todos los horizontes anteriormente citados. Con independencia de los modelos, la principal diferencia entre los mismos radica en el alcance de las variables a emplear. En VSTLF emplean la demanda eléctrica reciente como entrada al modelo (minutos u horas), en STLF emplean entradas de días y para MTLF y LTLF valores de semanas o incluso meses. Guan et al. (2013) presentan un modelo basado en ANN con unos filtros previos basados en Wavelets; la Red Neuronal Wavelet (Wavelet Neural Network – WNN) recibe los filtrados de Wavelet, valores de calendario (hora, mes, etc.) y valores de consumo de la última hora; emplea 12 WNN dedicadas para predecir el valor de consumo de la hora siguiente, donde cada WNN predice el valor cincominutal. Las variables de entrada que se presentan al modelo son variadas: dos observaciones de la temperatura y sus correspondientes fechas de toda la serie que se introduce al modelo; cuatro variables cuyo significado es el tipo de día al que corresponde la información (día de la semana); el efecto estacional del año es introducido mediante un indicador difuso; factores sociales y económicos. Como dato adicional, los autores indican como problemático en los modelos MTLF, el no disponer de una serie continua de datos (valores de la carga), ya que el modelo precisa de una ventana de datos considerable y por tanto se precisa que dichos datos sean buenos. 81 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ La forma de emplear un marco de modelado de carga para extraer la esencia de los problemas de modelado MTLF permite obtener modelos de aplicaciones; destaca la importancia de las curvas de carga de las semanas anteriores para afrontar este problema, así como la influencia climática de dichas semanas. Kandil et al. (2002) presentan un sistema experto para manejar un sistema planificador de MTLF/LTLF; la base de conocimiento del sistema experto estará formada por hechos estáticos y dinámicos. Los hechos estáticos se refieren a información de la situación actual, interconexión con otros sistemas, etc.; empleará información de los patrones de carga para detectar ciclos históricos de picos de carga anuales, históricos de consumidores de energía para detectar consumidores por sectores y los principales datos económicos, sociales y climáticos de interés. Los hechos dinámicos tienen que ver con los atributos de la carga y la energía (relaciones con las estimaciones a hacer), sistemas de pérdidas y el propio error del sistema estimador. Además de esta gran cantidad de variables de entrada al modelo, se necesitará por tanto la actuación de expertos humanos para la definición de las funciones de cambio de dominio. Aplicación de técnicas no lineales y otros paradigmas en Smart Grid/Microgrid/Virtual Power Plant Zhang and Ye (2011) emplean un modelo RNA de regresión para LTLF, tratando de incluir un factor económico llamado Producto Interior Bruto (Gross Domestic Product – GDP). Como dato de interés, el trabajo necesita un histórico de 13 años para la fase de aprendizaje del modelo, para posteriormente poder predecir 5 años. Según los autores, en estos modelos para predecir LTLF, se precisa información complementaria a las series temporales de carga, esta información es aportada por variables económicas, en concreto, los autores la introducen por medio de GDP. Daneshi et al. (2008) presentan dos modelos para LTLF. El primero emplea un método de regresión lineal donde la complicación es construir la ecuación del modelo de regresión. El segundo modelo emplea ANN donde al conjunto de datos se le aplica una función de lógica difusa. Con independencia del modelo, se emplean una gran cantidad de parámetros y de diferentes entornos, siendo éstos: datos históricos de las curvas y la meteorología; factores de tiempo; información de los clientes; datos económicos y demográficos y sus predicciones; precios de la energía; desarrollo regional del país; ventas nacionales de aparatos de aire acondicionado y dispositivos con clara influencia sobre la demanda eléctrica; y perturbaciones aleatorias. PREDICCIÓN DE LA DEMANDA EN LOS ENTORNOS DE FUTURO. Como ya se ha comentado, el modelo del sistema eléctrico ha comenzado a cambiar en la medida de la penetración de la inteligencia en los diferentes niveles del sistema eléctrico, comenzando por el transporte, en los últimos años en la distribución, y aunque en menor medida, recientemente en las proximidades al consumo final. A partir de esto, se tratará de optimizar los flujos de energía, mejorar la algoritmia de detección de faltas, y por tanto, mejorar en la operación de la red, como se exponen Fang et al. (2012). Como presentan Hernández et al. (2012a), los objetivos de los nuevos entornos pueden ser aglutinados en torno a un nuevo concepto llamado Smart World. Alrededor de este nuevo paradigma, se posibilitará la creación de nuevas aplicaciones, herramientas y servicios, como por ejemplo aplicaciones que determinen las relaciones entre ciertas variables climáticas y la demanda eléctrica, con el fin de mejorar las estimaciones de la demanda. En resumen, la aparición de nuevos entornos de futuro, según Werbos (2011), requerirán de inteligencia distribuida y, entre otras cosas, nuevos modelos y aplicaciones basados en ANN, no únicamente para el problema de la predicción de la demanda, sino para la integración de nuevos actores que aparecen en el sistema. Tal y como apuntan Yan et al. (2012), además de la inteligencia distribuida, tanto las comunicaciones digitales como el control, deberá realizarse de manera segura. No se debe olvidar lo presentado por Javed et al. (2012), donde se expone la necesidad de nuevos modelos de predicción que hagan frente a las necesidades de la DR. Esta necesidad de disponer de modelos de predicción (demanda eléctrica y generación eléctrica), aplicados a estos entornos concretos ya comentados, supondrá la posibilidad de emplear variables locales que puedan afectar directamente al comportamiento de la demanda y/o generación. Estas variables de tipo local (climáticas, sociales, económicas, hábitos, etc.) supondrán mayor complejidad al modelo global pero su objetivo será el de obtener estimaciones con mayor precisión. Por el contrario, y volviendo a hablar de la demanda eléctrica, la desagregación que supondrá el tratar que obtener estimaciones de la demanda eléctrica en estos nuevos entornos (microgrids, Smart Building, Smart Environment, etc.), llevará asociada una mayor dificultad en la estimación, además de que tienen un alto 82 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ componente de influencia de variables climáticas como la radiación solar, sobre todo cuando son entidades productoras-consumidoras con módulos renovables asociados (Fig.3). Figura 3. Curva azul demanda eléctrica de SM de un prosumer; curva roja radiación solar global del emplazamiento. Por ejemplo, la curva de carga de un país (Fig. 4), presenta un perfil mucho más predecible y más suave que la que se pueda tener en un entorno desagregado (subestación eléctrica, microgrid, Smart Building, etc.), además, las curvas de carga en estos entornos desagregados presentan unos perfiles más abruptos y en ocasiones totalmente atípicos, que los encontrados a medida que se vaya agregando las curvas de carga. Por tanto, si los modelos disponen de mayor información que ayude a detectar lo anterior, se conseguirán estimaciones más precisas del entorno a analizar. Figura 4. Curva de carga media de un año de consumidores residenciales. La demanda eléctrica está claramente sectorizada (industrial, comercial, doméstica, administración, etc.), por tanto, al poder desagregarla y centrarla en un entorno concreto, posibilitará el tener un entendimiento más completo de la misma por sectores. Lo anterior, posibilitará el hacer entre otras cosas DR al poder ofertar precios de energía en base a los criterios establecidos por la comercializadora. Para poder disponer de este 83 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ conocimiento sectorizado, se precisará tener una idea completa de los hábitos de consumo, para posteriormente poder hacer estimaciones con respecto a ellos. 68. PROBLEMAS DE LA PREDICCIÓN DE LA DEMANDA. Una vez vista la necesidad de conocer los hábitos de la demanda, y teniendo clara la importancia de la predicción de la misma, se podrá constatar como la predicción se dificulta a medida que la aplicación de técnicas no lineales y otros paradigmas en Smart Grid/Microgrid/Virtual Power Plant en donde se pretenda estimar la demanda de espacios con menores consumos, o dicho de otra manera, cuando se comienza a desagregar la demanda. Con independencia de la escala en el consumo de potencia, el país entero en MW, ciudad de tamaño medio y polígono industrial en kW, y cliente doméstico en W. _ A medida que se desagrega la demanda del emplazamiento controlado (país, ciudad, entorno reducido, hogar, etc., claramente es observado como las pendientes de la curva de carga se hacen más abruptas y aparecen formas con más picos que harán que su estimación sea más complicada. Esto sugiere, que con la aparición de nuevos entornos con inteligencia (microgrids, Smart Buildings, etc.), se hará necesario el desarrollo de nuevos modelos de predicción Ad hoc, tanto para la demanda eléctrica como para su potencial generación, en el caso de que exista. _ La forma de la curva de carga puede diferir entre entornos, a pesar de ser el mismo día. A pesar de las diferencias presentadas en el anterior punto en cuanto a suavidad, normalmente una curva de carga de un país o una ciudad populosa presenta dos picos y dos valles claramente diferenciados a lo largo del día. En cambio un polígono industrial presenta una forma de curva totalmente distinta, lo cual tiene fácil explicación, al ser un lunes los polígonos industriales comienzan su labor productiva, por lo que después de un fin de semana donde la curva de carga comienza a decaer en cuanto a demanda a partir de la mitad del sábado, las primeras horas del lunes la demanda comienza a repuntar, manteniendo la curva casi plana a lo largo del día, con los ya consabidos altibajos (picos en la zona plana) consecuencia del arranque y parada de maquinaria particular de dicho polígono. CONCLUSIONES Existen, desde el punto de vista práctico, severas dificultades para la realización de pronósticos de la demanda eléctrica en los más variados sistemas, lo cual lleva a que se cometan errores de operación con implicaciones sobre la sostenibilidad ambiental, económica y social de las instituciones y, en especial en las microrredes. Dicha dificultad se ve incrementada en la medida en que se va desagregando el sistema a predecir, por el contrario, los errores en la predicción suelen minimizarse al subir uno o varios escalones en la desagregación. Los países desarrollados han logrado importantes avances mediante la aplicación de métodos no lineales de predicción como las RNA´s, a los modelos de predicción, no obstante los sistemas hasta ahora desarrollados requieren de inversiones, que pueden ser costosas, para la instalación de Smart Meters, desarrollo de Smart Grids y tiempo para la conformación de bases de datos, así como la utilización de unos recursos humanos altamente especializados y por demás costosos y escasos. La revisión de la literatura muestra que el tema de predicción de demanda se encuentra muy vigente y cada vez son más los modelos que se aplican en este tema. Se encontró que la técnica de pronóstico más usada es la red neuronal artificial de tipo perceptrón multicapa y el modelo ARIMA es usado como modelo de comparación de desempeño con otros modelos más sofisticados. AGRADECIMIENTOS 69. El agradecimiento a CEDER–CIEMAT por facilitar los datos para el trabajo presentado. De la misma forma, transmitir gratitud a los socios del proyecto “MIcrorredes con GEneración DIstribuida de Renovables (MIGEDIR)” perteneciente al Programa Iberoamericano de Ciencia y Tecnología para el Desarrollo (CYTED). 84 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ REFERENCIAS BIBLIOGRÁFICAS 1. Rumelhart, J.L. McClelland, eds., Parallel Distributed Processing: Explorations in the Microstructure of Cognition. MIT Press, 1996, pp. 318–362. 2. Rashidi, P., Cook, D.J, Holder, L.B., and Schmitter–Edgecombe, M. (2011). Discovering Activities to Recognize and Track in a Smart Environment. IEEE Transactions on Knowledge and Data Engineering, 23(4):527–539. 3. Zhou, L., Xu, F.Y., and Ma, Y.N. (2010). Impact of smart metering on energy efficiency. In 2010 International Conference on Machine Learning and Cybernetics (ICMLC), July 2010, London (UK), pages 3213–3218. 4. Zhang, Z. and Ye, S. (2011). Long Term Load Forecasting and Recommendations for China Based on Support Vector Regression. In 2011 International Conference on Information Management,Innovation Managemenet and Industrial Engineering, Nov. 2011, Shenzhen(China), vol. III, pages 597–602. 5. Toyoda, J., Chen, M–S., and Inoue, Y. (1970). An Application of State Estimation to Short–Term Load Forecasting, Part I: Forecasting Modeling. IEEE Transactions on Power Apparatus and Systems, PAS– 89(7):1678–1682. 6. Werbos, P.J. (2011). Computational Intelligence for the Smart Grid–History, Challenges, and Opportunities. IEEE Computational Intelligence Magazine, 6(3):14–21. 7. Yan, Y., Qian, Y., Sharif, H., and Tipper, D. (2012). A Survey on Cyber Security for Smart Grid Communications. IEEE Communications Surveys & Tutorials, 14(4):998–1010. 8. Rowson, R.B. (1952). Electricity supply–a statistical approach to some particular problems. Proceedings of the IEE – Part II: Power Engineering, 99(68):151–167. 9. Kandil, M.S., El–Debeiky, S.M., and Hasanien, N.E. (2002). Long–Term Load Forecasting for Fast developing Utility Using a Knowledge–Based Expert System. IEEE Transactions on Power Systems, 17(2):491–496. 10. Hernández, L., Baladrón, C., Aguiar, J.M., Calavia, L., Carro, B., Sánchez–Esguevillas, A., Cook, D.J., Chinarro, D., and Gómez, J. (2012a). A Study of the Relationship between Weather Variables and Electric Power Demand inside a Smart Grid/Smart World Framework. Sensors, 12(9):11571–11591. 11. Hooke, R.G. and Newark, N.J. (1955). Forecasting the Demand for Electricity. Transactions of the American Institute of Electrical Engineers, Power Apparatus and Systems, Part III, 74(3):993–1008. 12. Matthewman, P.D. and Nicholson, H. (1968). Techniques for load prediction in the electricity– supply industry. Proceedings of the Institution of Electrical Engineers, 115(10):1451–1457. Javed, F., Arshad, N., Wallin, F., Vassileva, I., and Dahlquist, E. (2012). Forecasting for demand response in smart grids: An analysis on use of anthropologic and structural data and short term multiple loads forecasting. Applied Energy, 96:150–160. 13. Guan, C., Luh, P.B., Michel, L.D., Wang, Y., and Friedland, P.B. (2013). Very Short–Term Load Forecasting: Wavelet Neural Networks With Data Pre–Filtering. IEEE Transactions on Power Systems, 28(1):30–41. 14. Gross, G. and Galiana, F.D. (1987). Short–Term Load Forecasting. Proceedings of the IEEE, 75(12):1558–1573. 15. Gruetter, J.G. (1955). The Application of Business Machines to Electrical Utility Load Forecasting. Transactions of the American Institute of Electrical Engineers, Power Apparatus and Systems,Part III, 74(3):854–858. 16. Fang, X., Misra, S., Xue, G., and Yang, D. (2012). Smart Grid – The New and Improved Power Grid: A Survey. IEEE Communications Surveys & Tutorials, 14(4):944–980. 17. Daneshi, H., Shahidehpour, M., and Choobbari, A.L. (2008). Long–Term Load Forecasting in Electricity Market. In 2008 IEEE International Conference on Electro/Information Technology, May 2008, Ames (US), pages 395–400. 18. Choi, T.S., Ko, K.R, Park, S.C., Jang, Y.S., Yoon, Y.T., and Im, Y.K. (2009). Analysis of energy savings using smart metering system and IHD (in–home display). In Transmission & Distribution Conference & Exposition: Asia and Pacific, Oct. 2009, Seoul (South Korea), pages 1–4. 85 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 19. Liang, H. et al. Multiagent Coordination in Microgrids via Wireless Networks. IEEE Wireless Communications−Recent Advances in Wireless Technologies for Smart Grid 2012, 19(3), pp.: 14-22. 20. Golovanov, N. et al. Power Quality Assessment in Small Scale Renewable Energy Sources Supplying Distribution Systems. Enegies 2013, 6, pp.: 634-645. 86 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ IMPLEMENTACIÓN DE SISTEMAS DE TELEMETRIA EN EMPRESA DISTRIBUIDORA DE ENERGÍA ELÉCTRICA SAESA Línea Temática [1]: Medidas Inteligentes Luis CALVO QUIJADA1, Luis GARCÍA SANTANDER2, Leonardo PALMA FANJUL2 (1) Empresa de Distribución Eléctrica SAESA, [email protected] (2) Universidad de Concepción, [email protected], [email protected] RESUMEN La empresa eléctrica SAESA preocupada de optimizar continuamente sus redes eléctricas ha destinado importantes recursos para implementar de manera piloto un sistema de gestión de energía. Para ello se han seleccionado algunos sectores relevantes de la red de SAESA los cuales consideran los niveles de potencia en los consumos, porcentaje de hurto, dificultad de acceso entre otros factores. La plataforma de gestión está basada en AMI (Advance Metering Infraestructure) y opera bajo la tecnología PLC (Power Line Carrier). Los resultados preliminares han permitido identificar perfiles de cargas de diferentes tipos de cliente, corregir desbalances en los circuitos, identificar clientes que cometen fraude, entre otros beneficios evaluados a partir de los datos recopilados a través de ésta plataforma. Palabras claves: Medición Inteligente, Sistema de Distribución Eléctrica, Gestión Eficiente. 1. INTRODUCCIÓN En los últimos años la incorporación de fuentes de energía a base de recursos renovables de medianas y bajas potencia en las redes de distribución ha ayudado a mitigar los efectos de la crisis energética que se vive en el mundo. En Chile continental (excluida la Isla de Pascua) se cuenta con cuatro sistemas eléctrico, de los cuales dos concentran cerca del 95% del consumo a nivel país, ellos son el Sistema Interconectado del Norte Grande (SING) y el Sistema Interconectado Central (SIC) (2014 CDEC-SIC). El territorio chileno presenta variadas características de clima y relieve, lo que hace al país disponer de importantes oportunidades para la incorporación de distintos tipos de fuentes energéticas a base de ERNC (2013, Sergio ZAMBRANO et al.). El estado chileno se ha preocupado en los últimos años en orientar sus políticas energéticas a través de la actual agenda energética nacional la cual en uno de sus puntos incentiva la incorporación de las ERNC en los sistemas de distribución primaria y secundaria (2014, Agenda de Energía). La Superintendencia de Electricidad y Combustibles (SEC) anualmente emite un ranking de calidad de servicio eléctrico el cual establece de manera resumida el comportamiento del último año de cada una de las empresas distribuidoras del país (34 en total) y que se traduce en un punto de selección para aquellos clientes que pueden optar que empresa le suministre energía, 87 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ asegurando así menos frecuencia de fallas y menor tiempo de interrupción. El no cumplimiento con algunas de éstos indicadores mínimos de calidad implica a las empresas a pagar altos montos en términos de multas hacia la autoridad y hacia los usuarios (ref. 4 sitio web de revista enviada a ASEDenCF). Todo lo anterior ha llevado a algunas empresas a decidir inversiones en sus redes eléctricas de tal manera de automatizarlas y optimizar la supervisión y control de las mismas. Entre ellos se puede mencionar, por ejemplo, la inversión en sistemas de protección supervisados a través de sistemas SCADA, lo que ha llevado a empresas SAESA a mejorar sus indicadores de calidad y con ello subir en el ranking de calificación. Así entonces, la implementación de un sistema de gestión de energía centrado en las redes de distribución primaria y secundaria era el siguiente paso. En los siguientes puntos se mostrarán resultados obtenidos al implementar un plan piloto de monitoreo y gestión basado en AMI y PLC. 2. EMPRESA ELÉCTRICA SAESA La empresa de distribución eléctrica SAESA, se posiciona en cuarto lugar en cuanto al número de clientes abastecidos con un total de 367.219 equivalentes al 9% del total país al año 2014 (Grupo SAESA incluye empresas de distribución eléctrica SAESA, FRONTEL, EDELAYSEN y Luz Osorno, totalizando unos 700.000 clientes, con un 50% de ellos en sectores rurales). Sus clientes se concentran en la zona sur de Chile suministrando energía a importantes zonas rurales con un alto potencial de ERNC y de sectores aislados de los centros urbanos, geografías agrestes y de difícil acceso lo cual se incrementa en los meses de invierno principalmente para atender las fallas eléctricas y medición de los consumos de sus clientes. Varios de sus alimentadores son gran longitud y de una baja densidad lo cual hace que los costos de lectura, corte y reposición sean muy superiores respecto a los que se encuentran en un centro urbano. Es por ello que la empresa ha estado en una búsqueda continua de tecnologías que permitan realizar un trabajo más eficiente. El sistema eléctrico de distribución en el cual se ha implementado el modelo de gestión corresponde a un sector de la red de distribución de la ciudad de Osorno (alimentador urbano) y tiene como objetivo principal obtener información de la energía consumida en el periodo e incorporar las herramientas de corte y reposición de servicio eléctrico a distancia e incrementar la cantidad de puntos de medición, todo lo anterior sumado a aprovechar al máximo las potencialidades que ofrece la plataforma. 88 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 2.1. Descripción Sistema de Telemedida implementado El proyecto de Telemedida PLC implementado por la empresa SAESA nace como una necesidad para investigar el impacto de estas tecnologías en la gestión, operación y supervisión de la calidad de servicio eléctrico de sus redes de distribución. Se evaluaron distintas alternativas tecnológicas decidiéndose finalmente por aquella asociada a una plataforma AMI la cual ya ha sido aplicada en condiciones geográficas similares a las existentes en las redes de SAESA (2010, Revista Electroindustria). El sistema básicamente contemplaba la instalación de medidores electrónicos que tienen incorporado un módulo de comunicación que le permite enviar y recibir información a través de la red eléctrica en baja tensión (PLC). El dispositivo encargado de recopilar esa información es el concentrador, que es instalado en la S/E de distribución escogida para el análisis, de este concentrador posee un modem de datos GPRS que es el que establece la comunicación con los servidores en las oficinas centrales. Cada S/E además es medida con un medidor trifásico que se coordina con los medidores aguas abajo para efectuar un balance de energía, permitiendo obtener la pérdida real del sector. , Figura N°1. Esquema de sistema de telemetría implementado en Alimentador urbano de Osorno. A continuación se describen los elementos que constituyen el sistema de telemetría implementado. El primero de ellos corresponde a un Concentrador de Datos (DC-1000) el cual administra a los medidores emplazados en los clientes utilizando PLC en la red eléctrica de baja tensión. Estos concentradores tienen capacidad de comunicación con un medidor o un grupo de medidores, repitiendo de manera automática los paquetes de información, de tal modo de entregarla a los medidores más distantes. Se dispone de una Central de Control, que cumple el rol de recibir la información proveniente desde los concentradores y procesarla. El medio de comunicación puede ser GPRS, RF, WiFi, internet, fibra óptica, etc., en el caso de la implementación en Osorno se realizó vía GPRS. Finalmente los equipos medidores emplazados en los puntos donde se conecta el cliente final, esto son medidores electrónicos equipados para telemetría con comunicación PLC. En particular los equipos instalados fueron ELO2101L(2010), ELO2101A(2010) y ECHELON-IEC. Este último permite obtener información de perfil de carga, posibilidad de establecer multitarifas, medición de calidad de energía, controlar de manera remota corte y reposición de servicio, establecer facturación con prepago o con límites de potencia máxima, entre otras bondades. Todo lo anterior debe estar apoyado por un sistema que permita la administración de los recursos y gestionarlos de manera eficiente, entre ellas podemos mencionar gestión de infraestructura, gestión de dispositivos, gestión de eventos, recolección de datos, servicios que están disponibles por medio de aplicaciones API’s (Application Programming Interface) basadas en servicios web (2012, Revista Electroindustria). 3. APLICACIÓN EN ALIMENTADOR DE OSORNO El sistema implementado fue aplicado en las Sub Estaciones de Distribución (SED) o transformadores de MT/BT #37529, #35281 y #25282. El total de puntos con equipos es de 733, los que se desglosan de la siguiente forma: 3 concentradores (ubicados en cada transformador de MT/BT); 722 clientes residenciales (Tarifa BT1); 4 clientes industriales con tarifa de potencia contratada (BT 2-B); 1 cliente industrial con tarifa de demanda máxima (BT3-A) y 3 medidores trifásicos para balance de carga de los transformadores. Algunos de los objetivos planteados al inicio del proyecto son enunciados en función del área involucrada: 89 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Área calidad del servicio. Determinar los beneficios reales de corte y reposición remoto en sector urbano, detectar hurtos a través del balance de carga en el transformador y alarmas de intervención en medidores, cuantificar las pérdidas en BT producto de los desbalances en la operación de la red, identificar perfiles de carga en clientes residenciales, medir la calidad de suministro de la señal de tensión, detectar fallas en los sistemas de distribución por activación de alarmas de falta de suministro, medir la energía reactiva en los clientes residenciales. Área mantenimiento. Identificar zonas con problemas de roces, pérdida de aislación, fallas de aislación en transformadores, aisladores, estructuras o postaciones para luego enviar las cuadrillas hacia los puntos involucrados para realizar inspecciones y/o reparaciones. Reducir desplazamientos de vehículos hacia sectores equivocados o alejados de los puntos de falla o con falta de mantenimiento. Área Seguridad. Reducir accidentes eléctricos por manipulación de elementos eléctricos, reducir el desplazamiento de vehículos evitando agresiones por parte de clientes; reducir ataques o mordeduras de perros. Reducir los errores de medición y/o estimación de lecturas. La Figura N°2 muestra un análisis geográfico efectuado para determinar qué sectores de la red eléctrica de distribución de la empresa SAESA sería el más conveniente para ser evaluado en este estudio. Para esto se consideraron cuadrículas de 500 m x500 m, cubriendo toda la ciudad de Osorno, luego se geo referenciaron los hurtos, cortes y reposiciones del último año, las zonas con mayores índices mencionados fueron las seleccionadas para desarrollar el piloto. Figura N°2. Descripción de la zona geográfica analizada para determinar la ubicación del piloto. 3.1 Resultados Obtenidos Algunos de los resultados obtenidos con el sistema de gestión implementado en Osorno son desplegados a continuación. Entre ellos podemos destacar los balances de energía activas los cuales permiten cuantificar las pérdidas obtenidas en cada red de BT asociada a los transformadores de MT/BT; los perfiles de carga a través de las corrientes de líneas para cada una de las fases de las redes de BT monitoreadas; evaluación de la medición de energías reactivas en clientes residenciales y con ello verificar cumplimiento de norma referida a mínimo factor de potencia; entre otras. La Figura N°3 entrega información respecto a las energía consumidas por lo clientes conectados al transformador SED#37529 y del nivel de pérdidas en dichos períodos. Los datos fueron recopilados entre el 25 de diciembre del 2011 y el 9 de febrero del 2012. 90 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura N°3. Gráfica de balance de Energía Activa y pérdidas en SED#37529. La curva asociada a energía trifásica corresponde a la registrada en la cabecera de la SED#37529 y la curva de energía monofásica corresponde a la energía obtenida de la suma de todos los clientes conectados a la SED, por lo tanto la diferencia representa el nivel de pérdidas de energía activa. Se puede apreciar que el valor se mantiene alrededor del 11%, sin embargo el día 30 de enero se registró un 16% en las pérdidas. De manera análoga la Figura N°4, entrega valores para la SED#35282. Los registros fueron adquiridos entre el 19 de mayo y el 11 de junio del 2012. Figura N°4. Gráfica de balance de Energía Activa y pérdidas en SED#25282. Al igual que en caso anterior la curva asociada a energía trifásica corresponde a la registrada en la cabecera de la SED#25282 y la curva de energía monofásica corresponde a la energía obtenida de la suma de todos los clientes conectados a la SED. En esta SED el nivel de pérdidas oscila alrededor del 7% siendo el día 2 de junio el con mayor nivel de pérdidas, alcanzando un 9%. De acuerdo los perfiles de carga de las SED anteriores, estas fueron obtenidas en función de las corrientes de línea de cada una de ellas. 91 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ La Figura N°5 muestra los perfiles de carga de la SED#37529 para el día 9 de junio del 2012 en intervalos de una hora para cada una de las fases del sistema, esto es fase R, fase S y fase T. Los datos son los reportados por el equipo de medida instalado en la cabecera del transformador de MT/BT. Figura N°5. Perfil de corriente para el día 9 de junio de 2012 en SED#37529. De la Figura N°5 se puede observar que el patrón de carga efectivamente sigue un comportamiento al de un cliente tipo residencial, donde los mayores consumos se producen a partir de las 18 horas disminuyendo fuertemente a partir de las 01 horas de la madrugada. El sistema muestra importantes desbalances de sus fases, llegando por ejemplo para el caso de la hora 00:00 un nivel de 116 (A) en la fase R, 73 (A) en la fase S y de 85 (A) para la fase T. Se observa además que para ésta SED # 37529, la fase R presenta siempre la mayor carga. A partir de estos datos se recomienda redistribuir las cargas de amanera de reducir los niveles de desbalances en sus corrientes y disminuir los efectos nocivos que estos pueden acarrear al sistema de distribución secundaria y posteriormente al de distribución primaria. Por su parte la Figura N°6, exhibe el comportamiento horario de cada una de las corrientes de carga para el SED#25282, registradas el día 31 de mayo del 2012. Figura N°6. Perfil de corriente para el día 31 de mayo de 2012 en SED#25282. A diferencia del caso anterior, en ésta SED se puede apreciar que en al menos en un periodo de 7 horas consecutivas (desde las 00:00 hasta las 07:00 horas) las corrientes mantienen un nivel importante de balance, sin embargo se puede observar que la fase R presenta un comportamiento oscilatorio (subida y bajada) a partir de las 10:00 hasta las 23:00 aproximadamente. Por ejemplo entre las 10:00 y las15:00 los valores se inician en 125 (A) luego decae a 85 (A), vuelve a disminuir a 79(A), en las tres horas siguientes se incrementa a 126 (A), 127 92 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ (A) y para alcanzar un máximo de 134 (A), finalmente desciende a 90 (A). Este comportamiento detectado a partir de los registros en la cabecera de la SED#25282 permite a la empresa disponer de un análisis más profundo para lograr identificar las causas de dicho comportamiento y reducir las fuertes fluctuaciones allí detectadas. En Chile se establece por norma, que el factor de potencia mínimo exigido para los clientes regulados debe ser igual o superior a 0,93 caso contrario se paga una multa equivalente al 1% de la factura mensual por cada 0,01 unidad bajo el valor exigido. El factor de potencia de los clientes regulados se determina a partir de los consumos de energía activa y reactiva mensual, por lo tanto corresponde en la práctica a un valor promedio mensual. Si un cliente presenta a fin de mes un factor de potencia de 0,90 entonces éste deberá pagar una multa equivalente al 3% de la factura. Aproximadamente al 100% de los clientes residenciales en Chile no se le calcula su factor de potencia pues se asume que el cliente residencial cumple con la normativa mínima establecida, sin embargo a partir de la implementación de la plataforma se realizó el análisis para registrar las energías reactivas y con ello se calcularon los factores de potencia de los clientes residenciales identificando que sus factores de potencia NO satisfacen la normativa. La Tabla N°1 resume los valores obtenidos para las dos subestaciones de distribución analizadas. Tabla N°1. Cálculo de factor de potencia para subestaciones en estudio. SED #37529 #25282 Número de Clientes 125 253 Facturación de Energía $ 1.834.095 $ 3.705.355 Factor de Potencia Calculado 0,86 0,88 % de Multa 7% 5% Recargo Por Factor de Potencia $ 133.748 $ 175.323 Se aprecia que los valores finales calculados son muy deficientes llegando en el caso de la SED#37529 a un 7% bajo la norma lo que establecería un pago por concepto de multa cercana a los $133.748 y para la SED#25282 a un 5% con una multa equivalente a $175.323. La FiguraN°7 muestra los clientes residenciales de las dos SED en estudio que presentan los más bajos factores de potencia. Estos se encuentran ordenados en orden decreciente en función del valor a pagar por concepto de recargo de bajo factor de multa. SERIALNUMBER 400000009369 212533732901 212533212431 400000215260 212533212301 400000004267 212524322095 212533212463 212533211701 212533614201 400000033073 400000033073 212533211851 212533314351 212524322111 212533314571 212524321631 212533313841 212533212291 212524322351 212533614381 400000215259 212524321721 212533314461 SE_NAME TR37529_Rahue_Alto TR37529_Rahue_Alto TR25282_Rahue_Alto TR25282_Rahue_Alto TR25282_Rahue_Alto TR25282_Rahue_Alto TR37529_Rahue_Alto TR25282_Rahue_Alto TR25282_Rahue_Alto TR25282_Rahue_Alto TR37529_Rahue_Alto TR37529_Rahue_Alto TR25282_Rahue_Alto TR25282_Rahue_Alto TR37529_Rahue_Alto TR25282_Rahue_Alto TR37529_Rahue_Alto TR25282_Rahue_Alto TR25282_Rahue_Alto TR37529_Rahue_Alto TR25282_Rahue_Alto TR25282_Rahue_Alto TR37529_Rahue_Alto TR25282_Rahue_Alto Kwh 2032 725 1628 334 319 269 265 309 133 271 277 440 132 151 267 148 233 216 175 84 286 154 229 140 Kvarh F. Potencia Mal Factor Potencia 2146.96 0.687394767 0.24 683.547 0.727601643 0.2 1021.155 0.847142411 0.08 436.232 0.607921834 0.32 344.778 0.679134161 0.25 310.345 0.654978277 0.28 298.037 0.664473398 0.27 319.591 0.69509423 0.23 240.26 0.484312897 0.45 251.896 0.732452243 0.2 243.401 0.751196152 0.18 295.532 0.830130813 0.1 169.258 0.614970273 0.32 161.109 0.683845463 0.25 204.721 0.793576222 0.14 157.356 0.685119763 0.24 186.12 0.781326616 0.15 178.535 0.770786126 0.16 158.302 0.741601835 0.19 118.102 0.579598736 0.35 192.717 0.829296165 0.1 137.208 0.746640578 0.18 165.494 0.810502614 0.12 127.127 0.740323514 0.19 Valor Kwh $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 $ 92.45 Valor Energia $ 187,865.72 $ 67,028.86 $ 150,514.46 $ 30,879.50 $ 29,492.70 $ 24,870.02 $ 24,500.20 $ 28,568.16 $ 12,296.33 $ 25,054.93 $ 25,609.65 $ 40,679.58 $ 12,203.88 $ 13,960.49 $ 24,685.11 $ 13,683.13 $ 21,541.69 $ 19,969.98 $ 16,179.38 $ 7,766.10 $ 26,441.73 $ 14,237.85 $ 21,171.87 $ 12,943.50 Valor Recargo Mal Factor P. $ 45,088 $ 13,406 $ 12,041 $ 9,881 $ 7,373 $ 6,964 $ 6,615 $ 6,571 $ 5,533 $ 5,011 $ 4,610 $ 4,068 $ 3,905 $ 3,490 $ 3,456 $ 3,284 $ 3,231 $ 3,195 $ 3,074 $ 2,718 $ 2,644 $ 2,563 $ 2,541 $ 2,459 Figura N°7. Resumen de clientes residenciales con peores factores de potencia para SED en estudio. De la Figura N°7 se puede observar que el cliente que más incide en el total de multa de ambas SED corresponde al cliente conectado a la SED#37529 y que tiene un factor de potencia promedio mensual de 0.69, es decir presenta un recargo del 24% equivalente a $43.088 de su factura total mensual. Por su parte el cliente 212533211701 perteneciente a la SED#25282 tiene el peor factor de potencia con un 0.48 lo equivale a una multa del 45% del total de su factura. 93 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Finalmente las Figuras N°8 y Figura N°9 entregan información respecto a los valores promedios diarios de las corrientes de línea de cada una de las SED en análisis para el mes de abril. Figura N°8. Perfil de corrientes de línea promedio diaria para SED#35729. Se ratifica que existen desbalances importantes entre cada una de las líneas que componen el sistema de distribución secundaria siendo la fase R (F1) aquella que presenta el nivel más alto de corriente y la fase S (F2) con el menor nivel de carga. Se aprecia además que el mínimo desbalance promedio es de 22% y se logra el día 2 de abril, por su parte el día que presenta el mayor desbalance promedio es el 7 de abril con 36% (2001, P.Pillay, M. Manyage). Figura N°9. Perfil de corrientes de línea promedio diaria para SED#25282. A partir de la Figura N°9, se observa que la fase R (F1) tiene el mayor valor de corriente promedio diaria, con valores muy cercano a ella se encuentra la fase S (F2). Por su parte la fase T (F3) presenta un nivel de corriente promedio diaria muy por debajo de las otras dos fases. El mayor desbalance se alcanza el día 9 de abril con un 23%. Por su parte el día con menor variación porcentual de desbalance es el día 21de abril con un 13%. 94 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 4. CONCLUSIONES Los resultados obtenidos permitieron identificar la existencia de importantes desbalances en las corrientes de líneas en cada una de las subestaciones estudiadas. A su vez los registros de las energías reactivas en los clientes residenciales detectaron que un alto porcentaje de ellos no cumple la norma vigente respecto al mínimo factor de potencia exigido. Los altos niveles de energía reactiva generan ineficiencias en la operación de la red, tales como mala regulación de tensión, alta circulación de corriente, sobrecarga de los sistemas eléctricos, entre otras. Finalmente la implementación de la plataforma de gestión a través del sistema de telemetría ha sido hasta el momento una herramienta de ayuda en la gestión y administración de la red eléctrica. AGRADECIMIENTOS Los autores agradecen a empresa SAESA por facilitar información relevante del sistema implementado y permitir mostrar parte de sus datos registrados en la operación de la plataforma y la gestión realizada a partir de ellos. REFERENCIAS BIBLIOGRÁFICAS Agenda de Energía. Un desafío País, progreso para todos (2014) http://www.minenergia.cl/documentos/estudios/2014/agenda-de-energia-un-desafio-pais.html (2014) Centro de Despacho Económico de Carga del Sistema Interconectado Central (2014); http://www.cdecsic.cl/sobre-cdec-sic/sic/ P. Pyllay, M. Manyage (2001), Definitions of Voltage Unbalnace, http://users.encs.concordia.ca/~pillay/16.pdf Revista Electroindustrial (2010), http://www.emb.cl/electroindustria/articulo.mvc?xid=1490&tip=6 Revista Electroindustrial (2012), http://www.emb.cl/electroindustria/articulo.mvc?xid=1838 95 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ NUEVO MODELO DE DISTRIBUCIÓN DE CORRIENTE CONTINUA EN BAJA TENSIÓN EN SMART BUILDINGS Línea Temática 1: Redes Inteligentes/Medida Inteligente/Microrredes. Luis Hernández Callejo1, Yolanda Estepa Ramos2 y Guillermo Martínez de Lucas3 (1) Referencias autor1: CIEMAT, [email protected] (2) Referencias autor2: Universidad de Zaragoza, [email protected] (3) Referencias autor3: Universidad Politécnica de Madrid, [email protected] RESUMEN En este trabajo se revisan una serie de conceptos, todos ellos relacionados con las microrredes de baja tensión de tipo de en corriente continua. Se exponen varias de las características propias de estas microrredes, diferentes tipos de cargas que alimentarían la microrred y posibles formas de conectar ésta al suministro. Se realiza un estudio de los niveles de potencia demandada más comunes, así como de las pérdidas en la red y las formas de evitar éstas, y cómo se generaría la corriente de la red de continua. Además, se exponen varios casos de estudios ya operativos sobre el modelo de continua. Palabras clave: Microrred, LVDC, Smart Meter, Red Inteligente. INTRODUCCIÓN La distribución de corriente continua en baja tensión puede ser una tecnología adecuada para las redes inteligentes y microrredes, ya que en la actualidad contamos con fuentes de energía renovable que generan corriente continua, principalmente paneles fotovoltaicos. Esta energía, en lugar de ser inyectada directamente a la red, hasta ahora se ha hecho pasar por inversores para transformarla en corriente alterna, -tipo de corriente de las redes de distribución- Para, posteriormente, hacerla pasar por rectificadores para transformarla en corriente continua y poder dar así servicio a cargas de corriente continua. Figura 1a) Todos estos pasos intermedios se podrían evitar, figura 1b), obteniendo así una red con una mayor eficiencia y una reducción de costes. 96 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 70. Figura 1: a) Red convencional b) Alternativa propuesta de una red de distribución toda en continua. Fuente [11] VARIAS CARACTERÍSTICAS DE LAS MICRORREDES DE BAJA TENSIÓN TIPO DC El esquema distribuido de los convertidores del lado de carga proporciona una mayor otencia y por tanto mejor calidad de suministro. Se pueden disponer varias formas de energía eléctrica con distintos niveles de tensión tales como monofásica 100 V, trifásica 200 V y 100 V DC (Direct Current), sin necesidad de utilizar transformadores. Si el consumo de energía se convierte en algo más que una fuente de producción durante un aislamiento a largo plazo, la microrred en continua puede interrumpir el suministro de energía de algunas cargas intencionadamente mediante convertidores laterales con el fin de continuar suministrando energía para cargas que sean más importantes. Cuando a la red le llega un pico de carga, la energía eléctrica puede ser compartida utilizando redes eléctricas adicionales entre convertidores laterales de carga. Las oscilaciones de energía debidas a los generadores distribuidos a lo largo de toda la red, y las deficiencias en la potencia suministrada se pueden compensar en la línea de corriente continua por el uso de dispositivos de almacenamiento de energía. Las cargas no se ven afectados por los valles, picos y armónicos de tensión ni por el desequilibrio de las fases de la línea trifásica. La calidad de la energía no se ve afectada por la corriente de irrupción, ni por los tipos de cargas. Se espera obtener una mayor eficiencia que en una microrred en alterna, ya que no existirán pérdidas de conducción ni de conmutación de los transistores y tiristores de los rectificadores e inversores. Por otro lado, si la red tiene poca longitud, las pérdidas serán menores en corriente continua [10], tal como se aprecia en la figura 2 y en la figura 3 y si la red tiene poca longitud las pérdidas serán menores en continua. 97 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 2: Pérdidas del cableado en función de su longitud. [10] Figura 3: Pérdidas de inversores y rectificadores. [10] Figura 4: Esquema de la distinta integración de la red en DC. [5] 98 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ TIPOS DE CARGAS QUE ALIMENTAN LA RED DE DISTRIBUCIÓN EN CONTINUA Los tipos de carga a los que se enfrenta el sistema de generación son muy diversos. En hogares o edificios de oficinas, encontramos generalmente cargas estáticas, debidas a multitud de dispositivos como ordenadores, teléfonos móviles, televisión, tabletas, e iluminación LED, lámparas fluorescentes compactas, hornos microondas, etc. Por otro lado, la carga que demandan industrias o laboratorios es de tipo dinámico –motores- con unidades de frecuencia variable. Algunos de los problemas que presentan las microrredes son, entre otros, la dificultad de sincronización de los generadores distribuidos, la corriente de arranque que necesitan los transformadores, motores y generadores de inducción, y el desequilibrio que se puede provocar en la red trifásica (cargas y generadores conectados en una fase). Para paliar dichos efectos negativos se han propuesto, entre otras medidas, la introducción de cargas inversoras (incluyen las conversiones AC/DC y DC/AC, Alternating Current-Corriente Alterna), la introducción de generadores con salida de corriente continua tales como paneles fotovoltaicos, pilas de combustible, velocidad variable de las palas de los aerogeneradores, micro turbina, motor de gas. Figura 5: Esquema de distribución de la red en un edificio de oficinas. [5] CIRCUITO E INTEGRACIÓN DE LA MICRORRED La bibliografía sobre la estructura del sistema de compatibilidad, el modelado de carga, la calidad de la energía, la fiabilidad, el control y protecciones, y la evaluación de ahorro de energía para los sistemas de LVDC, muestra que los sistemas LVDC (Bajos Voltajes por Corriente Continua, Low Voltage Direct Current) se encuentran disponibles para dar servicio a la mayor parte de las cargas diseñadas para los sistemas de baja tensión en corriente alterna (Low Voltage Alternating Current - LVAC). También puede controlar eficazmente el proceso transitorio para mantener estable el suministro. Es posible, para los sistemas de LVDC, que puedan ser utilizados en el ámbito civil, con ejemplos como sub-distritos residenciales y centros comerciales. 99 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 6. Configuración clásica del panel fotovoltaico y la carga de CC conectada a la red[1] Figura 7: Alternativa de conexión para dar servicio desde una fuente de corriente continua y la red eléctrica trifásica. [1] TRATAMIENTO DE LA POTENCIA Las pérdidas de potencia ocasionadas en la red son a través del cableado, siguiendo el esquema mostrado a continuación, así como las pérdidas sufridas en dispositivos como inversores y rectificadores (IGBT’s, MOSFET’s) Figura 8: Esquema del modelo de circuito equivalente de una línea de red, con inductancia y resistencia en serie, y capacitancias en paralelo. Las pérdidas debidas al flujo de corriente a través de inversores y rectificadores se eliminarían por completo al no necesitar transformar la corriente alterna en continua y vv. Estas pérdidas por inversor son pequeñas, alrededor del 1.24% con IGBT, 0.26% con MOSFET 5-level, 0.16% con MOSFET 7-level (Pérdidas en cuatro IGBT son de alrededor de 93W x 4 = 372 W, pérdidas en MOSFET 5-level 19.5W x 4 = 78W, y pérdidas en MOSFET 7-level 12W x 4 = 48W, en una red alimentada a 600V y con una corriente media de 50 A, es decir, una red con una potencia de 30kW). Todas estas pérdidas deberían ser englobadas en la dimensión total de la zona a la que se da servicio, por ejemplo una gran zona residencial, donde la suma de las pérdidas de todos los inversores instalados comenzaría a cobrar importancia. 100 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 9: Los avances en Switches con semiconductores reducen en gran medida el tiempo de conmutación lo que hace que tengan unas pérdidas muy pequeñas, pero aún así sigue habiendo pérdidas. [10] GENERACIÓN DE CORRIENTE Figura 10: Alimentación a cargas monofásicas desde la red trifásica y generación monofásica desde fuentes renovables. [9] 101 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 11: Distintos métodos de generación en continua [9] La corriente en forma continua podría ser el futuro para los edificios de energía cero, siendo esta más eficiente en la integración con las fuentes renovables en continua. La distribución en LVDC es una solución prometedora, cuyos beneficios son una capacidad de transferencia de gran potencia y mejoras de seguridad y calidad de la potencia. La LVDC desarrolla redes de distribución hacia la red inteligente y proporciona nuevas oportunidades para el desarrollo de la distribución de electricidad. Entre otros beneficios, destaca la gran capacidad de transferencia de potencia con baja tensión y mejoras en la fiabilidad y la calidad de la energía. Por otra parte, proporciona un punto de conexión fácil para los almacenamientos de generación y la energía distribuida. Por otro lado, el LVDC cumple la limitación de tensión, que viene dada por la Directiva de tensión 2006/95/CE, que define el máximo valor de baja tensión hasta 1000 V AC y 1500 V DC, estima que los presentes cables de AC también se pueden utilizar con DC. En los estudios realizados, se ha usado un sistema de tipo point-to-point (entre nudos). El punto óptimo entre la capacidad de suministro de corriente de corto circuito y la caída de tensión permitida se ajusta entre 550 a 600 VAC. La corriente máxima que puede circular por cierto modelo de conductores es de 580 A. Tras estudios de redes, el uso de un límite de la caída de tensión de 6.9% parece ser la alternativa tecnoeconómicamente más razonable. El LVDC tiene una capacidad de transferencia de potencia suficientemente alta, y además es posible reemplazar múltiples ramales cortos y de baja potencia con una distribución LVDC CASOS OPERATIVOS EN DC Existe un proyecto llamado "Stroomversnelling", con el objetivo de tener viviendas de energía cero, compuesto por prototipos de casasen las que se ha instalado un sistema centralizado de DC. Este sistema DC hace posible una red DC inteligente. Éste se conecta directamente a las tomas de corriente USB a través de una red de corriente continua. El plan es desarrollar el sistema de DC en tres pasos en una red inteligente completa para toda la casa, a partir de paneles solares para el conjunto de tomas de corriente USB y la iluminación LED. Por tanto, la red de CA actual ya no será necesaria. 102 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Las casas prototipo en Soesterberg son también las primeras en tener tomas de corriente USB que funcionan con un sistema de DC. Figura 12: Toma de corriente USB en DC. [2] También se han puesto en marcha los primeros proyectos piloto para la primera red inteligente de DC para alumbrado público. Se trata de una red de DC completa que conecta las luminarias de DC a una red inteligente que se encarga del control y funciona íntegramente en DC. Ya existen contratos para el primer proyecto piloto para sustituir el alumbrado público existente por luminarias LED, quedando integradas en la red inteligente. Stadskanaal será el primer municipio con alumbrado público DC redes inteligentes. Una de las ventajas del sistema de DC inteligente es que la trasmisión de la electricidad se combina con la comunicación, con lo que se puede controlar por separado, y por tanto se produce un ahorro en el uso de energía eléctrica, y por tanto en costes. Figura 13: Luminaria urbana. [3] Se ha planificado un nuevo proyecto de red inteligente DC en Ciudad del Cabo que implementará y desarrollará una red inteligente en la DC a 350V DC. Los sistemas de DC resuelven problemas con cargas de alta potencia, tales como estufas, reduciendo así el riesgo de incendio. En las casas, las tomas de corriente que se utilizan son puertos USB estándar. El sistema VDC 350 ofrece distintas opciones para el almacenamiento local o centralizado, siendo adecuado para cargar los motores eléctricos y los scooters, por ejemplo. Sigue habiendo muy recientemente, a fecha de julio del 2014, charlas y conferencias sobre el potencial de las redes de corriente continua y las redes inteligentes [4]. CONCLUSIÓN Se ha presentado una nueva línea de investigación que surge a partir de la tecnología de las microrredes, la alimentación a los consumidores a través de un bus de continua. Esto conlleva que no haya necesidad de transformación y transporte intermedio en corriente alterna obteniendo así una red con menos pérdidas y por 103 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ consiguiente con un menor coste para los consumidores. Para que esta idea se ponga en práctica habría que tener en cuenta la capacidad de control sobre las fuentes de energía renovable para mantener equilibrada la red. Serían necesarios ensayos para comprobar la eficiencia de la corriente continua frente a la corriente alterna, así como trabajar sobre proyectos ya realizados en DC como fuente de información para seguir investigando y desarrollando esta nueva idea. Otra posible solución sería un edificio con dispositivos finales con alimentación doble, para posibilitar alimentarlos con corriente alterna y corriente continua. Además, el edificio tendría generación en continua (fotovoltaica, baterías, etc.) inyectando en un bus de continua desde donde se alimentarían las cargas directamente en continua, sin las etapas DC-AC en generación y en carga. En esta instalación piloto se podría plantear disponer de los siguientes elementos: Bus de continua y bus de alterna (duplicidad de instalación eléctrica) y protecciones correspondientes de ambas redes. Generación fotovoltaica en fachada de edificio. Bancada de baterías con regulador incorporado. Sala de servidores para CPD con alimentación eléctrica dual (entrada en continua directa y a través de fuente de alimentación. Sistema de aire acondicionado (bomba de calor) con sistema de alimentación eléctrica dual. Sala con ordenadores de sobremesa con sistema de alimentación eléctrica dual. Smart Meters y Concentradores de Datos para registrar la medida eléctrica, tanto del bus de continua como de alterna. De esta forma, se dispondrá de un “living-lab” donde poder experimentar y realizar trabajos de investigación de manera conjunta. Este edificio podrá considerarse emblemático, posibilitando visitas externas y permitiendo a los alumnos de Grado realizar experiencias punteras que sirvan para crear nuevas líneas de I+D. REFERENCIAS BIBLIOGRÁFICAS Ammous, A., Morel, H.; LVDC: An Efficient Energy Solution for On-Grid Photovoltaic Applications, In Smart Grid and Renewable Energy, Scientific Research, April 2014, Vol.5 No.4, PP. 63-76, April 2014. [1]. Direct Current bv, May 14, 2014. Direct Current, http://www.directcurrent.eu/en/news/news-archive/155dc-grid-at-home-becomes-reality [2]. [3]. Direct Current bv, May 23, 2014. Direct Current, http://www.directcurrent.eu/en/news/news-archive/112- first-dc-smart-grid-for-public-lighting [4]. Direct Current bv, July 8, 2014. Direct Current, http://www.directcurrent.eu/en/news/news-archive/159-dc- smart-grids-in-south-africa EMERGE Alliance, DC Microgrids, Advanced Power Distribution Platforms for Flexibility, Savings & Sustainability in Buildings, www.EMergeAlliance.org, https://www.sylvania.com/en-us/applications/dcmicrogrid/Pages/default.aspx. [5]. Hakala, T., Järventausta, P., Lähdeaho, T., The utilization potential of LVDC distribution, In 22nd International Conference on Electricity Distribution, Stockholm, Sweden. June 2013. Paper 1151,10-13. [6]. Li, L., Yong, J., Zeng, L., and Wang, X., Investigation on the System Grounding Types for Low Voltage Direct Current System, In Electrical Power & Energy Conference (EPEC), 2013, Halifax, NS, Canada. [7]. 104 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Prasenjit Basak, Dr. S. Chowdhury, Dr. S.P. Chowdhury, and Dr. S. Halder nee Dey, Simulation of Microgrid in the Perspective of Integration of Distributed Energy Resources, In Energy, Automation, and Signal (ICEAS),Bhubaneswar, Odisha, India December 2011. [8]. Sanz, M., In IV Simposium sobre sostenibilidad de Energías, Integración de Energías Renovables en C.C., generación distribuida, Zaragoza, Spain, December 2006. [9]. [10]. Toshifumi, I., In Advantages and Circuit Configuration of a DC Microgrid, Symposium on Microgrids, Montreal 2006. [11]. Zhong, Y., Finney, S., Holliday, D., An Investigation of High Efficiency DC-AC Converters for LVDC Distribution Networks, In conference on Power Electronics, Machines and Drives PEMD, Manchester, UK, April 2014. 105 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ HIBRIDACION CON EERR EN UNA INDUSTRIA - VENEZUELA Área Temática 2: Energías renovables y reducción de emisiones. Autor1, Miguel Ángel Pérez; Autor2, Raquel Ferret (1) Referencias autor1: ZIGOR R&D, [email protected] (2) Referencias autor2: ZIGOR R&D, [email protected] RESUMEN. La inquietud por la utilización de los recursos renovables en cualquier parte del mundo es creciente por los múltiples beneficios que lleva asociado; beneficios económicos, por el costo de la energía generada y beneficios ambientales, por la reducción de la emisión de gases contaminantes. Los nuevos desarrollos en sistemas de generación y sistemas electrónicos para el control de la energía nos permiten disponer de soluciones económicamente viables y que nos aportan, no solo los beneficios indicados, sino otros como calidad de red, respaldo energético, etc. Estos últimos muy interesantes en zonas donde la disponibilidad de una red de calidad no es posible, con interrupciones o inestabilidades sistemáticas. Se debe tener en cuenta que la disponibilidad de una energía de calidad y confiable redunda en un aumento de la calidad de vida y de las expectativas económicas. Estas soluciones están enfocadas para su instalación en aéreas rurales, industrias, hospitales u otras localizaciones que precisen estas funcionalidades. Palabras clave: Sistema aislado, Calidad de red, Smart-grid, ahorro energético. 1.- INTRODUCCION. 71. Se presenta un proyecto cuyo objetivo es asegurar un suministro de energía de calidad a la fábrica de Luminarias “Energía Alternativa Luis Zambrano”. Esta fábrica está dedicada a la investigación y desarrollo de sistemas de iluminación basados en led y a la fabricación de luminarias MICROLED que se hayan desarrollado en la fase previa. Los desarrollos son realizados conjuntamente entre el gobierno bolivariano de Venezuela y la empresa española General de Cuadros Eléctricos. 72. Dicha fábrica cuenta con varias zonas diferenciadas: Una zona dedicada a la producción de luminarias de led, con una superficie total de 800m2. Una zona dedicada al almacenamiento del producto terminado, con una superficie total de 800m2. Una zona dedicada a la investigación y desarrollo de los sistema de iluminación, con una superficie total de 300m2. Una zona dedicada a oficinas y administración de 300m2. Una zona de tejado inclinado orientada al SUR capaz de soportar el peso de los paneles solares, con una superficie superior a los 1000m2. 73. 74. La planta industrial se encuentra en la zona industria de la población La Victoria, situada en el noroeste de Venezuela, ver figura 1. Esta zona del país cuenta con unas condiciones de radiación muy elevadas y con una producción energética por encima de los 2.000 kWh por kilovatio de panel instalado. 106 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 75. 76. 77. Figura 35.- Ubicación de la fabrica. 78. 79. Las motivaciones de la realización de esta hibridación son principalmente: 80. 1.- El funcionamiento errático de la red eléctrica en dicha zona industrial. Cuenta con un índice muy alto de fallos en el sistema eléctrico, caídas de tensión y cortes energéticos constantes durante todo el día, llegando en algunos casos a prolongarse los cortes del suministro durante más de 5 horas. Esta situación es similar en todas las grandes zonas industriales del país. 81. 2.- Servir de planta piloto de una nueva forma de ver el suministro de energía. Un suministro confiable sin la utilización de forma abusiva de la generación a partir de grupos electrógenos con la consiguiente reducción de las emisiones a la atmosfera: De forma general, al consumir menos energía de la red de distribución. De forma particular, al no necesitar encender el grupo electrógeno cada vez que se produce un fallo en el suministro. 82. 3.- Aumento de la productividad de la fábrica, al disponer de un suministro de energía de calidad, confiable e ininterrumpido. 83. fabricación. 4.- Aumento de la calidad de las luminarias producidas, al no verse alterados los procesos de 107 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 2.- LOCALIZACIÓN DE LA FÁBRICA, RECURSO GENERADOR Y CONSUMOS. 84. La fábrica está ubicada en la población de La Victoria. Las coordenadas de la fábrica son: 85. 10.21º Norte 86. 67,32º Oeste 87. Estas coordenadas corresponden a la localización de la figura 2. 88. 89. 90. Figura 36.- Localización de la fábrica. 91. 92. La fábrica dispone de una cubierta a dos aguas, una de ellas orientada al sur, con suficiente capacidad para soportar el peso de los paneles y la estructura que los soporta, ver figura 3. Como se puede observar no existen obstáculos arquitectónicos que proyecten sombras sobre la misma, lo cual lo configura como un lugar adecuado para la instalación de paneles fotovoltaicos. 93. 94. 95. Figura 37.- Detalle de la cubierta orientada al sur. 96. 108 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 97. Los datos de radiación de esta localización son los presentados en la tabla 1. 98. 99. Tabla 1.- Datos de radiación sobre la horizontal. 100. 101. NE E 102. EB F103. AR M 104. BR A 105. AY M 106. UN J107. UL J108. GO A 109. EP S110. CT O 111. OV N 112. IC D 113. k 2 Wh/m 114. ,2 5115. ,7 5116. ,2 6117. ,7 5118. ,7 5119. ,3 5120. ,9 5121. ,9 5122. ,6 5123. ,5 5124. ,3 5125. ,2 5 126. 127. La cubierta tiene una inclinación de 13º, lo que nos modifica los datos de radiación incidente sobre los paneles fotovoltaicos a los presentados en la tabla 2. 128. 129. Tabla 2.- Datos de radiación con 13º de inclinación. 130. 131. NE E 132. EB F133. AR M 134. BR A 135. AY M 136. UN J137. UL J138. GO A 139. EP S140. CT O 141. OV N 142. IC D 143. k Wh/m2 144. ,6 5145. ,9 5146. ,3 6147. ,5 5148. ,3 5149. ,9 4150. ,5 5151. ,7 5152. ,6 5153. ,8 5154. ,7 5155. ,6 5 156. 157. Con estos datos, la máxima disponibilidad de energía en los paneles sería, en kilovatios hora de energía por kilovatio de panel instalado: 158. Enero 173,6 kWh/kWp 159. Febrero 165,2 kWh/kWp 160. Marzo 195,3 kWh/kWp 161. Abril 165 kWh/kWp 162. Mayo 164,3 kWh/kWp 163. Junio 147 kWh/kWp 164. Julio 170,5 kWh/kWp 165. Agosto 176,7 kWh/kWp 166. Septiembre 168 kWh/kWp 167. Octubre 179,8 kWh/kWp 168. Noviembre 171 kWh/kWp 169. Diciembre 173,6 kWh/kWp 170. Anual 2050 kWh/kWp 171. 172. En cuanto a los consumos de la fábrica tienen las siguientes características: La potencia máxima simultánea no será superior a los 40Kw. El consumo de la fábrica durante las horas de trabajo, a pleno rendimiento, está estimado en 150Kwh/día. 109 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ El consumo de la fábrica durante las horas nocturnas está estimado en 20Kwh/día. 3.- SOLUCION DE HIBRIDACION ADOPTADA 173. La solución adoptada es una hibridación en corriente continua donde las posibles fuentes de energía serán, por orden de prioridad: Energía fotovoltaica. Red de distribución. Grupo electrógeno. 174. 175. Para aportar estabilidad al sistema cuenta con una batería de almacenamiento de plomo-ácido, que aportará energía por la noche y en los momentos de conmutación de recurso energético. Este tipo de configuración responde al esquema de la figura 4. En este tipo de esquemas se suman los flujos de energía ya sean procedentes de recurso fósil (red de distribución o grupo electrógeno) o renovable, maximizando en todo momento la energía proveniente del recurso renovable. 176. 177. 178. Figura 38.- Configuración de la solución adoptada. 179. 180. Para aumentar las funcionalidades del sistema se añade un By-pass que conecta la entrada de red o grupo con los consumos, desconectando el sistema inversor. Este cambio puede ser provocado por: Una actuación manual, para realizar labores de mantenimiento y poder trabajar sin tener tensión en el sistema electrónico. Una actuación automática, ante un fallo en la salida del sistema electrónico se conmuta de forma automática. 181. 182. En la figura 5 se presenta el esquema eléctrico de dicho by-pass y en la figura 6 el esquema unifilar de la conexión entre el inversor y el bypass. 183. 110 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 184. 185. Figura 39.- Esquema by-pass. 187. Figura 40.- Esquema unifilar. 186. 111 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 4.- PARTES DEL SISTEMA 188. El sistema montado en la ubicación descrita anteriormente consta de 189. 1.- Generación: para poder generar la energía necesaria para alimentar los consumos de la fábrica se instalan 136 paneles de 230W en la cubierta indicada anteriormente. Con estos paneles se genera un mínimo de 150kWh/día y un máximo de 190kWh/día, que supone un valor aproximado a las necesidades diarias de energía de la fábrica en máxima fabricación. En la figura 7 se observa como quedaron los paneles después de su instalación. 190. 191. 192. Figura 41.- Paneles fotovoltaicos instalados. 193. 194. 2.- Almacenamiento: la batería instalada consta de 4 ramas en paralelos de 29 baterías de 12V y 275Ah. Esto supone un almacenamiento total de 380kWh, muy por encima de las necesidades nocturnas, que son 20kWh. De esta forma la fábrica puede estar trabajando durante casi dos días sin generación fotovoltaica y sin necesitar arrancar el grupo electrógeno. En la figura 8 se observa como quedaron las baterías después de su instalación. 195. 196. 112 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 197. Figura 42.- Baterías instaladas. 198. 199. 3.- Inversor-cargador, el sistema electrónico que gestiona los flujos de energía es un sistema con las siguientes características: Potencia nominal 50kW. Tensión de salida 3x400Vac + Neutro. Frecuencia 50Hz. Entrada FV 50kW. Aislamiento galvánico entre la entrada FV y la salida a los consumos. Interface de usuario local y monitorización remota mediante Web-server 200. 201. En la figura 9 se observa como quedo el inversor-cargador después de su instalación y en la figura 10 una captura de la monitorización remota. 202. 203. 204. Figura 43.- Inversor-cargador instalado. 205. 113 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 206. Figura 44.- Monitorización del inversor-cargador instalado. 207. 208. Como se puede observar por los valores de generación, almacenamiento y conversión de energía, en un funcionamiento dentro de los valores iniciales de cálculo, el sistema no precisaría arrancar el grupo electrógeno en ningún momento y la energía consumida de la red eléctrica sería inferior al 10% del total de energía consumida en la fábrica. Aportando una disponibilidad total de la energía, así como aumentando la calidad de la misma. 5.- GRAFICAS DEL USO DE LA ENERGIA 209. La gestión de los flujos de energía es registrada para el control del funcionamiento de la planta de energía. En estas graficas de representan la energía, en la figura 11 se puede observar como ejemplo la representación de este registro para un día concreto de funcionamiento. 210. 211. 213. 212. Figura 45.- Representación flujos de energía del día 17 de Julio de 2014. 114 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 214. En dicha grafica se reflejan como los consumos nocturnos descargan las baterías, como la generación fotovoltaica aporta energía a los consumos y a la recarga de batería. Este registro de datos se realiza cada 10 segundos y se genera un fichero para cada día en formato “.csv”, por lo que es fácilmente manipulable desde cualquier otra aplicación. La aplicación del cargador-inversor permite la descarga de cada uno de esos ficheros de forma independiente. 215. Estos datos nos permiten valorar si la instalación responde a las expectativas, si se producen desviaciones sobre los datos de cálculo y permite el análisis de posibles ampliaciones de batería o campo fotovoltaico. AGRADECIMIENTOS Agradecimiento a ZIGOR COPORACIÓN S.A. y TECNICAS ENERGÉTICAS YUSTE, S.L. como propietarios de la información relativa a la instalación mostrada como caso de aplicación del sistemas instalado de generación de energía aislada permitiendo su difusión. 115 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ ELECTRIFICACIÓN SUSTENTABLE DE LA ISLA HOLBOX: UN ESTUDIO DE CASO Línea Temática 2: Energías renovables y reducción de emisiones. Aplicaciones prácticas de integración a sitios de la UNESCO. Jorge M Huacuz1, Consolación Medrano2 (1) Gerencia de Energías Renovables, Instituto de Investigaciones Eléctricas, [email protected] (2) Gerencia de Energías Renovables, Instituto de Investigaciones Eléctricas, [email protected] RESUMEN Este trabajo resume los resultados de un estudio realizado para determinar la viabilidad de suministrar electricidad con energías renovables a la población de la isla Holbox, ubicada en el Caribe Mexicano, con fines de minimizar los impactos económicos, ambientales y sociales de la producción local de electricidad con combustible diésel. Se presentan los resultados de las actividades de campo realizadas para conocer la situación energética que priva en la isla, así como los resultados de un análisis de pre factibilidad realizado para determinar el tipo de sistema de generación renovable más conveniente desde el punto de vista de la sustentabilidad técnica, económica, social y ambiental. Palabras clave: Holbox, Energías Renovables, Sustentabilidad, Pre factibilidad. CAMPO DE ESTUDIO La Isla Holbox está situada en la costa nororiental de la Península de Yucatán, en el estado de Quintana Roo, México. Originalmente poblada principalmente por pescadores, en la actualidad es un importante destino turístico. Tiene una extensión de 40 km de largo y 2 km en su parte más ancha, y cuenta con unos 34 km de playa en el lado norte. Está ubicada entre las coordenadas 21°31’ Latitud Norte, y 87°23’ Longitud Oeste. Holbox es parte de la reserva de la biosfera y área de protección de flora y fauna de Yum Balam, que está incluida en la Convención de Ramsar. La población de la isla se concentra principalmente en la Villa de Holbox, ubicada en los 21° 31´ 20” latitud Norte y 87° 22´ 46” longitud Oeste. Holbox tiene un clima cálido todo el año, siendo cálido-húmedo durante el verano y más bien seco entre los meses de diciembre y fines de mayo. La isla se ubica en una zona de alta incidencia de tormentas y huracanes, por lo que es muy vulnerable a este tipo de fenómenos. La población de Holbox ha fluctuado a lo largo de los últimos años pero es hoy en día cercana a los 1500 habitantes, y está compuesta por pobladores nativos, inmigrantes de otras partes de México y ciudadanos de otros países que han elegido este lugar como su residencia permanente. La población crece y casi se duplica durante la temporada alta de turismo entre los meses de diciembre y agosto. La pesca, el turismo y el comercio son las principales actividades económicas en Holbox. La actividad turística es probablemente la de mayor fuerza económica en la isla. Esta actividad comenzó con base en pequeños hoteles para el turismo de aventura, pero ha crecido y evolucionado hacia formas más sofisticadas, orientadas principalmente al turismo 116 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ extranjero. El número de hoteles y cuartos se multiplicó por un factor superior a dos en el período enero de 2008 a diciembre de 2011, lo que a la vez ha incrementado la demanda de servicios. El pueblo cuenta con red de distribución de agua potable, red de telefonía fija y cobertura celular, alumbrado público, comunicación por vía marina con tierra firme mediante taxi-lanchas y ferry, así como transporte aéreo mediante pequeñas avionetas. El transporte local es principalmente por motonetas y carritos de golf con motor a gasolina que contribuyen de manera importante a la contaminación por ruido y emisiones de gases. El agua potable se transporta desde tierra firme mediante una tubería submarina de 11.2 km de longitud. DEMANDA ELÉCTRICA A solicitud de la Secretaría de Energía de México, el Instituto de Investigaciones Eléctricas (IIE) realizó un estudio para determinar la factibilidad de utilizar los recursos energéticos renovables disponibles en la isla de Holbox para la generación eléctrica, en sustitución del combustible diésel que se utiliza actualmente. Huacuz et al. (2013). Como parte de este estudio se hizo un levantamiento de información sobre los aparatos y equipos eléctricos utilizados por una muestra de usuarios en diferentes áreas del poblado y según el tipo de servicio (domiciliario, comercial, hotelero). Los equipos de aire acondicionado representan la carga eléctrica más importante y se concentran principalmente en los hoteles. En los domicilios particulares y en muchos negocios se usan principalmente ventiladores. El alumbrado público y la iluminación eléctrica de casas y edificios se realiza casi en su totalidad por medio de lámparas fluorescentes compactas, resultado de programas gubernamentales de ahorro y uso eficiente de electricidad implementados previamente en la isla. El acondicionamiento de aire representa una carga 16 veces mayor que la iluminación. También existen en la isla motores eléctricos para varios propósitos, incluyendo el bombeo de agua y drenajes. La demanda eléctrica total en la isla asciende a 7 millones de kWh al año. SUMINISTRO DE ENERGÍA La población de Holbox cuenta con los principales servicios de energía, incluyendo expendio de gasolina, distribución de gas LP y suministro de electricidad generada localmente. Todos los combustibles son transportados desde tierra firme a bordo de lanchones, en carros-tanque o bidones según el caso; la gasolina y el diésel son depositados en la isla en grandes tanques contenedores, con los riesgos ambientales y altos costos que esta operación implica. Holbox cuenta con electricidad desde hace casi 30 años, suministrada durante las 24 horas del día por la empresa nacional Comisión Federal de Electricidad, mediante una central de generación a diésel compuesta por cinco moto-generadores que operan en forma alternada y como reserva, con 2,625 kW de capacidad total, suficiente para cubrir la creciente demanda durante los próximos años. La Figura 1 muestra el crecimiento de la generación eléctrica durante los últimos años en Holbox, motivado principalmente por el incremento de la actividad turística en la isla. La distribución eléctrica se realiza mediante una línea de alimentación en media tensión, con derivaciones a dos circuitos en baja tensión mediante los cuales se atienden casi 1,500 servicios, 117 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ tanto domiciliarios como comerciales y requerimientos municipales. Uno de los circuitos se extiende hacia la zona hotelera mientras que el otro alimenta a la mayor parte de la población. El consumo actual de diésel en Holbox rebasa los 2 millones de litros al año, el cual seguirá creciendo si se considera la tasa de crecimiento de la demanda eléctrica registrada en alrededor del 4% anual. Las implicaciones económicas y ambientales que acompañan al uso de estas cantidades del combustible son evidentes ENERGÍA RENOVABLE DISPONIBLE Los recursos energéticos renovables en Holbox son principalmente el viento y el sol. En cuanto al primero, se realizó un análisis de la información disponible sobre su velocidad y dirección, derivada de mediciones hechas años atrás a 20 y 30 metros de altura en dos puntos de la isla. El análisis de los datos se realizó con un software desarrollado en el IIE y los resultados se muestran en la Tabla 1. El potencial energético del viento en la isla se determinó empleando el modelo WAsP (WASP 10), obteniendo que la máxima densidad de potencia en la isla no rebasa los 200 W/m2 a 30 metros de altura. Esto representa una limitante para la instalación de aerogeneradores de mediana capacidad pues tendrían un bajo desempeño, pero deja abierta la posibilidad de instalar pequeños aerogeneradores en el esquema de generación distribuida. La disponibilidad del recurso solar en Holbox se determinó mediante los siguientes tres procedimientos, aquí denominados NASA, NASA 5 e IIE, con el propósito de mejorar la predicción de la generación fotovoltaica, ya que en la isla no existen estaciones para la medición de este recurso: NASA, Interpolación de datos del portal NASA Surface meteorology and Solar Energy: Data Subset para diversos puntos de la región (NASA 2014 a); NASA 5, extracción directa de datos del portal NASA Surface meteorology and Solar Energy: Daily Averaged Data para un punto ubicado en el centro de la isla (NASA 2014 b); IIE, aplicación de un modelo climatológico aplicando el modelo RADIAC a valores de las estaciones climatológicas de la zona a la que pertenece la isla. En la Figura 2 se muestran los valores promedio mensuales de la irradiación solar global diaria obtenidos con los tres procedimientos para los años 2000 al 2004 y se puede observar que los valores obtenidos son muy similares. En la Figura 3 se muestra el histograma de frecuencias de estos valores que corroboran la existencia de un excelente recurso solar en la isla. PROPUESTA TECNOLÓGICA Ya que en la Isla Holbox se cuenta con una planta de generación a diésel, la propuesta tecnológica alternativa consiste en integrar un sistema híbrido biodiesel-solar-eólico acoplado a una red de distribución con atributos de red inteligente, en un esquema de mini-red eléctrica aislada; esto es, no conectada a la red del sistema eléctrico nacional, ya que otras instancias proponen la instalación de un cable eléctrico submarino de más de 12 km de longitud que conectaría el sistema eléctrico de la isla con la red eléctrica nacional en tierra firme. 118 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ En el concepto aquí propuesto los moto-generadores existentes en la isla son utilizados como base del sistema y utilizan biodiesel en su operación. Se busca que al menos el 50% de la electricidad se produzca con generadores eólicos y fotovoltaicos. A la vez se busca que el costo de generación eléctrica se mantenga dentro de límites razonables en el ciclo de vida útil del sistema. El porcentaje de participación de la generación solar y eólica se estableció tomando en cuenta la disponibilidad local de estos recursos y para el análisis se tomó como línea base la demanda actual de electricidad, y proyecciones de su crecimiento a tasas históricas. Así mismo, se tomaron en cuenta las características técnicas y operativas de la central diésel existente en la isla, así como las restricciones de carácter ambiental y climático que privan en la localidad. Se consideró que el biodiesel será llevado a la isla desde tierra firme en forma análoga, en logística y costos, a como se hace actualmente con el diésel de petróleo, ya que en Holbox no hay terrenos disponibles ni agua dulce como para soportar el desarrollo de plantaciones para la producción del biodiesel. La migración hacia una red inteligente se consideró necesaria para viabilizar la incorporación de tecnologías solar y eólica y manejar adecuadamente su variabilidad natural. La red inteligente permitirá además monitorear desde tierra firme la operación del sistema y brindarle soporte técnico en forma más oportuna de lo que actualmente ocurre. Se analizaron dos modelos de implementación del sistema propuesto: Uno centralizado en el que la generación fotovoltaica y la eólica se hace por medio de centrales con capacidad suficiente para que con respaldo de la generación biodiesel se pueda abastecer la demanda total de la isla. La alternativa es un sistema distribuido en donde la generación se hace a través de múltiples pequeños aerogeneradores e instalaciones fotovoltaicas de mediana y pequeña capacidad, interconectados a lo largo de los dos circuitos de la red de distribución eléctrica de la isla. El sistema deberá contar con los siguientes atributos: Ser capaz de satisfacer la demanda eléctrica domiciliaria de la población de Holbox, de las empresas comerciales y de servicios establecidas en la Isla, así como de los servicios municipales necesarios, tales como el alumbrado público, el suministro de agua potable y los servicios de drenaje y tratamiento de aguas negras. Tener la suficiente capacidad para acomodar el crecimiento de la demanda que habrá de ocurrir en un futuro previsible, tanto por el crecimiento de la población como por el crecimiento de la actividad económica en la isla. Ser flexible, de tal forma que el incremento de la demanda pueda ser atendido mediante la incorporación de capacidad adicional de generación con energías renovables al ritmo que crece la demanda; con ello se evita la construcción de un sistema de generación eléctrica sobre-dimensionado y se difieren las inversiones en capacidad de generación. Minimizar el uso posible de los moto-generadores, a fin de reducir los costos de operación y mantenimiento, y los impactos negativos al medio ambiente. Poder operar con la mínima intervención directa del hombre y generar suficiente información sobre los procesos que en él tienen lugar, la cual permitirá implementar un esquema de mantenimiento basado en confiabilidad y un proceso transparente y expedito de administración. 119 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ ANÁLISIS DE OPCIONES Se hizo un análisis de pre-factibilidad de las alternativas centralizada y distribuida en el que se incorporaron factores de tipo técnico, económico, ambiental y social. El análisis técnico económico del sistema centralizado se hizo a partir de los valores y patrones de la demanda eléctrica total actual en Holbox, que es cercana a los 7 millones de kWh al año; mientras que en el caso del sistema híbrido disperso el análisis se hizo por sectores, tomando en cuenta los patrones de consumo y el precio de la electricidad según el tipo de tarifa eléctrica aplicable a cada uno de ellos. El dimensionamiento preliminar de los sistemas se hizo mediante software especializado utilizando la información generada de los recursos solar y eólico de Holbox, y las características y costos de las tecnologías fotovoltaica y eólica que pudieran ser aptas para su instalación en la isla. Como línea base para determinar la rentabilidad económica en el caso centralizado se utilizaron los costos actuales de generación en Holbox, incluyendo el costo del suministro y porteo del combustible diésel así como su tipo y grado de emisiones contaminantes a la atmósfera. Sistema Centralizado En este caso se analizaron cuatro escenarios, correspondientes a niveles de penetración del (17%, 31%, 43% y 53%) de las energías solar y eólica. En el análisis se consideraron arreglos fotovoltaicos de silicio monocristalino con factor de capacidad de 18.6% y turbinas eólicas con capacidad unitaria de 330 kW y factor de capacidad cercano a 12%, ambos con base en la disponibilidad del recurso. Se incorporaron bancos de baterías para picos y valles de corta duración, uno o varios convertidores de corriente (inversor/rectificador) con factor de capacidad alrededor de 15% según el caso, y tres moto-generadores de 800 kW de capacidad cada uno. El sistema opera en el modo de “seguimiento de carga”; esto es, la potencia de salida de la planta de generación se ajusta conforme la demanda por electricidad fluctúa a lo largo del día, y se e impuso un requerimiento de generación anual 40% superior a la demanda actual de electricidad a fin de estar en posibilidades de absorber el futuro crecimiento de la demanda en la isla. Los porcentajes considerados de capacidad renovable variable corresponden niveles de contribución en la generación del sistema híbrido que van desde un 3% hasta un 21% por el fotovoltaico, y desde un 3% hasta un 13% por el eólico (Tabla 2). Con ello, se reduce la participación de los moto-generadores, de un cien por ciento en la situación actual a un 82% en el escenario 1 de menor penetración de renovables y hasta un 47% en el escenario 4 de mayor penetración de renovables. Es posible considerar escenarios de mayor penetración de renovables pero deben analizarse tomando en consideración los requerimientos de estabilidad del sistema. A partir de esta información se realizó un análisis económico de dos esquemas para conocer la rentabilidad de la inversión, uno en el que las componentes solar y eólica se construyen con recursos gubernamentales que se recuperan mediante el ahorro de combustible diésel, y el otro en que esas componentes son construidas por un ente privado que recupera su inversión mediante la venta a la empresa eléctrica de la electricidad solar y eólica que se produce y cuyo precio de compra-venta varía según la hora del día. La Tabla 3 presenta una síntesis de los resultados de este análisis para ambos esquemas. Los valores que presenta corresponden al mejor de los casos en las dos opciones. Se observa que la inversión para ahorro de diésel es la más atractiva desde el punto de vista económico. Sistema Distribuido El análisis de pre factibilidad para el caso del sistema distribuido se hizo de forma independiente para cada uno de los sectores que consumen electricidad en Holbox (domiciliario, comercial, hotelero, servicios municipales) en consideración a que para cada sector aplican diferentes tarifas y, además, que en el esquema de generación distribuida es posible ubicar las plantas de generación con energía renovable en las instalaciones del usuario, conectarlas a la red eléctrica con los beneficios técnicos que ello significa, y operar en la modalidad de Medición Neta inyectando a red los excedentes de generación renovable y tomando electricidad de la red cuando es necesario según lo establecen las normas Mexicanas(CRE 2010). 120 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Dado el número de usuarios y la diversidad en los patrones de consumo eléctrico en cada sector analizado, para determinar la rentabilidad de la opción distribuida, además de las características técnicas de los equipos a instalar, se tomaron en cuenta los niveles de consumo eléctrico que se observan en cada sector, así como la capacidad de los sistemas individuales que podrían instalarse en cada caso. Debido a la falta de información sobre el costo y desempeño de pequeños aerogeneradores, el análisis se hizo considerando únicamente paneles fotovoltaicos, cuyo costo unitario se tomó por rangos de capacidad teniendo en cuenta las correspondientes economías de escala. Los valores del costo de los equipos se obtuvieron mediante cotizaciones de proveedores establecidos. En la Tabla 4 se muestra el resumen de resultados correspondientes al caso de la generación distribuida en Holbox. Puede observarse que en general se trata de sistemas de pequeña capacidad en el rango de 0.3 kW a 143 kW, pero cuya suma llega a 1,760.5 kW. La inversión requerida para esta alternativa asciende a US$ 5’312,500.00, con una buena relación beneficio costo (B/C) y períodos razonables de recuperación del capital, salvo en el caso de los menores niveles de consumo del sector domiciliario básico. ASPECTOS AMBIENTALES La planta de generación de Holbox tiene en la actualidad un consumo de diésel cercano a los dos millones de litros al año. Esto equivale a poco más de 5,200 toneladas de CO2 vertidas anualmente a la atmósfera, considerando un factor de emisión de 2.69 kg de CO2 por litro de diésel (EPA). Además, se tiene la posibilidad siempre latente de derrames de combustible, tanto en tierra firme como durante el transporte marítimo, ocasionados por error humano o por actos de la naturaleza. El estudio indica que una planta fotovoltaica de poco más de 2 MW de capacidad instalada en Holbox puede ahorrar un 50% del consumo actual de diésel y evitar las correspondientes emisiones de gases contaminantes. Sin embargo, una planta centralizada de esta capacidad requiere cerca de 4 hectáreas de terreno para su instalación, no disponible en la isla a menos que se desmontase el mangle en un área equivalente, con las implicaciones ambientales que ello conlleva. La generación distribuida ofrece un camino alternativo para la instalación de esa capacidad fotovoltaica, ya que las imágenes satelitales muestran la existencia de casi 8 hectáreas de espacios dispersos disponibles sobre los techos de casas y edificios, así como a nivel de piso en propiedades privadas y de gobierno. Por su parte, la tecnología eólica suele ser objeto de oposición por su impacto sobre el paisaje y por los riesgos que puede representar para la avifauna local y migrante, ya que en las inmediaciones de Holbox existen santuarios de aves locales y la isla se encuentra ubicada en el trayecto de una ruta de aves migratorias. CONCLUSIONES Los resultados del estudio realizado indican que la energía solar fotovoltaica tiene márgenes para la competitividad económica con la generación diésel. Una planta fotovoltaica de poco más de 2 MWp puede ahorrar un 50% del consumo actual de diésel, con costos nivelados de generación entre un 20% y un 40% más bajos, pero la poca disponibilidad de terrenos despejados constituye una barrera para la instalación de tal capacidad en la modalidad centralizada. Sin embargo el área disponible en azoteas de casas, comercios y edificios públicos, así como a nivel del piso en algunas propiedades gubernamentales, ofrece la posibilidad de instalar una capacidad fotovoltaica similar mediante sistemas de menor tamaño en el esquema de generación distribuida. Por el lado de la energía eólica se encontró que el recurso viento no es lo suficientemente bueno como para alentar la instalación de aerogeneradores de mediana potencia (varios cientos de kW). Esto aunado a la problemática ambiental y al hecho de que Holbox se ubica en la trayectoria de huracanes y tormentas que ocasionalmente impactan a la isla, sugiere que la tecnología eólica no es la opción más conveniente para el suministro eléctrico en Holbox. Sin embargo la opción queda abierta para el caso de pequeñas máquinas eólicas, de unos cuantos kW, de eje vertical u horizontal, que cuentan con medios para abatirse en caso de huracanes y cuyo impacto visual y sobre la avifauna pudiera ser menor en el esquema distribuido. En cualquiera de los esquemas de implementación, el uso de energías renovables en la isla representa la oportunidad para evitar la emisión a la atmósfera de casi 2,500 toneladas de CO2 por año, amén de otros 121 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ contaminantes producto de la combustión del diésel. Dada la necesidad de continuar operando los motogeneradores que ya existen en la isla para mantener el suministro estable de electricidad durante las 24 horas del día, se ha propuesto sustituir el diésel convencional por biodiesel producido en tierra firme a partir de aceite de Jatropha o de palma aceitera. AGRADECIMIENTOS Esta comunicación es un subproducto del Proyecto IIE 14571 financiado por la Secretaría de Energía de México a través de la Subsecretaría de Electricidad. Se agradece al personal de la CFE su apoyo en la realización de los trabajos de campo y la aportación de información sobre la generación y el consumo eléctrico. REFERENCIAS BIBLIOGRÁFICAS CRE (2010): Comisión Reguladora de Energía, Resolución por la que la Comisión Reguladora de Energía Expide el Modelo de Contrato de Interconexión para Fuente de Energía Renovable o Sistema de Cogeneración en Mediana Escala. Diario Oficial de la Federación. 4 de Marzo. EPA: US Environmental Protection Agency, Emission Factors for Greenhouse Gas Inventories http://www.epa.gov/climateleadership/documents/emission-factors.pdf Huacuz J et al. (2013): Anteproyecto para el Abastecimiento Eléctrico de la Isla Holbox con Base en Energías Renovables. Instituto de Investigaciones Eléctricas. Informe Técnico IIE/01/14/14571/I01/F/V1 NASA 2014a: Atmospheric Science Data Center, https://eosweb.larc.nasa.gov/cgibin/sse/[email protected] NASA 2014b: Atmospheric Science Data Center, https://eosweb.larc.nasa.gov/cgibin/sse/[email protected] WASP 10: Wind Atlas Analysis and Application Program. Technical University of Denmark FIGURAS, GRÁFICOS Y FOTOGRAFÍAS Figura 46.- Evolución de la generación eléctrica en la isla Holbox 122 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 2.- Valores promedio mensuales de la irradiación solar global diaria en Holbox Figura 3.- Porcentajes de ocurrencia de valores de irradiación solar global diaria en Holbox TABLAS Tabla 1.- Resumen de las características del recurso eólico en la isla Holbox Altura sobre el nivel del mar (mts) 0 0 Altura sobre el terreno (mts) 30 20 Número de datos analizados 7,054 8,760 Número de días con datos 293.92 365 Máxima Velocidad del viento (m/s) Intensidad de turbulencia Máxima Promedio (1 Hora) Promedio (1 Hora) 5.36 24.11 4.96 21.75 Máxima Promedio Máxima Promedio 123 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ (rango de 5 m/s en adelante) 0.73 0.14 0.62 0.16 % de tiempo con velocidades de viento > 5 m/s 53% 47% Desviación estándar (m/s) 2.52 2.25 187.53 144.82 1,322.86 1,268.62 Densidad de potencia promedio (W/m2) Energía disponible por unidad de área (kWh/m2) Parámetros de Weibull K C K C 2.27 6.05 2.36 5.60 Tabla 2.- Escenarios de participación de las energías solar y eólica Componente Escenario 1: Escenario 2: 14% 6% Fotovolta ico Eólico Generado r1 Generado r 2 Generado r3 Total Escenario 3: Escenario 4: 34% 23% Producción (kWh/año) 283,590 708,974 1,417,949 2,268,718 Fracción (%) 3% 7% 13% 21% Producción (kWh/año) 343,783 688,010 1,031,350 1,375,130 Fracción (%) 3% 7% 10% 13% Producción (kWh/año) 6,603,382 5,969,859 5,829,612 5,299,141 Fracción (%) 62% 61% 54% 48% Producción (kWh/año) 3,008,494 2,290,632 2,272,932 1,908,538 Fracción (%) 28% 23% 21% 17% Producción (kWh/año) 327,036 164,571 154,424 116,171 Fracción (%) 3% 2% 1% 1% Producción (kWh/año) 10,566,284 9,822,046 10,706,266 10,967,699 124 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Fracción (%) 100% 100% 100% 100% Tabla 3.- Indicadores económicos de las plantas centralizadas Inversión para Ahorro de Diésel Inversión para CompraVenta de Electricidad US$/kWh 0,21 – 0.2590 0.21 – 0.2825 Simple Años 5.3 – 6.3 8 – 12.8 Descontado Años 7.5 – 9.5 19 - >25 Relación Beneficio/Costo ---- 2.4 – 1.96 1.1 – 0.77 Tasa Interna de Retorno % 21.8 – 18.3 11.2 – 6.8 Indicador Económico Unidad Costo nivelado de generación Período de recuperación Tabla 4.- Indicadores económicos de las plantas de generación distribuida Nivel de Consumo en Sector (kWh/me s) Rango de Potenci a por Sistema (kW) Capacid ad Total a Instalar por Sector (kW) Rango de Producci ón por Sistema (kWh/año ) Inversió n Total Requeri da (US$) Domiciliari o Básico 60-300 0.3-1 574 450-1,700 Domiciliari o Alto 315-1,500 1-10 273 74014,700 4.5-95 Comercios 104-2,700 Alumbrado Bombeo Sector Hoteles % de Ahorro Relació n B/C En kWh En $ 1’900,000 40-75 4585 0.151.15 1,60016,500 850,000 40-95 7590 2-4 347 7,500150,000 910,500 85 7585 0.871.09 0.5-10 338 80016,500 1’050,000 50-70 4070 1-1.35 25,000 143 143 233,000 368,000 80 80 1.41 11,650 85.5 85.5 140,000 234,000 100 98.5 0.94 125 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ MODERGIS, EN LA INTEGRACIÓN DE ENERGÍAS RENOVABLES Y SOSTENIBLES, EN ZONAS SENSIBLES Y AUTOSUFICIENTES. Integración de energías renovables y reducción de Emisiones Ricardo Quijano Hurtado (1), Javier Domínguez Bravo (2) (1) Universidad Nacional de Colombia. Facultad de Minas. Escuela Procesos y Energía. Medellín (Colombia). [email protected] (2) Centro de Investigaciones Energética Medioambiental y Tecnológicas. CIEMAT. Departamento de Energía. División de Energías Renovables. Madrid (España). [email protected] RESUMEN La Plataforma de Simulación Integrada MODERGIS potencializa la formulación de planes energéticos renovables bajo criterios de sostenibilidad, respondiendo a la necesidad de incrementar la participación de tecnologías renovables en la canasta energética Local. Determina zonas potenciales para el uso de la energía solar, la eólica y áreas productoras para bioenergías, mediante el uso de sistemas de información geográfica, simulando escenarios de energía influenciados por fenómenos climáticos con horizontes de tiempo más allá del año 2030. Simula escenarios de demanda-oferta introduciendo consecuencias sobre el sistema energético producidas por variaciones climáticas e introduciendo combinaciones de tecnologías renovables. Además mediante el método de Análisis Multicriterio VIKOR asiste al tomador de decisiones realizando combinaciones y optimizaciones en el uso de tecnologías solares, eólica y procesos de generación con dendroenergía y co-combustión. Permite retroalimentar los resultados de la canasta energética existente con nuevos escenarios incrementando la participación de tecnologías renovables en zonas sensibles ambiental y patrimonial y en horizontes de tiempo reales. Este modelo ha sido aplicado con casos tipo en Colombia, para el incremento de las energías renovables en la Canasta energética (2010), y en el uso sostenible de los Biocombustibles en Costa Rica (2012). Palabras clave: Sistemas de Información Geográfica, Energías Renovables, Análisis Multicriterio de Decisión - VIKOR, planificación energética sostenible, MODERGIS. INTRODUCCIÓN El suministro de energía adecuada y confiable es un elemento esencial de desarrollo sostenible. La energía es vital para erradicar la pobreza, mejorar el bienestar humano y elevar la calidad de vida de la población. En muchas regiones del mundo no se cuenta con energía confiable y además se exceden los límites económicos de su uso. En otras áreas, la presión y degradación por el ambiente impide mantener un desarrollo sostenible. Se habla de que cerca de 1.4 billones de personas todavía no tienen acceso a la electricidad (87% de los cuales viven en las zonas rurales) y 1 billón tiene acceso sólo a las redes no confiables de electricidad. Se estima que la inversión de capital necesaria para prestar servicios modernos de energía a esta población es del orden de 40 billones de dólares al año hasta el 2030. Esto representa sólo alrededor del tres por ciento de la inversión total en energía a nivel mundial que se espera para este período (Grynspan, R 2011). El modelo energético actual, basado en combustibles fósiles, ha permitido grandes avances científicos, tecnológicos y por consiguiente, el desarrollo económico mundial. Paralelamente ha deteriorado de forma progresiva e irreversible las condiciones de vida del planeta, y aunque es uno de los principales impulsores de la sociedad no logra un equilibrio entre el desarrollo y la sostenibilidad. En este contexto la Organización para la Cooperación y el Desarrollo Económico, OCDE, demostró en el Fórum Barcelona 2004 que el actual modelo energético resulta insostenible si se sigue con los mismos patrones de consumo energético y se mantiene la dependencia en los combustibles fósiles. En tal sentido recomendó ampliar las investigaciones sobre el desarrollo energético basado en las nuevas fuentes renovables (Asgeirsdottir, B 2004) y sostenibles que no sólo continúen alimentando el motor del desarrollo, sino que también contribuyan a una mejor calidad de vida para las futuras generaciones. 126 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Una de las iniciativas en este campo es la elaborada por investigadores de las Universidades de Standford y California en la cual se propone una conversión limpia, perpetua y factible de energía a bajo costo con un incremento en la eficiencia energética. Determinaron que se necesitarían 3.8 millones de turbinas de viento de 5 MW (50% de la demanda de energía), 49000 plantas de concentración solar de 300 MW (20% de la demanda de energía), 40000 plantas fotovoltaicas de 300 MW (14%), 1.7 billones de sistemas de paneles solares individuales de 3 KW (6%), 5350 plantas geotermales de 100 MW (4%), 270 nuevos proyectos hidroeléctricos de 1300 MW (4%), 720000 generadores de olas (1%) y 490000 turbinas mareomotrices de 1 MW (1%) para suplir el total de la demanda de energía en todos los sectores y usos en el año 2030 con este novedoso sistema denominado WWS (M. Z. Jacobson y M. A. Delucchi, 2011) . Paralelamente la comunidad científica viene recopilando mayor número de evidencias de que la biodiversidad no está distribuida manera equitativa sobre el total de la superficie terrestre, sino que existen determinadas zonas privilegiadas que poseen gran diversidad. En las referencias (N. Myers, R. A. Mittermeler, C. G. Mittermeler, G. A. B. Da Fonseca, y J. Kent, 2000) se ha concluido con el concepto de “Puntos Calientes” de biodiversidad “. Estas se caracterizan por albergar una gran cantidad de especies endémicas que cada vez van perdiendo más espacio en su propio hábitat. Hasta el 44% de especies de plantas vasculares y el 35% de especies de cuatro grupos de vertebrados en el mundo se encuentran concentradas en 25 puntos calientes que comprenden sólo el 1.4% de la superficie terrestre. De la totalidad de puntos calientes, dos se encuentran ubicados en el territorio Colombiano: Los andes tropicales, con 20 000 plantas y 1 567 vertebrados endémicos; y el Chocó biogeográfico y Darién, con 2 250 plantas y 418 vertebrados endémicos, que coinciden con varios los sitios declarados por la UNESCO ( Comité de Patrimonio Mundial 2011) en los puntos calientes y las especies que allí viven se ven afectados por el calentamiento global inducido por la utilización de recursos no renovables. Una vez más se observa la importancia de la utilización de energías renovables. Las herramientas de planificación sostenible existen por separado (A. Angelis-Dimakis et al, 2011), y para lograr el objetivo de evaluar integralmente una alternativa (J. R. San Cristóbal 2011), debe hacerse un análisis individual para luego hacer un análisis global sobre los resultados obtenidos, tarea complicada debido a la gran cantidad de información que es necesario manipular (J. Domínguez y J. Amador, 2007). MODERGIS, (Quijano, R., Domínguez, J. y Botero, S. (2012) es una plataforma que integra los sistemas de información geográfica, el software de simulación de oferta y demanda energética L.E.A.P. (Stockholm Environment Institute, The Long-range Energy Alternatives Planning System, 2008) y el Análisis Multicriterio de Decisión (S. Opricovic y G.-H. Tzeng, 2010), herramientas de última generación que facilitan los procesos de planificación energética orientada a promover las energías renovables, determinando la opción u opción más conveniente a seleccionar. MODERGIS es una interfaz virtual incluye tres módulos interconectados entre sí, lo que facilita el manejo de grandes cantidades de información orientándolas a una misma finalidad. El primer módulo denominado ENERGIS se basa en los sistemas de información geográfica SIG, permite mediante información geográfica de una región, estimar el potencial de los recursos energéticos renovables que puede poseer (J. Domínguez y J. Amador, 2007) Esta información permite alimentar el segundo módulo, llamado ENERDEM, basado en un modelo de demanda oferta, del tipo Bottom Up denominado L.E.A.P W. (C. Flores, O. A. Ojeda, M. A. Flores, y F. R. Rivas, 2011) que permite simular escenarios energéticos, en este caso bajo condiciones de fenómenos climáticos y proyectar una demanda y requerimientos de energía futura. Posteriormente, para la ayuda en la toma de decisión se evalúan varios criterios en conflicto, de carácter social, ambiental y económico, determinando su factibilidad. Esta evaluación se lleva a cabo en el tercer módulo ENERSOS, fundamentado en el método de Análisis Multicriterio y Multiobjetivo VIKOR (S. Opricovic,1998), algoritmo programado para sistematizar su procedimiento y hacerlo más adaptable y factible a las simulaciones y a la toma de las decisiones de cual fuente energética renovable y sostenible implementar. 2. CONCEPTUALIZACION DEL MODELO MODERGIS. 2.1 Definición ModerGIS MODERGIS es una concepción propia que busca la integración de energías renovables, evaluando simultáneamente la potencialidad energética espacial y temporal de la oferta y demanda de energía de una zona geográfica. Además es coherente y consecuente con en el uso de herramientas integradas y flexibles de modelos para la evaluación de estos recursos. (R Quijano y J Domínguez 2008) Comprende la integración de los sistemas de información geográfica SIG, para identificar y estimar potenciales de energías renovables (J. Domínguez y J. Amador 2007). Una estructura de calculo de la demanda-Oferta de energía del tipo Bottom up, bajo el dominio de L.E.A.P, que permite la simulación energética y el calculo de las emisiones de CO₂ O. (UNEP y I. IEA 2007) y finalmente el método de Análisis Multicriterio de Decisión VIKOR que evalúa un conjunto de alternativas energéticas bajo los criterios de sostenibilidad (J. R. San Cristóbal 2011), Integran las dimensiones económica, social y 127 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ ambiental, de gran relevancia en nuestro medio y que son imprescindibles para la evaluación y toma de decisiones en el planeamiento energético sostenible. El procedimiento metodológico para la aplicación del modelo MODERGIS se basa en la integración y correlación de tres módulos que lo conforman, ENERGIS, ENERDEM y ENERSOS (Fig. 1), que puede ser aplicado en cualquier región o zona del mundo que tenga la información básica requerida. Figura 1. Conceptualización MODERGIS 2.2 Identificación del potencial de energías renovables - ENERGIS ENERGIS es un entorno virtual que permite el análisis espacial de un lugar georreferenciado mediante Sistema de Información Geográfica. Este análisis permite visualizar y estimar el potencial de recursos energéticos de la zona de estudio, basado en restricciones que se ingresen y pueden ser de carácter ambiental o patrimonial. Inicia con la información cartográfica base de interés Nacional y con la información base de la regiones, provincias, municipalidades, centros urbanos, reservas forestales, parques naturales, ríos cuerpos de agua, información de viento y radiación solar. Esta información establece, primero, un marco de análisis y de referencia espacial y, segundo, unas restricciones iniciales, referida a aquellas zonas en las cuales no es posible desarrollar proyectos energéticos o hacer compatibles con zonas de interés ambiental patrimonial, Nacional o Local. El énfasis es la evaluación del potencial de recursos renovables (fundamentalmente energía solar, eólica, dendroenergía y biocombustibles), previendo la ampliación de la canasta energética en áreas potencialmente atractivas para la inclusión o sustitución por nuevas formas de energía. ENERGIS utiliza datos espaciales de tipo ráster representado por celdas o pixeles de unidades homogéneas de información de 500 por 500 metros o menos dependiendo de la calidad de la información, que exhibe varias diferencias con el modelo vectorial dada la manera discreta para representar la información espacial (M. N. DeMers 2002) . Esto brinda un tratamiento más profundo de los datos temáticos, disponiendo la posibilidad de aplicar álgebra de mapas y relaciones de lógica booleana y aritmética, como la posibilidad de clasificaciones multivariantes, operaciones estadísticas univariantes y multivariantes, operaciones de vecindad inmediata y otras posibilidades como interpolaciones. Definida la fase de recopilación y organización de la información, unificación de referencias espaciales, parametrización de tamaños de celda y salidas de los análisis, se procede a modelar las variables y fenómenos asociados al problema del estudio, es decir la identificación de las zonas potenciales factibles para el desarrollo de energías sostenibles. 128 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 2.3 Simulación de escenarios de oferta-demanda ENERDEM El segundo bloque llamado energía de la demanda y oferta - ENERDEM, se encuentra soportado por el modelo del tipo Bottom-Up LEAP (Long-Range Energy Alternatives Planning System), que se basa en aproximaciones detalladas para el análisis de la demanda, oferta y expansión energética incluyendo opciones de simulación e incremento de la eficiencia en los procesos. Este tipo de modelo se ha usado extensamente para estimar los costos de la reducción del potencial de consumo de energía, asociado a la reducción de emisiones de CO2, a través del uso y manejo de la eficiencia energética. Se caracteriza ya que no requiere series de tiempo, calcula la demanda agregada de energía, predice la transformación de energéticos necesarios, determina mediante EnerGIS la oferta de recursos energéticos, elabora el balance de energía y además calcula la emisión de gases de efecto invernadero (GEI), aplicando la metodología del Panel Intergubernamental de Cambio Climático (IPCC) (UNEP y I. IEA 2007). Para la estructuración de los escenarios se hace un detallado análisis de la situación actual con visión prospectiva a horizontes de tiempo de 30 años teniendo como final al año 2030, creando situaciones que pudieran presentarse en un futuro mediato, aplicando conceptos de desarrollo sostenible y variabilidad, sensibilidad y vulnerabilidad climática observando la localización en que se encuentra ubicado. Para la conceptualización de los escenarios se concibe la demanda energética con crecimiento natural, bajo el parámetro de penetración de fuentes renovables y sostenibles de energía y el criterio de la des carbonización de los sitios de interés. 2.4 Toma de decisión de alternativas energéticas renovables ENERSOS La estructura interna de ENERSOS está basada en el método de Análisis Multicriterio de Decisión VIKOR, que optimiza sistemas discretos complejos con criterios conflictivos e inconmensurables S. ( Opricovic,1998). Este método se enfoca en jerarquizar y seleccionar la mejor solución de compromiso, es decir la más cercana a la ideal, a partir de un conjunto de alternativas en presencia de criterios en conflicto y que refleja la posición de la mayoría de decisores involucrados. Este módulo se divide en dos partes, la primera corresponde a la solución de un problema de Análisis Multiatributo de Decisión, se entrega un conjunto de opciones a evaluar y un conjunto de criterios; con estos se construye una matriz de pagos, donde se extraerá la información para hacer los cálculos pertinentes. El resultado de este módulo, es una lista jerárquica que se logra mediante la comparación de las opciones entre sí teniendo en cuenta una serie de criterios, aquí llamados atributos, que describen el desempeño de estas alternativas en varios aspectos, comparando según las preferencias del decisor. La segunda parte está organizada como una continuación o extensión de la primera y está basada en la solución para un problema multiobjetivo. Los datos que se entregan son las tres mejores alternativas escogidas por el primer módulo y un conjunto de restricciones, que el programa debe calcular, mediante un algoritmo, de todas las posibles combinaciones que representan proyectos reales para cumplir con la restricción principal. Luego de hallar este conjunto de combinaciones, se le entrega un conjunto de funciones objetivo en las que se evalúan las distintas alternativas y finalmente se hará uso de un método igual al utilizado en el primer módulo pero con una adaptación al caso multiobjetivo (M. Heydari, M. Kazem Sayadi, y K. Shahanaghi, 2010). La información suministrada al método VIKOR es proporcionada por el usuario con base en las tecnologías y precios de mercado (M. A. Delucchi y M. Z. Jacobson, 2011). Consta de un conjunto de alternativas para lograr un objetivo deseado, y de un conjunto de criterios para evaluar los diferentes aspectos el desempeño de estas. Se presenta a nivel de ejemplo un estudio de caso. Tabla 1. Alternativas renovables para generación eléctrica. 𝐴𝑗 Alternativa 𝐴1 Energía eólica 𝐴2 Energía solar termoeléctrica 𝐴3 Energía solar fotovoltaica 𝐴4 Biomasa dendroenergía 𝐴5 Biomasa co-combustión 129 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Estas alternativas, Aj , se evalúan de acuerdo a los seis atributos, fi , que se consideraron más representativos para el sector energético de la región(Tabla 2) y que están contemplados dentro de las tres dimensiones de la sostenibilidad, aunque se aclara que ENERSOS permite la introducción de nuevos atributos según preferencia del decisor. Tabla 2. Criterios seleccionados para evaluar las alternativas 𝑓𝑖 𝑓1 𝑓2 𝑓3 𝑓4 𝑓5 𝑓6 Criterio Generación Inversión por potencia instalada Tiempo de implementación Vida útil CO2 evitado Uso del suelo Unidad KWh/año $US/KW Años Años Ton/año/KWh Ha/KW La interacción de las alternativas y los criterios denominada “matriz de pagos” indica el desempeño de cada alternativa frente a cada criterio, y así se presenta toda la información con la que cuenta el decisor durante este proceso de decisión. Una vez seleccionadas las mejores alternativas se puede optar por refinar aún más las opciones con el fin de elaborar proyectos más realistas. Como procedimiento novedoso se propone para ENERSOS la elaboración de un algoritmo que encuentra todas las posibles combinaciones de las mejores alternativas recopiladas por el método anterior. Lo que se busca es obtener la combinación óptima mediante el uso de un método VIKOR modificado para resolver un problema multiobjetivo sujeto a una restricción que para el desarrollo del caso es la potencia para cambiar la matriz energética. El método VIKOR multiobjetivo se utiliza para determinar cuál es la mejor combinación de las alternativas energéticas renovables, y obtener una potencia eléctrica requerida para equilibrar la matriz energética, mediante el incremento de la participación de las energías renovables. Para comenzar, se debe hacer un planteamiento del problema multiobjetivo, comenzando por las funciones objetivo, es decir, construir un conjunto de funciones que permitan describir las metas en distintos aspectos. Definición de Funciones Objetivo. En la descripción de las funciones objetivo,𝑍𝑖 , intervienen uno o más factores que influyen en el logro de estas metas (Tabla 3) . A estos factores se les llama atributos,𝑧𝑖 , y también se pueden expresar como funciones de la cantidad de unidades correspondientes a cada alternativa: 𝒁𝟏 , 𝒁𝟐 y 𝒁𝟑 son funciones de 𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 , variables que expresan respectivamente el número de unidades de generación de las alternativas energéticas que se quieren implementar. Tabla 3. Definición de las funciones objetivo. Objetivo 𝑍𝑖 Económico 𝑍1 = 𝑓(𝑥1 , 𝑥2 , 𝑥3 ) = 𝑧1 + 𝑧2 Ambiental 𝑍2 = 𝑔(𝑥1 , 𝑥2 , 𝑥3 ) = 𝑧3 + 𝑧4 𝑍3 = ℎ(𝑥1 , 𝑥2 , 𝑥3 ) = 𝑧5 Social Descripción Mayor generación eléctrica a menor inversión económica. Generar el menor impacto negativo sobre el ambiente. Máximas emisiones de CO2 evitadas, mínimo uso del suelo. Otorgar el mayor beneficio posible a la comunidad. Máximo número de empleos generados. 3. RESULTADOS Y ANÁLISIS. Los resultados del modelo MODERGIS, son los potenciales de fuentes de suministro renovables de energía para zonas que ambiental, social y culturalmente sean factibles para el uso energético sostenible. Además el programa tiene la facilidad de elaborar mapas que presentan de manera regional o local los potenciales y demandas de energía para hacer análisis mucho más exactos. En este sentido y teniendo en cuenta las aplicaciones de los estudios de caso, para Colombia se identifico un 130 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ potencial de del 34 % del territorio Nacional es apto para la utilización de la energía solar con un potencial de 394,4 GW según los estándares de la European Photovoltaic Industry Association (EPIA) (http://www.epia.org/). De la misma manera identifico 26,6 GW de energía eólica para aerogeneradores de 1300 MW y de 6.8 millones de hectáreas de dendroenergía sostenible evaluada en cada una de las regiones. (Fig. 2). En el caso Costa Rica se presenta los resultados (Fig. 3.) en donde se identificaron áreas sostenibles que sean aptas para la producción de biocombustibles basados en caña de azúcar, palma de aceite, jatropha e higuerilla, enmarcadas en el concepto de desarrollo sostenible, evaluando zonas de interés ambiental, natural, social cultural y patrimonial, este proyecto fue patrocinado por la Comisión Económica para América Latina y el Caribe CEPAL, bajo el proyecto 06/07: “Fortalecimiento de las capacidades nacionales en el diseño e implementación de políticas energéticas sostenibles para la producción y uso de biocombustibles en América Latina y el Caribe” (“Strengthening national capacities to design and implement sustainable energy policies for the production and use of bio-fuels in Latin America and the Caribbean”). 131 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 132 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 3. MODERGIS Mapa Energético Sostenible para Biocombustibles – Costa Rica 4. CONCLUSIONES El aporte de este modelo aplica a la conceptualización y construcción de un algoritmo lineal, para optimizar un plan de fuentes renovables de energía, dada una restricción expresada en potencia y energía tradicional de una zona geográfica determinada con sensibilidad ambiental y patrimonial que quiera entrar en los lineamientos de la sostenibilidad energética y la des carbonización de su entorno. Se fundamenta en utilizar los sistema de información geográfica, modelo de oferta y demanda de energía y análisis de toma de decisión de manera integral. Plasma combinaciones de alternativas energéticas renovables, tomando los datos de los resultados organizados en la jerarquización del método multiatributo VIKOR, bajo la restricción de una energía convencional, y nos orienta cual sería la participación de las energías renovables y sostenibles optimas, que se deberían ser incluidas en la matriz energética de la zona. AGRADECIMIENTOS Los autores agradecen todo la colaboración y ayuda para la realización de este trabajo a la Universidad Nacional de Colombia y al Centro de Investigaciones Energéticas Medioambientales y Tecnológicas - CIEMAT de España. 133 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 5. REFERENCIAS A. Angelis-Dimakis et al., «Methods and tools to evaluate the availability of renewable energy sources», Renewable and Sustainable Energy Reviews, vol. 15, no. 2, págs. 1182-1200, Feb. 2011. Grynspan, R., «Grynspan: Bloomberg New Energy Summit 2011», 07-Abr-2011. [Online]. Available: http://content.undp.org/go/newsroom/2011/april/grynspan-.en. [Accessed: 14-Jun-2011]. Asgeirsdottir, B., «Forum 2004 - Documentos: Panel 1: Energía y desarrollo: ¿es posible otro modelo energético?», 2004. [Online]. Available: http://www.barcelona2004.org/www.barcelona2004.org/esp/banco_del_conocimiento/documentos/ficha80a8.html?idDoc= 350. [Accessed: 14-Jun-2011]. J. Domínguez y J. Amador, «Geographical information systems applied in the field of renewable energy sources», Computers & Industrial Engineering, vol. 52, no. 3, págs. 322–326, 2007. J. R. San Cristóbal, «Multi-criteria decision-making in the selection of a renewable energy project in spain: The Vikor method», Renewable Energy, vol. 36, no. 2, págs. 498-502, Feb. 2011. Jankowski, P., «Integrating geographical information systems and multiple criteria decision-making methods», International Journal of Geographical Information Systems, vol. 9, no. 3, págs. 251-273, 1995. M. Z. Jacobson y M. A. Delucchi, «Providing all global energy with wind, water, and solar power, Part I: Technologies, energy resources, quantities and areas of infrastructure, and materials», Energy Policy, vol. 39, no. 3, págs. 1154-1169, Mar. 2011. M. A. Delucchi y M. Z. Jacobson, «Providing all global energy with wind, water, and solar power, Part II: Reliability, system and transmission costs, and policies», Energy Policy, vol. 39, no. 3, págs. 1170-1190, Mar. 2011 M. Heydari, M. Kazem Sayadi, y K. Shahanaghi, «Extended VIKOR as a new method for solving Multiple Objective Large-Scale Nonlinear Programming problems», RAIRO-Operations Research, vol. 44, no. 2, págs. 139–152, 2010. M. N. DeMers, GIS modeling in raster. J. Wiley, 2002. N. Myers, R. A. Mittermeler, C. G. Mittermeler, G. A. B. Da Fonseca, y J. Kent, «Biodiversity hotspots for conservation priorities», Nature, vol. 403, no. 6772, págs. 853-858, 2000. O. UNEP y I. IEA, «The IPCC Guidelines for National Greenhouse Gas Inventories», IPCC, Bracknell, i995 (3): l, págs. 51–155, 2006. R Quijano, J, Domínguez, y S, Botero,. (2012) MODERGIS Application: Integrated simulation platform to promote and develop renewable sustainable energy plans, Colombian case study, Renewable and Sustainable Energy Reviews 16 (2012) 5176–5187, Vol 16, Issue 1, ISSN – 1364-0321 R. Quijano and J. Dominguez Bravo, "Integrated Model Platform for Sustainable Energy Planning. Colombian case." iEMSs Fourth Biennial Meeting: International Congress on Environmental Modelling and Software (iEMSs 2008). Barcelona, Cataluña, 2008, pp.1231-1238 S. Opricovic, «Multicriteria optimization of civil engineering systems», Faculty of Civil Engineering, Belgrade, vol. 2, no. 1, págs. 5–21, 1998. S. Opricovic y G.-H. Tzeng, «Extended VIKOR method in comparison with outranking methods», European Journal of Operational Research, vol. 178, no. 2, págs. 514-529, Abr. 2007. Stockholm Environment Institute, «LEAP: The Long-range Energy Alternatives Planning System», 2008. [Online]. Available: http://www.energycommunity.org/default.asp?action=47. [Accessed: 24-Jun-2011]. UNESCO - Comité de Patrimonio Mundial 2011. Bienes en la Lista del Patrimonio Mundial W. C. Flores, O. A. Ojeda, M. A. Flores, y F. R. Rivas, «Sustainable energy policy in Honduras: Diagnosis and 134 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ challenges», Energy Policy, vol. 39, no. 2, págs. 551-562, Feb. 2011. . 135 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ EMPLEO DE FUENTES RENOVABLES DE ENERGIA EN CUBA Energías renovables y reducción de emisiones. Aplicaciones prácticas de integración a Sitios de la UNESCO Antonio Francisco Valdés Delgado CUBAENERGIA [email protected] RESUMEN En Cuba es de interés el uso de las Fuentes Renovables de Energía (FRE) debido a los impactos sociales, económicos, y medio ambientales que se derivan de su implementación, estas han sido utilizadas desde el pasado milenio para satisfacer necesidades energéticas en comunidades aisladas, y se continua para lograr satisfacer las necesidades de energía a toda la población que habitan en sitios aislados. Es en los últimos años que se incrementa el interés de la introducción de las FRE para modificar la matriz energética y sustituir importaciones de combustible fósil, para ello se realizan diversos programas inversionistas que por demás inciden sobre disminución del envío de gases de efecto invernadero a la atmosfera. El pasado año 2013 se aprobó la realización del programa de I+D+i de alcance nacional denominado: Desarrollo Sostenible de las Fuentes Renovables de Energía con el objetivo de completar los conocimientos y estudios de viabilidad para las tecnologías conocidas, así como la asimilación de nuevas tecnologías necesarias para incrementar el aprovechamiento y desarrollo perspectivo de las diferentes Fuentes Renovables de Energía en Cuba hasta el 2030. Los proyectos que han comenzado a realizarse en este año 2014 se vinculan con la energía solar y eólica, con la producción del biogás, se realizan proyectos también sobre el efecto de las externalidades y sobre la vigilancia estratégica del desarrollo comercial de las diferentes fuentes incluyendo aquellas en desarrollo como son la energía del mar y la energía geotérmica y el desarrollo del uso el hidrógeno y de las celdas combustibles. Palabras clave: Energía, Renovable, Solar, Biomasa, Eólica EMPLEO DE FUENTES RENOVABLES DE ENERGIA EN CUBA INTRODUCCION El aprovechamiento de las Fuentes Renovables de Energía (FRE) se presenta como la necesidad impostergable para el desarrollo sostenible de los países y como una solución prioritaria ante la creciente demanda mundial de energía eléctrica, el aumento de los precios del petróleo y otros combustibles fósiles, la disminución de sus reservas naturales y la amenaza ecológica que representa el esquema energético global actual de rebasar los límites de la capacidad del planeta para asimilar los impactos ambientales que ocasiona. MINEM (2013) 136 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Nuestro país añade a esta problemática la preocupación constante por el incremento del nivel de vida de la población; lo que implica lograr metas de crecimiento económico en el sector de la energía, sin descuidar el bienestar social y la sostenibilidad ambiental; por lo que se impone el uso de Fuentes Renovables que beneficien la utilización más creciente, estable y segura de la energía como un elemento estratégico para el desarrollo económico del país, sin incrementar los niveles de contaminación, su uso permite además una generación distribuida de la energía eléctrica lo que posibilita la disminución de las perdidas de energía por transmisión. Se aprobó recientemente la Política para la utilización y el desarrollo de las Fuentes Renovables de Energía y su Marco Regulatorio. Cuba al estar insertada en el área del Caribe esta propensa a fenómenos meteorológicos extremos como son los huracanes y al posibilitarse la generación descentralizada de energía se puede restaurar en corto plazo las afectaciones que se derivan de estos fenómenos atmosféricos. En Cuba es de interés el uso de las Fuentes Renovables de Energía (FRE) debido a los impactos sociales, económicos, y medio ambientales que se derivan de su implementación, estas han sido utilizadas desde el pasado milenio para satisfacer necesidades energéticas en comunidades aisladas, y se continua para lograr satisfacer las necesidades de energía a toda la población que habitan en sitios aislados. Es en los últimos años se incrementa el interés de la introducción de las FRE para modificar la matriz energética y sustituir importaciones de combustible fósil, para ello se realizan diversos programas inversionistas que por demás inciden sobre la disminución del envío de gases de efecto invernadero a la atmosfera. El pasado año 2013 se aprobó la realización del programa de I+D+i de alcance nacional denominado; Desarrollo Sostenible de las Fuentes Renovables de Energía con el objetivo de completar los conocimientos y estudios de viabilidad para las tecnologías conocidas, así como la asimilación de nuevas tecnologías necesarias para incrementar el aprovechamiento y desarrollo perspectivo de las diferentes Fuentes Renovables de Energía en Cuba hasta el 2030. Los proyectos que han comenzado a realizarse en este año 2014 se vinculan con la energía solar y eólica, con la producción del biogás, se realizan proyectos también sobre el efecto de las externalidades y sobre la vigilancia estratégica del desarrollo comercial de las diferentes fuentes incluyendo aquellas en desarrollo como son la energía del mar y la energía geotérmica y el desarrollo del uso el hidrógeno y de las celdas combustibles. EMPLEO DE FUENTES RENOVABLES DE ENERGIA Y SU IMPACTO SOCIAL Y EDUCACIONAL En Cuba mas del 96 % de la población recibe los beneficios del suministro de la energía eléctrica mediante el Sistema Electroenergetico Nacional que interconecta las diferentes plantas generadoras y suple las diferentes demandas del país: población, industrias servicios, etc. Sin embargo al inicio de la revolución existía un alto número de comunidades aisladas que no recibían este servicio afectando la calidad de vida de sus habitantes. El suministro de la electricidad en las aéreas rurales presenta el inconveniente del alto costo de inversión pues cada kilometro de línea tiene un costo entre 10 000 y 12 000 USD, hecho este que hace impracticable esta solución. El uso de las FRE (la Energía eólica, la Energía solar fotovoltaica, la Energía hidráulica y el uso de la biomasa) son alternativas utilizables para lograr la electrificación de estas comunidades rurales.Valdés (2000) Valdes (2002) La situación del suministro de la energía para las áreas rurales puede analizarse en tres etapas Una primera etapa donde se realizo la instalación de módulos fotovoltaicos para la producción de energía eléctrica a partir de la energía solar para la electrificación de los Consultorios Médicos en las zonas rurales aisladas, como aspectos básico, como puede apreciarse es una de las instalaciones más importantes realizadas, desde un punto de vista social. 137 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Una instalación típica en un Consultorio Medico consiste en un grupo de paneles fotovoltaicos de 400 watts de potencia para el empleo de: doce lámparas fluorescentes, un televisor, un transmisor de la radio, tres instrumentos médicos y un refrigerador pequeño para guardar las vacunas. Igualmente también se electrificaron algunos Círculos Sociales campesinos Los beneficios sociales que se alcanzaron en esta etapa consistieron en: el aumento en la edad de la madre en el primer parto de 12 a 19 años la disminución de la mortalidad materna la disminución mortalidad infantil el aumento de alternativas recreacionales para la población aumento de los índices de salud de la población la incorporación a la sociedad de la Comunicación mediante la Radio y la Telefonía La segunda etapa consistió en la electrificación de las escuelas primarias para inicialmente realizar la instalación de equipos de televisión y video para la impartición de clases, y un segundo momento donde se amplia la capacidad de producción de esta energía y se instalan computadoras personales con el propósito de enseñar a los alumnos su uso. Existían 2067 escuelas en lugares apartados que carecían de servicio eléctrico, de estos 123 fueron electrificados por la red nacional, mientras que 1944 situados en zonas de difícil acceso requerían una solución sencilla, confiable y de fácil mantenimiento. En cada escuela se instalaron dos lámparas de 15 W corriente directa, un televisor y un video de corriente alterna. Los sistemas se han diseñado para opera por cinco horas diarias utilizando el video y de ocho solo con el televisor siendo suministras la energía por medio de paneles fotovoltaicos. En menos de un año las 1994 escuelas contaron con suministro de energía eléctrica a partir de sistemas solares fotovoltaicos. Educación revolucionaria con energía fotovoltaica Stone (2001) Es de señalar la matricula de estas escuelas, en la tabla siguiente se expone este dato. Estudiantes en Escuelas Cubanas Electrificadas con Energía Solar Fotovoltaica Tabla 1 Número y cantidad alumnos por escuela que fueron electrificadas CANTIDAD ALUMNOS CANTIDAD ESCUELAS 1 21 2-5 357 6-10 483 11-20 518 21-40 385 Mayor de 40 180 Total 1944 Los impactos sociales de esta etapa consistieron básicamente en: el aumento en el nivel de conocimientos y mayor calidad de las clases impartidas 138 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ el incremento en la preparación de los profesores, y mayor amplitud en las presentaciones visuales mayor preparación de la futuras generaciones, mayor conocimiento cultural mayor conocimiento y acciones sobre la protección ambiental La tercera etapa consistirá en la electrificación de unas 50 000 viviendas de familias campesinas aisladas básicamente en las zonas montañosas que cubren una extensión de 19,000 km2, casi el 17 % de la superficie del país. Se espera que de esta acción resulten los siguientes impactos sociales aumento de la calidad de vida de sus habitantes aumento de los conocimientos culturales y educacionales aumento de alternativas recreacionales para la población diminución de afectaciones a la salud en lo que respecta al humo derivado de la combustión de keroseno para iluminación incorporación de las personas aisladas a la sociedad disminución de emisiones de gases de efecto invernadero al no utilizarse combustibles fósiles estabilización de la fuerza laboral aumento en los conocimientos de la necesidad de la protección del medio ambiente disminución del éxodo de la población hacia las ciudades EMPLEO DE FUENTES RENOVABLES DE ENERGIA Y SU IMPACTO ECONOMICO Y MEDIO AMBIENTAL En Cuba las principales energías renovables que se pueden utilizar para la generación de energía eléctrica sc relacionan con el empleo de la biomasa cañera como fuente de combustible, la energía eólica, la energía solar y la hidroenergía. Existe-en el momento actual- una alta dependencia de uso de combustibles fósiles para la producción de la energía eléctrica tal es así que mas del 50% del combustible utilizado es importado representando el 96.2% del consumo con una baja participación de las FRE de tan solo el 3.8 %. MINEM (2014) Es de señalar que se ha aprobado recientemente la Política para la utilización y desarrollo de las fuentes renovables de energía. MINEM (2013) Ya se cuenta con un significativo número de instalaciones que proporcionan energía a partir de fuentes renovables tal como se muestra en la tabla siguiente: MINEM (2013) Tabal 2 Numero instalaciones relacionadas con el uso de la Fuentes Renovables de Energía INSTALACIONES Numero PANELÑAE SOLARES 9476 CALENTADORES SOLARES 10595 MOLINOS DE VIENTO 9343 PLNATAS BIOGAS 827 HIDROENLERCTIDAS 187 HORNOS PRODUCCION LADRILLS CON BIOMASDA FORESTAL 647 139 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ TURBOGENERADORE Y CALDERAS PARQUES EOLICOS TOTAL 79 Y 114 RESPECTIVAMENTE 4 CON 20 AEREOGENERADORES 34658 En el momento actual se trabaja en cuatro programas principales -con carácter inversionista- para el aumento de la participación de las FRE en la matriz energética del país es de señalar que también se trabaja en la producción de biogás a partir de la utilización de excretas vacunas y porcinas el que se emplea básicamente en la cocción de alimento de familias campesinas. ENERGIA DE LA BIOMASA CAÑERA En lo que respecta al combustible disponible para la producción de energía eléctrica empleando la biomasa cañera esta constituida por los residuos industriales del procesamiento industrial de la caña de azúcar : el bagazo y una parte de los residuos de la cosecha, Es de señalar que en función de los valores calóricos unas cinco toneladas de bagazo húmedo sustituye una tonelada de fuel oil. Valdes (2005) La generación de energía era baja entre 11 y 18 kwh/ton caña aportando al SEN solamente 1 kw/hr ton caña. La restructuración del sector azucarero fue necesaria debido a la existencia de fabricas antiguas y prácticamente obsoletas en cuanto a su equipamiento y tecnologías, áreas agrícola no adecuadas para la producción de caña y altos costos de producción, ello implicó cerrar 100 fábricas y disminuir a 800 000 hectáreas agrícolas para la producción de caña, igualmente, se reubicaron equipos y se aumentaron algunos de sus parámetros operacionales como es el caso de la presión de generación del vapor. En la tabla se refleja la situación actual del equipamiento que se emplea para la generación del vapor con una eficiencia del 75%. En el momento actual la industria azucarera genera unos 626 MWh presentando el 86 % del aporte de las FRE Hernández(2013) La potencia eléctrica instalada es de 470.4 MW estando una parte interconectada al SEN , ello ha permitido alcanzar un índice de generación de la energía eléctrica de 37.6 kwh/ton caña entregando el pasado año 110.5 Gwh al Sistema Electroenergético Nacional (SEN). Se trabaja en un programa para implementar sistemas de turbogeneradores de extracción condensación con presiones de generación de vapor de altos parámetros -63 y 85 bar- lo que implica alcanzar mayores índices de producción referido a la cantidad de caña procesada. En fabricas seleccionadas-se introduce el concepto de Bioeléctrica- para potenciar el uso de este combustible renovable no fósil, amigable con el medio ambiente en lo que respecta la no emisión de gases de efecto invernadero. El programa considera ampliar la producción de esta energía hasta el 2030 con la instalación de unos 715 MW en 19 bioeléctricas. En el momento actual se avanza en el proceso inversionista de dos Bioeléctricas : Jesus Rabi con 20 MW a una presión de 67 bar y Ciro Redondo con 60 MW a una presión de 85 bar. Es de señalar que una hectárea de caña absorbe de la atmosfera 60 ton de CO2 por efecto de la fotosíntesis y como en el proceso de producción del azúcar se emiten 18 ton se evita la emisión de 42 ton en términos netos. Hernández(2013) ENERGIA EOLICA En la m actualidad se encuentran instalados 20 aereogeneradores en 4 parque eólicos con una potencia de 11.7 MW, se continua trabajando actualmente en la ejecución de un proceso inversionista para el aumento de la utilización de esta fuente en la producción de energía electica, igualmente se construyen molinos de viento para la extracción de agua para la ganadería y riego existiendo unas 9343 instalaciones y se proyecta ampliar estas instalaciones hasta 16500 unidades. 140 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Se ha identificado hasta el momento la potencia eólica alcanzable a partir de estudios de tres años sobre la intensidad y sostenibilidad de los vientos en diferentes zonas geográficas del país. .El programa inversionista para el empleo de esta energía proyecta la instalación de 13 parques eólicos con una potencia total de 633 MW con un factor de capacidad superior al 27%.MINEM 2014 A manera de ejemplo se analiza un Parque eólico de 51 MW en Playa Herradura, municipio Jesús Menéndez, provincia Las Tunas que dispondría de 34 aerogeneradores de 1,5 MW cada uno. ENERGIA SOLAR FOTOVOLTAICA La radiación solar en Cuba es de unos 5 kw/m2 /día lo que posibilita una utilización importante de esta de energía, actualmente se dispone de 9164 paneles ubicados en lugares aislados con un potencia de 2.8 MW. El programa para la utilización de esta fuente analiza la posibilidades de instalar unos 700 MW , programa ya iniciado y se trabaja este año en la instalación de 10 MW en 7 parque fotovoltaicos. Un ejemplo de la utilización de esta fuente es la instalación existente en la comunidad de Santa María de Loreto ubicada en la Sierra Maestra a 659 metros sobre el nivel del mar. La comunidad cuenta con 200 personas constituyendo 42 núcleos familiares vinculados básicamente a la producción de café. La comunidad contaba con un grupo electrógeno de 32 kW siendo sustituido por paneles fotovoltaicos alcanzando con una potencia de 16 kwp, Esta instalación ha estado en funcionamiento por 12 años ahorrándose unas 262,8 toneladas de combustible diesel y evitando la emisión de unas de 180 toneladas de gases de efecto invernadero Camejo (2011) ENERGIA HIDROELECTRICA La producción de electricidad a partir de la energía hidráulica en pequeñas capacidades es una de las forma más económica disponible hasta el presente para la generación de energía eléctrica que permite minimizar las afectaciones que se pueden producir al medio ambiente. Aunque Cuba no tiene grandes recursos hidroenergéticos, se ha calculado que es posible instalar unos 600 MW, fundamentalmente para producir electricidad en las horas pico Franco (2009) Actualmente se cuenta con unas 180 instalaciones: 1 central eléctrica, 7 pequeñas centrales hidroeléctricas, 35 minihidroeléctricasy 137 microhidroeléctricas con una capacidad total instalada de 62,2 MW y una producción de energía electica anual de 149 GWh. Moreno (2013) El programa en ejecución para incrementar el uso de esta fuente de energía considera instalar unos 55 MW hasta el año 2030. La MATRIZ ENERGETICA Los resultados esperados de la implementación de estos cuatro programas indican un significativo incremento de la participación de las FRE en la matriz energética del país esta se incrementaría de un 2,8% hasta un 22.6%, lo que posibilitaría disminuir la importación de combustibles fósiles con el importante efecto económico que se derivaría, igualmente la implementación de estos programas posibilitaría la disponibilidad de nuevas fuentes de empleo. 141 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ MATRIZ ELÉCTRICA ACTUAL Y PROYECTADA Figura 1 Matriz energética actual y esperada en el 2030. MINM (2014) Taller de la Red de Energía del Ministerio de Educación Superior. Nodo occidental En la tabla siguiente se indican resultados que se pudieran esperar de la implementación de estos programas Tabla 3 Resultados a alcanzar de la implementación de los programas Potencia a instalar (MW) Factor capacidad Biomasa Cañera 715 85 5323.8 1411 790.2 4259.0 Energía Eólica 633 27 1497.2 398 221.7 1197.7 Energía fotovoltaica 700 25 1533.0 406 227.4 1226.4 Hidroenergía 55 50 248.9 66 37.0 199.1 2103 --- 8602.9 2281 1276.3 6882.2 Fuente Total Generación anual Sustitución Fuel Oil (ton)x103 (GWh) Valor económico (USD/año) x106 CO2 evitado (ton/año) x103 PROGRAMA DESARROLLO SOSTENIBLE DE LAS FUENTES RENOVABLES DE ENERGÍA 142 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ El pasado año 2013 se aprobó la realización del programa de I+D+i de alcance nacional denominado: Desarrollo Sostenible de las Fuentes Renovables de Energía con el objetivo de completar los conocimientos y estudios de viabilidad para las tecnologías conocidas, así como la asimilación de nuevas tecnologías necesarias para incrementar el aprovechamiento y desarrollo perspectivo de las diferentes Fuentes Renovables de Energía en Cuba hasta el 2030. Los proyectos que han comenzado a realizarse en este año 2014 se vinculan con la energía solar y eólica, con la producción del biogás, se realizan proyectos también sobre el efecto de las externalidades y sobre la vigilancia estratégica del desarrollo científico técnico económico y comercial de las diferentes fuentes incluyendo aquellas en desarrollo como son la energía del mar y la energía geotérmica y el desarrollo del uso el hidrógeno y de las celdas combustibles. www.siprocit.redciencia.cu Se iniciaran proyectos en el próximo año vinculados con celdas fotovoltaicas a partir de la nanotecnología, en los resultados operacionales de los parques fotovoltaicos, en la actualización de los estudios realizados sobre la energía del mar y en la modelación de los parámetros de operación de gasificadores de biomasa de lecho descendente, entre otros. CONCLUSIONES La implementación delas FRE a través de la energía solar fotovoltaica permitió electrificar las escuelas y consultorios médicos ubicados en sitios aislados propiciando un impacto social por la mejora de la calidad de vida de los pobladores posibilitándose llevar la salud y la educación a toda la población del país. Los programas inversionistas que se desarrollan actualmente por el país para incrementar la participación de las FRE sustituyendo combustible fósil incidirá en la modificación de la matriz energética y propiciara disminuir la importación de estos combustibles que inciden sobre el cambio climático que actualmente se esta experimentando debido a las emisiones de gases de efecto invernadero de estos combustibles. El país trabaja en el programa de I+D+i Desarrollo Sostenible de las Fuentes Renovables de Energía a través de proyectos cuyos objetivos principales se centran en el desarrollo e implementación de nuevas tecnologías y equipamiento con positivos efectos tanto tecnológicos como económicos. REFERENCIAS BIBLIOGRÁFICAS Camejo J. (2011) Energía y tu No 55 Julio Sep. 2011 p. 36 Franco P. La importancia de aprovechar la pequeña hidroenergía Energia y tu no 45 Enero Marzo 2009 p.9 Hernández B. (2013) Situación y perspectiva de la Energética de la industria de la caña de azúcar Encuentro Cuba Alemania La Habana Julio MINEM (2014) Taller de la Red de Energía del Ministerio de Educación Superior. Nodo occidental Febrero La Habana MINEM (2013) Programa DESARROLLO SOSTENIBLE DE LAS ENERGIAS RENOVABLES MINEM (2014) 2 Programas de eficiencia energética y fuentes renovables de energía en Cuba MINEM (2014)Encuentro Cuba Alemania La Habana Julio Moreno (2013) Cuba hacia 100% con energías renovables p.4 Energia y tu Abril -Junio 2013 143 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Stone L. (2001) revista Home Power # 86 (diciembre 2001 - enero 2002) Educación revolucionaria con energía fotovoltaica Solar Energy International Valdes A. (2000) Cuba's transition away from fossil fuels. Renewable Energy for Development Stockholm Environment Institute SYMPOSIUM Valdes (2002) La electrification rural en Cuba y su impacto social Informe Centro para la Gerencia de Programas y Proyectos (GEPROP) Noviembre Valdés A. (2005) Obtención de combustibles y energía a partir de la biomasa azucarera. Memorias Seminario Iberoamericano sobre Recursos Energéticos 22 al 23 Septiembre Montevideo Uruguay 144 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ SOFTWARE DE GESTIÓN VIRTUAL DE MICRORREDES: PROYECTO OVI-RED Línea Temática: Redes Inteligentes/ Microrredes. Ignacio Delgado Espinós1, Juan Gilabert Marzal1, Carlos Blasco Llopis1,, Marta García Pellicer1, (1) Referencias autor1: Instituto Tecnológico de la Energía, [email protected], [email protected], [email protected], [email protected] RESUMEN El proyecto OVI-RED liderado por Gas Natural Fenosa, CEDER, ZIGOR e ITE tiene como objetivo gestionar una agregación de consumidores y generadores agrupados en microrredes con una topología innovadora y modular. El enfoque modular permite dividir el problema de optimización en diferentes niveles, lo que aporta al sistema global unos niveles de robustez y resiliencia que otras estructuras no pueden conseguir. El objetivo y técnica implementada en cada nivel de gobierno del Operador Virtual de Microrredes es distinto y aporta mejoras al método de gestión: mientras aguas arriba se pretende un despacho económico óptimo con la finalidad de obtener el mayor beneficio global, en los niveles inferiores se mantiene la estabilidad técnica del sistema con el propósito de maximizar la eficiencia. En el presente artículo se analiza la estructura del sistema y se presenta un escenario de aplicación en el que se desarrolla la sistemática propuesta en OVI-RED para, posteriormente, analizar los resultados. Se estudiarán, con especial énfasis, las mejoras en la gestión aportadas en cada uno de los niveles propuestos. Palabras clave: microrredes, OVI-RED, Operador Virtual, gestión, almacenamiento. INTRODUCCIÓN AL OPERADOR VIRTUAL DE MICRORREDES En anteriores trabajos se desarrolló la estructura de los componentes que conforman la arquitectura de gestión descentralizada la cual forma parte de la gestión energética de microrredes trabajada en el marco del proyecto OVI-RED [1]. El objetivo por el cual se plantea esta arquitectura es el de obtener un mayor beneficio tanto económico como en temas de estabilidad eléctrica de la unión de un conjunto de microrredes las cuales emplean sus recursos para conseguir una operación óptima en las acciones de compra-venta energética realizadas en el mercado diario. Dicha arquitectura se caracteriza por la división en cuatro niveles jerárquicos de la estructura de control de microrredes tal y como se muestra en el esquema de la Figura 1, donde se observa un nivel superior caracterizado por un Módulo Gestor del Despacho Económico (en adelante MGDE). Este primer módulo tendrá como objetivo interactuar en el mercado diario, obteniendo una relación óptima de compra-venta de energía. A continuación, en un segundo nivel se encuentra el Operador Virtual Gestor de Microrredes (OVGM), el cual tiene el cometido de seguir las consignas proporcionadas desde el MGDE relacionadas con las acciones realizadas en el mercado diario y distribuirlas entre sus microrredes gestionadas. Finalmente, cada Operador Virtual de Gestión de Microrredes tiene un número de microrredes que gestiona, las cuales son gestionadas por los Sistemas Centralizados de Gestión de la Microrred (SCGM), los cuales gobiernan cada recurso existente en la microrred a través de módulos genéricos con comunicación IEC61850 llamados Controladores Locales de Recurso de Microrred (CLRM). 145 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ MGDE OVGM SCGM SCGM CLRM CLRM SCGM CLRM CLRM CLRM CLRM CLRM Figura 47: Esquema general de la estructura con los módulos de gestión del proyecto OVI-RED. A través de esta arquitectura se desarrollan una serie de pasos, explicados a continuación, que realizan una gestión energética óptima a través los recursos disponibles en las microrredes. GESTIÓN ENERGÉTICA DE MICRORREDES Con el objetivo de realizar una gestión energética eficiente entre las microrredes que conforman el sistema, es necesario realizar varios procesos de optimización y comunicación entre los módulos de la arquitectura OVIRED. En un primer lugar se realiza una optimización de la compra-venta de energía en el mercado diario, mediante información recopilada del conjunto de microrredes que van a participar en el proceso de gestión energética y la información del precio de mercado a futuro obtenida a través de algoritmos avanzados de minería de datos y predicción [2]. Dicha optimización se traduce en forma de potencia horaria a seguir por el conjunto de microrredes durante las siguientes 24 horas y se envía al módulo OVGM. En la siguiente figura (Figura 48) se muestra las interacciones del OVGM con el resto de módulos, teniendo como datos de entrada del sistema la potencia de referencia (Pref 1) y una predicción sobre el precio de mercado proveniente del MGDE, así como datos necesarios característicos del sistema y consignas por parte del agente gestor. Con todos estos datos se realiza una optimización a través de la cual se obtienen consignas de gestión energética para cada una de las microrredes que gobierna el sistema OVGM. 146 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Costes de generación Operador Virtual de Microrredes Base Datos Consignas ( Pref1 ) Balance energético de las microrredes (optimización) Criterios/consignas del agente Gestor Predicciones Consignas ( Pref2 ) Predicciones Figura 48: Diagrama de subsistemas del Operador Virtual de Gestión de Microrredes de OVI-RED. Las consignas de gestión enviadas por el OVGM son recibidas por el SCGM que gestiona cada microrred en particular, tratándose de la consigna de gestión que dicha microrred deberá cumplir durante las siguientes 24 horas. El procedimiento empleado por cada microrred para poder cumplir su consigna objetivo pasa por la realización de un nuevo proceso en el cual se optimiza la distribución de dicha consigna entre sus recursos energéticos disponibles, tales como generadores gestionables y sistemas de almacenamiento. En la Figura 49 se muestra el proceso interno que el SCGM lleva a cabo con el fin de realizar la gestión energética de sus recursos y además mantener el control y la estabilidad de tensión y frecuencia de la microrred, con el fin de mantener la estabilidad del sistema. Consignas ( Pref2 ) Predicciones Controlador local de Microrred Consumo agregado Generación agregada Almacenamiento agregado Despacho Óptimo (medida + predicción) Estabilidad y control V, f ( Consignas a elementos DER / DES / Cargas gestionables ) ( Pref3 ) ( Pref4 ) Base Datos Costes de generación ( Pref_N ) Figura 49: Diagrama de subsistemas del Sistema Centralizado de Gestión de la Microrred de OVI-RED. Finalmente, la consigna que el SCGM distribuye a cada recurso es recibida por los Controladores Locales de Recursos de la Microrred (CLRM), los cuales son los encargados de actuar a nivel de campo sobre los diferentes recursos distribuidos y gestionables existentes en las microrredes (Figura 50), bien sean equipos de generación, almacenamiento o cargas gestionables. 147 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ ( Pref3 ) ( Pref4 ) ( Pref_N ) Controlador Local de Recurso Controlador Local de Recurso Controlador Local de Recurso Cargas Gestionables Recursos de generación gestionables Recursos de almacenamiento Figura 50: Diagrama de los distintos tipos de elementos gestionados por el Controlador Local de Recuso de Microrred (CLRM) Pese a la apariencia de un sistema gobernado por un módulo superior principal, la arquitectura planteada consiste en un sistema de optimización descentralizado, puesto que cada uno de los módulos posee la capacidad de gestionar sus propios recursos en cada momento, asignando las consignas que se consideren oportunas. DESCRIPCIÓN DEL ESCENARIO DE TEST El escenario planteado está compuesto por cuatro microrredes (ver Tabla 3), tres de las cuales disponen de instalaciones de generación gestionables (2 pilas de hidrógeno, una turbina de gas y una turbina hidráulica), instalaciones de generación no gestionable (Fotovoltaica) y equipos de almacenamiento energético (Baterías NiCd y una instalación de bombeo) y cada una de ellas gestionada por su propio SCGM. Por otro lado, la cuarta microrred, con su sistema de gestión SCGM4 cuenta con sistemas de generación no gestionable (fotovoltaica y eólica) y como recursos gestionables dispone únicamente de sistemas de almacenamiento (baterías de flujo, volante de inercia y batería de plomo). Así pues, en total se gobiernan cuatro microrredes intercomunicadas, pero independientes, que podrían o no estar dispersas por distintos puntos de la geografía española. Tabla 3. Composición de las microrredes para el escenario propuesto. Microrred 1 (SCGM-1) Microrred 2 (SCGM-2) Microrred 3 (SCGM-3) Generación Gestionable Pila de Hidrógeno 1 Pila de Hidrógeno 2 Turbina de gas Turbina hidráulica Generación No Gestionable Fotovoltaica Almacenamiento Baterías Ni-Cd - - Microrred 4 (SCGM-4) - Fotovoltaica Fotovoltaica Eólica Bombeo Baterías de flujo Volante de inercia Baterías plomo Estas microrredes por tanto son operadas por un único sistema OVGM que opera a través de las consignas del MGDE, quedando la arquitectura del sistema tal y como se representa en la Figura 5. 148 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ MGDE Nivel 1 OVGM Nivel 2 Nivel 3 Nivel 4 CLRM SCGM-1 SCGM-2 SCGM-3 CLRM_alm1 CLRM SCGM-4 CLRM_alm79kWh 2 CLRM CLRM_alm3 CLRM Figura 51: Esquema de conexión y relaciones entre los distintos elementos del escenario de validación de OVIRED En el escenario definido, los precios de mercado estimados así como las potencias de generación renovable no gestionables se han considerado valores simulados, dentro del rango de operación diaria, con dinámica similar a la de un día de operación normal. Los precios considerados son ficticios, pero guardan una estrecha relación en el comportamiento con los precios habituales del mercado de la energía y de igual forma los valores de generación no gestionable para la optimización se obtienen a través de predicciones, las cuales se restarán de la demanda agregada a la hora de realizar los cálculos. A continuación, se presentan los resultados obtenidos de la simulación de dicho sistema de forma que cada uno de los módulos interactúa de la forma expuesta con el resto de ellos, siguiendo las consignas obtenidas por las distintas optimizaciones. SIMULACIÓN Y RESULTADOS Durante las simulaciones se debe tener en cuenta que se trata de un problema complejo de gestión energética el cual engloba optimizaciones mixtas enteras lineales y cuadráticas [3], para las cuales se han definido parámetros relativos a los requerimientos y posibilidades de cada infraestructura integrada, siendo una de las restricciones principales implementadas en los análisis la no inyección de energía a la red. En el primer paso del análisis el sistema MGDE tiene en cuenta la demanda agregada prevista de todas las microrredes disponibles. La demanda agregada de dichas microrredes en el escenario actual presenta un consumo base sobre los 500 kWh con un pico máximo de 750 kWh, con un perfil correspondiente a un consumo mixto industrial y de sector terciario (ver Figura 52). 149 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 52: Gráfico con los datos de demanda agregada e individual considerados por el MGDE de OVIRED en el escenario de prueba. Tras la ejecución de la optimización relativa a la compra-venta de energía en el mercado diario se obtiene la consigna de operación a trasladar al OVGM mostrada en la gráfica superior de la Figura 53. El resultado muestra por un lado el perfil de generación que se debe obtener a través de los equipos distribuidos gestionables y por otro lado el coste que conlleva la puesta en marcha de dichos equipos, así como de su inyección en red de la producción que se obtiene. Figura 53: Gráficos con los datos de salida al módulo MGDE de OVIRED para el escenario de prueba. En la curva agregada de costes, mostrada en la segunda gráfica de la Figura 53, se observa un incremento significativo de los costes de generación conforme se incrementa la potencia a generar. Esto es consecuencia del mix de generación disponible en las microrredes gestionadas, donde hay presencia de equipos con costes muy 150 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ dispares, los cuales se definen para cada generador su función cuadrática de costes, de forma que con todas ellas, se agregan y se obtiene así el coste asociado de cada uno de los generadores. En el siguiente paso del proceso de gestión energética se realiza la optimización de las consignas de generación de cada una de las microrredes que disponen de generación gestionable (SCGM 1, 2 y 3). Estas consignas quedan mostradas en la Figura 54, donde se presenta el perfil de funcionamiento de las microrredes que deben cubrir con sus instalaciones de generación gestionables distribuidas, es decir, el perfil de generación que desde el MGDE se ha definido. De igual forma, se muestra el análisis de los costes imputables por hora para cada una de las microrredes que finalmente han generado ese perfil (Figura 54, gráfica 2). La última gráfica de esta misma figura presenta la diferencia de costes mostrando las funciones de coste de generación para cada una de las microrredes. Figura 54: Gráficos con los datos de salida al módulo OVGM de OVIRED para el escenario de prueba. Por tanto, una vez cada microrred dispone de su consigna de potencia a seguir, es cada SCGM quien debe ser capaz de optimizar los flujos energéticos entre sus propios sistemas de generación, con tal de cumplir siempre dicha consigna superior. Realizando un análisis en detalle, para el caso del SCGM-1 se recogen los resultados que se observan en la Figura 55. En esta microrred se gestiona el almacenamiento energético de forma que se permite que la generación, tanto del recurso generador gestionable 1 (Pila de hidrógeno 1, DER nº 1) como el 2 (Pila de hidrógeno 1, DER nº 2), se mantengan generando las 24 horas del día aunque haya horas del día que la consigna proveniente del OVGM sea 0 (1ª gráfica de la Figura 55), con el fin de almacenar dicha energía cuando no es demandada. 151 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 55: Gráficos con los datos de salida al módulo SCGM-1 de OVIRED para el escenario de prueba. En el SCGM-2, la consigna de generación recibida del OVGM es satisfecha en su totalidad por el generador gestionado al no tener sistemas de almacenamiento, tal y como se observa en la Figura 56. Figura 56: Gráficos con los datos de salida al módulo SCGM-2 de OVIRED para el escenario de prueba. En la tercera microrred debido a los elevados costes de generación y al elevado precio de arranque, tenía una consigna de referencia nula (Figura 57) y por tanto sus sistemas de generación y almacenamiento no entran en funcionamiento en el escenario actual. 152 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 57: Gráficos con los datos de salida al módulo SCGM-3 de OVIRED para el escenario de prueba. La última microrred considerada, gestionada por el SCGM-4, presenta la peculiaridad de que su único elemento a gestionar es un sistema de almacenamiento, con las características y restricciones que se muestran en la Tabla 4. Tabla 4: Tabla de restricciones del almacenamiento energético gestionado por el SCGM-4 del ejemplo de uso de OVIRED. Restricción Capacidad máxima del almacenamiento energético Estado de carga máximo Estado de carga mínimo Máxima potencia de descarga Máxima potencia de carga Estado de carga Inicial Estado de carga Final Eficiencia de carga Eficiencia de descarga Valor 130kWh 125kWh 10kWh 25kW 20kW 60kWh 60kWh 85% 90% El resultado que proporciona el módulo SCGM-4 para la gestión energética de su sistema de almacenamiento es el que se muestra en la Figura 58. En esta figura se observa la evolución del estado de carga para el sistema de almacenamiento (1ª gráfica) y sus consignas de potencia a seguir (2ª gráfica de la Figura 58), así como el precio horario de la energía (gráfica inferior de la Figura 58). 153 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Figura 58: Gestión del almacenamiento energético de la microrred gestionada por el SCGM-4 y precio de mercado para el caso de uso de OVIRED. El comportamiento de este sistema cumple las restricciones contempladas en la Tabla 4, tanto en el límite de potencia de carga y descarga, el estado inicial y final del sistema, así como los límites del estado de carga. Además se constata, comparando con el precio de mercado introducido, que en momentos de precios bajos se cargan las baterías y se descargan en momentos punta buscando maximizar el beneficio económico, siempre cumpliendo las restricciones y minimizando las pérdidas con las eficiencias de carga y descarga supuestas. Como resultado de la gestión energética realizada para el conjunto de las microrredes estudiadas, se constata que aparte de seguir las restricciones establecidas para cada sistema, también se verifica un beneficio económico. En valores globales para el día considerado en el escenario y teniendo en cuenta la demanda agregada de la Figura 52 y el precio de la energía que se observa en la Figura 58, se parte de un coste de operación estimado de 19.448€, si únicamente se considerara la compra de energía de la red. Por el contrario, con la operativa que se ha expuesto y los sistemas generadores y de almacenamiento que se detallan en la descripción del ensayo se estima un coste total de 10.328€. Esto es un beneficio cercano al 45%. Además, como se ha descrito con el repaso de cada una de las microrredes, con la gestión del almacenamiento energético en combinación con los generadores se consigue operar en los puntos de funcionamiento de menor coste de los distintos equipos, aún cuando la demanda es variable. CONCLUSIONES El sistema OVI-RED presenta una arquitectura de gestión de microrredes a través de diferentes niveles operación, la cual es aplicable a cualquier tipo de microrred con cualquier tipo de recurso distribuido de generación, almacenamiento y cargas gestionables. Esta gestión a distintos niveles jerárquicos no solo es una posibilidad factible si no que, a través de los resultados presentados, es además una opción recomendable si se 154 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ busca seguridad y control descentralizado para una gestión conjunta de microrredes donde se desee maximizar el beneficio económico manteniendo un correcto y estable funcionamiento del sistema. Tras la creación con datos reales de cuatro microrredes del escenario de validación, se ha comprobado a través de los resultados obtenidos por los diferentes niveles, en los que hay presencia de recursos energéticos distribuidos, que los beneficios de la optimización de los despachos a nivel global han disminuido el coste económico de la compra de energía a través de las consignas calculadas. También se constatan éstos datos a nivel local, con una operación óptima atendiendo a las entradas de cada uno de los módulos. Estos resultados, mediante los módulos presentados, son aplicables a diversos mix de generación tanto con presencia de sistemas de generación renovable como a través de generadores gestionables, con o sin almacenamiento energético. AGRADECIMIENTOS OVIRED cuenta con ayudas del Ministerio de Economía y Competitividad dentro del programa INNPACTO 2012 y están co-financiados por el Fondo Europeo de Desarrollo Regional (FEDER), cuya finalidad es la cooperación entre organismos de investigación y empresas para la realización conjunta de proyectos de I+D+i. El presupuesto es de 1,5 millones de euros, que será financiado a través de préstamos y de subvenciones. REFERENCIAS BIBLIOGRÁFICAS [1] J. G. Germain, F. Martín Soto, I. Delgado Espinós, L. Hernández Callejo y R. Ferret, «Proyecto OVI-RED: Operador virtual de microrredes,» Congreso MIGEDIR, 2013. [2] T. Hastie, R. Tibshirani y J. Friedman, The elements of statistical learning, Springer, 2009. [3] J. Lee y S. Leyffer, Mixed Integer Nonlinear Programming, Springer, 2012. 155 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ CARACTERIZACIÓN MECÁNICA Y ELÉCTRICA DE UN SISTEMA DE ALMACENAMIENTO RÁPIDO PARA SU OPERACIÓN EN UNA MICRORRED Redes inteligentes / Medida Inteligente / Microrredes Gustavo Navarro Soriano, Marcos Lafoz Pastor, Marcos Blanco Aguado, Pablo Concha MorenoTorres, Cristina Vázquez Vélez Marcos Lafoz Pastor: CIEMAT, [email protected] Gustavo Navarro Soriano: CIEMAT, [email protected] Marcos Blanco Aguado: CIEMAT, [email protected] Pablo Concha Moreno-Torres: CIEMAT, [email protected] Cristina Vázquez Vélez: CIEMAT, [email protected] RESUMEN Este artículo presenta la utilización de un sistema de almacenamiento cinético de energía (ACE) o volante de inercia en la operación de una microrred, aportando una respuesta rápida ante consumos determinados para favorecer el autoconsumo, siguiendo además las consignas del sistema de control central que establece las estrategias de operación para la microrred. El concepto presentado de volante de inercia se concibe como un sistema modular de almacenamiento rápido de bajo coste capaz de ser competitivo con otras tecnologías de almacenamiento. Para conseguir este objetivo se elige un volante de inercia metálico y una máquina de reluctancia conmutada manteniendo una respuesta óptima del conjunto. El control de la electrónica de potencia se describe en detalle, así como la operación de conexión a red. La caracterización mecánica y eléctrica del volante se presenta en este trabajo para determinar las características de funcionamiento que permitirán encajarlo perfectamente en su utilización dentro de la microrred y conocer los balances de energía que se pueden conseguir con el mismo. Palabras clave: microrred, almacenamiento de energía, volantes de inercia, pérdidas de máquina eléctrica, máquina de reluctancia conmutada. 1. INTRODUCCIÓN Las microrredes y redes débiles presentan un comportamiento que exige una continua presencia de la red eléctrica como elemento estabilizador, sobre todo si tienen una importante presencia de dispositivos de generación renovable y cargas muy variables. La tendencia general de las redes eléctricas, y así lo refleja la nueva regulación del sector eléctrico, muy centrada en el autoconsumo, es intentar fortalecer cada una de las 156 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ zonas de la red por sí mismas para hacerlas menos dependientes de la red general, no necesitando por tanto que sea una red tan potente o quedando reservada su capacidad para los casos en que realmente sea necesario atender a un problema serio de estabilidad. En este sentido, los sistemas de almacenamiento son un elemento clave en el mantenimiento de dicha estabilidad, pudiendo dar a una zona de la red la autonomía en la mayoría de su periodo de operación, y quedando la red general como un elemento auxiliar del que poder disponer en caso de emergencia, o a quien incluso se puede apoyar en caso de una necesidad en la misma. Dentro de los sistemas de almacenamiento hay diferentes tipos y cada uno de ellos tiene características que van asociadas a funcionalidades diferentes. Bombeo hidroeléctrico, baterías, ultracondensadores y los sistemas de almacenamiento cinético de energía (ACE) o volantes de inercia son algunas de las tecnologías que más se están utilizando en microrredes para almacenar energía. En el presente trabajo se va a tratar el caso de los volantes de inercia como elemento de almacenamiento rápido de energía. Presentan unas propiedades que los hacen interesantes para esta aplicación en concreto, como son el gran número de ciclos de operación que soportan, la robustez, la baja dependencia con la temperatura de su vida útil, la capacidad de sobrecarga y la velocidad de respuesta. Por estas ventajas el almacenamiento rápido se utilizará para atender a picos de potencia producidos en la red, oscilaciones rápidas de potencia en ciertos puntos de carga, atención a desequilibrios entre las fases de la red y además para aportar las potencias activa y reactiva determinadas por el sistema de control que gestiona la red completa y que determina las consignas de potencia para atender a distintas estrategias globales como mínimas pérdidas, máxima producción o mínima interacción con la red general. En este artículo se describirá la funcionalidad que se le va a dar al volante de inercia dentro de la operación en la microrred y además se explicará cómo se ha caracterizado tanto eléctrica como mecánicamente un volante de inercia utilizado para una microrred, con idea de obtener las curvas de potencia, los tiempos de operación y las zonas de trabajo en las que se puede utilizar el dispositivo, lo cual es esencial para integrarlo dentro de una determinada aplicación. 2. FUNCIONALIDAD DEL SISTEMA DE ALMACENAMIENTO CINÉTICO DE ENERGÍA El Sistema de Almacenamiento Cinético de Energía (ACE) está formado por una máquina eléctrica que trabaja en modos motor y generador, un volante que proporciona la inercia necesaria, un convertidor electrónico que opera la máquina y otro convertidor para la conexión a red que se encarga de adecuar la potencia intercambiada por el volante a las condiciones eléctricas determinadas por la red, además de aportar una serie de valores añadidos como son regulación de reactiva y compensación de desequilibrios entre fases. Cuando se produce un exceso en la generación de potencia en la red respecto a la potencia demandada, la diferencia es almacenada en el sistema ACE funcionado la máquina en este caso en modo motor consumiendo energía. Por otro lado, cuando una perturbación o una fluctuación en la potencia enviada es detectada en las cargas, el ACE suministrará la potencia extra necesaria funcionando la máquina en modo generador. En redes débiles, como es el caso de la microrred con generación distribuida que se considera, las cargas desequilibradas pueden provocar perturbaciones en la calidad de suministro red y en concreto en el valor de las tensiones de cada fase. Por ello, otra posible aplicación del sistema ACE es el aporte de potencia a la red para compensar el desequilibrio que este tipo de cargas produce en la misma. En algunas redes interesa que la interacción con la red general sea mínima, tendiendo al autoconsumo, lo cual se consigue haciendo nulo el flujo de potencia en un cierto nudo de la microrred. 157 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ También se propone el uso de volantes de inercia para regular la frecuencia del sistema con la conexión de un cierto número de volantes de inercia que compensen la diferencia entre la carga de la red y la potencia generada. La asociación serie-paralelo de varias unidades cubrirían los niveles de potencia y energía requeridos [2]. Volante de inercia, máquina eléctrica, electrónica de potencia y su control están integrados en un mismo alojamiento con dos terminales para la conexión del conjunto a una etapa intermedia de tensión continua, lo que se puede considerar como una ‘batería mecánica’. 2.1. Tecnología de máquina eléctrica y volante de inercia El volante de inercia y la máquina eléctrica pueden ser elegidos de forma independiente para proporcionar un amplio rango de energía y potencia. El diseño de la máquina eléctrica está relacionado con la potencia y el diseño del volante de inercia está relacionado con la energía. El volante de inercia está fabricado de un aleación de acero y el guiado del mismo se alcanza con rodamientos cerámicos convencionales de alta velocidad. En la figura 1 se muestra el prototipo de sistema de almacenamiento cinético desarrollado. Fig. 1. Esquema del Sistema de Almacenamiento de Energía y prototipo. Una máquina de reluctancia conmutada (MRC) 6/4 se usa para hacer girar el volante de inercia debido a su robustez y simplicidad para operar a altas velocidades. Además este tipo de máquinas es elegido porque las pérdidas mecánicas son mínimas comparadas con las de una máquina de imanes permanentes. Por otro lado, para esta aplicación no se requiere una especial calidad del par en la máquina una vez que se han elegido los rodamientos adecuados para soportarlo. La Tabla 1 muestra alguno de los parámetros más importantes del sistema de almacenamiento cinético de energía. TABLA 1. Características del Sistema de Almacenamiento de Energía Características importantes del Sistema de Almacenamiento Cinético de Energía Máquina Eléctrica 6/4 MRC Potencia Nominal 25 KW Max. Velocidad 9500 rpm Capacidad de Almacenamiento 7,3 MJ de Energía Material del volante de Inercia Aleación de acero Peso 900 Kg Dimensiones Externas Base:700x700 mm 158 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Height: 800 mm 2.2. Electrónica de Potencia La electrónica de potencia, en particular la del convertidor del lado de la máquina (CLM), está integrada junto con el volante de inercia siguiendo el concepto de batería mecánica. Varias unidades pueden ser conectadas en paralelo a un convertidor lado de red (CLR) externo para enviar la potencia a la red compartiendo cada uno de ellos una etapa de continua común. El CLM es el encargado de controlar la MRC regulando la corriente en cada una de las fases de la máquina. La referencia de la máquina es proporcionada por un control externo en función de la potencia solicitada y del objetivo que marque el control de la microrred. Los ángulos de activación y desactivación de las fases son calculados apropiadamente para optimizar el par dependiente de la corriente y velocidad con la ayuda de una tabla. El sentido de la corriente por las fases de la máquina es único, por lo que se elige una topología unidireccional en medio puente para cada una de la fases, de manera que los IGBTs y diodos son diseñados teniendo en cuenta que los IGBTs sufren más estrés mecánico cuando la máquina está funcionando en modo motor, y los diodos, en cambio, cuando la máquina está funcionando en modo generador. En ambos casos éste depende del nivel de saturación de la máquina, es decir, del nivel de corriente usado. En el CLR se utiliza una topología de puente trifásico formado por tres ramas de IGBTs con diodos en antiparalelo. La función principal de este convertidor es controlar la tensión de la etapa de continua, permitiendo la conexión del sistema ACE a la red eléctrica en las condiciones adecuadas. Por otro lado, una cierta compensación de reactiva puede ser proporcionada por este convertidor. Adicionalmente a la funcionalidad descrita anteriormente, el CLR puede tener otros modos de funcionamiento dependiendo de la aplicación en cuestión. Estos modos de funcionamiento se describirán con más detalle posteriormente. 2.3. Control y operación del CLM La máquina eléctrica es alimentada con 700V de continua y con el nivel de corriente por cada una de las fases de la máquina que se derive de las condiciones de potencia exigidas por el control. Con objeto de dar robustez al control y para poder controlar el rizado de la corriente, que es variable debido a la inductancia variable entre el rotor y cada una de las fases de la máquina, ésta es controlada en banda de histéresis de corriente. La ecuación 1 muestra la evolución de la corriente en una máquina saturada. Cuanto más alta es la velocidad más baja es la frecuencia de conmutación alcanzando a la velocidad máxima la situación de monopulso de corriente en las fases de la máquina durante el rango de trabajo. Como consecuencia de esto, las pérdidas por conmutación en el convertidor y las pérdidas por histéresis en la máquina son reducidas al máximo. di dt Vdc R i w d dt d d (Ec.1) 159 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Fig. 2. Esquema de la circulación de la corriente por cada unos de los semiconductores en función del modo de funcionamiento y forma de onda de la corriente por cada una de las fases. La figura 2 muestra los modos de conmutación para la MRC en modo motor y generador. Durante la operación en banda de histéresis, +Vdc, -Vdc y 0 voltios son aplicados a las fases de la máquina para controlar la corriente. A la máxima velocidad la máquina es diseñada para alcanzar monopulso, donde es suficiente aplicar +Vdc y – Vdc para controlar la corriente, mientras que la frecuencia de conmutación es reducida al valor de w (rpm)/30 [1]. 2.4. Control y operación del CLR En el modo principal de funcionamiento las variables de control son la tensión en la etapa de continua y la potencia reactiva inyectada en la red. En el caso de que se desee compensar el consumo desequilibrado aportado por la red cuando se tengan cargas desequilibradas, la variable de control para el convertidor son las potencias de consumo de esas cargas. Esto se lleva a cabo haciendo un análisis de las redes de secuencia directa e inversa en la red, que resultan cuando se considera una carga desequilibrada. En una tercera etapa y si se desea regular la frecuencia en la red, ésta sería la variable de control. Sin embargo, hay otra serie de variables dinámicas que hay que tener en cuenta como son el nivel de carga del volante de inercia, la previsión de la radiación solar y velocidad del viento, estado de los motores Diesel de apoyo y nivel de carga de las baterías, así como el protocolo de actuación de los volantes de inercia en el caso de que se conecten varios en paralelo. 2.5. Resultados experimentales A continuación se presentan una serie de resultados experimentales obtenidos en el laboratorio para los el conjunto (ACE+CLR) en el que el sistema atiende a una consigna de P-Q dada cada cierto intervalo de tiempo, emulando lo que ocurriría en una microred. En este modo el sistema es capaz de aportar potencia activa y reactiva en los cuatro cuadrantes. En la figura 3 se muestra la forma de onda de las corrientes por la red y de una tensión de red para diferentes consignas de P-Q. 160 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Fig. 3. Corrientes de red y tensión de red para una referencia de P=10kW y Q=10kVAr entregada a la red y una referencia P=10kW y Q=10kVAr consumidas de la red. 3. DISEÑO Y EFICIENCIA Debido a que el volante de inercia va a estar la mayor parte del tiempo en stand-by, es decir girando libremente a la espera de una consigna de actuación, es importante separar y medir las diferentes pérdidas que se producen en esta situación para poder hacer una caracterización del mismo en cuanto a capacidad de entrega de potencia y energía y las pérdidas de automantenimiento. Resulta fundamental, por otro lado, diseñar mecánicamente el volante de inercia para que en el rango de velocidades de trabajo su comportamiento sea subcrítico, lo que significa que las frecuencias de operación serán más bajas que la frecuencia de resonancia. En general, las pérdidas que aparecen en las máquinas eléctricas son las pérdidas en el cobre, las pérdidas en el hierro y las pérdidas mecánicas (fricción de los rodamientos y aerodinámicas). En este caso debido a la modularidad es necesario incluir las pérdidas en el convertidor de potencia [4]. 3.1 Pérdidas en la Máquina Eléctrica: pérdidas en el cobre y en el hierro Las pérdidas en el cobre son proporcionales a la resistencia de las bobinas de cada fase y al cuadrado de la corriente que circula por las mismas. En las bobinas de la máquina se emplea cable de Litz para reducir el efecto pelicular y conseguir una distribución uniforme de la corriente en la sección del cable. Las pérdidas en el hierro se producen en el yugo y polos del estator, así como en el rotor. Las pérdidas por histéresis y por corrientes parásitas forman parte también de este tipo de pérdidas [3]. Las pérdidas por hysteresis varían en función de la frecuencia del campo aplicado, mientras que las pérdidas por corrientes parásitas se deben a la corrientes eléctricas inducidas. Hay diferentes métodos y ecuaciones empíricas para calcularlas, pero en este caso las pérdidas en el hierro son conocidas utilizando las características del fabricante de chapa magnética, donde éstas se expresan enW/Kg para diferentes condiciones de la inducción magnética y la frecuencia de la corriente. La figura 4 muestra las pérdidas en el hierro en función de la corriente para diferentes velocidades. Fig 4. Pérdidas en el hierro en función de la corriente. 3.2 Pérdidas Mecánicas 161 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Aunque las pérdidas mecánicas engloban las que se producen en los rodamientos y en el volante de inercia, las más importantes son las pérdidas aerodinámicas producidas en el volante de inercia, proporcionales a la velocidad. Tanto el rotor como el volante de inercia trabajan en vacío para reducir las pérdidas de fricción, pero la máquina eléctrica es mantenida a presión atmosférica para facilitar su refrigeración. La expresión general para las pérdidas aerodinámicas en una MRC 6/4 es: P A wB (Ec.2) donde A es función de las características de la máquina y B está en el rango de 2.7 y 2.2 para las geometrías cilíndricas, como es el volante de inercia [4]. Con el objetivo de reducir las pérdidas axiales en los rodamientos se emplean imanes permanentes para levitar magnéticamente el volante. Las pérdidas en los rodamientos son calculadas teóricamente con la ayuda de las características del fabricante. La figura 4 muestra las pérdidas en los rodamientos en función de la velocidad para diferentes temperaturas en los rodamientos [6]. Fig 5. Pérdidas en los rodamientos en función de la velocidad. A las pérdidas mencionadas anteriormente, hay que añadir unas pérdidas proporcionales a la velocidad producidas por las corrientes parásitas generadas en la máquina como consecuencia de las variaciones en el campo magnético vistas por ésta. Esto se debe a la discontinuidad del anillo de imanes permanentes usado para la levitación magnética del volante de inercia. Los ensayos hechos para determinar los coeficientes de la expresión para las pérdidas mecánicas consisten en medir la deceleración del volante de inercia cuando la maquina eléctrica no está alimentada. La figura 6 muestra estas pérdidas mecánicas para diferentes valores de presión en el interior de la máquina. Fig. 6. Reducción de la velocidad con el volante de inercia girando libremente y pérdidas mecánicas para diferentes valores de presión. Las pérdidas en los rodamientos son calculadas en función de los datos facilitados por el fabricante. Este tipo de pérdidas es difícil separarlas de las pérdidas debidas a las corrientes inducidas pero en todo caso las pérdidas en los rodamientos son más importantes y por tanto las segundas se consideran despreciables. 162 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 3.3 Pérdidas en el Convertidor Finalmente, las pérdidas en la electrónica de potencia tienen que ser tenidas en cuenta. La velocidad y el nivel de corriente son variables de las que dependen este tipo de pérdidas, de forma que pueden calcularse empleando una expresión simple. Por ejemplo, el valor de la frecuencia que se necesita para las pérdidas de conmutación en los semiconductores se calcula con la ec. 3. 1 1min w(rpm) f sin gle_ pulse w(rpm) 4 poles Hz 2 60sec 30 (Ec 3) 3.4 Caracterización del sistema ACE Con el objetivo de conocer la capacidad del sistema ACE en cuanto a capacidad de entrega de potencia y energía se ha caracterizado obteniendo una serie de datos técnicos que se muestran a continuación. Uno de los parámetros que hay que tener en cuenta en cualquier sistema de almacenamiento es la eficiencia del sistema en función de la carga, en este caso la corriente por cada una de las fases de la máquina. En un sistema ACE la eficiencia relaciona la energía mecánica almacenada en el volante de inercia con la potencia eléctrica intercambiada en el punto de conexión según la siguiente expresión: Eficiencia Em ecánicaalm acenada Eeléctrica (Ec.4) En la figura 6 se muestra la eficiencia en función del porcentaje de carga respecto al valor nominal. Fig. 6. Eficiencia del SACE en función de la carga en la máquina y tiempo que es capaz de mantener constante el SACE la potencia entregada a la red. Otro de los parámetros que se debe tener en cuenta a la hora de caracterizar cualquier sistema de almacenamiento es el tiempo que capaz de manejar una determinada potencia. En la figura 6 (dcha) se muestra la curva que determina los tiempos de suministro de potencia cuando se opera con potencia constante desde una situación de carga máxima. De forma que a modo de ejemplo, el sistema es capaz de entregar 10kW de potencia a la red durante aproximadamente 5 minutos. Esta curva se ha obtenido para diferentes niveles de corriente sin sobrecargar la máquina. Teniendo en cuenta que se buscará tener el volante de inercia cargado en el entrono de una velocidad de giro, debido a las pérdidas mecánicas habrá que realizar un pequeño aporte de potencia durante un tiempo para recuperar la velocidad. Realizando este cálculo de energía a lo largo del tiempo se calcularán las pérdidas de automantenimiento. En la figura 7 se muestra la relación entre la velocidad de la máquina y el tiempo durante ese aporte de potencia y la caída de energía posterior. Se ha determinado que en condiciones de stand-by la máquina esté entre el 90 y el 100% de su estado de carga esperando a que haya una demanda de potencia, o que supone que en esta situación la máquina esté girando entre 8700 y 9000rpm. 163 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Fig. 7. Aceleración del sistema ACE y deceleración cuando el volante gira sin que la máquina esté alimentada. Mantener la máquina en este rango de velocidades implica una potencia de pérdidas total que engloban las pérdidas mecánicas (rodamientos y aerodinámicas), eléctricas y la de consumo del control. En la tabla 2 se muestra el valor de cada una de estas pérdidas, así como su valor total. TABLA 2. Potencia de pérdidas para mantener el sistema ACE en un cierto rango de velocidades. Tipo de Pérdidas P(W) Pérdidas Mecánicas (Pmec) 207 Consumo del Control (Pcontrol) 150 Perdidás eléctricas (Pacc) 33 Potencia total media de mantenimiento (Pmant) 390 El área de operación es otro de los aspectos a tener en cuenta en cualquier sistema de almacenamiento, es decir, la potencia que el sistema es capaz de entregar en función de su estado de carga. La figura 8 muestra la potencia entregada en la red del sistema ACE en función de la velocidad del volante para diferentes valores de carga en la máquina eléctrica. La mínima energía de descarga es la energía cinética almacenada en el volante de inercia a la velocidad de 6000 rpm. Fig. 8. Aceleración del sistema ACE y deceleración cuando el volante gira sin que la máquina esté alimentada. 4. CONCLUSIONES 164 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ La utilización de volantes de inercia en microrredes resulta interesante por las características de elevado número de ciclos, altas densidades de potencia y energía, capacidad de adecuación de los valores de potencia y energía de forma específica para la aplicación, capacidad de respuesta rápida ante variaciones de potencia y posibilidad de sobrecarga. En el artículo se han señalado como aplicaciones concretas dentro de la operación de la microrred el uso del volante de inercia para atender a un cierto consumo de cargas, intentando mantener el autoconsumo de cara a la red general, además de atender a las consignas de un control superior que genera unas consignas cada cierto tiempo (del orden de 5 min) sobre las potencias activas y reactivas en la red. Además, se ha realizado la caracterización eléctrica y mecánica del volante de inercia a instalar, obteniendo las curvas de potencia en función del grado de carga del dispositivo, el cálculo de pérdidas del sistema y el cálculo de la eficiencia en el rango de operación. Con ello se podrá hacer una evaluación completa de las posibilidades y aportaciones que supone la introducción de este sistema dentro de la operación de la microrred. Es destacable el hecho de que, al ir conectado a la red mediante un convertidor electrónico de potencia totalmente controlado, hay una serie de funcionalidades añadidas que le aporta al sistema de almacenamiento cinético de energía (ACE) este elemento como son la capacidad de regulación de potencia reactiva o la posibilidad de equilibrar cargas desequilibradas, lo cual es importante para mantener los valores de tensión de fase en redes que son especialmente débiles. REFERENCIAS BIBLIOGRÁFICAS [1] Barnes, M.; Pollock, Ch.; “Power Electronics Converters for Switched Reluctance Drives”. IEEE Transactions on Power Electronics, Vol. 13, Nº 6, pp. 1100-1111, November 1998. [2] Beacon Power to begin building flywheel frequency regulation plant. November 12, 2009. Beacon Power. http://www.renewableenergyworld.com/rea/news/article/2009/11/beacon-power-to-begin-construction-of-first-flywheelfrequency-regulation-plant [3] Mthombeni L.T., Pillay P. “Core Losses in Motor Laminations Exposed to High Frequency or Non-sinusoidal Excitation”. IEEE Transactions on Industry Applications, vol 40. Nº5. September/October 2004. p. 1325-1332. [4] Raulin V., Radun A., Husain I. “Modelling of Losses in Switched Reluctance Machines”. IEEE Transactions on Industry Applications, vol 40. Nº 6, November/December 2004. p. 1560-1569. [5] S.D. Calverley, G.W. Jewell, R.J. Saunders, “Aerodynamic losses in switched reluctance machines”. IEEE Procedings Power Applications, Vol. 147. NO. 6, November 2000. [6] SKF Group: Estimation of the frictional moment. http://www.skf.com/group/products/bearings-units-housings/rollerbearings/principles/friction/estimation-of-the-frictional-moment/index.html 165 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ CONCEPTUALIZACIÓN Y SIMULACIÓN DE ALGORITMO DE MANEJO ENERGÉTICO PARA UN SISTEMA BESS INTEGRADO A UNA MICRORRED PV Línea Temática [1]: Microrredes Daniel A. Sanhueza Recabarren1, Leonardo M. Palma Fanjul1, Luis C. García Santander1 (1) Universidad de Concepción, Departamento de Ingeniería Eléctrica, [email protected]; [email protected]; [email protected] RESUMEN Uno de los desafíos en la operación de microrredes en comunidades aisladas es el asegurar que la energía demandada por las cargas pueda ser suministrada por el sistema en todo momento. Esto es de especial relevancia cuando la microrred es alimentada por fuentes tales como generadores eólicos o paneles PV debido a su inherente variabilidad en el tiempo. Por ello el uso de sistemas de almacenamiento de energía se hace necesario para absorber o entregar energía en función de las diferencias instantáneas entre potencia generada y demandada. En este trabajo se realiza el diseño de un sistema de almacenamiento de energía basado en baterías (BESS) y se conceptualiza el algoritmo de control necesario para asegurar la correcta operación de una micro red con generación PV y caracterizada por cargas del tipo residencial. El diseño y correcta operación del esquema de control son verificados a través de simulaciones. Palabras clave: Microrred, BESS, PV. INTRODUCCIÓN 216. El desarrollo y penetración de fuentes de energía renovables no convencionales (ERNC) en los sistemas eléctricos de potencia ha tenido un rápido crecimiento a nivel mundial, esto principalmente debido a la necesidad de responder al creciente desafío del cambio climático, mayor utilización de energías limpias y a un mayor aprovechamiento de los recursos naturales disponibles. Sin embargo, en el caso particular de los sistemas aislados tales como microrredes, y debido a que la potencia suministrada por estas fuentes de energía es en general variable, no necesariamente es posible ajustar la potencia generada en función de los cambios en la demanda como ocurre en sistemas tradicionales. En tales casos la operación del sistema se ve alterada produciéndose problemas de estabilidad. Para evitar dicha condición de operación la integración de sistemas de almacenamiento de energía se hace necesaria. En dicho contexto, en este trabajo se realiza la conceptualización de un algoritmo de control energético para un sistema de almacenamiento de energía basado en baterías (BESS) integrado a una microrred alimentada por un sistema fotovoltaico para la zona de Calama en Chile; de tal manera que permita garantizar adecuados procesos de carga y descarga del banco de baterías y la satisfacción de la demanda para distintos niveles de carga y radiación. 217. 218. DIMENSIONAMIENTO DEL SISTEMA 219. Para efectos de la conceptualización del sistema de manejo energético se requiere, en primer lugar, diseñar y dimensionar la microrred. Para ello es necesario tomar como punto de partida el tipo de carga que será alimentado por el sistema. En este caso se considera que se alimentará un pequeño poblado con una red trifásica 166 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ de 380V y 50 Hz, con un perfil de consumo de potencia del tipo residencial, cuya potencia media total es de 103,07 kW, alcanzando una potencia máxima de 184,99 kW (Figura 1). Potencia [KW] CARGA RESIDENCIAL [KW] X: 19.6 Y: 185 150 100 50 Energía [KWh] 0 0 5 10 15 hora ENERGIA RESIDENCIAL [KWh] 20 X: 23 Y: 2371 2000 1500 1000 500 0 0 5 10 15 20 hora 220. 221. Figura 1. Perfil de demanda de potencia y energía de la 222. Figura 2. Arquitectura del sistema micro red 223. Por otro lado la microrred será alimentada desde una fuente fotovoltaica integrada con un BESS cuya topología de interconexión es indicada en la Figura 2. Como puede apreciarse, en este sistema se utiliza un solo inversor para hacer la interface entre generación-BESS con la microrred. Tanto el arreglo de paneles PV como el BESS se interconectan al inversor por medio de un enlace DC común. El convertidor DC-DC correspondiente al arreglo de paneles es encargado de operar los paneles en su punto de máxima potencia. Por otro lado el BESS cuenta con un regulador de carga, el que es el encargado de implementar el algoritmo de manejo energético, así como el control del estado de carga de los acumuladores de energía. 224. 225. Perfil de Carga de la microrred 226. La microrred está constituida por un sistema trifásico alimentando cargas residenciales monofásicas cuyo perfil de demanda promedio corresponde al mostrado en la Figura 2. De acuerdo a dicho perfil, se tiene que la demanda máxima de potencia corresponde a 185 kW y se alcanza cercana a las 19:30 h. Por otro lado la energía total a ser suministrada diariamente es de 2.370 kWh. Esta información es luego utilizada para el dimensionamiento del resto de los componentes en el sistema. 227. 228. Dimensionamiento del arreglo fotovoltaico 229. El dimensionamiento del arreglo PV se realiza en base a la energía total que demandará la carga. Para esto se considera que el convertidor DC-DC que hace la interface con el enlace DC operará constantemente en el punto de máxima potencia del sistema, integrando para aquello un algoritmo de seguimiento del MPPT. Además, para este cálculo se considera la eficiencia de cada uno de los componentes en el sistema de forma que la energía que deberá ser suministrada diariamente por el arreglo es dada por ecuación (1) 230. 𝐸𝑛𝑒𝑟𝑔í𝑎𝑃𝑉 = 𝐸𝑛𝑒𝑟𝑔í𝑎𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝜂𝐷𝐶/𝐷𝐶 ∙𝜂𝑖𝑛𝑣 231. (1) 232. donde inv corresponde a la eficiencia del inversor y DC/DC la eficiencia del convertidor DC-DC, cuyos valores típicos oscilan entre un 92% y 80% (www.sunpowercorp.es). De esta forma se tiene que la energía diaria generada por los paneles PV es de 3.221 kWh. Por otro lado, la irradiancia promedio mensual para el mes de Junio en la localidad de Calama, Chile (Figura 3) es de 4.132 Wh/m2, lo que es equivalente a 4,132 h de sol a una irradiancia equivalente de 1000 W/m2. 167 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 233. 234. Figura 3. Densidad de potencia y energía en Calama, Chile. Hernán ROMERO (2008) 235. El cálculo del número de paneles necesarios para poder suministrar la energía demandada se realiza utilizando (2). Donde Ppanel corresponde a la potencia nominal del panel bajo condiciones de operación estándar (1000 W/m2) y hsol-1 representa la cantidad de horas equivalentes resultantes de la irradiancia en el lugar de estudio dividida por la densidad de potencia estándar. 236. 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑎𝑛𝑒𝑙𝑒𝑠 = 𝐸𝑛𝑒𝑟𝑔í𝑎𝑃𝑉 𝑃𝑝𝑎𝑛𝑒𝑙 ∙ℎ𝑠𝑜𝑙−1 237. (2) 238. Considerando que para el arreglo PV esté conformado por paneles de 435 W/ 75,38 V/ 5,65 A y utilizando ecuación (2), se obtiene que para esta aplicación se requiere de 1.830 paneles en el arreglo. 239. 240. Dimensionamiento del banco de baterías 241. La especificación del banco de baterías en el BESS se realiza en función de la energía que deberá mantener almacenada para poder suministrar la carga durante el tiempo en que el arreglo PV no sea capaz de generar suficiente potencia. Tomando en cuenta para esto los perfiles de potencia de las Figura 1 y Figura 3 se tiene que la energía que deberá ser descargada hacia el sistema es de 1.381,6 [kWh]. Con este valor se puede determinar la capacidad de descarga del banco en función del nivel de tensión de éste. Se selecciona una tensión de 640 [V], lo que entrega una capacidad de descarga de 2.158,8 [Ah] 242. 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑏𝑎𝑡𝑒𝑟í𝑎 = 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑑𝑒𝑠𝑐𝑎𝑟𝑔𝑎 0,9 243. (3) 244. Considerando que el rendimiento de ciclo cerrado de las baterías de Ion-Litio es de un 90%, se tiene en base a ecuación (3) que la capacidad del banco debe ser de 2.398,67 [Ah]. 245. 𝐶𝑜𝑟𝑟𝑖𝑒𝑛𝑡𝑒 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜𝑑𝑒𝑠𝑐𝑎𝑟𝑔𝑎 = 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑏𝑎𝑡𝑒𝑟í𝑎 246. (4) 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑑𝑒𝑠𝑐𝑎𝑟𝑔𝑎 247. Por otro lado la corriente promedio de descarga del banco de baterías puede ser calculada a partir de ecuación (4) considerando que de los perfiles de las Figura 1 y Figura 3 el tiempo de descarga es de 15,49 [h], obteniéndose que el valor es de 154,85 [A] Ahora bien, por seguridad las baterías Ion-Li no deben operar con una profundidad de descarga mayor a un 80%. Además se recomienda que no sean cargadas por sobre un 90% para evitar entrar en su zona exponencial, esto implica que el SOC del banco de baterías en estado estacionario deberá estar en el rango de 20-90%. Es decir, se aprovechará sólo un 70% de su capacidad nominal. Por lo tanto el banco de baterías para cumplir esta condición de seguridad, deberá tener una capacidad de: 168 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 248. 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑠𝑒𝑔𝑢𝑟𝑖𝑑𝑎𝑑 ≥ 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑏𝑎𝑡𝑒𝑟í𝑎 249. 0,7 (5) Finalmente se tiene que la capacidad del banco de baterías Ion-Li para cumplir sus condiciones de seguridad deberán ser mayor o igual a 3.426 [Ah]. 250. ALGORITMO DE MANEJO ENERGÉTICO La función principal del BESS es balancear la ecuación de generación versus demanda de energía, esto a través del control de la carga y descarga de su banco de baterías. Adicionalmente, éste controlador de carga debe cumplir la función de proteger el conjunto de baterías contra una sobrecarga o descarga profunda, situaciones que hacen disminuir su vida útil. Para poder manejar estas dos funciones es necesario poder medir en forma instantánea la potencia demandada y la potencia generada por el arreglo fotovoltaico de forma de determinar si es que se mantiene el equilibrio entre dichas cantidades. Por ello, el controlador de carga debe medir a intervalos regulares esas dos variables para determinar mediante ecuación (6) sí es que se requiere inyectar o absorber desde el enlace DC del sistema. 251. ∆𝑃𝐵𝐸𝑆𝑆 = 𝑃𝑃𝑉 − 𝑃𝐶𝑎𝑟𝑔𝑎 252. (6) En el caso que el resultado de (6) sea DPBESS > 0, el controlador de carga deberá absorber el diferencial de potencia instantáneo cargando el banco de baterías. Sin embargo esto podrá llevarse a cabo sólo si el estado de carga del banco (SOC) está bajo el umbral máximo permitido para evitar una sobrecarga que pueda dañar los acumuladores. Dicho umbral para el caso de baterías de Ion-Li es de un estado de carga de un 20%. Por otro lado si resultado de (6) es DPBESS < 0, el controlador de carga deberá suministrar energía a la microrred descargando el banco de baterías. En esta situación, también para proteger el banco de baterías, se deberá verificar si es que el estado de carga esta sobre el del 90%. Para que este algoritmo de manejo energético opere adecuadamente es extremadamente necesario que dentro de un ciclo de operación (un día) la energía generada por el arreglo de paneles PV sea igual o superior a la energía demandada por la microrred más las pérdidas en el sistema. Por ello el dimensionamiento del arreglo de paneles PV debe realizarse igualando el área bajo la curva del perfil de carga de la microrred (A2) con el área de la curva de potencia generada por los paneles solares (A1) (Ver Figura 4) 2 4 6 8 10 12 14 16 18 20 22 Figura 4. Criterio de dimensionamiento del arreglo PV. Daniel SANHUEZA (2014). El esquema de control energético conceptualizado en los párrafos anteriores puede condensarse en el diagrama de flujo mostrado en la Figura 5. En este diagrama se contemplan también protecciones de sobre carga o sobre descarga según sea el SOC del banco de baterías. Es decir, si el algoritmo detecta que la energía generada es mayor que la demandada y que el estado de carga del banco es superior al 90%, no será posible continuar con el proceso de carga. En esta situación el controlador de carga tiene dos posibles acciones. La primera de ellas es enviar una señal al convertidor DC-DC para que deje de operar en el punto de máxima potencia del arreglo PV y cambie su condición de operación ajustándose a la demanda de la microrred. Por otro lado si esto no es posible el controlador de carga deberá enviar una señal a un interruptor mecánico para conectar un banco de resistencias que permita quemar el exceso de energía evitando así la sobre carga. 169 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ La otra contingencia contemplada por el algoritmo de manejo energético corresponde a la condición en que la potencia demandada sea mayor que la generada y el estado de carga del banco de baterías sea inferior al 10%. Dado que bajo dicha condición el banco de baterías no puede seguir siendo descargado el controlador de carga deberá generar la señal de control necesaria para la entrada de un grupo generador de respaldo o para conectarse a otra red para poder suplir la demanda. Figura 5. Algoritmo de manejo energético del BESS. Daniel SANHUEZA (2014) De esta manera se tiene que el algoritmo de control de carga-descarga, permitirá que las baterías Ion-Li operen con un SOC entre 20-90%, pues en caso que se opere con valores menores al 20% se dañarán por sobre descarga y disminuirán su vida útil, además sus valores de tensión en terminales serán muy bajos. Para el caso en que el banco de baterías opere con valores mayores al 90%, las baterías estarán en su zona exponencial y tendrán valores altos de voltaje, además estarán expuestas a ser sobrecargadas, lo que produce sobrecalentamiento y reducción de su vida útil. RESULTADOS DE SIMULACIONES 253. Con el objeto de verificar la operación del algoritmo de manejo del BESS descrito en el punto anterior, se realizaron simulaciones en simulink del sistema descrito. Para esto se utilizó la información disponible sobre la irradiación en el mes de junio en la ciudad de Calama, la que corresponde al menor valor anual. Para efectos de la simulación se desarrolló el diagrama mostrado en la Figura 6. 254. 170 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 255. Figura 6. Modelo del sistema en simulink. Daniel SANHUEZA (2014) Como primer resultado de la simulación se obtiene que considerando las condiciones de irradiación mostradas en la Figura 3, el arreglo de paneles genera 3.223,8 [kWh/día]. Esto permite que, después de suministrar la energía demandada por la carga (Figura 1) exista un excedente de 2,7 [kWh]. El que podrá ser almacenado en el BESS considerando los diferentes límites operacionales fijados en el regulador de carga. El detalle del resultado obtenido a partir de la simulación puede observarse en la Figura 7a, donde se muestra la potencia medida en los terminales de salida del convertidor DC-DC encargado de seguir el punto de máxima potencia del arreglo PV, y el perfil de demanda de la carga. Asimismo la Figura 7b muestra la curva de carga y descarga del banco de baterías, en donde valores positivos indican que el banco se encuentra entregando potencia a la carga y valores negativos indican que el banco esta absorbiendo potencia del sistema de acuerdo a lo determinado en cada iteración por el algoritmo de manejo energético. Potencia [KW] POTENCIA SALIDA CONVERTIDOR DC/DC Y CARGA RESIDENCIAL [KW] X: 12 Y: 415.3 X: 19.73 Y: 184.9 200 0 Potencia [KW] carga salida convertidor DC/DC 400 0 5 10 15 hora POTENCIA BESS [KW] 20 X: 19.73 Y: 184.9 100 0 -100 X: 12 Y: -301.3 -200 -300 0 5 10 15 20 hora Figura 7. a) Potencia generada vs demanda b) perfil de carga descarga del banco de baterías Del resultado mostrado en la Figura 7b puede verse que el banco de baterías se carga durante el periodo de tiempo en que la curva de potencia generada en mayor que la potencia demandada esto es aproximadamente de 9h a 16 h. Durante el resto del periodo de tiempo el banco de baterías se encuentra en modo descarga supliendo la carga. Para determinar si este proceso es estable en el tiempo, es decir el BESS es capaz de desfasar 171 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ efectivamente la generación de la demanda sin descargarse completamente al final del periodo, se simuló el comportamiento del sistema por un periodo de cinco días. El resultado de dicha simulación es mostrado en la Figura 8. CORRIENTES PV Y DEMANDA 800X: 12.09 PV Demanda Corriente [A] Y: 645.4 600 X: 19.89 Y: 286.5 400 200 0 0 20 40 20 40 X: 19.89 Y: 286.5 60 80 Tiempo [h] CORRIENTE BEES 100 120 Corriente [A] 200 0 -200 -400 X:012.09 Y: -467.6 60 Tiempo [h] 80 100 Figura 8. a) Corriente PV y Demanda b) Corriente del banco de baterías Como puede verse en la Figura 8b, los ciclos de carga y de carga se mantienen constantes a lo largo de la simulación. Asimismo el estado de carga al inicio y fin de cada ciclo se encuentran en el mismo valor por lo que se confirma que el controlador de carga mantiene un balance en el proceso de carga y descarga del banco de baterías del BESS. Por otro lado, se verificó que se respetaran los límites fijados para la operación del banco de baterías de forma de evitar que ellas fueran sometidas a descargas profundas o sobrecargas. El resultado de esta verificación se muestra en la Figura 9 donde se muestra el perfil de tensión en los terminales del banco de baterías y el estado de carga de este. VOLTAJE BEES Voltaje [V] 700 680 X: 38.91 Y: 650.1 660 640 0 20 40X: 55.5 60 80 100 80 100 Tiempo [h] Y: 637.3 SOC X: 38.91 Y: 90 100 SOC 80 60 40 X: 55.5 Y: 21.01 0 20 40 60 Tiempo [h] Figura 9. a) Perfil de tensión y b) SOC del banco de baterías Como puede observarse del perfil de tensión en la Figura 9a, este oscila entre 650 y 640 volts al cambiar su estado de carga producto de la inyección o descarga de energía durante cada ciclo. Asimismo puede verse que el estado de carga de la batería se mueve dentro de los límites establecidos por el controlador de carga del BESS. CONCLUSIONES En este trabajo se presentó la conceptualización de una microrred alimentada por un arreglo de paneles fotovoltaicos e integrada con un sistema de almacenamiento de energía basado en baterías (BESS) para ser ubicado en la localidad de Calama, Chile. De la misma forma se presentó un procedimiento de dimensionamiento para dos de los elementos más importantes dentro del sistema, es decir el arreglo PV y el banco de baterías del BESS. Asimismo se desarrolló un algoritmo de control energético para administrar la energía en el sistema y controlar los procesos de carga y descarga del BESS para asegurar el adecuado funcionamiento de la microrred. Para validar el diseño conceptual del sistema se llevaron a cabo simulaciones en Simulink©, las que muestran que el algoritmo de manejo energético es efectivo. Asimismo a través de las simulaciones se verifica que se 172 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ respetan los límites operacionales establecidos para el banco de baterías manteniendo su estado de carga al fin de cada ciclo y protegiendo su vida útil evitando descargas profundas o sobrecargas. REFERENCIAS BIBLIOGRÁFICAS Centro De Energías Renovables (CER). http://cer.gob.cl/sobre-las-ernc/datos-y-estadisticas/ Christopher Schaber, Patrick Mazza, Roel Hammerschlag, Utility‐ Scale Storage of Renewable Energy, The Electricity Journal, Volume 17, Issue 6, July 2004, Pages 21‐ 29 Daniel Sanhueza Recabarren, Conceptualización y simulación de algoritmo de manejo energético para un sistema BESS alimentado en base a energía solar, Informe Final Para obtener Título de Ing. Civil Eléctrico, Universidad de Concepción, Chile 2014. D. Kottick M. Blau D. Edelstein. Battery Energy Storage for Frequency Regulation in an Island Power System. IEEE Transactions on Energy Conversion, Vol. 8, No. 3, September 1993. Hernán Romero D. Irradiancia solar en los territorios de Chile. Editado por Comisión Nacional de Energía, Programa de las Naciones Unidas para el Desarrollo, Global Environment Facility y Universidad Técnica Federico Santa María, 2008. IEEE 1547 Standard for Interconnecting Distributed Resources with Electric Power Systems. Approved by the IEEE Standards Board in June 2003. Approved as an American National Standard in October 2003. J.I. San Martín, I. Zamora, J.J. San Martín V. Aperribay, P. Eguía, Energy Storage Technologies for Electric Applications, Department of Electrical Engineering University of the Basque Country, April 2011 K.C. Divya, J. Østergaard, Battery energy storage technology for power systems - An overview, Electric Power Systems Research, 2009. Liu, C.-C. ; Wu, C.J. Dynamic modelling of battery energy storage system and application to power system stability. Generation, Transmission and Distribution, IEE Proceedings, Jul 1995. Marc Beaudin, Hamidreza Zareipour, Anthony Schellenberglabe, William Rosehart, Energy storage for mitigating the variability of renewable electricity sources: An updated review, Energy for Sustainable Development, December 2010. 173 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Niraj Garimella and Nirmal-Kumar C. Nair. Assessment of Battery Energy Storage Systems for Small-Scale Renewable Energy Integration. Dept. of Electr. & Comput. Eng., Univ. of Auckland, Auckland, New Zealand, 2009. Seulki Kim, Jinhong Jeon, Changhee Cho, Jongbo Ahn. Control Design and Performance Analysis of A Grid Interactive Wind/Pv/Bess Hybrid System. International conference on electricity distribution; CIRED 19th, 2007. Solar Plaza. http://www.solarplaza.com/top10-monocrystalline-cell-efficiency/ Sun Power. http://www.sunpowercorp.es/ Xiangjun Li, Dong Hui, and Xiaokang Lai. Battery Energy Storage Station (BESS)-Based Smoothing Control of Photovoltaic (PV) and Wind Power Generation Fluctuations. IEEE Transactions On Sustainable Energy, Vol. 4, No. 2, April 2013. Yusuke Hida, Yuki Miyaguchi, Ryuichi Yokoyama, Kenji Iba. A Study of Optimal Capacity of BESS to Mitigate Unstable of Solar Power Generation, Modern Electric Power Systems (MEPS), Proceedings of the International Symposium 2010. 174 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ ESCENARIO ENERGÉTICO EN CENTROAMÉRICA: OPORTUNIDADES Y DESAFÍOS PARA LA MICROGENERACIÓN Carlos Meza Benavides1 (1) The Abdus Salam International Centre for Theoretical Physics, Trieste, Italy y el Instituto Tecnológico de Costa Rica, Cartago, Costa Rica, [email protected] RESUMEN En las últimas décadas Centroamérica ha experimentado un constante crecimiento económico que ha traído consigo un incremento en la demanda energética. A pesar de los vastos recursos renovables que la región dispone, la falta de infraestructura, disponibilidad de capital inicial y la mala gestión de las empresas de generación han impedido que éstos sean aprovechados. La microgeneración distribuida para autoconsumo puede suponer una vía más asequible para incrementar y diversificar la matriz energética de generación eléctrica de los países centroamericanos. El presente documento presenta un análisis de la situación socioeconómica y energética de los países centroamericanos poniendo en perspectiva la microgeneración como una de las herramientas que la región puede utilizar para no sólo aumentar la capacidad de su generación eléctrica sino también crear un nuevo nicho para pequeños y medianos emprendimientos. Palabras clave: Centroamérica, microgeneración, generación distribuida INTRODUCCIÓN 256. Según datos de la Agencia Internacional de Energía, disponibles en la base de datos del Banco Mundial en The World Bank (2014), en el período comprendido entre el 2004 al 2011 los países de altos ingresos del OECD redujeron su consumo de energía en un 4.45 % mientras que los países de bajos y medios ingresos incrementaron su consumo en un 39.47 %. Si además se toma en cuenta que la gran mayoría de la población mundial habita en países de bajos y medios ingresos, es claro que los países en vías de desarrollo tienen un papel relevante en el escenario energético mundial. Consecuentemente, el estudio de la prospectiva energética en países en vías de desarrollo tiene una relevancia global. 257. 258. 259. Evolución socioeconómica y demográfica de los países centroamericanos y su impacto en la matriz energética 260. 261. Un caso particular pero representativo de la tendencia antes descrita es el de Centroamérica. Hoy en día cuando se hace referencia a Centroamérica normalmente se considera la región compuesta por seis países, a saber, Guatemala, Honduras, El Salvador, Nicaragua, Costa Rica y Panamá, los cuales tienen características socioeconómicas, culturales y climáticas muy similares. Centroamérica se encuentra en el cinturón del Trópico terrestre, entre el Trópico de Cáncer y el Trópico de Capricornio, tiene un área total de aproximadamente 500.000 km2 y una población de alrededor 41,4 millones de habitantes. 175 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 262. 263. Figura 1. Mapa de Centroamérica 264. Desde mediados de los años 90, cuando los conflictos armados en la región concluyeron, todos los países de Centroamérica han experimentado un crecimiento económico sostenido; por ejemplo, el producto interno bruto per cápita al menos se triplicó entre 1990 y 2011. Así mismo, los gobiernos de los países centroamericanos han logrado ampliar significativamente el acceso a la red eléctrica a su población con coberturas que van desde el 70 % en Nicaragua hasta más del 90 % en Costa Rica, El Salvador y Panamá como puede verse en la Figura 2. Figura 2. Porcentaje de población con acceso a la electricidad (Fuente: CEPAL (2002), CEPAL (2012)). 265. Además de las nuevas inversiones hechas en la infraestructura de transmisión y distribución se ha logrado ampliar la cobertura eléctrica gracias a la migración, en algunos casos masiva, de la población rural a las ciudades, tal y como puede apreciarse en la Figura 3. Figura 3. Evolución de la población en zonas urbanas en Centroamérica y el Caribe. The World Bank (2014) 176 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 266. La anterior situación ha creado una presión significativa en el sistema energético de los países centroamericanos, experimentando un incremento en el consumo de energía eléctrica de un 270 % de 1990 al 2010. Como se expondrá más adelante en detalle, la necesidad de disponer de más energía eléctrica en tan poco tiempo llevó a muchos países a depender de fuentes de generación eléctrica derivados de combustibles fósiles, una opción sumamente costosa para una región que no sólo importa el 100 % de los combustibles fósiles sino que cuenta con sólo cuatro refinerías de baja capacidad (la refinería más grande tiene una capacidad de 5.000 bpd). 267. Por otro lado, para alcanzar niveles de desarrollo similares a los de los países industrializados la región debe disponer de más energía tal y cómo lo sugiere la Figura 4. En esta figura se muestra el consumo energético eléctrico per cápita versus el producto interno bruto per cápita de los países de Centroamérica y el Caribe y de un grupo de países considerados de alto ingreso y desarrollo económico. Tal y como se señala en varios trabajos que analizan este tema como por ejemplo en Erdal et. Al (2008), Asafu-Adjaye (2000), Yoo (2005), existe una correlación entre el consumo eléctrico per cápita y el producto interno bruto per cápita. a) Países de Centroamérica y el Caribe b) Selección de países de altos ingresos Figura 4. Consumo de electricidad per cáptiva vs, producto interno bruto per cápita. Datos tomados de The World Bank (2014). 268. Teniendo en cuenta lo expuesto anteriormente, el presente artículo analiza la evolución que ha tenido la matriz energética para la generación de electricidad en Centroamérica en los últimos años. Seguidamente, se describen las potenciales fuentes de energía renovable que se pueden explotar en la región. El análisis y los datos expuestos se usan para determinar formas en que la microgeneración puede ayudar a aprovechar explotar de forma eficiente los vastos recursos renovables que posee la región. Finalmente, se discute muy brevemente el papel que pueden tener los institutos de investigación y las universidades para contribuir con el desarrollo de la microgeneación en la región. EVOLUCIÓN Y SITUACIÓN ACTUAL DE LA MATRIZ ENERGÉTICA PARA LA GENERACIÓN ELÉCTRICA 269. La posición geográfica y las características topográficas y geológicas de Centroamérica la hacen especialmente rica en recursos energéticos renovables. Por un lado, se encuentra en el llamado cinturón del trópico, en donde existe una alta insolación y un número prácticamente constante de horas de sol por día durante todo el año. Por otro lado, una cadena montañosa de origen volcánico con alturas que pueden llegar a los 4.000 msnm recorre todo el istmo centroamericano, lo cual, aunado a las altas precipitaciones experimentadas prácticamente durante todo el año, dan lugar a un sistema hidrográfico amplio y abundante, aunque de cortos ríos. En Centroamérica existen más de 60 volcanes, lo cual es un buen indicio de la riqueza geotérmica de la región. Finalmente, los vientos alisios atraviesan Centroamérica de noreste al suroeste, creando zonas adecuadas para el aprovechamiento de la energía eólica. Todas estas razones han hecho que la matriz energética para generación de electricidad en Centroamérica haya sido principalmente compuesta de fuentes de energías renovables, aunque como se verá a continuación, en los últimos años, por razones principalmente económicas, se ha incrementado significativamente la generación con centrales térmicas que utilizan combustibles fósiles. 177 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 270. La evolución de la generación de energía eléctrica en Centroamérica en los últimos años se resume en las Figuras 5-9. Figura 5. Generación hidroeléctrica anual. (Fuente: CEPAL (2002), CEPAL (2014)) Figura 6. Generación de electricidad anual con plantas térmicas con combustibles fósiles. (Fuente: CEPAL (2002), CEPAL (2014)) Figure 7. Generación eólica anual. (Fuente: CEPAL (2002), CEPAL (2014)) Figure 8. Generación de electricidad anual con plantas térmicas con bagazo de caña de azúcar. (Fuente: CEPAL (2002), CEPAL (2014)) 271. 272. 274. 273. Figura 9. Generación de electricidad con plantas geotérmicas. (Fuente: CEPAL (2002), CEPAL (2014)) 275. 178 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 276. En las anteriores figuras se puede apreciar que en la década de los 80 la matriz energética de generación eléctrica de la mayoría de los países centroamericanos provenía de centrales hidroeléctricas. Luego, posiblemente debido a la falta de capital en la mayoría de los países debido a los conflictos armados de los años 80 y 90, no ha habido un desarrollo significativo en los proyectos hidroeléctricos. La excepción ha sido Costa Rica, país que no estuvo involucrado en ningún conflicto armado y en donde la empresa de generación pública ha seguido construyendo nuevas plantas hidroeléctricas, tal y como se confirma en la Figura 10. Por otro lado, posiblemente presionados por el rápido crecimiento económico experimentado en los años 90 y 2000, los países centroamericanos han tenido que recurrir al desarrollo de centrales térmicas de combustible fósil, tal y cómo se muestra en la Figura 11. Éstas centrales ofrecen atractivas características para la solución a corto plazo del problema energético, a saber, son centrales que requieren poco capital, tienen un tiempo de desarrollo menor que las centrales hidroeléctricas y pueden ser instaladas cerca de la infraestructura de transmisión ya disponible (C. Meza(2014)). No obstante, los costos altos y volátiles de los combustibles fósiles, que son en su totalidad importados, ha llevado a todos los países a comenzar a diversificar su matriz energética de generación eléctrica. Esto se ve claramente en las Figuras 7, 8 y 9 en donde se puede apreciar un incremento en la contribución de fuentes de energía renovable no tradicionales como la biomasa (bagazo de caña de azúcar), la energía geotérmica y la energía eólica. Costa Rica en el 2012 conectó una planta solar fotovoltaica a la red eléctrica de 1MW. De momento no existe otra planta solar conectada a la red en la región, aunque existen proyectos, sobretodo en El Salvador, Nicaragua y Panamá para instalar pequeñas plantas de prueba. Figure 10. Capacidad nominal de centrales hidroeléctricas. (Fuente: CEPAL (2002), CEPAL (2014)) Figure 11. Capacidad nominal de centrales térmicas con combustible fósil. (Fuente: CEPAL (2002), CEPAL (2014)) 277. RECURSOS RENOVABLES DISPONIBLES EN LA REGIÓN AÚN NO EXPLOTADOS 278. 279. Como se mencionó anteriormente las condiciones geográficas, geológicas y topográficas de Centroamérica generan grandes y variados flujos de energía renovable en la región. La Tabla 1 muestra el potencial remanente efectivo en GWh de energía hidroeléctrica, eólica, biomásica (bagazo de caña de azúcar) y geotérmica en los países de Centroamérica. No se han hecho estudios detallados que estimen el potencial energético solar en la zona. Como referencia se puede tomar los datos recopilados en Weigl(2014) en donde se identificó que la radiación solar en Costa Rica varía de 1700 W/m2 por año a 2000 W/m2 por año según la ubicación geográfica. Estas son condiciones óptimas tomando en cuenta que por ejemplo Alemania tiene un máximo de 1.300 W/m2 por año. Es esperar que condiciones similares se encuentren en el resto de los países de Centroamérica. 179 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Tabla 1.- Potencial remanente efectivo en GWh de distintas fuentes de energía renovable (Fuente: YepezGarcía(2012)) Costa Rica Energía eólica Geotérmico Guatemala Honduras Nicaragua Panamá 1.127 2.798 2.124 2.883 6.014 2.319 293 273 1.075 320 147 128 20.386 6.544 15.010 15.302 7.187 9.329 1.621 2 605 3 630 545 5 377 206 Bagazo de caña de azúcar Energía hidroeléctrica El Salvador 280. De momento, los países de la región están enfocados en explotar el recurso hidroeléctrico que poseen, ver Tabla 2. En los próximos 5 años la mayoría de los proyectos de generación eléctrica renovable mayores a 100 MW son hidroeléctricos. Aún así, como se mencionará más adelante, estos proyecto han sufrido continuos retrasos en sus construcción y puesta en marcha. Tabla 2.- Proyectos en negociación, desarrollo o construcción (Fuente: Meza(2014)) Nombre Tipo Capacidad esperada (MW) País Notas En negociación con la población indígena de la zona. También ha habido preocupaciones con respecto al impacto ambiental. Está previsto que entre a operar en el 2020. Construcción inició en el 2012 y se espera su finalización y puesta en funcionamiento en el 2016. Diquís Hidroeléctrica 631 Costa Rica Reventazón Hidroeléctrica 306 Costa Rica Tumarín y Bodoke Hidroeléctrica 323 Nicaragua Iniciará construcción en el 2015. Patuca III Hidroeléctrica 104 Honduras Se inició la construcción en el 2013. Actualmente está suspendido por falta de fondos. Renace II Hidroeléctrica 114 Guatemala Iniciará operaciones este año. EL ROL DE LA MICROGENERAGIÓN EN LA EXPLOTACIÓN DE LOS RECURSOS RENOVABLES 281. 282. Tal y como se puede apreciar en las Figuras 5 – 11, a excepción de Costa Rica, el resto de países de Centroamérica no ha podido aprovechar las fuentes de energía renovable que tiene a su disposición. Inclusive, Costa Rica se ha dedicado principalmente a explotar el recurso hidroeléctrico, habiendo construido casi la totalidad de las plantas hidroeléctricas de explotación rentable. La empresa estatal de generación eléctrica, habiéndose especializado en el desarrollo y gestión de proyectos hidroeléctricos, ahora tiene dificultad en explotar de forma eficiente los otros recursos renovables que dispone el país. 180 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 283. En cualquier caso, tal y como se menciona en Meza (2014), en casi todos los países de Centroamérica han existido problemas para llevar a cabo proyectos de energía renovable mayores a 100 MW, algunas de las razones para ello se enlistan a continuación: Falta de capital para llevar a cabo los proyectos. Falta de infraestructura (líneas de transmisión y carreteras) en la zona en donde se encuentra el recurso a explotar, lo cual puede incrementar considerablemente los costos del proyecto. En el caso de proyectos de fuentes de energía renovable no tradicionales, falta de conocimiento para evaluar de forma correcta el retorno a la inversión, lo cual por un lado aleja a potenciales inversionistas y por otro lado esta desinformación hace que los entes financiadores cataloguen estos proyectos de energía como de alto riesgo imponiendo altas tasas para el préstamo. 284. Las anteriores razones son comunes en otros países en vías de desarrollo, tal y como se menciona en IRENA (2013). Esta situación, aunada a la presión por tener disponible a corto plazo más energía para cumplir con las demandas energética del resurgimiento económico, puede llevar a una indeseable y perjudicial asociación con las plantas térmicas de combustibles fósiles de las cuales sea difícil deshacerse en el futuro y que pueden desacelerar la economía. 285. No obstante, existe un paradigma energético alternativo que puede aprovechar los recursos renovables de la región eludiendo los inconvenientes antes mencionados. La microgeneración distribuida para autoconsumo puede ser una alternativa interesante que, si se logra masificar de forma adecuada, puede ayudar a solventar muchos de los problemas energéticos de la región. Más concretamente, a continuación se enumeran y explican algunas de las ventajas que este esquema de generación puede ofrecer a los países centroamericanos: No requiere inversión adicional en infraestructura de transporte y de distribución de la electricidad. Se evitan las pérdidas de distribución y transporte que en algunos países de la región son bastante altos. Se fomenta el pequeño emprendimiento, esto es, la creación de pequeñas y medianas empresas normalmente locales, reactivando la economía y creando nuevos puestos de trabajo cualificados. Por su larga cadena de valor, la microgeneración con energía solar, eólica o por biomasa, emplea más personas que los proyectos energéticos con fuentes tradicionales. Según la Agencia Internacional de Energía Renovable en IRENA (2014), los proyectos solares y los proyectos con biomasa generaron entre 12 y 20 veces más puestos de trabajo por MW que los proyectos hidroeléctricos en la India. Diseños e implementaciones deficientes de proyectos energéticos no repercuten en terceros. Esto fomenta un ambiente sano de competición en donde prevalecen los servicios de mejor calidad. Esto en contraposición con lo que sucede en algunas centrales eléctricas desarrolladas en Centroamérica, en donde el aumento en los costos debido a la mala gestión o diseño de proyectos es normalmente transferido a los usuarios por medio de tarifas eléctricas más altas. No deben existir grandes inversiones de capital inicial. Nótese que el concepto de microgeneración masiva se asemeja al concepto de "reward based-crowdfunding" o en los proyectos de software libre en donde existe una cooperación colectiva para conseguir un propósito concreto. 286. Naturalmente esta alternativa no está exenta de desafíos e inconvenientes. Por ejemplo, si se logra alcanzar grandes niveles de generación es necesario tener un sistema de monitorización y control para la gestión de picos y huecos en la producción. Evidentemente, de igual forma que en los proyectos eléctricos de mayor tamaño, es también necesario informar a los inversionistas, potenciales empresarios y público en general acerca de las fuentes de energía renovables no tradicionales. 287. Los beneficios indirectos de la generación distribuida no deben ser menospreciados. Inclusive, en muchos escenarios pueden ser mayores que los beneficios directos relacionados con la generación. Un buen ejemplo de ello es el plan Piloto de Generación Distribuida del Instituto Costarricense de Electricidad (ICE), Weigl(2014), en donde se permite a sus clientes entregar a la red los remantes de energía generadas para autoconsumo. A estos remanentes el ICE otorga créditos que se pueden usar para compensar el consumo del cliente pero que no dan derecho a ningún pago o compensación adicional. A pesar de lo limitado de este proyecto, ha sido muy exitoso. Inicialmente pensado para operar durante 2 años y con un máximo de 2 MW, ha 181 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ tenido que ser ampliado tres años más permitiendo ampliar la capacidad hasta 10 MW. Lo interesante de esta experiencia es que antes de la implementación del plan existían tan sólo alrededor de media docena de empresas instaladoras de energía solar fotovoltaica en Costa Rica y hoy en día existen más de 55, casi todas ofreciendo servicios para clientes que quieran darse de alta en el Plan Piloto. Por otro lado, la alta insolación en Costa Rica y las tarifas actuales residenciales hacen competitivos los proyectos de generación fotovoltaica para autoconsumo aún sin ningún tipo de subsidio, tal y como se concluye en Weigl (2014). Según este informe, un sistema fotovoltaico para autoconsumo en Costa Rica tiene un retorno a la inversión cercano a 1/3 de la vida útil del sistema. CONCLUSIONES Y EL ROL DE LAS UNIVERSIDADES Y CENTROS DE INVESTIGACIÓN EN CENTROAMERICA 288. Experiencias puntuales en Costa Rica con programas piloto en generación distribuida sugieren que la microgeneración eléctrica podría tener un papel relevante en la región. Por un lado, permitiría aprovechar los recursos renovables disponibles que no se han podido explotar por problemas estructurales y económicos y por otro lado, ofrece importantes beneficios indirectos, como por ejemplo el desarrollo de nuevos puestos de trabajo y un nuevo nicho para los pequeños y medianos emprendimientos locales. 289. Las universidades y los centros de investigación centroamericanos pueden apoyar el desarrollo de estos sistemas informando a los potenciales inversionistas, entes de financiamiento, entes gubernamentales, potenciales emprendedores, estudiantes y público en general acerca de los beneficios de la generación distribuida y las distintas fuentes de energía no tradicional que se pueden aprovechar con este nuevo paradigma. Así mismo, es necesario crear programas de formación continua que apoyen a los técnicos e ingenieros involucrados en el desarrollo de proyectos de generación distribuida. Finalmente, es recomendable que exista una colaboración entre las universidades y las empresas de generación de electricidad para estudiar y desarrollar alternativas adecuadas para el contexto local que permitan monitorizar y control sistemas de generación distribuida para evitar picos y huecos de producción de electricidad que puedan afectar la red eléctrica. REFERENCIAS BIBLIOGRÁFICAS The World Bank (2014). World development indicators. URL: http://data.worldbank.org/datacatalog/worlddevelopment-indicators CEPAL (2002), Istmo Centroamericano: Estadísticas del Subsector Eléctrico, Comisión Económica para América Latina, Mexico D.F. CEPAL (2012), Istmo Centroamericano: Estadísticas del Subsector Eléctrico, Comisión Económica para América Latina, Mexico D.F. CEPAL (2014), Istmo Centroamericano: Estadísticas del Subsector Eléctrico, Comisión Económica para América Latina, Mexico D.F. Erdal, G., Erdal, H., Esengun, K. (2008). The causality between energy consumption and economic growth in Turkey. Energy Policy. Elsevier. vol 36. pp. 3838-3842 Asafu-Adjaye, J. (2000). The relationship between energy consumption, energy prices and economic growth: time series evidence from Asian developing countries. Energy Economics Elsevier. Yoo, Seung-Hoon (2005). Electricity consumption and economic growth: evidence from Korea. Energy Policy 33, pp. 1627–1632. Meza, C. (2014). A review on the Central America electrical energy scenario. Renewable and Sustainable Energy Reviews. 33, pp. 566-577. 182 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Weigl, T. H. (2014). Analyis of the Technical Potential and Profitability of Photovoltaic in Costa Rica. M.Sc. Thesis. Lehrstuhl für Energiewirtschaft und Anwendungstechnik. Technische Universität München. Yépez-García, A., & Dana, J. (2012). Mitigating Vulnerability to High and Volatile Oil Prices: Power Sector Experience in Latin America and the Caribbean. Washington: The World Bank. International Renewable Energy Agency (IRENA) (2013), Renewable Power Generation Costs in 2012: An Overview. IRENA, Abu Dhabi. Tapia Carmona, Luis Diego. Plan Piloto Generación Distribuida para Autoconsumo, Proyectos Hidroeléctricos a Pequeña Escala para Autoconsumo, 2011. 183 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ IMPROVING THE STORAGE CAPABILITY OF A MICROGRID WITH A VEHICLE-TO-GRID INTERFACE Thematic topic 1: Smart grids / Smart Measurement / Microgrids Vicente Leite1, Ângela Ferreira2 and José Batista3 1 Polytechnic Institute of Bragança, School of Technology and Management, Campus de Santa Apolónia, Apartado 1134, 5301-857 Bragança, Portugal, [email protected] 2 Polytechnic Institute of Bragança, School of Technology and Management, Campus de Santa Apolónia, Apartado 1134, 5301-857 Bragança, Portugal, [email protected] 3 Polytechnic Institute of Bragança, School of Technology and Management, Campus de Santa Apolónia, Apartado 1134, 5301-857 Bragança, Portugal, [email protected] ABSTRACT In the emergent deployment of microgrids, storage systems play an important role providing ancillary services, such as backup power and reactive power support. This concept becomes crucial in the context of microgrids with a high penetration of renewable energy resources, where storage systems may be used to smooth the intermittency and variability of most of them. Plug-in electric vehicles provide an enormous distributed storage capability, which favours the technical and economical exploitation of such systems. This paper presents a comprehensive implementation and control of a bidirectional power converter for Vehicle-to-Grid integration, based on a bidirectional DC/DC converter followed by a full bridge DC/AC converter. The evaluation of the adopted topology and its control is performed through MATLAB/Simulink simulation. Keywords: Batteries, Distributed generation, Grid-to-Vehicle, Microgrids, Vehicle-to-Grid. 1. INTRODUCTION World primary energy demand is projected to increase by 1,2% per year, on average, from now until 2035. Electricity demand is projected to grow by a higher rate, 2,2% per year, considering it is expected that applications, formerly based on chemical energy, will be based on electrical energy in the following decades (IEA, 2012). Besides, the need for dependency reduction on imported fossil fuels has become crucial due to long-lasting instability in many fossil fuel-producing countries which increases the price of energy and reinforces the need to find alternatives. Furthermore, a dramatic reduction of carbon dioxide emissions (CO2), addressed by various organizations and strategy maps, can only be achieved by reducing the usage of fossil fuels. CO2 emissions are, in large scale, determined by the level of energy-intensive activity, in particular related to power generation, including heat production, basic materials industry (iron and steel manufacturing) and road transport (Olivier, et al., 2013). In order to cope with this scenario, changes in energy efficiency are required along with a shift in fuel mix, from fossil fuels to renewable energies, foreseeing a sustainable and environmentally friendlier development. At the present, there is a wide-spread integration of distributed renewable energy sources. By the end of 2012, the power capacity from renewable energy supplied an estimated 22% of global electricity (UNEP, 2013). The penetration of renewable energy sources (RES) tends to grow, since the competitiveness of solar and wind 184 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ power is improving considerably (Olivier, et al., 2013). In this context, distribution energy systems are more efficiently exploited into a microgrid concept, i.e., a local network integrating renewable and/or non-renewable distributed energy resources (DER), energy storage devices and loads, guaranteeing security and reliability parameters. Microgrids may operate as standalone systems or connected to the utility grid, contributing to electrification of remote areas and allowing consumers to produce energy to their own requirements whilst reducing the actual stress of power transmission systems (Guerrero, et al., 2013a; Guerrero, et al., 2013b). Microgrids have no spinning reserves like classical utility grid and most microsources have a delayed response when implementing secondary voltage and frequency response. From this point of view, intermediate storage units and micro sources with built-in battery banks are therefore expected to offer the advantages like spinning reserves. Another feature in the energy sector paradigm is the deployment of electric propulsion systems, representing one of the most promising pathways to address future energy requirements. Plug-in electric vehicles (PEV), hybrid and fuel-cells vehicles are replacing internal combustion engine (ICE) vehicles, with similar driven performance, better efficiency, passenger comfort and safety (Zhang, Cooke, 2010; Zandi, et al., 2011). According to 2012 data, electric vehicle deployment has a distinct geographic distribution: United States has the largest share of hybrid electric vehicles sales (70%), Japan holds the second position (12%) and Netherlands the third position (8%); regarding PEV sales, Japan holds the largest share (28%) followed by the United States (26%) and China (16%) (EVI, IEA, 2013). Battery costs are coming down, more than halving in four years, which together with consumer education and national policy initiatives, contribute to mass-market deployment in future years (EVI, IEA, 2013). PEV have an important advantage when compared with ICE vehicles and also self-contained hybrid electric vehicles: a distributed energy storage capacity which can be connected to the grid providing ancillary services such as backup active power, acting as a manageable load and discharging energy back to the grid when necessary, reactive power support and peak-shaving. This potential is especially important under the context of microgrids with a high penetration of RES: the additional storage capability may be used to smooth the intermittency and variability of most RES and provide a balance in system cost for grid-integrated storage systems. In fact, energy storage may enhance the exploitation of RES, improving the payback period and also contribute to the frequency and voltage stability strategies of the microgrid. To do so, battery chargers should be deployed, allowing a bidirectional power flow, by acting as a manageable backup power device and discharging energy back to the grid when necessary, in a grid-to-vehicle (G2V) and vehicle-to-grid (V2G) concept, respectively, engendering the G2V/G2V interface technologies (Ferdowsi, 2007; Saber, Venayagamoorthy, 2009, 2011; Zhang, Cooke, 2010; Yilmaz, Krein, 2013). This paper presents a bidirectional power converter topology and the implemented control strategy, for the integration of the battery of an electric vehicle in a small microgrid. The power converter topology was introduced in (Leite, et al., 2013a) and the control strategy has been improved in (Leite, et al., 2014). In this work, the reactive power compensation is implemented through the power converter by means of the control of the quadrature component of the grid current, under a vector control scheme, which provides a continuously variable reactive power injection or absorption to the electrical grid, upon its lagging or leading power factor, respectively. The remaining contents of this paper are organized as follows: main infrastructures of the IPB microgrid are briefly described in Section 2 and the bidirectional power topology for G2V/V2G integration, as well as the control strategy are described in Section 3; section 4 presents the implemented simulation procedure using MATLAB/Simulink, in order to validate the proposed power converter topology and control schemes; finally, in Section 5, there are drawn the main conclusions of the paper. 2. IPB MICROGRID INFRASTRUCTURES The IPB microgrid has been developed as a research platform and also for demonstration purposes in the context of an university campus, as part of a wider project named VERCampus – Live Campus of Renewable Energies – which integrates a set of technologies, infrastructures and initiatives which have been carried out in 185 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ the university Campus of the Polytechnic Institute of Bragança (IPB). The main purpose of this project is to promote DER with integration of renewable energies technologies, for IPB students, stakeholders and all community in general. The microgrid under consideration is schematically presented in Figure 1 and has been developed for isolated and self-sustainable systems up to a rated power of 5 kW integrating RES with the purpose of being a demonstration platform in terms of technology transfer and applied research (Leite, et al., 2012a). It uses the bidirectional inverter Sunny Island 5048, from SMA, which is the core equipment responsible for the management of the energy flow, and incorporates the following DER: a small 1,4 kWp wind turbine; a solar tracker with a 3 kWp photovoltaic (PV) string; a 2 kWp PV string installed on the roof of the laboratory; a 5 kW back-up diesel generator, powered by a mix with 40% of biodiesel produced from wasted oils in the biofuels laboratory and a 200 Ah battery bank. A pico run-of-river hydropower plant with 1 kWp (Leite, et al., 2012b) and a 1,34 Wp photovoltaic glass facade are also under development and will be integrated into the microgrid in the foreseeable future. Figure 59.- Illustration of the implemented microgrid. Another interesting infrastructure is the electric vehicle IPB ECO Buggy, shown in Figure 2, whose battery is to be integrated into the microgrid as an additional energy storage element, including several ancillary services, by using a suitable power converter topology and control schemes. Figure 2.- The IPB ECO Buggy. The IPB ECO Buggy is a light electric vehicle using state-of-the-art technology with respect to the electric propulsion system (Leite, et al., 2013b). The chosen electric motor is an axial flux permanent magnet synchronous machine (PMSM), due to its high efficiency, torque and power density. A lithium iron phosphate 186 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ battery, with a capacity of 70 Ah and rated voltage of 96 V, was chosen for the IPB ECO Buggy due to its advantages (Leite, et al., 2013b, 2014). In fact, lithium iron phosphate (LiFePO4) has been investigated intensively (Hua, Syue, 2010; Zaghib, et al., 2004) as a potential cathode material for rechargeable lithium ion batteries due to the low cost of raw materials, long life cycle and superior safety characteristics (Hua, Syue, 2010; Tingting, et al., 2011). 3. BIDIRECTIONAL POWER CONVERTER TOPOLOGY FOR V2G/G2V INTEGRATION The converter topology is based on a bidirectional DC/DC converter followed by a full bridge DC/AC converter. The first works as a buck converter for charging the battery (G2V mode) and as a boost converter for injecting current into the grid (V2G mode). The second is a vector controlled single-phase voltage source inverter (VSI). The converter topology and the basic control schemes are shown in Figure 3. The shadowed area in Figure 3 (a) represents an integrated power module from Powerex that is being used in the laboratory platform to implement the V2G/G2V interface. In this case the first leg is used to implement the DC/DC converter and the second and third legs are used as a single-phase VSI. P DC/DC Converter + + Voltage Source Inverter 3 1 5 Cdc L V U LC filter Transf. Grid W + Batt. Vdc C 4 2 6 N Vb Ib vg V2G (discharge) and G2V (charge) control Voltage Oriented Control ig (a) * P Vbat. * I b, V2G Ib Vdc - Charge control I * b, G2V PWM + w + d vg vgd v + v v d' i d* - Q* (b) q Vdc* i - v * q + vgd ' q i * + vq + + - iq PWM vg vgd v wL wL vc* v* dq vgq 0 id f * + vd + PLL id iq i i e-j0,25T vg ig dq (c) (d) Figure 3.- Converter topology (a) and control schemes: (b) V2G (discharge) and G2V (charge) control; (c) Voltage Oriented Control of the VSI; (d) VOC scheme. 3.1. Control of the DC/DC converter For the control of the DC/DC converter in V2G mode (discharging mode) the IGBT 1 is always turned OFF and the IGBT 2 is turned ON and OFF at the switching frequency. The IGBT 2, the inductor L and the diode 1 (of IGBT 1) operate as a boost converter. The reference current, Ib*, V 2G , is set according to the power to be injected into the grid and the maximum admissible depth of discharge. On the other hand, to control the DC/DC converter in G2V mode (charging mode), the IGBT 2 is always turned OFF and the IGBT 1 is turned 187 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ ON and OFF at the switching frequency. The IGBT 1, the inductor L, the capacitor C and the diode 2 (of IGBT 2) operate as a buck converter. In this case, the reference current, Ib*, G2V , and the reference battery voltage, are set according to a three-stage charge curve defined by the battery manufacturer.A PI current controller compares the reference current with the measured one, I b , and generates the control signal for pulse generation (Figure 3 (b)). Adopting the generator reference-arrow system, current and power delivered by the battery are positive, i.e., in V2G mode and if the battery is charging, those quantities are negative (G2V mode). 3.2. Control of the Voltage Source Inverter The control scheme of the VSI is shown in Figure 3 (d) and it is based on the Voltage Oriented Control (VOC) applied to three-phase systems. Three-phase quantities such as grid voltages and currents can be represented by their space phasors which are vectors with two components described in a fixed orthogonal system. In single-phase systems, the use of such representation is not possible unless a virtual orthogonal component is coupled to the real axis in order to emulate a two axis reference frame. For this purpose, an additional orthogonal component was proposed in (Zhang, et al., 2002) by introducing the imaginary orthogonal circuit concept. Thus, auxiliary orthogonal components are obtained by applying a 90º phase shift with respect to their counterparts in the real circuit. Hence, voltages and currents can be represented by their space phasors: v v jv i i ji (1) From the output LC filter of Figure 3 (d), and applying Kirchhoff’s voltage law, vc, vg, Ri Ldi dt (2) where R and L are the parasitic resistance and the inductance of the filter, respectively. The resulting components are 90º phase shifted sinusoidal signals that can be used for the control of the VSI using classical PI controllers. However, two well-known drawbacks appear: the inability of PI controllers to track sinusoidal references without steady-state error and poor disturbance rejection capability (Teodorescu, et al., 2011). This occurs due to the poor performance of the integral action if the disturbance is a periodic signal. To overcome these drawbacks of PI controllers with a sinusoidal reference and harmonic disturbances, the power control of the VSI can be implemented in a dq reference frame rotating at an angular speed w 2 f , where f is the grid frequency. In this so-called synchronous reference frame, the orthogonal components of the grid voltage and current space phasors are DC quantities and, therefore, classical PI controllers can be used since they achieve zero steady state error at the fundamental frequency and improve their dynamic response. VOC is based on the use of this synchronous reference frame with the dq axes rotating at w speed and oriented such that the d axis is aligned with the grid voltage phasor as drawn in Figure 3 (c). By doing this, the quadrature component of the grid voltage will be zero and, consequently, active and reactive powers can be controlled separately by controlling, respectively, the d and q components of the grid current as presented hereinafter. Considering the rotating transformation of a general variable x , given by x xdqe j xdqe jwt , where wt is the angle of the rotating reference frame with respect to the fixed axes, and replacing (1) into (2), after simple mathematical manipulations the following equations are obtained: vc, d Rid Ldid dt wLiq vg , d vc, q Riq Ldiq dt wLid vg , q (3) 188 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ From Figure 3 (c) and aligning the d axis with the grid voltage phasor results that vg , q 0 , from which (3) becomes vc, d vd wLiq vg , d vc, q vd wLid (4) vd Rid Ldid dt v Ri Ldi dt q q q (5) where In the VOC scheme depicted in Figure 3 (d), the reference grid current is composed by two terms: id* and iq* . The first one is used to perform the DC-link voltage control and the second one is used to control the reactive power in an independent way. Typically, iq* is managed to obtain unity power factor, though the implemented VOC is prepared for reactive power support to the grid, described as follows. The power control of the grid VSI is based on the instantaneous power theory (Czarnecki, 2006), where the power can be defined in the synchronous reference frame. Assuming that the d axis is perfectly aligned with the grid voltage phasor, i.e., vg , q 0 , therefore, active power and reactive power, in single-phase systems, are proportional to id and iq , respectively, as follows (Samerchur, et al., 2011): p 1 2 vg , did vg , qiq 1 2 vg , did q 1 2 vg , qid vg , diq 1 2 vg , diq (6) From the above equation the dq components of the reference current are defined by the active and reactive power reference values: * * * id 2 P vg , d 2 P v * * * iq 2Q vg , d 2Q v (7) Concerning the active power control, instead of using (7), the id* component of the grid reference current is given by the PI controller in order to maintain the voltage at DC-link constant. The active power control is performed by the boost converter and the reference value is given by the power to be extracted from the battery, in the V2G operation mode, or by the battery charge control algorithm in G2V mode, as depicted in Figure 3 (b). Finally, the VOC scheme of Figure 3 (d) shows the 90º phase delay block (0,25T - a quarter of the grid period) that creates the virtual quadrature component, allowing the emulation of a two-phase system, and also a PLL block that has been implemented to obtain the angle, , of the grid voltage, for reference frame transformation and synchronization purposes. The implemented PLL is a second order generalized integrator (Ciobotaru, 2006). 4. SIMULATION RESULTS The above mentioned power structure and control strategy have been simulated in order to evaluate the control performance of the bidirectional converter for V2G/G2V integration. The simulation validation was performed using MATLAB/Simulink with simulation time of 2e-6 s and sampling frequency of 10 kHz. The control is carried out with a period of 0,1 ms (1/10 kHz). In the simulated scenario, with an elapsed time of 4 s, the battery is charging during the first 1,5 s (G2V mode) and in the remaining time interval, it is discharging (V2G mode). At t 2,5 s the active power reference 189 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ changes from 1000 W to 0 W. Then, at t 3 s, the reactive power reference changes from 0 var to -400 var and at t 3,5 s it changes from -400 var to +400 var. The simulation results are depicted hereinbelow. 400 500 Vg Vpll 300 Vdc sim Vdc ref 480 460 DC-Link Voltage (V) Grid Voltage (V) 200 100 0 -100 -200 420 400 380 360 340 320 -300 1.44 440 1.46 1.48 1.5 Time(s) 1.52 1.54 300 1.56 Figure 4.- Grid voltage and PLL output voltage. 0.5 1 1.5 2 Time(s) 2.5 3 3.5 4 Figure 5.- DC-Link voltage (voltage across the DCLink capacitor). The simulated grid voltage, together with the PLL output and the voltage across the DC link capacitor are shown in Figures 4 and 5, respectively. As can be seen from the first one, the PLL fits perfectly the fundamental component of the grid voltage. Regarding the voltage across the DC link capacitor, Cdc , (Figure 5) it is composed of a DC component and a pulsating component with double main grid frequency (Rodriguez, et al., 2005). The initial voltage of the capacitor is 400 V and, after an initial transient, the voltage PI controller brings the DC voltage to the reference value. When the power converter changes from G2V to V2G operation mode, then the DC/DC converter changes from “buck” to “boost” operation mode. Consequently, the current changes from about -10 A to 10 A and, therefore, the DC voltage tends to increase dramatically and, consequently, the voltage PI controller rapidly brings the DC voltage to the reference value. At t 2,5 s, when the active power reference value is set to zero, no current is sent from the battery to the capacitor and, therefore, the DC voltage tends to decrease but the voltage PI controller brings the DC voltage to the reference value once again. It should be noted that the changes in the reactive power do not affect too much the voltage across the DC-Link capacitor. ib sim ib ref 5 d current (A) 10 0 -10 -20 Battery voltage (V) 10 20 0.5 1 1.5 2 Time(s) 2.5 3 3.5 4 id ref id sim 0 -5 -10 0.5 1 1.5 2 Time(s) 2.5 3 3.5 4 1 1.5 2 Time(s) 2.5 3 3.5 4 4 q current (A) Battery current (A) Figure 6 shows the voltage and current of the battery during the simulation time span. In G2V mode (during the first 1,5 s), the current reference value is set by the charging algorithm which is -10 A. In V2G mode, it is defined by the power to be extracted from the battery which was set to 1000 W, giving a reference current of about 10 A with a battery voltage of 99,5 V. After the first 2,5 s no power is injected into the grid because the active power reference value is set to zero. Concerning the initial state of charge (SoC) of the battery, it is assumed to be equal to 90%. 99.8 99.7 99.6 99.5 99.4 0.5 1 1.5 2 Time(s) 2.5 3 3.5 Figure 6.- Battery current (above) and voltage (below). 4 2 iq sim iq ref 0 -2 -4 0.5 Figure 7.- Grid current components in synchronous reference frame: d component (above) and q component (below). The grid current dq components in the synchronous reference frame are depicted in Figure 7. It can be observed that the d component, which controls the active power, is negative in G2V operation, positive in V2G mode and zero when the active power reference value is set to zero. On the other hand, the q component, which 190 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ controls the reactive power, is zero during the first 3 s and then it follows continuously the reactive power changes, that is, from 0 var to -400 var, at 3 s, and from -400 var to +400 var, at t 3,5 s. Figure 8 presents the main details of the instantaneous grid voltage and current as well as the grid current magnitude for different events of the simulation scenario. Figure 8 (a) shows the transition from G2V to V2G mode of operation. As it can be seen, before reaching 1,5 s, the current is in phase opposition with respect to the voltage and after 1,5 s it is in phase. Thus, firstly the power flows from the grid to the battery (negative power) and afterwards from the battery to the grid (positive power). The change from G2V to V2G do not happens at exactly 1,5 s because there is a ramp limiter to avoid a sudden change in the current reference value. The pulsating component of the grid current, which can be seen in the amplitude signal of Figure 8 (a) and (b), is a consequence of the pulsating component of the voltage across the DCLink capacitor, which is due to the grid frequency, as previously mentioned (Khajehoddin, et al., 2008). Grid Voltage (V) and Current (A) 10 5 0 -5 -10 1.4 Vg/30 Ig Ig amp 15 Grid Voltage (V) and Current (A) Vg/30 Ig Ig amp 15 10 5 0 -5 -10 1.45 1.5 1.55 1.6 Time(s) 1.65 1.7 1.75 2.3 2.35 2.4 2.45 2.5 Time(s) 2.55 2.6 2.65 2.7 (b) (a) Grid Voltage (V) and Current (A) 10 5 0 -5 -10 2.9 Vg/30 Ig Ig amp 15 Grid Voltage (V) and Current (A) Vg/30 Ig Ig amp 15 10 5 0 -5 -10 2.92 2.94 2.96 2.98 3 Time(s) (c) 3.02 3.04 3.06 3.08 3.1 3.4 3.42 3.44 3.46 3.48 3.5 Time(s) 3.52 3.54 3.56 3.58 3.6 (d) Figure 8.- Grid voltage (scaled) and grid current (the red and blue lines are the instantaneous current and its magnitude, respectively) during (a) the change from G2V to V2G mode of operation (at t 1,5 s), (b) the change in the active power reference from 1000 W to 0 W (at t 2,5 s), (c) the change in the reactive power reference from 0 var to -400 var (at t 3 s) and (d) the change in the reactive power reference from -400 var to +400 var (at t 3,5 s). At t 2,5 s the active power reference changes from 1000 W to 0 W and, after a transient, the current reduces to zero, as can be seen in Figure 8 (b). This event was simulated in order to validate the control of the reactive power by the inverter upon a lagging and leading grid power factor. Thus, at t 3 s, a step of -400 var is set in the reactive power reference and, therefore, the grid current lags the voltage by 90º, as can be seen in Figure 8 (c). This means that the VSI is 191 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ absorbing reactive power from the grid. Therefore, at this time instant, the q component of the grid current, in the synchronous reference frame, changes from 0 to a negative value (about 2,4 A), as observed in Figure 7. At t 3,5 s, and keeping the active power set to zero, the reference of the reactive power is changed from -400 var to +400 var, meaning that that the VSI is now delivering reactive power to the grid. At this time instant, the q component of the grid current, in the synchronous reference frame, changes from -2,4 A to 2,4 A, as can be observed in Figure 7. These current values are the ones required to absorb a specified inductive reactive power and to deliver a capacitive reactive power, respectively. The evolution of d component of the grid current during the simulation time interval is shown in Figure 7. As expected, the d component of the grid current does not vary with the changes in the reactive power but the rms value of the grid current increases when a step of 400 var is applied, as can be seen in Figure 8 (c). Obviously, the rms value is the same when the reactive power changes from -400 var to +400 var, but the current stops lagging the voltage and starts leading the grid voltage by an angle of 90º, as shown in Figure 8 (d). 5. CONCLUSIONS This paper presented an on-going implementation and validation, throughout simulation, of a power converter topology for a V2G/G2V interface, for the integration of a light electric vehicle, with a lithium ion phosphate battery, under a 5 kW microgrid project. Simulation results showed that the adopted topology and control strategy is able to manage bidirectional active and reactive power flow allowing power factor compensation and, on the other hand, the battery behaves as an electric load or generator and improves the storage capability of the microgrid. By this way, the vehicle battery and its interface may collaborate to the reliability and quality criteria of the energy supply. REFERENCES Ciobotaru, M.; Teodorescu, R.; Blaabjerg, F.; (2006). A New Single-Phase PLL Structure Based on Second Order Generalized Integrator. In 37th IEEE Power Electronics Specialists Conference (PESC '06). 18-22 June, 2006. pp. 1-6. Czarnecki, L. S. (2006). Instantaneous Reactive Power p-q Theory and Power Properties of Three-Phase Systems. IEEE Transactions on Power Delivery. Vol. 21 (January 2006). pp. 362-367. EVI; IEA; (2013). Global EV outlook. Understanding the Electric Vehicle Landscape to 2020. Electric Vehicles Initiative (EVI) and International Energy Agency (IEA). Available from: http://www.iea.org/ Ferdowsi, M.; (2007). Plug-in Hybrid Vehicles - A Vision for the Future. In IEEE Vehicle Power and Propulsion Conference (VPPC 2007). Arlington, Texas, 9-12 September, 2007. Guerrero, J. M., et al.; (2013b). Advanced Control Architectures for Intelligent Microgrids—Part II: Power Quality, Energy Storage, and AC/DC Microgrids. IEEE Transactions on Industrial Electronics. Vol. 60, n.º 4 (April, 2013). pp. 1263 – 1270. Guerrero, J. M. , et al.; (2013a). Advanced Control Architectures for Intelligent Microgrids—Part I: Decentralized and Hierarchical Control. IEEE Transactions on Industrial Electronics. Vol. 60, n.º 4 (April, 2013). pp. 1254 – 1262. 192 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Hua, A. C.-C.; Syue, B. Z.-W.; (2010). Charge and Discharge Characteristics of Lead-Acid Battery and LiFePO4 Battery. In International Power Electronics Conference (IPEC 2010). 21-24 June 2010. pp. 14781483. IEA; (2012). World Energy Outlook. Technical report. Paris, France, International Energy Agency Publications. Khajehoddin, S.A., et al.; (2008). A robust power decoupler and maximum power point tracker topology for a grid-connected photovoltaic system. In Power Electronics Specialists Conference (PESC 08). June, 2008. pp. 66–69. Leite, V., et al.; (2014). Bidirectional Vehicle-to-Grid Interface under a Microgrid Project. In 15th IEEE Workshop on Control and Modeling for Power Electronics (COMPEL 2014). Santander, Spain, June 22-25, 2014. Leite, V., et al.; (2013a). On the Implementation of a Microgrid Project with Renewable Distributed Generation. In I Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables. Soria, Spain, 2324 September, 2013. Leite, V., et al.; (2013b). The IPB ECO Buggy – A Light Electric Vehicle in a Live Park of Renewable Energies. In 17th International Symposium Power Electronics (Ee2013) Novi Sad, Republic of Serbia, 30 October-1 November, 2013. Leite, V.; Batista, J.; Rodrigues, O.; (2012a). VERCampus – Live Park of Renewable Energies. In International Conference on Renewable Energies and Power Quality, (ICREPQ’12). Santiago de Compostela, Spain, 28-30 March, 2012. Leite, V., et al.; (2012b). Dealing with the Very Small: First Steps of a Picohydro Demonstration Project in an University Campus. In International Conference on Renewable Energies and Power Quality (ICREPQ’12). Santiago de Compostela, Spain, 28-30 March, 2012. Olivier, J. G., et al.; (2013). Trends in global CO2 Emissions: 2013 Report. PBL Netherlands Environmental Assessment Agency and IES of the European Comissions’s Joint Research Centre (JRC). The Hague. Netherlands. PBL Publishers. Rodriguez, J.R., et al.; (2005). PWM regenerative rectifiers: state of the art. IEEE Transactions on Industrial Electronics. Vol. 52, n.º 1 (Feb. 2005). pp. 5-22. Saber, A. Y.; Venayagamoorthy, G. K.; (2009). One Million Plug-in Electric Vehicles on the Road by 2015. In 12th International IEEE Conference on Intelligent Transportation Systems (ITSC '09). St. Louis, MO, 4-7 October, 2009. pp. 1-7. Saber, A. Y.; Venayagamoorthy, G. K.; (2011). Plug-in Vehicles and Renewable Energy Sources for Cost and Emission Reductions. IEEE Transactions on Industrial Electronics. Vol. 58, n.º 4 (April, 2011). pp. 1229-1238. Samerchur, S., et al.; (2011). Power Control of Single-Phase Voltage Source Inverter for Grid-Connected Photovoltaic Systems. In Power Systems Conference and Exposition (PSCE ), IEEE/PES. 20-23 March, 2011. pp. 1-6. Teodorescu, R., et al.; (2011). Grid Converters for Photovoltaic and Wind Power Systems. John Wiley & Sons. Tingting, D., et al.; (2011). Analysis on the Influence of Measurement Error on State of Charge Estimation of LiFePO4 Power Battery. In International Conference on Materials for Renewable Energy & Environment (ICMREE 2011). Shanghai, 20-22 May, 2011. Vol.1, pp. 644-649. UNEP; (2013). Renewable 2013. Global Status Report. REN21 Secretariat. Paris. Available from: http://www.ren21.net/ Yilmaz, M.; Krein, P. T.; (2013). Review of the Impact of Vehicle-to-Grid Technologies on Distribution Systems and Utility Interfaces. IEEE Transactions on Power Electronics. Vol. 28. pp. 5673-5689. Zandi, M., et al.; (2011). Energy Management of a Fuel Cell/Supercapacitor/Battery Power Source for Electric Vehicular Applications. IEEE Transactions on Vehicular Technology. Vol. 60. pp. 433-443. 193 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ Zhang, F.; Cooke, P.; (2010). The Green Vehicle Trend: Electric, Plug-in hybrid or Hydrogen fuel cell?. Dynamics of Institutions and Markets in Europe (DIME). Available from: http://www.dime-eu.org/ Zaghib, K., et al.; (2004). LiFePO4/polymer/natural graphite: low cost Li-ion batteries. Electrochimica Acta, ELSEVIER. Vol. 50, n.º 2–3. pp. 263-270. Zhang, R., et al.; (2002). A grid Simulator with Control of Single-Phase Power Converters in D-Q Rotating Frame. In IEEE 33rd Annual Power Electronics Specialists Conference (PESC 02). 23-27 June, 2002. pp. 14311436. 194 II Congreso Iberoamericano sobre Microrredes con Generación Distribuida de Renovables [ 195
