Gestión óptima de una microrred mediante un algoritmo genético
Author:
De Terry Coronel, JavierDirector:
Alvarado Barrios, Lázaro
Date:
2024-09Abstract:
Actualmente, la producción global de energía depende en gran medida de fuentes basadas en combustibles fósiles, que contribuyen significativamente al cambio climático debido a la emisión de gases de efecto invernadero. Además, la creciente demanda energética a nivel mundial requiere una búsqueda urgente de soluciones sostenibles que fomenten la integración de energías renovables. En este contexto, las microrredes se presentan como una solución prometedora para la transición hacia un sistema eléctrico descentralizado y sostenible, integrando de manera eficiente la generación de energía renovable. Las microrredes están compuestas por recursos de generación distribuidos, tanto renovables como no renovables, junto con sistemas de almacenamiento de energía. Pueden operar de forma aislada o conectadas a la red eléctrica, lo que las hace idóneas para proporcionar estabilidad y asegurar el suministro de energía a las cargas. Sin embargo, la intermitencia inherente en la generación de energía de los recursos renovables exige una planificación óptima del resto de unidades generadoras. Esto incluye el balance de la generación y el consumo en tiempo real, así como el almacenamiento adecuado de la energía para su uso durante períodos de baja producción. Por ello, la implementación de estrategias avanzadas de control y gestión es esencial para maximizar la eficiencia operativa y minimizar los costos. En el presente trabajo se ha utilizado un algoritmo genético para optimizar la operación de una microrred compuesta por generadores eólicos, fotovoltaicos, diésel, microturbinas y un sistema de almacenamiento de energía por baterías. Además, se ha incorporado al algoritmo un modelo para estimar la degradación de la batería y así considerar el comportamiento real de los sistemas de almacenamiento de energía. Esto ha permitido obtener soluciones más realistas, permitiendo la estimación de la vida útil de la batería y la evaluación de la viabilidad de las soluciones obtenidas.
Actualmente, la producción global de energía depende en gran medida de fuentes basadas en combustibles fósiles, que contribuyen significativamente al cambio climático debido a la emisión de gases de efecto invernadero. Además, la creciente demanda energética a nivel mundial requiere una búsqueda urgente de soluciones sostenibles que fomenten la integración de energías renovables. En este contexto, las microrredes se presentan como una solución prometedora para la transición hacia un sistema eléctrico descentralizado y sostenible, integrando de manera eficiente la generación de energía renovable. Las microrredes están compuestas por recursos de generación distribuidos, tanto renovables como no renovables, junto con sistemas de almacenamiento de energía. Pueden operar de forma aislada o conectadas a la red eléctrica, lo que las hace idóneas para proporcionar estabilidad y asegurar el suministro de energía a las cargas. Sin embargo, la intermitencia inherente en la generación de energía de los recursos renovables exige una planificación óptima del resto de unidades generadoras. Esto incluye el balance de la generación y el consumo en tiempo real, así como el almacenamiento adecuado de la energía para su uso durante períodos de baja producción. Por ello, la implementación de estrategias avanzadas de control y gestión es esencial para maximizar la eficiencia operativa y minimizar los costos. En el presente trabajo se ha utilizado un algoritmo genético para optimizar la operación de una microrred compuesta por generadores eólicos, fotovoltaicos, diésel, microturbinas y un sistema de almacenamiento de energía por baterías. Además, se ha incorporado al algoritmo un modelo para estimar la degradación de la batería y así considerar el comportamiento real de los sistemas de almacenamiento de energía. Esto ha permitido obtener soluciones más realistas, permitiendo la estimación de la vida útil de la batería y la evaluación de la viabilidad de las soluciones obtenidas.
Collections
Files in this item



