Comunicación presentada al IV Congreso Smart Grids:
Autores
- Lucía Igualada, Investigadora, Institut de Recerca en Energia de Catalunya (IREC)
- Cristina Corchero, Jefa Grupo de investigación Energy Analitycs, Institut de Recerca en Energia de Catalunya (IREC)
Resumen
El objetivo de este trabajo es realizar y presentar un análisis comparativo entre diferentes funcionalidades, como son la gestión de autoconsumo no gestionado y la gestión mediante calendario predeterminado, que a día de hoy ofrecen la mayoría de kits de autoconsumo comerciales compuestos por una unidad de generación solar y un sistema de almacenamiento energético, frente a la funcionalidad de gestión energética óptima que hemos desarrollado en IREC. Este estudio ha sido realizado tomando datos reales de consumo y generación solar de una comunidad de vecinos de Barcelona. Los resultados muestran como la optimización económica de una microrred siguiendo el vector de precios de la energía aporta mayores beneficios a los usuarios y un mayor aprovechamiento de los sistemas de almacenaje dentro de las smart grids.
Introducción
Si se considera el sistema eléctrico de un edificio o vivienda particular, este puede entenderse como una microrred donde puede haber distintos tipos de demanda, pueden integrarse unidades de generación (como un panel solar o una mini eólica) y además disponer de diferentes tipos de sistemas de almacenaje energético (desde un sistema tradicional a la utilización de los vehículos eléctricos como “baterías móviles”), donde cada uno de estos elementos, y de forma centralizada, son gestionados por un sistema inteligente propio de las smart grids. Los sistemas de gestión comerciales a día de hoy, en su mayoría ofrencen funcionalidades categorizadas como árboles de decisiones predefinidos. Este tipo de gestión, si bien representa un avance dentro de las smart grids, no tienen en consideración al mercado energético, suelen depender de una participación activa del usuario y no aprovechan todo el potencial que los sistemas de almacenamiento junto con el arbitrage energético pueden aportar en una microrred. Frente a este tipo de metodologías, se ha desarrollado un sistema de gestión energético basado en modelos de optimización (Pegueroles-Queralt, et. al, 2014) que ya ha sido testeado y validado en el laboratorio SmartEnergy Lab de IREC (Roman-Barri, et. Al, 2010) así como en diferentes proyectos demostrativos. A día de hoy, este software se encuentra en fase de validación en instalaciones reales en las que se pretende comparar el funcionamiento de su funcionalidad de optimización energética frente a las prestaciones ofrecidas por diferentes kits de autoconsumo comerciales compuestos por un panel fotovoltaico, una batería de ion-litio y gestores propios con las funcionalidades de autoconsumo no gestionado y gestión por calendario predefinido.
Sistema de Gestión Óptimo vs Gestión por Reglas Lógicas Predefinidas
La principal diferencia entre las estrategias de gestión llevadas a cabo por el sistema de gestión energético de IREC respecto a los kits de autoconsumo comerciales que se analizan en este documento, reside en el reemplazo de la lógica de control basada en toma de decisiones instantáneas sin consideraciones futuras, por una estrategia basada en modelos de optimización con horizontes temporales amplios que permiten tomar decisiones en el presente teniendo en consideración el pronóstico de estados futuros.
Optimización económica
El módulo de optimización del sistema de gestión energética (Igualada et. al, 2014) crea y resuelve cada 15 minutos un “Problema de asignación de unidades” de acuerdo al estado actual de la microrred, posibles consignas externas y los pronósticos disponibles. Estos problemas minimizan el coste energético global del sistema dentro de un horizonte temporal predeterminado de 24 horas definiendo mediante restricciones técnicas el comportamiento de cada uno de los elementos del sistema a gestionar, así como el balance global energético.
Tras la resolución del problema, el gestor envía las decisiones óptimas respecto a potencia activa y/o estado (carga/descarga por ejemplo) de los diferentes elementos controlables del sistema al módulo de gestión a tiempo real.
El módulo de tiempo real asegura el balance de potencia del sistema cada 5 segundos considerando las consignas del módulo de optimización para los elementos controlables y lecturas reales de todos los nodos.
Principales funcionalidades comerciales
Hoy en día los kits de autoconsumo comerciales disponen de un conjunto de funcionalidades, en este trabajo se presenta su comparativa frente a la gestión obtenida mediante la optimización económica del sistema de gestión energética.
- Autoconsumo no gestionado. La estrategia de gestión seguida en esta funcionalidad es la de destinar la producción solar a cubrir el consumo de la microrred. Si hay sobrante de generación solar, éste es cargado en la batería. En cuanto deja de haber producción solar suficiente, se descarga la batería para cubrir la demanda. La batería en ningún caso es recargada con energía procedente de la red eléctrica.
- Calendario. Algunos kits de autoconsumo comerciales permiten al usuario definir mediante un calendario franjas horarias fijas donde permitir la carga de la batería con energía de la red eléctrica, y franjas horarias donde permitir la descarga de la misma, maximizando al mismo tiempo el autoconsumo.
- Peak Shaving. Hay kits de autoconsumo comerciales que permiten configurar un consumo máximo de red menor a la potencia contratada, con el fin de recortar los picos de consumo gracias al uso de las baterías. En el caso de los kits comerciales estudiados en este trabajo esta funcionalidad no estaba disponible por lo que no se presentan resultados comparativos.
Metodología
Para realizar el análisis comparativo de las dos funcionalidades clásicas frente a la gestión óptima, se han realizado simulaciones de cada una de ellas con una ventana temporal de un año bajo las hipótesis expuestas en el siguiente apartado.
Escenarios
El escenario general analizado es el de una comunidad de vecinos con las siguientes características:
- Consumo energético reales con un pico máximo de 4.5kW.
- Generación solar real con un pico de 4kW.
- Batería de ion-litio de 6.5kWh y 4.2kW de pico tanto en descarga como carga. Se supone también una profundidad de descarga máxima de la batería del 90%.
- La curva de precios utilizada se corresponde con la del mercado español el año 2015.
Para el caso de la funcionalidad de Calendario, se han realizado las simulaciones con la siguiente configuración que imita a la tarifa eléctrica 2.0DHA, donde se habilitan los siguientes periodos de carga y descarga según 2 periodos:
Además, para una mayor profundidad del análisis comparativo, se añaden a los resultados anuales dos escenarios base:
- Caso base: consumo de la comunidad de vecinos sin kit de autoconsumo.
- Caso base & PV: consumo de la comunidad de vecinos incluyendo generación renovable. Este caso ha sido incluido para una mejor visualización de los efectos directos sobre la gestión de los sistemas de almacenaje energéticos.
Resultados
Autoconsumo no gestionado
Las gráficas a continuación muestran 5 días consecutivos de 2015 seleccionados al azar a modo de ilustrar las diferencias de gestión entre la funcionalidad de autoconsumo no gestionado de y la optimización económica del sistema de gestión energética (identificado como IREMS).
En azul se ilustra el consumo a red resultante de la gestión de la comunidad de vecinos bajo un autoconsumo no gestionado, en rojo el consumo realizado bajo la optimización económica de la microrred y en negro, la señal de precio de la energía de esos días.
Se observa como en horas donde el precio energético es más bajo es activada la carga de la batería bajo la gestión óptima, mientras que coincidiendo con los periodos de pico, la batería entra en modo descarga para cubrir el total o parte del consumo de la microrred. Esto supone más horas de consumo nulo de la red en horas pico y un mayor aprovechamiento de las capacidades de la batería en el caso del sistema optimizado, mientras que como se observa de las Ilustraciones 1 y 2, durante estos 5 días únicamente se realizan tres procesos de descarga que permiten hacer consumo nulo de la red eléctrica de distribución bajo la gestión de la clásica funcionalidad de autoconsumo no gestionado.
Análisis Anual
Tomando los resultados de los escenarios base y los escenarios a comparar durante un año completo (2015), los números obtenidos son los siguientes:
Como se observa, el sistema de gestión energética aumenta el consumo de energía en periodos valle por lo que el coste del kWh medio es más barato que en el resto de escenarios (0,1184€). Gracias a esto aumenta el ahorro de un usuario con PV en 6,13% del coste de la energía al año. Además, una optimización económica aumenta el ahorro en 3,41% del coste de la energía al año con respecto a la funcionalidad básica de autoconsumo no gestionable. Por contrapartida se aumenta el número de ciclos sobre la batería.
Calendario
Las gráficas a continuación muestran 5 días consecutivos de 2015 seleccionados al azar a modo de ilustrar las diferencias de gestión entre la funcionalidad de gestión mediante calendario predefinido y la optimización económica del sistema de gestión energética (identificado como IREMS).
Mientras el perfil de uso de la batería bajo la gestión energética optimizada (en rojo) son los mismos de la simulación anterior, los resultados obtenidos en azul se corresponden con el perfil de uso de la batería de la microrred bajo la gestión del calendario definido anteriormente. Se observa como aumenta el uso de la batería respecto a la funcionalidad de autoconsumo no gestionable, aunque no se alcanza el perfil óptimo del sistema de gestión IREMS.
Análisis Anual
Tomando los resultados de los escenarios base y los escenarios a comparar durante un año completo (2015), los números obtenidos son los siguientes:
En la Tabla III se puede observar cómo, aunque la cantidad de energía comprada a red es prácticamente la misma en ambas funcionalidades, con la optimización económica y usando el doble de ciclos que un kit comercial bajo la funcionalidad calendario, el coste medio de la energía es menor en el caso de IREMS.
Debe destacarse que la funcionalidad de calendario depende de la intervención del usuario mientras que una gestión basada en una optimización económica explotar al máximo esta funcionalidad de forma óptima y sin intervención de terceros.
Conclusiones
Con referencia al precio medio del precio voluntario del pequeño consumidor (PVPC) de 2015, se observa como la funcionalidad de autoconsumo no gestionable tiende a consumir energía de periodos de precio por encima de la media de forma similar al caso base de una microrred con únicamente generación solar, mientras en los casos analizados bajo una gestión óptima con el sistema diseñado, el consumo de energía tiende a hacerse en periodos más baratos. Concretamente, es la funcionalidad del sistema de gestión con optimización económica el caso con un consumo más económico de la energía.
Desde un punto de vista global, la siguiente ilustración muestra como el sistema de gestión (IREMS) alcanza los mayores ahorros tanto con referencia al caso de usuario & PV (6,13%) como con referencia a la funcionalidad de autoconsumo no gestionable (3,41%).
Los resultados presentados en este trabajo respaldan las mejoras que un sistema con un módulo de gestión energética óptimo según el vector de precios de la energía puede presentar sobre las funcionalidades clásicas ofrecidas hoy en día. Aunque a nivel de vida útil de los equipos, la gestión optimizada requiere una mayor intensidad en el funcionamiento de las baterías, por lo que en futuros análisis se añadirán los costes asociados al envejecimiento de las baterías.
Agradecimientos
Este trabajo ha sido realizado dentro del proyecto competitivo europeo Growsmarter (646456).
Referencias
- Roman-Barri M., Cairo-Molins I., Sumper A., & Sudria-Andreu A., 2010, Experience on the implementation of a Microgrid Project in Barcelona, Proc. IEEE ISGT Europe, pp.1 -7 2010.
- Igualada, L., Corchero, C., Cruz-Zambrano, M. & Heredia, F. J., 2014, Optimal energy management for a residential microgrid including a vehicle-to-grid system. IEEE Transactions on Smart Grid, 5(4), 2163-2172.
- Pegueroles-Queralt, J., Igualada-Gonzalez, L., Corchero-Garcia, C., Cruz-Zambrano, M., & del-Rosario-Calaf, G. (2014, October). Coordination of control and energy management methods for microgrid systems. In Innovative Smart Grid Technologies Conference Europe (ISGT-Europe), 2014 IEEE PES (pp. 1-6). IEEE. Francis, P. & Petit, C., 1976, Volcanoes, Penguin Books Ltd, Harmondsworth.
- BOE-A-2001-20850, Real Decreto 1164/2001, de 26 de octubre, por el que se establecen tarifas de acceso a las redes de transporte y distribución de energía eléctrica.