Comunicación presentada al IV Congreso Smart Grids:
Autores
- Andreas Muñoz Zuara, Gestor técnico, Grupo de Integración TIC, CIRCE
- Jorge Bruna Romero, Gestor de proyecto, Grupo de Estudios de Red y Smart Grids, CIRCE
- Gregorio Fernández Aznar, Investigador, Grupo de Estudios de Red y Smart Grids, CIRCE
- Eduardo Poyato Ramos, Técnico asesor, Ayuntamiento de Málaga
Resumen
En la red SmartCity de Málaga tiene lugar la fase de demostración del proyecto Flexiciency, cuyo objetivo es la validación de servicios novedosos en la gestión de la energía. Entre otras actividades, CIRCE desarrolla la automatización, previsión energética y optimización de una vivienda inteligente piloto a partir de su monitorización. La vivienda contará también con un sistema Vehicle To Home (V2H): paneles fotovoltaicos + batería de almacenamiento + cargador de vehículo eléctrico. Esto permite utilizar el vehículo como batería adicional para aportar servicios auxiliares a la red. Las pruebas incorporarán diferentes perfiles de consumo, lo que posibilitará calcular la rentabilidad de la solución dependiendo del uso energético de la vivienda.
Introducción
En las últimas décadas, la eficiencia energética y el impacto medioambiental se han convertido en unos de los aspectos más relevantes en el diseño de nuevas infraestructuras. Además del ahorro energético proveniente de las mejoras en las nuevas instalaciones en sí, como, por ejemplo, soluciones pasivas de aislamiento térmico o mejora energética en edificios, la optimización activa del consumo energético en ellas está cobrando un interés especial por parte de la sociedad de hoy en día.
Históricamente, el control del consumo por parte de usuario se realizaba en su totalidad de forma manual, considerando únicamente las necesidades momentáneas, sin tener en cuenta aspectos como el precio de la energía, los costes de operación o la eficiencia energética de los equipos. Gracias a los últimos avances tecnológicos, y especialmente al despliegue masivo de infraestructuras inalámbricas en el entorno doméstico, se ha puesto al alcance del usuario la posibilidad de introducir nuevas posibilidades de uso de la energía, como, por ejemplo, controlar el consumo de la vivienda en cualquier momento de forma remota. Estos avances han llevado a la aparición de las llamadas viviendas inteligentes o Smart homes.
Así, una Smart-home puede ser definida como una vivienda capaz de monitorizar y controlar, de forma remota, cualquier equipamiento doméstico. Dicha automatización supone una reducción muy significativa de emisiones de CO2 (Louis et al., 2014). Para ello, se hace necesaria la presencia de un sistema de centralización y control del sistema que, mediante la utilización de diversos sensores, permita la monitorización de diferentes variables de distinta naturaleza (consumo eléctrico, meteorología, calidad ambiental, etc.).
El problema radica en que la mayoría de los sistemas de control disponibles en el mercado ofrecen una solución propietaria, lo que resulta en una reducción de posibilidades de gestión a un único fabricante, y dificulta en gran medida la interoperabilidad entre sistemas (Macaulay, 2017, cap. 11).
Dentro del proyecto Flexiciency, perteneciente al marco europeo de proyectos H2020, se presenta una solución avanzada de monitorización y gestión de una vivienda domótica que pretende dar solución a algunos de los problemas presentes en los sistemas actuales. A través de una red de sensores que cubren tanto aspectos energéticos como ambientales, y empleando algoritmos de optimización retroalimentados con toda la información recopilada por el sistema, así como por fuentes externas, el centro de control de la vivienda es capaz de predecir comportamientos del usuario y calcular las necesidades energéticas futuras a corto plazo, con el objetivo de reducir el consumo y, por lo tanto, minimizar el impacto ambiental de la vivienda.
La utilización de gran cantidad de variables de diferentes fuentes, de tipo económico, como el precio de mercado o el coste de operación de los equipos, así como históricos de datos de los equipos presentes, permiten a los algoritmos la optimización del sistema con mayor precisión. El uso de tecnologías inalámbricas estándar minimiza el problema del uso de soluciones propietarias, lo que aumenta la versatilidad y escalabilidad de la solución propuesta.
Vivienda inteligente
Proyecto Flexiciency
Dentro del marco de la red Smart City de Málaga tiene lugar la fase de demostración del proyecto Flexiciency, cuyo objetivo es la validación de servicios novedosos en los mercados de distribución y comercialización de energía. Con esta meta se llevan a cabo desarrollos que contemplan, entre otros, la monitorización energética de última generación, el control local de dispositivos, o diferentes mecanismos de flexibilidad para apoyar el sistema eléctrico. Está financiado por el programa H2020 y ejecutado por un consorcio internacional de 18 socios.
El demostrador de Málaga está centrado en la validación de nuevos servicios para un usuario particular, con una amplia variedad de patrones de consumo que se ven reflejados en los diferentes casos de uso. Uno de dichos casos de uso trata sobre la validación de nuevos servicios desarrollados en un simulador de vivienda inteligente. Las instalaciones seleccionadas se encuentran en el complejo de Tabacalera, un conjunto de edificios propiedad del Ayuntamiento de Málaga.
Arquitectura del demostrador
El caso de uso de vivienda inteligente se ubica dentro del showroom de movilidad eléctrica que posee el Ayuntamiento a raíz de proyecto anteriores relacionados con ese ámbito, como el proyecto Zem2all. El espacio disponible se compone de habitaciones y salas de diferentes tamaños, que se han dividido de acuerdo a los casos necesarios para simular las diferentes estancias de una vivienda.
El conjunto incluye las habitaciones más comunes de una vivienda, esto es, cocina, salón y dormitorios con baño. Cada habitación dispone de sensores inteligentes para recabar información de consumo eléctrico, además de variables ambientales como temperatura o luminosidad. En el exterior del edificio se añadieron equipamientos de energías renovables, que consisten en un cargador de vehículo eléctrico V2G y unos paneles fotovoltaicos con baterías para almacenamiento (cargador+batería+paneles fotovoltaicos conforman el concepto V2H). La presencia de estos elementos amplía en gran medida el abanico de posibilidades de gestión de la vivienda, al tener la capacidad de consumir de otras fuentes alternativas además de la propia red eléctrica interconectada.
En la Figura 1 se puede observar un esquema de la arquitectura. Los equipos instalados se integran en un concentrador, que realiza una importante gestión local, llamado EnergyBox (EB). Este se comunica con el centro de control (EMS), encargado de una gestión de alto nivel sobre el demostrador y de la comunicación bidireccional con el usuario.
A continuación, se detallan cada uno de los sub-sistemas integrados en el demostrador de Málaga y que conforman el aspecto novedoso de la instalación:
Energy box
La EnergyBox es el dispositivo de gestión local del sistema. Dispone de un hardware fabricado ad hoc y un software que se divide en dos bloques: comunicación y gestión.
El bloque de comunicaciones se encarga de integrar los diferentes protocolos de los dispositivos de campo del piloto: ZigBee y WiFi para los sensores inalámbricos, y Modbus para los analizadores de redes. También implementa la comunicación con el centro de control mediante MQTT, un protocolo usado para las comunicaciones machine-to-machine (M2M) en el Internet of Things (IoT).
El bloque de gestión se encarga de reunir toda la información del sistema para su tratamiento posterior por el centro de control, además de realizar la gestión en tiempo real del sistema. Para dicha gestión se implementan algoritmos locales en su interior que generan las distintas consignas en tiempo real.
Centro de control
El centro de control es una plataforma que proporciona servicios de monitorización y gestión energética desde la nube. Su arquitectura está formada por una base de datos, donde se almacena toda la información que llega desde cada piloto, así como datos periódicos sobre precio de la energía y meteorología. Toda esta información es la que alimenta los algoritmos de alto nivel, que también se encuentran alojados en el centro de control. La arquitectura se completa con un interfaz de usuario (HMI) para visualizar y configurar cada caso de uso, y un bloque de comunicaciones con los concentradores locales a través de protocolos estándar como Modbus, MQTT o TCP.
El centro de control gestiona cada Energy Box de forma independiente. Sin embargo, su escalabilidad y capacidad de procesamiento podría permitir una gestión a más alto nivel, incluyendo varios escenarios al mismo tiempo y optimizando todos con un mismo objetivo global, en lugar de los objetivos locales individuales.
Sensorización
Para la monitorización de las variables ambientales del piloto, se realizó un estudio de las tecnologías IoT más relevantes. Las tecnologías cableadas se descartaron por los costes asociados a la instalación de equipamiento, y dentro de las inalámbricas se tuvo en cuenta tanto su difusión a nivel mundial como la interoperabilidad con diferentes sistemas, por lo que la utilización de soluciones propietarias se descartó de un inicio.
Finalmente, se eligió la tecnología de comunicaciones ZigBee, a través del perfil estándar Home Automation (ZigBee Alliance, 2013). Este protocolo es uno de los más utilizados dentro del IoT debido a su bajo consumo energético y a sus prestaciones. La utilización de un perfil estándar permite asegurar la interoperabilidad con cualquier fabricante que implemente dicho funcionalidad en sus equipos.
Las variables ambientales (temperatura, luminosidad y presencia) resultarán de gran ayuda para controlar consumos no deseados. Con respecto a los datos eléctricos, se han colocado analizadores de red con comunicación estándar Modbus, tanto a la entrada de la vivienda como en cada uno de los circuitos que especifica el reglamento electrónico de baja tensión (Ministerio de Ciencia y Tecnología, 2002). También se han utilizado enchufes inteligentes ZigBee para monitorizar el consumo de ciertos equipamientos. El resultado es un control del consumo completo de la instalación, además de su impacto sobre la red general del edificio.
Equipo de generación de energías renovables
En el exterior del piloto se ha instalado una pérgola fotovoltaica encima de los equipos, que incluyen un convertidor conectado a los paneles fotovoltaicos, unas baterías de almacenamiento y un cargador de vehículo eléctrico. En la Figura 2 se puede apreciar de forma esquemática los componentes de cada equipo.
La configuración de estos equipos hace posible que la energía generada por los paneles fotovoltaicos pueda ser almacenada en las baterías para su uso posterior, o enviada al cargador o a la vivienda para su uso inmediato. En cuando al cargador, incorpora el protocolo de carga CHAdeMO V2G, que permite la carga y descarga del vehículo, con lo que se puede utilizar el vehículo como una batería auxiliar.
El control de los flujos de energía se realiza a través de la EnergyBox, que recoge toda la información, analiza las necesidades energéticas provenientes del exterior y decide qué equipo y en qué porcentaje va a ser el encargado de entregar la energía en cada momento.
Algoritmos de optimización
Uno de los factores diferenciadores de la solución adoptada respecto al mercado son los algoritmos de optimización y predicción desarrollados para este proyecto. Cada uno de ellos se centra en una de las ramas del sistema, y después, el gestor es el encargado de trabajar con toda la información y actuar en consecuencia.
El objetivo de los algoritmos es obtener un programa de operación de todos los componentes de la microrred que minimice los costes energéticos del cliente. Este objetivo se alcanza en dos fases: en la primera se calcula de forma remota en el EMS el programa óptimo de operación, mientras que en la segunda se adaptan, de forma local y en tiempo real, estas consignas al estado real de la instalación.
En la primera fase del proceso se obtiene el programa óptimo para las próximas 72 horas en pasos quinceminutales: se calcula para cada componente gestionable de la instalación el régimen de funcionamiento que minimiza el coste energético para el cliente. La información necesaria se puede agrupar en datos estáticos, provenientes de la configuración y características de los equipos del sistema, y datos predictivos, provenientes de los algoritmos de predicción climatológica, de generación de energía eléctrica, de la demanda y del precio de la energía eléctrica y disponibilidad del V2G.
El resultado de este proceso de optimización es la obtención de consignas de funcionamiento. Para componentes como reguladores de carga de baterías se establecen valores de potencia, activa y reactiva, de carga y descarga de baterías; y para las demandas gestionables los momentos de encendidos.
El algoritmo de optimización se ha desarrollado en la plataforma GAMS debido a que permite modelar problemas complejos y de grandes dimensiones como la que nos ocupa. El solver empleado es CPLEX, una herramienta de alta eficiencia y fiabilidad que permite resolver problemas de grandes dimensiones y elevada dificultad rápidamente. Ventajas estas muy importantes a la hora de programar el funcionamiento de microrredes.
Patrones de simulación
Uno de los inconvenientes de no disponer de una vivienda real es que los patrones de consumo no se corresponden con los típicos domésticos. Para obtener unos resultados extrapolables a situaciones reales, se ha diseñado una red de resistencias que, mediante la activación y desactivación controlada de las cargas, permite la simulación de unos perfiles de consumo domésticos estándar. Dichos perfiles se podrán seleccionar desde el interfaz de usuario del piloto para evaluar la optimización obtenida (y estimación de KPIs) para los diferentes perfiles de consumo elegidos.
Resultados
Como se observa en la Figura , el algoritmo de optimización desplaza los periodos de funcionamiento de las cargas gestionables a los momentos de bajo consumo (para reducir picos de potencia) y bajo precio de energía. Se observa que la demanda resultante no supera en ningún momento la demanda máxima, marcada por los consumos no gestionables. También se observa que las cargas gestionables se activan en los periodos indicados por el consumidor.
En la Figura 5 se muestra cómo el optimizador concentra las demandas gestionables en los momentos de menor precio de la energía, incluido el periodo extremo de precio cero. A pesar de este fenómeno, no se aumenta la demanda de potencia de la red ya que, en esos momentos, se descarga el sistema de almacenamiento. De hecho, se reducen los máximos que plantea la demanda no gestionable mediante el uso de la generación renovable y la descarga del sistema de almacenamiento.
Finalmente, en la Figura 6 se muestra un caso más completo en el que se puede operar sobre cargas gestionables, generación FV, almacenamiento estacionario y V2G. A los resultados anteriormente descritos se añade el efecto del vehículo eléctrico. El vehículo se carga a elevada potencia hasta que alcanza la carga mínima y a potencia reducida hasta que alcanza la potencia de partida (primera mitad del periodo analizado). También se observa, hacia el final del periodo analizado, que el VE se descarga para compensar la energía que se consume en periodos de precios altos.
Como se ha visto, los algoritmos crean un programa óptimo de operación para los elementos gestionables del sistema con el objetivo de reducir los costes energéticos del cliente.
Conclusiones
Los resultados obtenidos muestran que el sistema de gestión diseñado permite mejorar la eficiencia de una vivienda inteligente. Se puede observar cómo las posibilidades de gestión aumentan a medida que se añade complejidad al sistema, desde una gestión energética sencilla, según un modelo básico, hasta la reducción de potencia máxima consumida mediante el uso de energía renovables. En la actualidad, la ejecución de un mayor y más variado número de pruebas, está permitiendo aumentar la eficiencia del sistema en cada iteración equivalente a la operación real de la vivienda. Así, con toda la información recopilada, y en función de diferentes escenarios de ejecución, se calculará la rentabilidad económica de los subsistemas, lo que permitirá evaluar la viabilidad económica de la solución adoptada.
Agradecimientos
Este Proyecto ha sido financiado por el programa de la Unión Europea de investigación e innovación Horizonte 2020 bajo el marco del contrato No 646482.
Referencias
- Louis, J.-N., Caló, A., Pongrácz, E., 2014. Smart Houses for Energy Efficiency and Carbon Dioxide Emission Reduction. ENERGY 2014: The Fourth International Conference on Smart Grids, Green Communications and IT Energy-aware Technologies 44–50
- Macaulay, Tyson. Interoperability, flexibility and industrial design requirements, Elsevier Inc, 2017
- Ministerio de Ciencia y tecnología, Reglamento electrotécnico para baja tensión e instrucciones técnicas complementarias (ITC), RD 842/2002, 2002
- ZigBee Alliance, ZigBee Home Automation Public Profile, 2013
- Zem2all (19 de Septiembre de 2017)