Comunicación presentada al II Congreso Smart Grids:
Autores
- Pol Olivella Rosell, Ingeniero de Proyectos, CITCEA-UPC (Universidad Politécnica de Cataluña)
- Guillem Viñals Canal, Ingeniero de Proyectos, CITCEA-UPC (Universidad Politécnica de Cataluña)
- Eduardo Prieto Araujo, Ingeniero de Proyectos, CITCEA-UPC (Universidad Politécnica de Cataluña)
- Joan Bergas Jané, Jefe de Proyectos, CITCEA-UPC (Universidad Politécnica de Cataluña)
Resumen
En la siguiente comunicación se presenta el concepto de planta de potencia virtual y una metodología para poder evaluar cuantitativamente sus beneficios si se aplica en la gestión de instalaciones inteligentes con puntos de carga de vehículos eléctricos. Estos vehículos permiten flujo bidireccional de energía mediante la tecnología V2G. Para este fin se ha desarrollado un modelo basado en agentes que permite estimar los patrones de movilidad de los vehículos eléctricos en el futuro; y un sistema de gestión de energía que aprovecha dichos vehículos para reducir los costes asociados a desvíos en el mercado eléctrico. Para asegurar la factibilidad del sistema se ha emulado en una plataforma experimental la respuesta de una instalación a las consignas de un sistema de gestión externo.
Introducción
Los últimos avances tecnológicos permiten ahora un mayor control sobre el flujo de energía en las instalaciones interiores, controlando activamente las cargas, los generadores y los sistemas de almacenamiento de energía. Los beneficios cualitativos potenciales de esta capacidad de control han sido ampliamente discutidos e incluyen una mejor gestión de los desvíos, mayor capacidad de participar en los mercados de servicios auxiliares, reducción de pérdidas en las redes de transporte y un uso más eficiente de las instalaciones actuales (Etherden, 2013). Sin embargo, la valoración cuantitativa en términos de beneficios económicos presenta una mayor complejidad, ya que intervienen factores como la legislación, las particularidades de cada instalación y las limitaciones reales de los sistemas de gestión.
Una estrategia de gestión de los recursos distribuidos son las plantas de potencia virtuales (VPP por sus siglas en inglés), que agregan la gestión de diferentes instalaciones. Actualmente muchas instalaciones de generación distribuida son agregadas para su participación en el mercado, obteniendo así un apantallamiento de los desvíos gracias al efecto cartera. Las plantas de potencia virtuales, además de gestionar conjuntamente la participación en el conjunto de mercados eléctricos, tienen capacidad de actuación sobre las instalaciones. Esta capacidad permite una reacción coordinada entre las instalaciones para dar respuesta a las necesidades del sistema e integrar mejor las energías renovables.
Una de las principales oportunidades de negocio para el sector eléctrico es el desarrollo del vehículo eléctrico. Además de los evidentes beneficios ambientales, los vehículos eléctricos tienen la capacidad de participar en la reducción de costes de operación de las instalaciones si se integran en los sistemas de gestión de energía (Ashouri, 2012). Para poder estudiar el impacto de los vehículos, debemos ser capaces de generar escenarios futuros realistas para poder incluirlos en las simulaciones.
El objetivo de este proyecto es formular el problema de gestión de una planta de potencia virtual cómo un problema de optimización y estudiar si éste enfoque presenta beneficios económicos en su gestión de los vehículos eléctricos. Para poder llevar a cabo este estudio, es necesario un modelo de movilidad que nos ayude a predecir el comportamiento de los vehículos eléctricos. Para validar que los sistemas de gestión son factibles, se han llevado a cabo simulaciones experimentales emulando una instalación que recibe sus consignas del sistema de gestión centralizado de la planta virtual.
Sistemas de gestión de energía
El sistema de gestión de energía (EMS por sus siglas en inglés) de una VPP tiene dos objetivos principales. En primer lugar decidir la energía a negociar en el mercado eléctrico basándose en las predicciones de generación, demanda y vehículos eléctricos. El segundo objetivo es operar los elementos en tiempo real para reaccionar ante los errores de previsión y minimizar su impacto en los costes de operación, así como dar respuesta a los requerimientos de la red. Con este fin el sistema de gestión de la VPP debe tener comunicaciones con las distintas instalaciones que gestiona, lo que añade otro nivel de control en las instalaciones gestionadas. El esquema de una VPP se muestra a continuación.
En estas instalaciones las comunicaciones más críticas son las de bajo nivel, que conectan los distintos elementos de la instalación. En este nivel se usan comunicaciones SV para enviar datos críticos como tensiones, corrientes o potencias. El protocolo GOOSE se utiliza para las comunicaciones de eventos críticos como la actuación sobre los seccionadores. A un nivel superior, para recibir las consignas del sistema de gestión, tenemos los lazos de control y el sistema de monitorización. El protocolo más utilizado es el MMS para la regulación de las acciones de control. Además, el protocolo SNTP es usado para el control y la sincronización de los eventos de la red.
La determinación de la estrategia de compras en el mercado tiene que hacerse el con un día de antelación, y se plantea en la literatura como un problema de optimización que se soluciona cada vez que presentamos ofertas en el mercado.
Modelización del EMS
El sistema de gestión de energía de una VPP se puede formular como un problema lineal de programación estocástica multi-etapa con recurso. La formulación de estos problemas es la siguiente en su forma determinista equivalente.
Sujeto a: min f(x)+ Eρ[Q(x,ρ(w))]; Ax = b; x≥0
Sujeto a: Q(x,p(w)) = min g(y.w); W(w)y(w) = h(w) – T(w)x; y(w)≥0
Dónde x son las variables de primera etapa (compras al mercado) i son las variables de segunda etapa (gestión de los vehículos eléctricos y desvíos en el mercado).
p(w)=p1(W1)p2(W2)…pn(w3) Son los parámetros estocásticos, en este caso la movilidad de los vehículos eléctricos. Se asume que los eventos aleatorios son independientes entre ellos. Se supone que ocurre una sola vez al principio del día (el problema se formula como doble etapa).
f(x) es la función de coste asociada a la participación en el mercado eléctrico i Ep[Q] es la esperanza matemática del resultado del problema de optimización de segunda etapa .
Para la formulación extensa del problema los escenarios se han generado mediante simulación ya que la estimación de la función de densidad de probabilidad de es muy compleja.
Las matrices A, WI T y los vectores b, i h se generan pasando a forma estándar las restricciones del problema. El esquema del modelo estocástico se muestra a continuación. En el día D-1 se debe fijar la energía comerciada en el mercado sin saber cómo van a comportarse los vehículos eléctricos en el día D. La línea vertical negra representa el evento aleatorio. En el día D se debe optimizar la gestión de los vehículos conociendo toda la información y tomando los valores decididos en la etapa D-1 como fijos.
Modelización de los vehículos eléctricos
La consideración de los vehículos eléctricos para su simulación en redes de energía inteligentes presenta algunos retos. La movilidad de los vehículos convencionales se ha estudiado de forma agregada para la planificación de infraestructuras, previsión de los niveles de contaminación, etc. Para el caso de su participación en los sistemas de gestión, es interesante que los vehículos se consideren individualmente, ya que la gestión de los vehículos se puede hacer de forma individual.
Para la resolución de un problema de gestión estocástica es necesaria su formulación extensa, lo que implica la generación de escenarios de acuerdo con su probabilidad de ocurrir. En este trabajo se ha desarrollado un modelo basado en agentes (ABM por sus siglas en inglés) que aprovecha las informaciones actuales sobre movilidad agregada de vehículos. Se asume que los patrones de conducta de los conductores presentaran poca variación con vehículo eléctrico respecto a los vehículos convencionales.
El modelo permite generar un escenario con el comportamiento de todos los vehículos a lo largo del día: sus salidas y llegadas al nodo de origen y su consumo durante los viajes. Se tienen en cuenta los datos estadísticos existentes sobre el número de viajes diarios, la longitud de los viajes que se realizan en un día, el impacto del tipo de vehículo, las motivaciones de los viajes, etc.
Caso de Estudio: Resultados
El caso de estudio que se ha planteado para validar la metodología consiste en dos microredes conectadas a la red principal. Estas Microredes representan edificios y tienen paneles fotovoltaicos, turbinas eólicas, una estación de carga de vehículos eléctricos i cargas. El sistema de gestión de energía solo considera errores de predicción en los vehículos eléctricos. Las potencias pico de la microred se muestran en la siguiente tabla.
Los resultados de la simulación se muestran a continuación para un escenario específico. Las potencias positivas son generadas por los elementos y las negativas consumidas. El precio de mercado sigue una curva típica del mercado eléctrico español. En blanco y verde oscuro se muestran las desviaciones respecto a los compromisos en el mercado. El sistema de gestión optimiza las compras para el conjunto de escenarios posibles, por lo que los desvíos en los escenarios particulares son habituales.
Las ventajas de las plantas de potencia virtuales en cuanto a los vehículos eléctricos se refiere son que puede modificar las estrategias de carga de los vehículos para atenuar las desviaciones. Este efecto se presenta en la siguiente imagen, donde se comparan los costes sin la gestión no agregada (azul) y con la gestión agregada (rojo).
La gestión de las instalaciones mediante una VPP implica una reducción de los costes. La reducción se incrementa a medida que lo hace la penalización por desvíos (eje de abscisas). En el caso de estudio el valor relativo de la reducción es pequeño respecto a todos los costes, pero con diez vehículos por microred supone un ahorro de 300€/día.
Plataforma de emulación
Para la emulación del sistema se ha implementado una sola microred, ya que se desea validar que las consignas generadas por la VPP pueden ser consideradas en los lazos de control de la microred.
El sistema consiste en tres convertidores monofásicos de 1,5 kW que funcionan como emuladores y reciben las consignas de potencia activa y un convertidor de 5 kW que funciona como fuente de alimentación y mantiene la tensión del bus DC a 400 V. El controlador de la plataforma de emulación opera los convertidores y captura los datos. El esquema del sistema se muestra a continuación.
Los resultados del seguimiento de las consignas se muestran a continuación.
El sistema puede seguir sin problema las consignas externas sin comprometer la estabilidad de la microred por lo que la gestión centralizada de varias instalaciones es viable técnicamente.
Conclusiones
En esta comunicación se han presentado los beneficios de las plantas de potencia virtuales para gestionar puntos de carga de vehículos eléctricos. La metodología propuesta tiene dos características importantes. En primer lugar necesita un modelo para generar escenarios con los vehículos eléctricos con un alto nivel de detalle. A medida que la penetración del vehículo eléctrico se incremente, los proyectos de monitorización de estos vehículos y la realización de modelos permitirán mejorar el sistema de generación de escenarios.
En segundo lugar el problema de optimización estocástica solo considera los datos de los vehículos eléctricos como parámetros estocásticos y se ha formulado como un problema de doble etapa. Plantearlo como un problema de dos etapas supone el caso más favorable y establece una cota superior de los resultados que pueden obtenerse.
El caso simulado tiene únicamente dos Microredes, pero la capacidad del sistema de gestión de minimizar los costes se incrementa a medida que se añaden más instalaciones. Para el caso simulado el beneficio no es menospreciable por lo que un estudio más exhaustivo sería aconsejable.
Es necesario desarrollar metodologías que nos permitan establecer cotas superiores de beneficios asociadas a la inteligencia de las instalaciones.
Referencias
- Etherden, N.; Bollen, M.H.J.; Lundkvist, J., 2013, Quantification of ancillary services from a virtual power plant in an existing subtransmision network, Innovative Smart Grid Technologies Europe, vol., no., pp.1,5, 6-9.
- Ashouri, A.; Benz, M.J.; Guzzella, L., 2012, Comparing control strategies for EV and PHEV fleets providing regulation ancillary services, Control Applications (CCA), 2012 IEEE International Conference on , vol., no., pp.739,744, 3-5