Gestión eficiente de una microred • SMARTGRIDSINFO

Comunicación presentada en al II Congreso Smart Grids:

Autores

Guillem Viñals Canal, Ingeniero de Proyectos, CITCEA-UPC (Universidad Politécnica de Cataluña)
Mónica Aragüés Peñalba, Ingeniero de Proyectos, CITCEA-UPC (Universidad Politécnica de Cataluña)
Oriol Gomis Bellmunt, Doctor Ingeniero – Profesor, Universidad Politécnica de Cataluña

Resumen

Esta comunicación presenta el concepto de microred energética y la problemática de su gestión eficiente siguiendo criterios económicos. Se plantea un algoritmo para la generación de ofertas al mercado eléctrico utilizando técnicas de optimización. El algoritmo simplifica el problema original descomponiéndolo en un problema de programación lineal entera y un problema de programación no lineal convexa. Se consideran generadores renovables y convencionales, almacenamiento de energía, vehículos eléctricos, cargas críticas, cargas gestionables y las líneas eléctricas. Para validar el algoritmo se ha aplicado a una microred de nueve nodos bajo distintos escenarios de precio de mercado, condiciones meteorológicas y condiciones de la red principal.

Introducción

El incremento de la penetración de la generación distribuida, las previsiones de crecimiento de los vehículos eléctricos, los avances en los sistemas de control y comunicaciones plantean el reto de cuál es la mejor forma de operar el sistema eléctrico. Una opción estudiada para facilitar la gestión del sistema y hacer una gestión más eficiente consiste en la agrupación de recursos energéticos distribuidos conectados físicamente entre ellos en microredes.

Estas microredes se conectan a la red principal mediante un solo punto por lo que respetan el papel del mercado eléctrico como gestor sin generar flujos no controlados en las redes de transporte y distribución. Estos sistemas se conectan a las redes de media o baja tensión, pero se pueden desconectar y operar de forma autónoma si hay algún problema aguas arriba. Respecto a la red principal deben ser capaces de responder como un solo elemento. Para conseguir este control sus elementos se deben conectar mediante interfaces de electrónica de potencia. Las microredes pueden ser de corriente alterna (AC), corriente continua (DC) o híbridas, ofreciendo estas últimas varias ventajas como una reducción de pérdidas por transformaciones de energía, una mejora de la calidad de onda en la red AC, y un incremento de la fiabilidad del sistema (Wang, P. et al. 2013). Un esquema de microred híbrida se muestra en la figura siguiente.

Las microredes permiten un control coordinado de sus elementos y ofrecen la capacidad de reducir los costes de operación del conjunto de los elementos. La construcción de una microred necesita un importante capital inicial, por lo que es necesario hacer un plan de negocio que garantice su rentabilidad. Con este fin se deben modelar los costes de operación de la microred durante su vida útil. Estos costes no solo dependen de los equipos que la componen sino también del sistema de gestión energética. Para conseguir una buena estimación de los costes se deben modelar tanto los elementos como el sistema de gestión y realizar simulaciones con ambos modelos a la vez.

Una microred debe operarse cumpliendo, en orden de importancia, los siguientes puntos:

Garantizar la estabilidad técnica de tensión y frecuencia en la red.
Optimizar con criterios económicos los flujos de potencia en la red.

Para satisfacer ambos objetivos simultáneamente se necesita un control jerárquico de dos niveles, es decir, que en el nivel superior (criterios económicos) se genera una consigna para los elementos que se corrige por el lazo inferior (criterios técnicos) hasta llegar al lazo de corriente de los inversores (Guerrero, J. M. et al. 2011). Estos dos niveles pueden a su vez tener también una estructura jerárquica. La interacción de estos lazos de control, el carácter aleatorio de las variables meteorológicas y los errores en la modelización de la microred hacen que la gestión de una microred sea muy compleja y solo puedan estimarse sus costes mediante técnicas de simulación considerando todos los elementos implicados. Con los resultados de las simulaciones sería posible optimizar parámetros de diseño de los lazos de control e identificar los cuellos de botella que impiden una mayor reducción de los costes frente a una gestión desagregada de elementos.

En esta comunicación se analiza con detalle en qué consiste un sistema de gestión de energía, y se centra en la resolución de la problemática de generar las ofertas a presentar al mercado eléctrico. Un caso práctico respalda la modelización teórica.

Sistema de Gestión Energética

Los sistemas de gestión de una microred energética (EMS por sus siglas en inglés) están compuestos por distintos módulos que interaccionan entre ellos. Hay que tener presente que el sistema de gestión debe tomar decisiones pese a no tener toda la información disponible. Mediante los módulos de previsión se estiman las variables estocásticas. La precisión de estos estimadores es mejor a medida que se aproxima el tiempo en que ocurren, por lo que se pueden usar para generar consignas que tengan en cuenta la información más realista posible. Un esquema de EMS se muestra a continuación.

En primer lugar, con previsiones a medio plazo y un modelo matemático de los elementos de la microred se generan las ofertas al mercado optimizando costes. Con este mismo criterio se corrigen las consignas a medida que se conoce nueva información. Estas consignas son corregidas con criterios técnicos por los lazos de control locales. Los módulos se exponen con más detalle a continuación.

Módulo de previsiones a medio y corto plazo: Utiliza una combinación de modelos atmosféricos con series temporales ARIMA estacionales o técnicas de inteligencia artificial como redes neuronales. Tiene que estimar las variables de todo el día con la mayor resolución temporal posible a partir de los datos actuales.
Módulo de planta: Este módulo tiene que modelar el error de modelización que se hace en la modelización de la microred. Puede consistir en modelos más complejos de los elementos que participan en la microred, modelos que tengan en cuenta más parámetros, o perturbar los resultados de la modelización para conseguir un comportamiento más real.
Módulo de gestión de ofertas al mercado: Se encarga de generar las ofertas de participación a los mercados diarios e intradiarios. El tiempo consumido en generar las ofertas no es crítico, por lo que este módulo suele consistir en un problema de optimización que se ejecuta cada vez que la microred participa en un mercado. En este módulo se pueden optimizar los costes, las pérdidas, las emisiones, etc.
Módulo de gestión de desvíos: El error de las previsiones produce que las consignas generadas anteriormente no serán óptimas para los datos reales. Éste módulo se encarga de encontrar óptimos locales mediante algoritmos online que minimizan el coste de los desvíos.
Módulo de control de bajo nivel: A nivel práctico aparecen diferencias derivadas de los errores en la modelización de los elementos, cambios bruscos de cargas o cambios en la generación. Estos cambios son corregidos por los lazos de control que garantizan la estabilidad del sistema.
Modelización de la red: Para poder optimizar la gestión necesitamos un modelo matemático de todos los elementos que constituyen la microred.

Gestión de ofertas al mercado

Para presentar ofertas al mercado eléctrico es necesario modelar los elementos de la microred. Estos elementos son los generadores primarios, las cargas desplazables, las líneas eléctricas, el punto de conexión a la red principal, los elementos almacenadores de energía, los vehículos eléctricos, los generadores eléctricos y los convertidores.

Los modelos de estos elementos deben considerar los costes de utilización del almacenamiento, una aproximación a los costes asociados a la generación de energía, los beneficios o costes de participar en el mercado eléctrico, los costes asociados al consumo de potencia reactiva en el punto de conexión a la red y los costes de dejar de suministrar cargas.

El problema resultante es no lineal mixto (MINLP). La dimensión del problema está sujeta a los nodos de la microred, los elementos conectados a estos nodos y la resolución temporal. El problema puede ser fácilmente de gran dimensión.

La función objetivo del problema se presenta a continuación:

z=Σ^{^ttotal}_m=1(Σ^nbusDC_n=1(CostgenDC_nm+Σ^nbusAC_o=1((CostgenAC_om)) _{coste generación}

+Σ^{^ttotal}_m=1(Σ^nbusAC_n=1((Pxarxagen_nm)·Preuxarxa_nm)) ^{costes mercado}

+Σ^{^ttotal}_m=1(Σ^nbusAC_n=1PnoloadAC_nm·CloadAC_n)_{costes no suministrar cargas}

+Σ^{^ttotal}_m=1(Σ^nbusAC_n=1PnoloadDC_nm·CloadAC_n)^{costes no suministrar cargas}

+Σ^nbusDC_m=1(+Σ^{^ttotal}_n=1Costbat_mn)+Σ^{^ttotal}_n=1CostQ_t_{costes reactiva}

^{costes almacenamiento}

Las restricciones eléctricas introducen no linealidades en el problema pero nos permiten:

Considerar los límites de tensión, que son muy estrictos en el espacio entre la red principal y las instalaciones interiores. También permite gestionar estos límites con las consignas de potencia reactiva de las máquinas eléctricas.
Considerar los requerimientos del operador del sistema de potencia reactiva.

Otros elementos que nos pueden introducir restricciones no lineales son:

Costes de generación y almacenamiento

Algoritmos de descomposición

La resolución de problemas de optimización no lineales mixtos no garantiza ni la convergencia ni la calidad de la solución obtenida, los resultados pueden ser poco estables manifestando una gran dependencia del punto inicial (Bazaraa, M. et al. 2006). Hay una clase particular de problemas no lineales que no presentan estos problemas: los problemas no lineales convexos. Existen técnicas matemáticas que se basan en la descomposición de un problema no lineal mixto en dos problemas de más fácil resolución como un problema lineal mixto y un problema convexo. Algunas de estas técnicas son la descomposición de Benders o el algoritmo Cutting-plane de Dantzing. Siguiendo el principio fundamental de estas técnicas y aprovechando el conocimiento sobre el problema se ha diseñado un algoritmo que permite solucionar un problema no lineal convexo y un problema lineal entero y conseguir una solución aproximada al problema general. El esquema seguido se muestra a continuación.

Figura 3. Descomposición del problema de generación de ofertas.

Para la descomposición hay que realizar simplificaciones en los costes, por lo que la solución obtenida se utiliza como punto inicial para el problema no simplificado, permitiendo así que la solución pueda mejorarse localmente teniendo en cuenta los datos de coste sin simplificar. Las condiciones para que el algoritmo funcione son:

La red AC debe tener estructura de árbol.
Los costes deben poder aproximarse con una función convexa.

Estas dos condiciones son muy frecuentes en las redes de distribución.

CASO dE ESTUDIO Y resultaDOs
Para validar el algoritmo se plantea un caso práctico para simular. Este consiste en una microred de nueve nodos conectados a la red de distribución de 400V. La microred presenta una estructura híbrida AC/DC que cumple las condiciones mencionadas anteriormente. Las dos redes están unidas mediante dos convertidores para garantizar la disponibilidad del almacenamiento de energía en caso de un fallo en un convertidor. La tensión de la red DC es de 700V. La generación renovable se basa en una turbina eólica y un parque fotovoltaico con una batería. Para garantizar el funcionamiento en modo isla se instalan dos grupos electrógenos y una microturbina de gas. Existen puntos de carga de vehículos eléctricos distribuidos por la microred. El esquema de la red se muestra a continuación.

Figura 4. Esquema de la microred de estudio.

A continuación se presentan los resultados obtenidos. En la figura 5 se muestra la resolución del problema para distintos precios de mercado y se observa que la aproximación convexa mediante la descomposición presenta una diferencia muy pequeña con la solución no lineal mixta (general), lo que indica que las aproximaciones hechas en los costes tienen un impacto reducido en la resolución del problema.

Figura 5. Sensibilidad de las soluciones al precio mercado.

Figura 6. Impacto de la demanda de Q de la red.

La figura 6 muestra cómo se puede utilizar el algoritmo para cuantificar el impacto económico de los requerimientos de potencia reactiva del operador del sistema en el punto de conexión de la microred. Como es natural, a medida que se demanda más potencia reactiva disminuye nuestra capacidad para optimizar el sistema y los costes se incrementan.

Finalmente se muestran las consignas de potencias reactivas de los distintos elementos de la microred para un día que se ha dividido en períodos de 2 horas. Las potencias activas de la red son las que se negociaran en el mercado eléctrico.

Figura 7. Potencias activas generadas en la microred.

Figura 8. Potencias reactivas generadas en la microred.

Conclusiones

La estimación de los costes de una microred energética es un problema donde intervienen muchos elementos distintos. La novedad de estos sistemas implica que cada uno de los módulos es ahora mismo un campo de investigación, como los sistemas de predicción basados en inteligencia artificial o los algoritmos heurísticos online. Para poder estimar los costes de operación de una microred es necesario modelar todos estos sistemas y simular cómo actúan para un escenario concreto. Los parámetros de estos escenarios dependen fuertemente de variables no controlables, por lo que se necesitan muchos casos para poder evaluar los beneficios de las distintas posibilidades de gestión.

Es fácil establecer cotas superiores de beneficios de las microredes, que no son realistas pero prometen un gran potencial de reducción de los costes respecto a una gestión no inteligente. El estudio de los costes de las microredes permitiría encontrar qué elementos son los que tienen un mayor impacto en los resultados finales y conocer donde se deben centrar los esfuerzos de investigación.

Otra oportunidad que ofrecen estos sistemas es una gran cantidad de información que puede animar a los consumidores a tener una participación más activa en la gestión de los consumos para contribuir a la reducción de los costes.

Referencias

Peng Wang; Goel, L.; Xiong Liu; Fook Hoong Choo. 2013. Harmonizing AC and DC: A Hybrid AC/DC Future Grid Solution. Power and Energy Magazine, IEEE, vol.11, no.3, pp.76-83
Guerrero, Josep M. and Vasquez, Juan C. and Matas, José and Garcia de Vicuña, L. and Castilla, Miguel. 2011. Hierarchical Control of Droop-Controlled AC and DC Microgrids – A General Approach Towards Standardization. IEEE TRANSACTION ON POWER ELECTRONICS v. 58, n.1 158 – 172.
Bazaraa, Mokhtar S. and Hanif D. Sherali and C.M. Shetty.2006. Nonlinear programming, theory and algorithms. New Jersey: John Wiley & Sons.