GPM GestiónEnergíaMG 27

Gestión Óptima de la Energía
Eléctrica en Microgrids
Universidad del Valle, Colciencias

Grupo de Percepción y Sistemas Inteligentes – PSI, Grupo de Investigación en Alta Tensión – GRALTA, EPSA S.A. E.S.P.
Junio de 2015
Contenido
1. Presentación del Curso

2. Introducción a las Microgrids
3. Modelamiento de Microgrids
4. Gestión de Energía Basada en
Inteligencia Computacional
Universidad del Valle, Colciencias, Grupo de Percepción y Sistemas Inteligentes – PSI, Grupo de Investigación en Alta Tensión – GRALTA, EPSA S.A. 2
Presentación del Curso
1. Presentación General
2. Objetivos del Curso
3. Metodología
4. Contenido
Presentación General
Marco de Desarrollo (proyecto)
Estrategias basadas en inteligencia

computacional para la gestión de la potencia
eléctrica en ambientes de microgrids
Objetivo General del Curso
Introducir y conceptualizar las tendencias

tecnológicas y científicas relacionadas con
la gestión óptima de la energía eléctrica en
micro-redes eléctricas.
Objetivos Específicos
1. Introducir la problemática de las redes

eléctricas tradicionales y las redes eléctricas
inteligentes, smartgrids, como una respuesta
tecnológica.
2. Presentar el concepto de microgrid y su

importancia en el desarrollo de las
smartgrids.
3. Hacer un reconocimiento del problema de

la gestión de la energía/potencia eléctrica en
las microgrids.
2. Presentar el concepto de microgrid y su

importancia en el desarrollo de las
smartgrids.
3. Hacer un reconocimiento del problema de

la gestión de la energía/potencia eléctrica en
las microgrids.
4. Dar a conocer los enfoques de solución

investigados por la Universidad del Valle
acerca del problema mencionado.
5. Recoger las impresiones e inquietudes de

los profesionales del sector, para encaminar
y plantear nuevos proyectos de
Investigación, Desarrollo e Innovación.
4. Dar a conocer los enfoques de solución

investigados por la Universidad del Valle
acerca del problema mencionado.
5. Recoger las impresiones e inquietudes de

los profesionales del sector, para encaminar
y plantear nuevos proyectos de
Investigación, Desarrollo e Innovación.
Metodología
El curso estará dividido en tres sesiones o módulos los

cuales se fundamentarán en la exposición magistral
de los panelistas. No obstante, cada módulo ofrecerá un
espacio para la discusión de los temas tratados, para
recoger las impresiones del auditorio y para la discusión
de proyectos a futuro.
Las exposiciones estarán acompañadas por

demostraciones de las herramientas computacionales
desarrolladas y usadas en el marco del proyecto.
Contenido
Tabla de Contenido
..\0. Tabla de Contenido\GPM-CursoEPSA-TablaContenido_v3.pdf
Contenido

Introducción a las Microgrids
1. Introducción a las Powergrids y Smartgrids

2. Descripción General de las Microgrids
3. Arquitecturas de Microgrid
4. Microgrids en el Mundo
5. El Problema de la Gestión de
Energía/Potencia
6. Preguntas y Respuestas
7. Receso (10min)
Introducción a las Powergrids y Smartgrids
Red Eléctrica Tradicional o Powergrid
 Tecnología que se
aproxima a los cien
años de edad
 Grandes centrales
de generación
 Control centralizado
 Flujos de potencia
unidireccionales
 Daños ambientales
Smart Power Grid
 Gestión coordinada
y local de energía
distribuida e
integración total de
FCE y FNCE al
sistema de potencia
Smart Power Grid
 Pequeña y escalable
generación
distribuida, cercana
a los consumidores
Smart Power Grid
 Gestión flexible de
la demanda y
valores agregados
Smart Power Grid
 Menos
contaminante
Smart Power Grid
Smart-Grid: Un Concepto!!
Características deseables en Smartgrid
 Toma de decisiones a nivel local (distribuidas)

 Conservación de toda la capacidad de operación
 Calidad del Servicio y Suministro
 Escalabilidad
 Flexibilidad
 Seguridad
Áreas de Desarrollo
• Medición Inteligente
• Tecnologías de Generación Distribuida
(Renovables y No-Renovables)
• Tecnologías de Transmisión
• Seguridad
• Gestión Eficiente de la Energía
• Control Dinámico Localizado
• Electrónica
Smart Grids y Microgrids
Internet inspira la arquitectura de Smartgrid
Descripción General de las Microgrids
Arquitectura de la Microgrid
Topologías de Microgrid
Se pueden considerar tres tipos básicos de

microgrid, los cuales ofrecen conceptos
diferentes, tanto en su diseño como en su
operación.
Tipo A: Fuerza Electromotriz Virtual
Este esquema ofrece una visión en

la que todas las fuentes de generación en la
microgrid están interconectadas y
actuando de manera coordinada para proveer
respuesta a las diferentes cargas del sistema.
El desafío tecnológico que subyace a

este modelo es la necesidad de contar con una
red de
poderosa y confiable
comunicaciones que permita, en
tiempo real, llevar a cabo el muestreo y las
PE: Power Electronics acciones de control necesarias.
Tipo B: Fuerza Electromotriz Física
Una gran central capaz de generar y

almacenar debe ser implementada con el
propósito de monitorear el estado de la
microgrid, balancear su estado de
operación y tomar las acciones necesarias
para mantener los parámetros de operación
El desafío de esta implementación está

relacionado con los costos de la central,
además de ser poco escalable.
CI: Circuit Interruptor
Tipo C: Control Distribuido
En este esquema, cada unidad de la microgrid

debe responder individualmente a
requerimientos de voltaje y frecuencia. Un
controlador central puede implementarse para
enviar puntos de operación (SETPOINTS)
simplemente nominales, o comportamientos
genéricos.
En la implementación real, estos esquemas

necesitarían de interfaces electrónicas
capaces de responder con alta velocidad a
PE: Power Electronics las condiciones del entorno
CI: Circuit Interruptor
Microgrids en el Mundo
Proyecto PV-MODE+MORE en Isla Kythnos, Grecia

 Proyecto piloto en primera fase
 Electrificación de 12 viviendas
 Arreglos fotovoltaicos – 10kW
 Grupo electrógeno (diesel) – 5kVA
 Bancos de baterías
Ejemplo de microgrid implementado en Kythnos Island, Grecia, Tipo B
Proyecto ESUSCON Huatacondo, Tarapacá, Chile

 53 Viviendas
 Microgrid aislada
 Planta fotovoltaica principal
22.68[kW]
 Planta fotovoltaica pequeña
1[kW]
 Turbina eólica 3[kW]
 Grupo diesel 120[kVA]
 Sistema de almacenamiento de
Ejemplo de microgrid implementada en el
pueblo de Huatacondo en la región de
energía 30[kVA].
Tarapacá, Chile, Tipo A  Gestión basada en demanda
Hartley Bay Isle Of Eigg Bornholm Island
Santa Rita Jail Hangzhou Dianzi
Mannheim-Wallstadt
Fort Carson
Borrego Springs NY University Hachinohe
Mesa Del Sol Kythnos Island

Tecnalia
Huatacondo The Sendai Microgrid
Se ha disparado el interés en los últimos años

https://building-microgrid.lbl.gov/examples-microgrids
Proyectos Similares en Colombia
Proyecto de Poligeneración Nazareth, Guajira,

Colombia
 Ubicación: Nazareth – Guajira
 200 KW eólico; 100 KW solar; 250
KW diesel
 Eficiencia: 45% eólico y 85% solar
aproximadamente
Tecnología: Aerogenerador
monopala pivotante, altura 20
metros,
 Suministra energía eléctrica para
Ubicación del proyecto de Poligeneración las comunidades étnicas de
Nazareth en la Guajira Colombiana Nazareth y Puerto Estrella.
 2.620 millones de pesos
Parque Eólico Jepírachi
 Ubicado en Uribia, Guajira.

 15 aerogeneradores con capacidad
total de 19.5MW (1.3MW cada uno),
conectados a la red eléctrica
nacional.
 Red subterránea de 13.8kV.
 Vientos de 9.8m/s en promedio
 El parque eólico está provisto de
un sistema SCADA que monitorea de
forma remota la producción de
electricidad de cada turbina y del
Proyecto de Generación Eólica Jepírachi parque en general.
Mecanismo de Desarrollo Limpio (MDL)
 28 millones de USD
Laboratorio de Energía Solar - EPSA
 Ubicado en la terraza del  6.227 kWh/mes.

edificio EPSA-Yumbo  Cuenta con dos estaciones
 Tres tipos instalados (Silicio hidroclimatológicas Yumbo y
Monocristalino, Policristalino y Universidad Autónoma.
Silicio amorfo de capa delgada)  Verificar impacto sobre la red
Proyecto Gestión Óptima de Potencia en Microgrids
 Proponer nuevos esquemas

 Estrategias de Inteligencia Computacional de gestión de potencia.
para la gestión de potencia eléctrica en  $520´000,000
ambientes de microgrids.
 Caracterizar y modelar según potencial y
realidad energética local
El Problema de la Gestión de Energía
Cómo gestionar la energía eléctrica de la microgrid de manera ÓPTIMA ???
Sistema de Gestión de Energía – EMS
Calcular los puntos óptimos de operación (SETPOINTS)
Modelo Fuente Modelo de Modelo de

Convencional 1 Carga Fuente Verde 1
Modelo de
Modelo Fuente
Fuente No-
Convencional 2
Convencional M
EMS
Modelo de Modelo Fuente
Microgrid Convencional N
Modelo de Modelo de Modelo de Modelo de

Costos Emisiones Precios C/V Batería
Sistema de Gestión de Energía – EMS
Preguntas
48
Contenido

3. Modelado de Microgrids
Caracterización y modelado del
problema de la gestión de la potencia
eléctrica en microgrids, teniendo en
cuenta el potencial de energías
renovables en Colombia
50
Actividades
1. Identificación de topologías de microgrids
existentes y los requerimientos para su control y
gestión de potencia eléctrica.
2. Estudio de identificación de las capacidades de
energías renovables en Colombia.
3. Selección, adecuación y validación de modelos
para la simulación y control de microgrids.
Actividades
Contexto Colombiano
Región norte Zona centro y pacífico
Zona norte, centro, oriente y

pacífico Todo el territorio
Región amazónica
Región andina
Región caribe
Región insular
Región Orinoquía
Zona costera del pacífico Región Pacífica
Zonas volcánicas y termales
Contexto Colombiano
Potencial de energía solar:
Región Potencial (kWh/m²/día) En Colombia la radiación solar presenta
Guajira 6,00 muy poca variación durante el año, y
Costa Atlántica 5,00 tiene unos promedios diarios
Orinoquía 4,50 mensuales que varían de región a
Amazonía 4,25 región entre 4 kWh/m²/día y 6
Andina 4,50 kWh/m²/día.
Costa Pacífica 3,50
50
Potencia promedio (MW)
40
Bogotá
Medellín
Potencial de potencia pico instalado
30
Cali en 5 ciudades principales. Según la
20 Barranquilla UPME por cada metro cuadrado es
10
Rioacha posible instalar 160 W.
Contexto Colombiano
Potencial de energía eólica:
Rango Promedio Área Potencia

Región
(W/m²) (W/m²) Estimada (km²) (GW)
Alto de la línea, Chicamocha,
zona costera del Atlántico,
345 512 428 8.344 41,0
Guajira, región entre Boyacá y
Antioquia
Zona costera del Atlántico,
Guajira, Alto de la línea, San 512 729 621 6.818 33,5
Andrés
Guajira 729 1.000 865 2.962 14,5
Alta Guajira 1.000 1.728 1.364 2093 10,3
Proyectos eólicos de gran envergadura: Región Caribe.

Parques Eólicos Casa Eléctrica, Irrapia y Carrizal
Contexto Colombiano
Cuencas para aprovechamiento de potencial hídrico:
• Río San Juan y Patía, de la vertiente del
Pacífico con 10% del caudal promedio el
cual equivale a 66.440 m³/s.
• Ríos Magdalena, Cauca, Atrato y Bogotá de
la vertiente del Caribe con 24%.
• Ríos Orinoco, Arauca, Meta, Vichada y
Guaviare, de la vertiente de la Orinoquia
con 32%.
• Ríos Amazonas, Caquetá, Vaupés, Putumayo
de la vertiente de la Amazonia, con 34%.
Colombia cuenta con cerca de 200 PCHs de las cuales aproximadamente el 98% se encuentran
ubicadas en la zona centro del país.
Contexto Colombiano
Potencial de energía de la biomasa:
El potencial utilizable de biomasa en Colombia
es de alrededor de 489,19 PJ/año el cual se
divide en:
- Residuos agrícolas de los cultivos de palma

africana, caña de azúcar, caña panelera,
café, maíz y arroz: 312 PJ/año.
- Biomasa residual pecuaria de los sectores
bovino, porcino y avícola: 177 PJ/año.
- Residuos sólidos urbanos de centros de
abasto, plazas de mercado y poda:
0,2 PJ/año.
Contexto Colombiano
Aplicaciones de fuentes renovables de energía:
Fuente energética Potencial (MW) Observación

Solar fotovoltaica 4,5 Sistemas aislados
Solar fotovoltaica 4,5 Aplicaciones profesionales
Eólico 19,5 Parque Jepírachi
Hidráulica (PCH <10 MW) 169
Hidráulica (10 MW<PCH <20 MW) 296
Biomasa-Cogeneración 268 8 Ingenios
Total 766
Plantas hidráulicas 9.315 64%

Capacidad Instalada Plantas térmicas 4.515 31%
SIN Plantas menores - Cogeneradores 766 5%
Total 14.656 100%
Actividades
Caracterización de FCE
Generador diésel:
Consisten de un motor de
combustión interna diésel,
acoplado a un generador eléctrico.
Este tipo de generadores han sido
usados ampliamente desde hace
mucho tiempo y aún conservan
gran aceptación debido a su
confiabilidad y eficiencia. A pesar
de su conocido impacto ambiental
aún siguen utilizándose en muchos
lugares del mundo.
Caracterización de FCE
Pequeña Central Hidroeléctrica (PCH):
100,0
80,0
Potencia (Kw)
60,0
40,0
20,0
0,0
00:00 04:48 09:36 14:24 19:12 00:00
Horas
PCH 100 kW
𝑃: Potencia de salida (W)
𝑄: Caudal (m³/s)
𝐻: Carga o altura efectiva (m) 𝑃 = 𝑄𝐻𝜂𝜌𝑔
𝜂: Eficiencia de la PCH
𝜌: Densidad del agua (kg/m3) Potencia de la PCH
𝑔: Gravedad (m/s²)
Caracterización de FNCE
Generador eólico:
60
𝑉𝑟 (12 m/s) 𝑉𝑐𝑜 (20 m/s)
50
40
Potencia (kW)
30
20
10
𝑉𝑐𝑖 (3 m/s)
0
0 5 10 15 20 25
𝜌: Densidad del aire (kg/m3) Velocidad del viento (m/s)
𝑅: Radio de las aspas del aerogenerador (m) WT 50 kW

𝜂: Coeficiente de eficiencia del sistema 1 2
𝑉𝑐𝑖 : Velocidad arranque 𝜌𝜋𝑅𝑊𝑇 𝑉3𝜂
2
𝑉𝑟 : Velocidad nominal
𝑉𝑐𝑜 : Velocidad de corte Potencia de salida del aerogenerador
Generador fotovoltaico:
1,0
0,8
Irradiancia (kW/m²/día)
0,6
0,4
0,2
0,0
00:00 04:48 09:36 14:24 19:12 00:00
Horas
𝜂𝑔 : Eficiencia del generador
𝑁𝑃𝑉 : Número de módulos del sistema 𝑃𝑃𝑉 = 𝜂𝑔 𝑁𝑃𝑉 𝐴𝑚 𝐺𝑡
𝐴𝑚 : Área de un módulo (m²)
𝐺𝑡 : Irradiancia global incidente (kW/m²)
Potencia de salida del sistema PV
Celdas de combustibles:
Las celdas de combustible son
estructuras de funcionamiento
electroquímico capaces de suministrar
energía a través de la conversión de
algún tipo de gas combustible en
presencia de oxígeno. Dentro de sus
principales ventajas se encuentran:
• El proceso de producción de energía sólo

arroja agua como residuo.
• La eficiencia es alta y puede ir del 50-60%
en algunos casos.
• Puede ser instalada muy cerca del lugar de
consumo de la potencia generada.
Micro turbina a biogás:
Las micro turbinas MT son
consideradas pequeñas turbinas que
pueden funcionar con biogás a altas
velocidades. Sus características más
atractivas son:
• Bajo costo de inversión.

• Buena eficiencia (15-17%).
• Bajas emisiones (<10ppm para NOx).
• Permite ubicarse cerca a los centros de
consumo.
• Sus rangos de servicio están en el orden
de 25 hasta 150 kW.
Caracterización del sistema de almacenamiento
Baterías:
𝐸𝑙𝑜𝑎𝑑 (𝑡) + 𝐸𝑔𝑟𝑖𝑑 (𝑡
𝐶𝑏𝑎𝑡 (𝑡) = 𝐶𝑏𝑎𝑡 (𝑡 − 1)(1 − 𝜍) − − (𝐸𝑃𝑉 (𝑡) + 𝐸𝑊𝑇 (𝑡) + 𝐸𝑆𝐻𝑃 (𝑡) 𝜂𝑏𝑎𝑡
𝜂𝑖𝑛𝑣
𝐸𝑙𝑜𝑎𝑑 (𝑡) + 𝐸𝑔𝑟𝑖𝑑 (𝑡

𝐶𝑏𝑎𝑡 (𝑡) = 𝐶𝑏𝑎𝑡 (𝑡 − 1)(1 − 𝜍) − 𝐸𝑃𝑉 (𝑡) + 𝐸𝑊𝑇 (𝑡) + 𝐸𝑆𝐻𝑃 (𝑡)) − 𝜂𝑏𝑎𝑡
𝜂𝑖𝑛𝑣
Costos de las tecnologías
La aplicación de cada una de las fuentes de energías

renovables mencionadas anteriormente, en proyectos
tecnológicos que buscan aumentar la capacidad de
energía eléctrica de un país, tiene implícito un sin
número de costos, los cuales pueden llegar a ser
determinantes para la acogida de este tipo de
tecnologías.
Sistemas eólicos:
2500 16
Costo de generación [cU$/kWh]

Costo de inversión [U$/kW]
2000 12
1500 8
1000
4
500
0
0 100kW 10MW 100MW
100kW 10MW 100MW Costo nivelado de inversión Costos fijos de O&M
Equipos Obras civiles Ingeniería Instalación Imprevistos Costos variables de O&M Costos de combustible
Costos de inversión Costos de generación
Rango Internacional: 1500 - 2000 U$/kW
Sistemas fotovoltaicos:
6000 50

5000 40
4000 30
3000 20
2000
10
1000
0
0 25kW 5MW
25 kW 5 MW
Costo nivelado de inversión Costos fijos de O&M
Equipos Obras civiles Ingeniería Instalación Imprevistos Costos variables de O&M Costos de combustible
PCHs:
2000 12

10
1600
8
1200 6
800 4
2
400
0
0 100kW 5MW
100kW 5MW Costo nivelado de inversión Costos fijos de O&M
Equipos Obras civiles Ingeniería Instalación Costos variables de O&M Costos de combustible
Biomasa:

4000 10
Costos de inversión [U$/kW]
9
3500 8
3000 7
6
2500
5
2000 4
1500 3
2
1000 1
500 0
60kW (Biogas 100kW 5MW (Biogas 20MW 50MW
0
de residuos (Gasificación de residuos (Gasificación (Biomasa)
60kW (Biogas 100kW 5MW (Biogas 20MW 50MW
agropecurios) con biomasa) orgánicos) con biomasa)
de residuos (Gasificación de residuos (Gasificación (Biomasa)
agropecuarios) con biomasa) orgánicos) con biomasa)
Costo nivelado de inversión Costos fijos de O&M
Equipos Obras civiles Ingeniería Construcción Imprevistos Costos variables de O&M Costos de combustible
Costos de proyectos de FNCER (Latinoamérica)
Año Nombre del Proyecto Localización Capacidad Costo (US$/kW)

Proyecto Solar Fotovoltaico La Jacinta y San
2013-2014 Uruguay 60 MW 2500
Javier
2014 Proyecto Solar Fotovoltaico Crucero Chile 71,2 MW 2840
2013-2014 Proyecto Eólico Valentines Uruguay 70 MW 1820
2013 Proyecto Eólico Marcona y Tres Hermanas Perú 122 MW 2600
2015 Proyecto Eólico Colonia Arias Uruguay 70 MW 2400
2013 Proyecto Eólico Carape Uruguay 90 MW 2450
2014 Proyecto Solar Fotovoltaico Arica 1 Chile 44,6 MW 2300
Modelo de optimización
Modelo de Optimización:
• Costos de combustible: generador diésel

• Costos de combustibles: micro turbina a biogás
• Costos de mantenimiento y operación
• Costos externos y factores de emisión
• Costos de Importación de Energía
• Ingresos por exportación
• Modelo final de costos
• Modelo final de emisiones
• Costo de combustible para el generador diésel
𝑁
2
𝐹𝐷𝐺,𝑖 = 𝑎𝑖 + 𝑏𝑖 𝑃𝐷𝐺,𝑖 + 𝑐𝑖 𝑃𝐷𝐺,𝑖 𝐹𝐷𝐺,𝑖 : Consumo total de combustible
𝑖=1 𝑎𝑖 , 𝑏𝑖 y 𝑎𝑖 : Coeficientes característicos del generador
𝑃𝐷𝐺,𝑖 : Salida de potencia del generador i (kW)
−4
a = 17,6 b = 0,18 c = 8 x 10
𝑁: Número de generadores diésel
Coeficientes de costos para un generador
diésel de 500 kW
0,16 40%
Consumo de Combustible (m³/h)
0,12 Gen. Diésel

500 kW 35%
Eficiencia
0,08
30%
0,04
0,00 25%
0 200 400 600 100 200 300 400 500
Potencia de salida (kW) Potencia de salida (kW)
• Costo de combustible para la micro turbina a biogás
𝐶𝑀𝑇 : Costo de combustible del generador de micro turbina

1 𝑃𝐽 𝐶: Precio del biogás suministrado a la MT
𝐶𝑀𝑇 =𝐶 𝑃𝐽 :
𝐿𝐻𝑉 𝜂𝑙𝐽 Salida de potencia producida en el intervalo J
𝑖=1 𝜂𝑙𝐽 : Eficiencia del intervalo J
𝐿𝐻𝑉 = 21000 𝑘𝐽/𝑚³

30%
0,60
25%
M. Turbina
0,40
Eficiencia
biogás 65 kW
20%
0,20
15%
0,00 10%
0 20 40 60 0 20 40 60
• Costo de combustible para el generador celda de combustible
𝐶𝐹𝐶 : Costo de combustible del generador de celda de combustible

1 𝑃𝐽 𝐶: Precio del gas natural suministrado a la FC
𝐶𝐹𝐶 =𝐶
𝐿𝐻𝑉 𝜂𝑙𝐽 𝑃𝐽 : Salida de potencia producida en el intervalo J
𝑖=1
𝜂𝑙𝐽 : Eficiencia del intervalo J
𝐿𝐻𝑉 = 37300 𝑘𝐽/𝑚³

2,00 38,0%
1,60
36,0%
Celda de
Eficiencia
1,20 Combustible
400 kW 34,0%
0,80
32,0%
0,40
0,00 30,0%
0 100 200 300 400 0 100 200 300 400
• Costo de operación y mantenimiento
𝑁 𝑂𝑀𝑖 : Costo de operación y mantenimiento
𝑂𝑀𝑖 = 𝑘𝑂𝑀 𝑃𝑖 𝑘𝑂𝑀 : Constantes de OM ($/kWh)

𝑖=1 𝑃𝑖 : Potencia del generador i
𝑁: Número de generadores distribuidos
Generador Diésel Micro turbina a biogás Celda de Combustible

kOM [$/kWh] 0,023 – 0,025 0,013 0,036 – 0,045
Constantes de costos para la operación y mantenimiento
• Costo de impacto ambiental y factores de emisión
𝐸𝐶: Costo de impacto ambiental asociados a las emisiones ($/h)

𝑁 𝑀 𝑃𝑖 : Potencia de salida
𝐸𝐶 = 𝛼𝑗 (𝐸𝐹𝑖𝑗 𝑃𝑖 ) α𝑗 : Costo externo para la emisión tipo j
𝑖=1 𝑗=1 𝑀: Tipo de emisión (𝑁𝑂𝑥 , 𝑆𝑂𝑥 y 𝐶𝑂2 )
𝑁: Número de unidades de generación que emiten gases
Coeficiente de Factores de Factores de Factores de

Tipo de emisión impacto ambiental emisión para DG emisión para FC emisión para MT
[$/kg] [kg/kWh] [kg/kWh] [kg/kWh]
NOx 4,20 0,021800 0,000030 0,000440
SOx 0,99 0,000454 0,000006 0,000008
CO2 0,014 0,001432 0,001078 0,001596
Coeficientes de impacto ambiental y factores de emisión
• Costo de importación de energía
𝐶𝐸𝐼: Costo de la energía importada de la red principal ($/h)

𝐶𝐸𝐼 = 𝐺𝐶𝑡 (𝑃𝐷𝑡 ) 𝐺𝐶𝑡 : Tarifa de compra de energía a la red en el intervalo t
𝑃𝐷𝑡 : Cantidad de potencia deficitaria del intervalo t
400 $/kWh
• Costo de exportación de energía
𝐶𝐸𝐸: Valor de venta de la energía exportada a la red principal ($/h)
𝐶𝐸𝐸 = 𝐺𝑉𝑡 (𝑃𝑆𝑡 ) 𝐺𝑉𝑡 : Tarifa de venta de energía a la red en el intervalo t
𝑃𝑆𝑡 : Cantidad de potencia de superávit del intervalo t
Generación
50% de CEI
Transmisión
• Función Objetivo 1: modelo final de costos
Operación y
Mantenimiento Exportación
Combustible Importación Impacto ambiental y

factores de emisión
𝐶𝐹(𝑃): Costo de operación de la microgrid ($/h)

𝐶𝑖 : Costo de combustible del generador i
𝐹𝑖 (𝑃𝑖 ): Tasa de consumo de combustible del generador i
𝑂𝑀𝑖 (𝑃𝑖 ): Costo de operación y mantenimiento del generador i
α𝑘 : Costo debido al impacto ambiental para la emisión tipo k
𝐸𝐹𝑗𝑘 : Factor de emisión tipo k en la unidad j
𝑀: Tipo de emisión (𝑁𝑂𝑥 , 𝑆𝑂𝑥 y 𝐶𝑂2 )
𝑁: Número de generadores distribuidos
• Función Objetivo 2: modelo final de emisiones
𝑁
𝐸(𝑃𝑖 ) = 10−2 (𝛼𝑖 + 𝛽𝑖 𝑃𝑖 + 𝛾𝑖 𝑃𝑖2 ) + 𝜁𝑖 exp(𝜆𝑖 𝑃𝑖

𝑖=1
𝐸(𝑃𝑖 ): Cantidad de emisión (𝑁𝑂𝑥 , 𝑆𝑂𝑥 y 𝐶𝑂2 ), kg/h

𝛼𝑖 , 𝛽𝑖 , 𝛾𝑖 , 𝜁𝑖 , 𝜆𝑖 : Coeficientes no negativos de las características de emisiones del generador i-ésimo
Tecnología 𝛼 𝛽 𝛾 𝜁 𝜆
DG/GRID 0,2046 2,3500 0,0001 1𝑥10−5 0,0100
MT 0,0820 0,2000 1𝑥10−5 0,0001 0,0061
FC 0,1530 0,1050 1𝑥10−5 0,0009 0,0070
Coeficientes de las Características de Emisión para las Tecnologías DER
• Restricción 1: potencia máxima
𝑃𝑖min ≤ 𝑃𝑖 ≤ 𝑃𝑖𝑚á𝑥 , ∀𝑖 = 1, 2, . . . , 𝑁
Tecnología DER 𝑷𝒎𝒊𝒏

𝒊 [%𝑷𝒇𝒖𝒍𝒍 𝑷𝒎á𝒙
𝒊 [%𝑷𝒇𝒖𝒍𝒍
DG 0 100
MT 0 100
FC 0 100
• Restricción 2: balance de potencia
𝑁 𝑁
𝑃𝑖 = 𝑃𝐿 − 𝑃𝑃𝑉 − 𝑃𝑊𝑇 − 𝑃𝑃𝐶𝐻 − 𝑃𝐷𝑆 𝑃𝑖 = 𝑃𝐿 − 𝑃𝑃𝑉 − 𝑃𝑊𝑇 − 𝑃𝑃𝐶𝐻 − 𝑃𝐷𝑆 − 𝑃𝐺

𝑖=1 𝑖=1
Modo de operación aislado Modo de operación conectado
𝑁
𝑖=1 𝑃𝑖 : Suma total de potencia generada por los DER (no FNCE)
𝑃𝐿 : Potencia de la carga
𝑃𝑃𝑉 : Potencia del arreglo fotovoltaico PV
𝑃𝑊𝑇 : Potencia del aerogenerador WT
𝑃𝑃𝐶𝐻 : Potencia de la pequeña central hidroeléctrica PCH
𝑃𝐷𝑆 : Potencia del sistema de almacenamiento
𝑃𝐺 : Potencia deficitaria importada de la red
Estructura de la microgrid:
SIN
Sistema Fotovoltaico (PV)

N1 Sistema eólico (WT)
Sistema de almacenamiento de energía (DS)
TR2 PCH_1 Generador a Biogas (BG)
L1 Generador diésel (DG)
Pequeña Central Hidroeléctrica (PCH)
TR1 N3b N3a
Carga (C)
Transformador (TR)
N2
Línea (L)
Nodo (N)
Sistema Interconectado Nacional (SIN)
TR3 TR4 TR5 TR6
L10
N4 N8 N10 N12
L7
N16 34,5 kV
L2
L5 L6
N13
13,2 kV
N5 TR7 TR8
G
L3
C1
C6 L8
BG_1
0,22 kV
N14 N18
N9 N11
N6 N17
L4 C7 L9 G
C2 PE1 PE2 PE3
BG_2
N7 N15
AC
G AC
WT_1
C3 C4 DG_1 C5 C8 G E
PV_1 BG_3 PV_2 DS_1
Modelos de microgrids para Colombia
SIN
Perfil de voltaje nodos de 220 V
220,0
N1
210,0
Voltaje (V)
TR2 PCH_1
L1
200,0
TR1 N3b N3a
190,0
N2
180,0
00:00 04:48 09:36 14:24 19:12 00:00
TR3 TR4 TR5 TR6 Horas
L10
N4 N8 N10 N12
N5 N6 N7 N9 N11
N16
L7
L2 N13 N14 N15 N17
N13
L5 L6
N5 TR7 TR8
C6 L8 G
L3
C1
N9 N11
N14
BG_1 N18 Pérdidas máximas de
N6 N17
L9 G potencia en la red
L4 C7
C2 PE1 PE2 PE3
BG_2
P = 79,3 kW
N7 N15
AC
G AC
WT_1
C3 C4 DG_1 C5 C8 G E
PV_1 BG_3 PV_2 DS_1 Q = 77,1 kvar
Aplicación de Topologías
SIN
Perfil de voltaje nodos de 220 V
230
N1
220
Voltaje (V)
TR2 PCH_1
210
L1
TR1 N3b N3a 200
190
N2
180
TR3 TR4 TR5 TR6
00:00 04:48 09:36 14:24 19:12 00:00
L10 Horas
N4 N8 N10 N12
L7
N16 N5 N6 N7 N9 N11
L2
N13 N13 N14 N15 N17
L5 L6
N5 TR7 TR8
C6 L8 G
L3
C1 BG_1 N18
N14
N6
N9 N11
N17 Pérdidas máximas de
L4 C7 L9 G potencia en la red
C2 PE1 PE2 PE3
BG_2
N7 N15
G WT_1
C3
AC
C4 DG_1 C5 C8 G
AC
E P = 66,8 kW
PV_1 BG_3 PV_2 DS_1
Q = 67,1 kvar
Resultados de NEPLAN
Sin FNCE y DER Con FNCE y DER

Voltaje Voltaje 220
Nodo (kV) V% (kV) V% 215
N5 206,6 93,9% 213,0 96,80% 210
Voltaje (V)
205
N6 201,4 91,5% 207,6 94,37% 200
N7 193,5 88,0% 199,5 90,69% 195
190
N9 203,5 92,5% 208,9 94,97%
185
N11 209,7 95,3% 216,2 98,25% 180
N5 N6 N7 N9 N11 N13 N14 N15 N17
N13 210,7 95,8% 217,1 98,69%
Nodos
N14 209,2 95,1% 215,6 98,02%
N15 207,5 94,3% 214,9 97,68% Sin FNCE y DER Con FNCE y DER
N17 214,0 97,3% 219,3 99,70%
Reducción en 16% de las pérdidas Reducción en 13% de las pérdidas

de potencia activa de potencia reactiva
Preguntas
88
Contenido

Gestión de Energía en Microgrids
1. Introducción a la Optimización Multiobjetivo – MO

2. Técnicas Inteligentes de MO
3. Software UV-EMS-v2.0
4. Resultados Obtenidos
5. Proyectos Futuros
6. Preguntas y Respuestas
7. Fin
Optimización
Concepto de Optimización
Optimización
Valor Óptimo = ?
Ejemplo de Optimización
Optimización
Valor Óptimo = -5
Optimización
Valor Óptimo = -5
Para:
Optimización
Valor Óptimo = -5
Para:
Optimización
Función en Tres Dimensiones

Optimización
Función Multimodal
Optimización
Métodos de Gradiente Descendente

Optimización
Función Multimodal
Optimización Multiobjetivo – MO
Minimizar costos de operación Minimizar impacto ambiental
Objetivos Competitivos entre sí sobre Restricciones de Operación
Optimización
Función Objetivo 1 Función Objetivo 2
Optimización Multiobjetivo añade Complejidad al Problema
Frontera de Pareto
En este caso se
busca maximizar
los objetivos !!
Frontera de Pareto
Frontera de Pareto
Optimización
1. Variable de Decisión:
- Potencia Eléctrica, vector P (kW), de longitud n.
2. Funciones Objetivo:
- Costos de Operación ($/h) y Emisiones (kg/h).
3. Restricciones:
- Balance de Potencia
- Potencia Mínima y Máxima en los DER
EMS calcula y entrega Setpoints
Optimización
Multiobjetivo
Emisiones Costos
Utilidades Conservación
Gestión de Energía Eléctrica Basada en Inteligencia Computacional
Redes Neuronales Sistemas Inmunes

Artificiales Sistemas Difusos
Artificiales
Computación Inteligencia de
Otros Métodos
Evolutiva Enjambres
Redes Neuronales Sistemas Inmunes

Artificiales Sistemas Difusos
Artificiales
Computación Inteligencia de
Otros Métodos
Evolutiva Enjambres
Computación Evolutiva
Inteligencia de Enjambres
Técnicas Inteligentes de MO
Computación Evolutiva Inteligencia de Enjambres
MOGA MOPSO
Multi-Objective Genetic Algorithm Multi-Objective Particle Swarm Optimization
NSGAII MOPSO-fs
Non-dominated Sorting Genetic Algorithm MOPSO Fitness Sharing
CE-NSGAII MOPSO-PCCS
Controlled Elitist NSGAII MOPSO Parallel Cells Coordinated System
SPEA2 MOPSO-SRD
Strenght Pareto Evolutionary Algorithm MOPSO Square Root Distance
…
…
Software UV-EMS-v2.0
Resultados de la GPMG
Comparación del promedio de costos por algoritmo
Comparación del promedio de emisiones por algoritmo
Comparación de la distribución de energía promedio
Performance Index MOGA NSGAII SPEA2 IMOPSO
Total cost av. [$] 443.13 482.23 436.55 395.61

Total emission av. [kg] 33,536.54 36,338.02 35,340.94 35,325.87
Runtime average [s] 22.40 30.27 107.75 164.45
Coefficient of variation 1.48% 1.59% 2.28% 1.99%
Índices de desempeño por algoritmo
Non-Domination Coefficient of
Study
Average Variation
MOGA vs NSGAII 0.78608 5.49368%

NSGAII vs MOGA 0.00008 200.02899%
MOGA vs SPEA2 0.00542 42.49079%
SPEA2 vs MOGA 0.70984 5.48675%
MOGA vs IMOPSO 0.01317 22.51955%
IMOPSO vs MOGA 0.69646 3.41146%
NSGAII vs SPEA2 0.00000 0.00000%
SPEA2 vs NSGAII 0.84629 4.23911%
NSGAII vs IMOPSO 0.00004 300.00000%
IMOPSO vs NSGAII 0.84242 3.99599%
SPEA2 vs IMOPSO 0.07438 8.64725%
IMOPSO vs SPEA2 0.52496 1.60025%
Estudio de No-Dominancia promedio
Proyectos Futuros
Posibles proyectos:
o Utilizar nuevos algoritmos de optimización multiobjetivo o

modificar los utilizados en este trabajo para obtener mejores
resultados en modo aislado.
o Adaptar los algoritmos para trabajar con un número mayor de

funciones objetivos que amplíen el escenario de optimización.
o Proponer la arquitectura de un Sistema de Soporte a

Decisiones que permita elegir los estados de operación de la
microgrid, considerando la incertidumbre y las alternativas de
optimización.
Proyectos Futuros
Convocatoria 715 para proyectos de investigación y

desarrollo en ingenierías – 2015
Una propuesta de sistema integral de gestión óptima de la

energía eléctrica en ambientes aislados y conectados de
micro-red, para apoyar las decisiones del operador de la
micro-red ante escenarios de incertidumbre, con base en
optimización multiobjetivo y evaluación multicriterio.
Proyectos Futuros
Objetivo general
Proponer un sistema de gestión de energía eléctrica en

ambientes aislados y conectados de micro-red, basado en
la optimización multiobjetivo de índices globales de
desempeño, el cual apoye las decisiones del operador de la
micro-red, desde una evaluación multicriterio y ante
escenarios de incertidumbre.
Proyectos Futuros
 Realizar un estudio de los modelos de micro-redes, de los sistemas
para la gestión de su energía eléctrica y de las técnicas de
optimización multiobjetivo disponibles.
 Proponer un modelo específico de micro-red aplicable al Valle del
Cauca y los ambientes de prueba relacionados.
 Proponer un esquema de apoyo a las decisiones del operador de la
micro-red, en la elección del núcleo de optimización multiobjetivo
de índices globales de desempeño en ambientes de micro-red, el
cual asista la elección de la técnica más adecuada.
Proyectos Futuros
 Proponer un esquema de gestión de escenarios de incertidumbre en
ambientes de micro-red, basado en pronósticos de variables de su
operación.
 Proponer un esquema de apoyo a las decisiones del operador de la
micro-red, en la elección del punto de operación, en ambientes de
micro-red, el cual asista la elección del punto de operación, a partir
de una evaluación multicriterio.
 Implementar el sistema de gestión óptima de energía eléctrica, el
cual que integre los esquemas propuestos, y validarlo a través de un
estudio de desempeño aplicado al modelo de micro-red, en los
ambientes seleccionados.
e-mail para enviar Encuesta
Las Micro-Redes Eléctricas en
Colombia
124
Preguntas
125
Muchas Gracias

GPM GestiónEnergíaMG 27

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

GPM GestiónEnergíaMG 27

Cargado por

Copyright:

Formatos disponibles

Gestión Óptima de la Energía

Universidad del Valle, Colciencias

1. Presentación del Curso

Marco de Desarrollo (proyecto)

Estrategias basadas en inteligencia

Introducir y conceptualizar las tendencias

1. Introducir la problemática de las redes

2. Presentar el concepto de microgrid y su

3. Hacer un reconocimiento del problema de

2. Presentar el concepto de microgrid y su

3. Hacer un reconocimiento del problema de

4. Dar a conocer los enfoques de solución

5. Recoger las impresiones e inquietudes de

4. Dar a conocer los enfoques de solución

5. Recoger las impresiones e inquietudes de

El curso estará dividido en tres sesiones o módulos los

Las exposiciones estarán acompañadas por

..\0. Tabla de Contenido\GPM-CursoEPSA-TablaContenido_v3.pdf

1. Presentación del Curso

1. Introducción a las Powergrids y Smartgrids

Red Eléctrica Tradicional o Powergrid

Red Eléctrica Tradicional o Powergrid

Red Eléctrica Tradicional o Powergrid

Red Eléctrica Tradicional o Powergrid

Red Eléctrica Tradicional o Powergrid

Red Eléctrica Tradicional o Powergrid

Red Eléctrica Tradicional o Powergrid

Smart Power Grid

Smart Power Grid

Smart Power Grid

Smart Power Grid

Smart Power Grid

Características deseables en Smartgrid

 Toma de decisiones a nivel local (distribuidas)

Internet inspira la arquitectura de Smartgrid

Se pueden considerar tres tipos básicos de

Tipo A: Fuerza Electromotriz Virtual

Este esquema ofrece una visión en

El desafío tecnológico que subyace a

Tipo B: Fuerza Electromotriz Física

Una gran central capaz de generar y

El desafío de esta implementación está

Tipo C: Control Distribuido

En este esquema, cada unidad de la microgrid

En la implementación real, estos esquemas

Proyecto PV-MODE+MORE en Isla Kythnos, Grecia

Ejemplo de microgrid implementado en Kythnos Island, Grecia, Tipo B

Proyecto ESUSCON Huatacondo, Tarapacá, Chile

Mesa Del Sol Kythnos Island

Huatacondo The Sendai Microgrid

Se ha disparado el interés en los últimos años

Proyecto de Poligeneración Nazareth, Guajira,

Parque Eólico Jepírachi

 Ubicado en Uribia, Guajira.

Laboratorio de Energía Solar - EPSA

 Ubicado en la terraza del  6.227 kWh/mes.

Proyecto Gestión Óptima de Potencia en Microgrids

 Proponer nuevos esquemas

Cómo gestionar la energía eléctrica de la microgrid de manera ÓPTIMA ???

Sistema de Gestión de Energía – EMS

Calcular los puntos óptimos de operación (SETPOINTS)

Modelo Fuente Modelo de Modelo de

Modelo de Modelo de Modelo de Modelo de