Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Controlador de Carga de Baterias Con Respaldo
Controlador de Carga de Baterias Con Respaldo
net/publication/318284424
CITATIONS READS
0 984
6 authors, including:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Martin P. Marietta on 08 July 2017.
unidades controlables.
Resumen—Este trabajo sugiere un procedimiento de Sin embargo, los programas de optimización no suelen tener
integración de un algoritmo de gestión de carga multi-etapas para en cuenta las limitaciones impuestas por los procesos de carga
una batería de plomo-ácido con una estrategia de control
y descarga del almacenamiento (p. ej. banco de baterías) para
predictivo basada en la minimización de una función de coste de
operación de una microred. Este enfoque se basa en una la preservación de su vida útil. La razón principal por la que
adaptación del modelo de optimización para incorporar etapas de estos procesos no se incluyen dentro de los modelos de
absorción y flotación después de una primera etapa de carga a optimización es su elevada complejidad. Del mismo modo, los
máxima corriente. Los requerimientos de dichas etapas se modos de carga de los convertidores bi-direccionales o
procesan independientemente del programa de optimización para cargadores de baterías (BC) con que operan frecuentemente
reducir tanto la complejidad computacional como los problemas
estos equipos no son modelados dentro de los programas de
de convergencia del primero. Los resultados las simulaciones han
confirmado la viabilidad de este procedimiento a expensas de un optimización.
ligero aumento de la función de coste que es asumible en vistas de Este trabajo tiene como objetivo integrar los procesos de
la preservación de la vida útil de la batería. carga / descarga de la batería y su gestión a un problema de
optimización sin dificultar su resolución. Por un lado, el
Palabras clave— gestión energética, microredes, optimización, enfoque se basa en la adaptación del programa de
carga multi-etapas, batería plomo-ácido. optimización para tener en cuenta dichos procesos y por otro
lado, se incluye un algoritmo ESS que es calculado
I. INTRODUCCIÓN
separadamente del programa de optimización y que contempla
Este trabajo forma parte del proyecto MED-Solar [1], cuyo los modos de operación del BC de acuerdo con un modelo de
objetivo es reducir el consumo de combustible de los batería de Pb-ácido. Vale la pena señalar que este enfoque
generadores diesel de respaldo de una instalación en la zona de introduce un ligero incremento en la función de coste de
Machrek, donde la red eléctrica se encuentra severamente operación diario de la instalación.
afectada por frecuentes cortes de suministro. Dicho proyecto La organización del trabajo es la siguiente: La Sección II
propone la construcción de una microred (MR), integrando la describe la configuración de la MR y detalla el funcionamiento
generación solar fotovoltaica (FV) y los sistemas de del EMS para la programación energética horaria de los
almacenamiento de energía (ESS) a las instalaciones pre- dispositivos. La sección III plantea la problemática de la
existentes compuestas por grupos electrógenos y la conexión a integración de un ESS en la gestión predictiva de una MR, la
la red eléctrica [2]. Sección IV describe algunas características de control en línea
Dentro de este marco, se hace necesario sistema de gestión de los BC comerciales y sus modos de operación. La
de la energía (EMS) para programar adecuadamente el balance integración de un algoritmo ESS al programa de optimización
energético de los elementos del sistema con el fin de satisfacer se presentan en la Sección V mientras que la Sección VI
la demanda a un coste mínimo. Generalmente, el diseño del presenta los resultados de algunas simulaciones sobre un caso
EMS incorpora modelos que se formulan como problemas de de estudio. Finalmente, la Sección VII detalla las conclusiones
optimización y cuya resolución se determina numéricamente de este trabajo.
mediante entornos computacionales como GAMS [3] y
AIMMS [4]. Como resultado, el EMS proporciona a los II. CONFIGURACIÓN DE LA MR Y FUNCIONAMIENTO DEL EMS
dispositivos controlables de la MR órdenes basadas en los
La configuración de la MR (propuesta en [5]) se muestra en
perfiles de energía de los distintos dispositivos que minimizan
la Fig. 1 e incluye: un generador diesel y su unidad de control,
una función de coste de operación (función objetivo). Estas
un generador FV y sus inversores, un banco de baterías de Pb-
órdenes, que forman parte del nivel jerárquico de control más
ácido (de placa tubular inundada) y un BC para gestionar la
alto de la MR y se dan generalmente en escalas temporales
energía almacenada. La MR también incluye cargas críticas y
horarias y minutales, fijan las referencias de potencia de las
Fig. 2. Entradas y salidas de un programa de optimización
(b)
Fig. 5. Perfil de intercambio energético (a) Sin modificaciones (no adaptado)
(b) Perfil adaptado de la batería (PIEAB)
t 24
al PIEAB (a) Intercambio energético de la batería (b) Tensión en la celda (c)
Coste diario = [Coste diésel(t) + Coste de red(t) +
Corriente de la batería (d) SOC de la batería t t1
Coste penalización cargas(t) - Ingreso de red(t)].
las cuatro horas disponibles en color gris). De 16:00 a 22:00 y
luego de 23:00 a 24:00, el algoritmo propone una etapa de Donde t = t1, t2, ..., t24 son los intervalos horarios y:
flotación, cumpliendo así las condiciones propuestas para la --Coste diesel(t) es el coste de operación del generador
protección de la batería. Por último, el balance energético final diesel, teniendo en cuenta un coste unitario de 1,15 € / l.
indica una necesidad energética adicional de 0.817 kWh. --Coste de red(t) es el costo horario de compra de energía
La programación de los dispositivos de la MR antes y de la red. En las simulaciones se ha supuesto una tarifa con
después de la aplicación del algoritmo ESS se muestra en las discriminación horaria: 0.056 €/kWh de 02:00 a 07:00, 0.153
Figs. 7(a) y 7(b) respectivamente. Puede apreciarse en el €/kWh de 00:00 a 01:00 y de 08: 00 a 13:00 y 0.219 €/kWh)
detalle de la zona ampliada de la Fig. 7(b) que la energía de 14:00 a 23:00.
aportada por la MR para la etapa de absorción (0,999 kWh) --Coste penalización cargas(t) es el costo de penalización
sería suministrada por la red principal, modificando levemente por el no suministro de energía a las cargas no críticas. Se ha
su perfil horario respecto al de la Fig. 7(a). supuesto un valor de 100 € por kWh no suministrado.
Por último, ha de tenerse presente que una vez resuelto el --Ingreso de red(t) es el ingreso monetario por la venta de
segundo problema de optimización (MRE), sería posible energía a la red (0.020 €/kWh).
configurar el BC comercial en línea (p. ej. a las 00:00 se inicia Los resultados señalan que el coste de operación en el Caso
el proceso de carga y los set-points para el BC serían: SOC a) es de 52.34 €/día, mientras que en el Caso b) es de 52.59
final de carga bulk=0.775 y tiempo de absorción: 4 hs). €/día, lo que supone un incremento del 0,5% del costo diario.
Se hace evidente que la inclusión de la energía extra para la Los modelos de optimización fueron formulados como
carga de la batería afectará el coste total de operación diaria de problemas de programación entera y mixta (MILP) y resueltos
la instalación. Para cuantificar el incremento se realiza una utilizando el solver CPLEX 12.5.0.0 [21] incluido en GAMS
segunda simulación considerando la misma función objetivo mientras que el algoritmo ESS se computó en
en dos casos: MATLAB R2016b [22], ambos utilizando un ordenador
--Caso a: EMS con un programa de optimización en el que personal (Intel Core i7-5500U , 3.0 GHz, 8 GB de RAM,
no se ha tenido en cuenta el procedimiento de adición de Windows 10 de 64 bits). El tiempo total de cálculo del caso b)
intervalos después de la carga bulk. fue de 20 s, valor mucho menor a la longitud del intervalo
horario y por lo tanto asumible en una operatoria en tiempo
--Caso b: EMS con la propuesta detallada en este trabajo
real.
View publication stats
REFERENCIAS
[1] Universitat Politècnica de Catalunya - Barcelona Tech (UPC), “Energy
Campus. MED-Solar project,” UPC, [Online]. Available:
https://campusenergia.upc.edu/en/news/med-solar-more-than-one-year-
of-project. [Accessed 22 December 2016].
[2] G. Velasco and F. Guinjoan, “WP5.3 - Benchmarking of R&D Needs
version 1.0,” 2014. Internal report.
[3] GAMS Development Corporation, [Online]. Available:
http://www.gams.com/. [Last access: 14 May 2016].
[4] AIMMS B.V., «AIMMS,» 2015. [En línea]. Available:
http://www.aimms.com/. [Último acceso: 19 Mayo 2015].
[5] M. Marietta, F. Guinjoan, G. Velasco, R. Pique and D. Arcos-Aviles,
“Analysis of a strategy of predictive control based on time scales for the
management of a connected microgrid,” in 23th Annual Seminar on
Automation, Industrial Electronics and Instrumentation (SAAEI 2016),
Elche - Spain, 2016.
(a)
[6] R. Palma-Behnke, C. Benavides, F. Lanas, B. Severino, L. Reyes, J.
Llanos and D. Sáez, “A Microgrid Energy Management System Based
on the Rolling Horizon Strategy,” IEEE Transactions on Smart Grid,
vol. 4, no. 2, pp. 996-1006, 22 January 2013.
[7] M. P. Marietta, M. Graells and J. M. Guerrero, “A Rolling Horizon
Rescheduling Strategy for Flexible Energy in a Microgrid,” in 2014
IEEE International Energy Conference (ENERGYCON), Cavtat, 2014.
[8] “Victron Energy B.V.,” April 2016. [Online]. Available:
https://www.victronenergy.com.es/upload/documents/Manual-
Stationary-batteries-EN.pdf.
[9] “Victron Energy B.V.,” July 2016. [Online]. Available: https://www.
victronenergy.com/upload/documents/Manual-Quattro-5k-8k-10k-100-
100A-230V-(firmware-xxxx4xx)a-EN-NL-FR-DE-ES-SE.pdf.
[10] Matthijs Vader, “Victron Energy B.V.,” [Online]. Available:
https://www.victronenergy.com/upload/documents/Whitepaper-Data-
communication -with-Victron-Energy-products_EN.pdf.
(b) [11] N. Achaibou, M. Haddadi and A. Malek, “Modeling of lead acid
Fig. 7. Programación horaria de todas las unidades de la MR antes (a) y batteries in PV systems,” Energy Procedia 18, pp. 538-544, 2012.
después (b) de la aplicación del algoritmo ESS al PIEAB [12] R. Vader, “Victron Energy B.V.,” June 2011. [Online]. Available:
https://www.victronenergy. com.es/upload/documents/Book-Energy-
Unlimited-EN.pdf. [Accessed 03 November 2016].
VII. CONCLUSIONES [13] GERMANOS S.A., «Sunlight OPzS Battery 2V 15 OPzS 1875 Ah,» [En
En este artículo se ha sugerido un procedimiento para línea]. Available: www.sunlight.gr. [Último acceso: Noviembre 2016].
integrar un algoritmo de gestión de una batería de Pb- ácido de [14] Exide Technologies GmbH, «GNB Industrial Power,» 2016. [En línea].
Available: http://www.gnb-nordic.com/en/network/technology/open-
un BC comercial a la gestión predictiva de una MR. Este freely-ventilated-batteries/. [Último acceso: Enero 2017].
problema de gestión se plantea como un programa de [15] “Victron Energy B.V.,” April 2016. [Online]. Available:
optimización y su objetivo minimizar el costo de operación la https://www.victronenergy.com.es/upload/documents/Manual-
Stationary-batteries-EN.pdf.
instalación. Este enfoque se basa en una adaptación del
[16] Victron Energy B.V., «Manual Quattro 5000 120-240V Revision 02,»
programa de optimización para dar lugar a las etapas de 28 Marzo 2011. [En línea]. Available: www.victronenergy.com. [Último
absorción-flotación soportadas por un BC comercial. Estas acceso: 19 Enero 2017].
etapas se calculan fuera del programa de optimización para [17] SMA Solar Technology AG, «Operating Manual Sunny Island 3.0M /
4.4M / 6.0H / 8.0H Sunny Remote Control,» 2016. [En línea].
reducir tanto la complejidad computacional como los Available: http://www.sma.de/en/products/battery-inverters/sunny-
problemas de convergencia. A la vez el perfil de intercambio remote-control.html. [Último acceso: 19 Enero 2017].
energético previsto de la batería es perfectamente configurable [18] H. Fakham, D. Lu and B. Francois, “Power Control Design of a battery
en línea través de un protocolo de comunicación soportado por charger in a Hybrid Active PV generator for load following
applications,” IEEE Transaction on Industrial Electronics, vol. 58, no. 1,
el equipo. Los resultados de las simulaciones han confirmado pp. 85-94, 2011.
la viabilidad de este procedimiento y han puesto de relieve un [19] J. B. Coppeti and F. Chenlo, “Lead/acid batteries for photovoltaic
ligero aumento de la función de costes que puede asumirse sin applications. Test results and modeling,” Journal Power Sources, Vols.
(1-2), no. 47, pp. 109-18, 1994.
dificultad para preservar la vida útil del banco de baterías y así
[20] R. Dufo-López, J. M. Lujano-Rojas and J. L. Bernal-Agustín,
extender la vida util de la instalación. “Comparison of different lead–acid battery lifetime prediction models
for use in simulation of stand-alone photovoltaic systems,” Applied
AGRADECIMIENTOS Energy, vol. 115, pp. 242-253, 2014.
[21] The IBM website on CPLEX. [Online]. Available: http://www-
Este trabajo ha sido parcialmente financiado por los aportes 01.ibm.com/software/commerce/optimization/cplex-optimizer/.
del Ministerio de Economía y Conocimiento: DPI2013-41224, [22] The MathWorks, Inc., «MATLAB,» [Online]. Available:
DPI2015-67292 y el apoyo de la Secretaría de Universidades e https://es.mathworks.com/products/matlab/. [last acces: 11 November
2016].
Investigación del Departamento de Economía y Conocimiento
de la Generalitat de Cataluña (FI -DGR 2015).