Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NOMENCLATURA
Variables
Conjuntos e índices
ÿ, ÿÿ
ÿÿ potencia total comprada a la red en el periodo t [kW].
t índice (conjunto) de periodos de tiempo.
ÿ, ÿÿ
ÿÿ parte de la energía fotovoltaica utilizada para satisfacer las necesidades propias en el período
t [kW].
Parámetros
ÿ, ÿÿÿ
ÿÿ potencia total suministrada por ESS en el periodo t [kW].
ÿ, ÿÿ
ÿÿ generación de energía total por PV en el período t [kW].
ÿ,ÿÿÿ
ÿÿ potencia de carga del ESS en el período t [kW].
ÿ, ÿÿ
ÿÿ demanda de carga base de la vivienda en el periodo t [kW]
ÿÿ, ÿÿÿ
ÿÿ potencia de descarga del ESS en el período t [kW].
ÿÿ eficiencia de carga del ESS.
ÿ, ÿÿÿ
ÿÿ parte de la potencia de descarga del ESS utilizada para satisfacer
ÿÿ eficiencia de carga de EV.
necesidad en el periodo t [kW].
Eficiencia de descarga del ESS. Eficiencia de descarga de
ÿ,ÿÿ
ÿÿ potencia total suministrada por EV en el periodo t [kW].
EV. ÿÿÿÿ,ÿÿ estado inicial de energía [SOE] de ESS [kWh].
ÿ, ÿÿ
ÿÿ potencia de carga de EV en el período t [kW].
ÿÿÿÿ,ÿÿ SOE mínimo de ESS [kWh].
ÿÿ, ÿÿ
ÿÿ potencia de descarga de EV en el período t [kW].
ÿ, ÿÿ
ÿÿÿÿÿÿÿÿÿ, ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ ÿÿ parte de la potencia de descarga de EV utilizada para satisfacer
ÿ, ÿÿ
ÿÿÿÿ,ÿÿ SOE mínimo de EV [kWh]. ÿÿ potencia total suministrada a la red en el periodo t [kW].
978–1–5386–2663–4/18/$31.00©2018 IEEE
Licencia de uso autorizada limitada a: Universidad Industrial de Santander. Descargado el 23 de junio de 2022 a las 02:45:44 UTC de IEEE Xplore. Se aplican restricciones.
Machine Translated by Google
ÿ, ÿÿ
ÿÿ parte de la energía fotovoltaica suministrada a la red en el período t [kW]. y sistema de almacenamiento de energía. Para una reducción significativa en la
ÿ,ÿÿÿ factura de electricidad, se propuso en [8] un sistema de gestión de carga junto
ÿÿ parte de la energía ESS suministrada a la red en el período t [kW]. con recursos renovables y no renovables.
ÿ, ÿÿ En [9] y [10] se desarrolla una estrategia de optimización para una consideración
ÿÿ parte de la potencia EV suministrada a la red en el período t [kW].
efectiva del programa DR basado en el precio. La referencia [11] propone un
ÿÿ costo de la energía comprada a la red en el período t. control basado en la estrategia HEM de hogares inteligentes con autogeneración
fotovoltaica y disponibilidad de EV y ESS, pero no se consideran los modos V2H
ÿÿ costo de la energía vendida a la red en el período t.
y V2G.
Costo total de THC de la energía del hogar. Este artículo presenta una programación lineal entera mixta para optimizar
el consumo y la producción de energía en una casa inteligente con el despliegue
eficiente de varios DER, como la integración de la generación renovable
I. INTRODUCCIÓN (fotovoltaica en el techo), el sistema de almacenamiento de energía de la batería.
Luego se hace una comparación con la integración del vehículo eléctrico que
tiene tecnología de vehículo a casa y vehículo a red. El punto novedoso del
En la era moderna, la crisis relacionada con el agotamiento de los recursos estudio propuesto es que el flujo de energía bidireccional se considera junto con
energéticos no renovables y los desequilibrios en el suministro de la demanda un modelo único para determinar el precio de compra y venta del mercado
de electricidad han recibido una atención creciente por parte de los consumidores. minorista de energía.
Además, no se utiliza una gran cantidad de suministro de energía durante las
horas de menor actividad debido a la falta de instalaciones de almacenamiento. El resto del trabajo se organiza de la siguiente manera: el problema de
Pero solo se satisface una parte de la demanda y las cargas restantes se optimización se formula en la Sección II. Posteriormente se evalúa la metodología
descartan debido a un suministro de energía insuficiente en las horas pico [1]. a través de un estudio de caso en la Sección III. Finalmente, las observaciones
Estos problemas asociados con el suministro de la demanda de electricidad
finales presentadas en la Sección IV.
llevaron a la necesidad de un Sistema de gestión de energía para hogares inteligentes (SHEMS).
Investigaciones recientes demuestran que con la optimización y la gestión
adecuadas, existe un ahorro significativo del 20 % al 30 % en el consumo de II. FORMULACIÓN DEL PROBLEMA DE OPTIMIZACIÓN
energía residencial.
A. Resumen del modelo SHEMS
En las ciudades actuales, los edificios residenciales son grandes
En este documento, consideramos cuatro tipos de activos energéticos
consumidores de energía, por lo que han jugado un papel importante en el
domésticos, como el sistema de almacenamiento de energía, el vehículo
funcionamiento de la red inteligente moderna. Con la integración de recursos de
eléctrico, los electrodomésticos inteligentes y un conjunto de paneles de energía
generación distribuida, el despliegue de medición avanzada y canales de
fotovoltaica instalados en el techo. Aquí asumimos que todos los electrodomésticos
comunicación bidireccionales, este tipo de edificios residenciales se han
deben funcionar y los consideramos como demanda de carga base.
convertido en hogares inteligentes.
Estos dispositivos se coordinan entre sí mediante canales de comunicación para El entorno de hogar inteligente considerado en este documento se
lograr un conjunto común de objetivos que beneficien a los usuarios finales [2]. representa como en la Fig. 1. Se puede observar en la Fig. 1 que cada activo
Este sistema consta de características como fuentes de generación distribuida posee capacidades técnicas como PV a la red (PV2G), PV al hogar (PV2H),
como fotovoltaica (PV) y sistema de almacenamiento de energía (como vehículos vehículo- a la red (V2G), vehículo a casa (V2H), ESS a red (ESS2G) y ESS a
eléctricos (EV) y almacenamiento de energía de batería) que pueden almacenar casa (ESS2H). Se supone que se considera que los consumidores están sujetos
energía durante las horas de menor actividad. La red inteligente es una estructura a un esquema de tarifas de precios que varían por hora. El medidor inteligente
importante que controla y monitorea todas las funciones desde la generación se utiliza para comunicarse con la empresa de servicios públicos.
hasta el usuario final y permite el flujo bidireccional de energía e información [3].
Otro término es respuesta a la demanda (DR) que define la participación del
cliente en los mercados de electricidad [4]. Los operadores del sistema están
motivados para desarrollar un programa de DR residencial debido a los cambios
que se están observando recientemente a nivel de usuario final residencial. En
primer lugar, la comercialización de vehículos eléctricos (EV) y la electrificación
del sector del transporte provocarán una grave aberración de los perfiles de
carga comercial de los actuales. En segundo lugar, la disminución de los precios
de las unidades de generación distribuida a pequeña escala, como los sistemas
fotovoltaicos (PV) y de almacenamiento de energía (ESS) en los tejados, puede
llevar a los usuarios finales residenciales a cubrir un segmento de su carga con
estas fuentes o incluso inyectar energía de vuelta a la red. .
SCEECS 2018
Licencia de uso autorizada limitada a: Universidad Industrial de Santander. Descargado el 23 de junio de 2022 a las 02:45:44 UTC de IEEE Xplore. Se aplican restricciones.
Machine Translated by Google
ÿ, ÿÿ ÿ, ÿÿ ÿÿ, ÿÿ
El modelo que se propone aquí es de naturaleza determinista ÿÿ + ÿÿ = ÿÿÿÿ. ÿÿ ÿÿ) 6)
como en la literatura [12]. Hay varias incertidumbres relacionadas con ÿ, ÿÿ ÿÿ
el hogar (p. ej., producción fotovoltaica, hora de llegada/salida del 0ÿ ÿ ÿÿ,ÿÿ,ÿÿ ÿÿÿÿÿ , ÿÿ] ÿ ÿ] (7)
vehículo eléctrico, etc.), a pesar de esto, se prefiere un modelo ÿÿ, ÿÿ
0ÿ ÿÿÿÿÿÿ ÿ ÿÿÿÿ ÿÿ, ÿÿ (1ÿ ÿÿ ÿ ÿÿ) ÿÿÿ ÿÿ , ÿÿ ÿÿÿÿ] ÿ ÿ] + ÿ ÿÿ. (8)
determinista al estocástico por las siguientes razones. En primer lugar,
ÿÿ ÿÿ
la complejidad de un problema de optimización estocástica es mayor, ÿÿÿÿÿ = ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ ÿ, ÿÿ. ÿÿ - ÿÿ, ÿÿ. ÿ
mientras que el valor económico de incluir la incertidumbre a escala de
pocas viviendas es insignificante. En segundo lugar, el hecho de que ÿÿÿÿÿ , ÿÿ) ÿ ÿ] (9)
ÿÿ
el precio de la electricidad sea casi el mismo en un período de una ÿÿÿÿÿÿÿÿÿÿÿÿÿ ÿ ÿÿÿÿ, ÿÿÿÿÿÿÿÿÿÿÿÿ ÿ] ÿ ,ÿÿ , ÿ , ÿ (10)
hora, lo que proporciona un grado natural de solidez a la evaluación de
ÿ, ÿÿ ÿÿ,ÿÿ
dicho sistema adaptativo (p. ej., si el vehículo eléctrico llega a las 5:00 ÿÿ = ÿÿÿÿ ÿ] = 0ÿÿÿÿÿÿÿ ,ÿÿÿÿ] =/ (11)
p. m. o a las 5:20 p. m. es casi lo mismo desde el punto de vista económico) . ÿÿ
ÿÿÿÿÿÿÿÿÿÿÿÿÿ = ÿÿ, ÿÿ, ÿÿ + ÿÿ , ÿÿ. ÿÿ - ÿÿ, ÿÿ. ÿ
SCEECS 2018
Licencia de uso autorizada limitada a: Universidad Industrial de Santander. Descargado el 23 de junio de 2022 a las 02:45:44 UTC de IEEE Xplore. Se aplican restricciones.
Machine Translated by Google
B. Resultados y discusión
Instalación fotovoltaica
SCEECS 2018
Licencia de uso autorizada limitada a: Universidad Industrial de Santander. Descargado el 23 de junio de 2022 a las 02:45:44 UTC de IEEE Xplore. Se aplican restricciones.
Machine Translated by Google
(C)
• Durante la 1:00 a. m. a las 5:00 a. m. se realiza la carga de vehículos
eléctricos, ya que este es el período de precio más bajo del día. •
Durante la noche, cuando la generación fotovoltaica no está disponible, la
mayor parte de la carga puede cubrirse con energía EV para mejorar
la eficiencia del hogar inteligente. • El SOE de EV se muestra en el
último gráfico.
IV. CONCLUSIÓN
REFERENCIAS
SCEECS 2018
Licencia de uso autorizada limitada a: Universidad Industrial de Santander. Descargado el 23 de junio de 2022 a las 02:45:44 UTC de IEEE Xplore. Se aplican restricciones.
Machine Translated by Google
[8]. H. Tazvinga, B. Zhu y X. Xia, "Gestión óptima del flujo de energía para recursos de energía
distribuidos con baterías"
Convertidores de energía. Administrar., vol. 102, págs. 104 a 118, septiembre de 2015.
[9]. Nikolaos G. Paterakis, Anastasios G. Bakirtzis, Ozan Erdinc, Joao PS Catalao, “Operación
coordinada de un vecindario de hogares inteligentes que comprende vehículos eléctricos,
almacenamiento de energía y generación distribuida” IEEE Trans. Red inteligente, vol. 7,
núm. 6, págs.
2736-2747, noviembre de 2016.
[10]. KM Tsui y SC Chan, "Optimización de la respuesta a la demanda para la programación de
hogares inteligentes con precios en tiempo real", IEEE Trans.
Red inteligente, vol. 3, núm. 4, págs. 1812–1821, diciembre de 2012.
[11]. J. Zhao, S. Kucuksari, E. Mazhari y YJ Son, "Análisis integrado de PV y PHEV de alta
penetración con almacenamiento de energía y respuesta a la demanda", Appl. Energía, vol.
112, págs. 35 a 51, diciembre de 2013.
SCEECS 2018
Licencia de uso autorizada limitada a: Universidad Industrial de Santander. Descargado el 23 de junio de 2022 a las 02:45:44 UTC de IEEE Xplore. Se aplican restricciones.