Machine Translated by Google

Conferencia internacional de estudiantes IEEE 2018 sobre electricidad, electrónica e informática

Gestión Energética de Hogares Inteligentes con Energía

Almacenamiento, energía fotovoltaica en azoteas y vehículos eléctricos

Lokesh Chandra saurabh chanana

Departamento de Ingeniería Eléctrica Profesor Asociado, Departamento de Ingeniería Eléctrica
NIT Kurukshetra Kurukshetra, NIT Kurukshetra Kurukshetra, India
India lokesh10joshi@gmail.com s_chanana@rediffmail.com

Resumen—Con el advenimiento de la red inteligente, que exhibe la era ascendente y ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ _

venidera de los sistemas de energía eléctrica, los residentes tienen la oportunidad de

ÿÿÿÿÿÿÿÿ,ÿÿÿÿÿ valor final de SOE de EV [kWh].
administrar su gasto de energía. Este documento presenta el Sistema de gestión de
energía de hogares inteligentes (SHEMS) para respaldar la red y el funcionamiento óptimo ÿÿ,ÿÿ tasa de cobro de ESS [kW].
de un hogar inteligente en términos de minimizar el costo total de energía. Dichos tipos de
hogares se componen de energía fotovoltaica en la azotea, vehículos eléctricos (EV), ÿÿÿÿ,ÿÿ tasa de descarga de ESS [kW].
electrodomésticos inteligentes y sistemas de almacenamiento de energía (ESS). La batería
ÿÿ,ÿÿ tasa de carga de EV [kW].
EV se puede cargar durante el período de baja demanda y la energía almacenada se puede
alimentar al hogar y a la red durante las horas de máxima carga. Los intercambios de ÿÿÿÿ,ÿÿ tasa de descarga de EV [kW].
energía se valoran de acuerdo con estándares de medición neta considerando un esquema
ÿÿÿ
de precios dinámicos. Finalmente, se están realizando estudios de casos para validar el ÿÿ precio en tiempo real de la energía comprada [Rs/kWh].
resultado.
ÿÿÿÿ ÿ precio en tiempo real de la energía vendida [Rs/kWh].

ÿ duración del intervalo de tiempo.

Términos del índice: respuesta a la demanda, sistema de gestión de energía, sistema
de almacenamiento de energía, vehículo eléctrico, fotovoltaico, hogar inteligente, medidor ÿÿ período de llegada de EV.

inteligente, estado de la energía.

ÿÿ período de salida de EV.

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

ÿÿÿÿ,ÿÿ SOE inicial de EV [kWh]. necesidad en el periodo t [kW].

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. .

Hay tantos estudios sobre la gestión de la energía en el hogar con el fin

de optimizar el costo de la energía para el consumidor. En [5] solo se considera
PV para realizar el estudio.
Otra gestión energética con la integración del viento se propone en [6]. En [7], Fig. 1. El diagrama esquemático de una casa inteligente con activos
un sistema inteligente de gestión de energía para microrredes ilustra la
coordinación de la generación distribuida

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

B. Modelado matemático (12 = ÿÿÿ (ÿÿ

ÿÿ
1) Función objetivo ÿÿÿÿÿÿÿÿÿÿÿÿÿ
= ÿÿÿÿÿÿÿÿ, ÿÿ ÿÿ ÿÿ = ÿ (13)
Minimizar
d) Sistema de almacenamiento de energía : Las ecuaciones (14)-(18)
ÿÿÿÿÿÿÿÿÿ = ÿÿ (ÿÿ(ÿÿ ÿÿ ÿ ÿÿ) (1)
dónde describen las restricciones que definen el modelo de ESS. El funcionamiento del
ESS es el mismo que el del EV, la única diferencia básica es que, a diferencia
ÿÿÿÿÿÿÿÿ = ÿÿÿÿÿ. ÿÿ . . . . . . . . .
del EV, el ESS está disponible en casa todo el día.
ÿ ÿÿ = ÿ . ÿ, ÿÿ. ÿ ÿ, ÿÿÿ ÿ,ÿÿÿ ÿÿ, ÿÿÿ
ÿÿ + ÿÿ = ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ ÿÿ) 14)
El objetivo del problema de optimización descrito por la ecuación (1)
ÿ, ÿÿÿ ÿÿÿ
es minimizar el costo total de energía del hogar inteligente. El estudio ÿÿ ÿ ÿÿ,ÿÿ,ÿÿ ÿÿ) 15)
se lleva a cabo con un enfoque de medición neta en el que se supone ÿÿ,ÿÿÿ
que el precio de compra y venta de la energía en el mercado minorista ÿÿ ÿ ÿÿÿÿ,ÿÿ(1ÿÿÿÿ ÿÿ) ÿÿÿ) 16)

está vinculado al precio de la energía en tiempo real en el mercado ÿÿÿ

= ÿÿÿÿ, ÿÿaÿÿ + ÿÿaÿÿ ÿÿa ÿÿ. ÿ
ÿÿÿÿÿÿÿÿÿÿÿÿÿ
mayorista. Además, al igual que para otros productos básicos, también
se asume una arbitrariedad entre el precio de compra y el de venta. ÿ ÿÿ ÿÿ, ÿÿ, ÿÿ. ÿÿ ÿÿ) 17)
Por lo tanto, el precio de compra es ligeramente superior al precio de ÿÿÿ
= ÿÿÿÿ,ÿÿÿÿÿÿ (18)
venta. Las tarifas relacionadas con la red que se calculan al final del ÿÿÿÿÿÿÿÿÿÿÿÿÿ

período de facturación según el consumo total de energía no se

e) Producción fotovoltaica en tejados: la ecuación (19) muestra
consideran en la función objetivo. También se observa que el costo de
que la producción fotovoltaica puede utilizarse para cubrir el autoconsumo
degradación de los activos y la inversión, así como el costo de los
del hogar y, si es abundante, se vuelve a vender a la red.
dispositivos, el control y la infraestructura no se consideran en este estudio. ÿ, ÿÿ ÿ, ÿÿ ÿÿ, ÿ
2) Restricciones del intercambio de energía en el hogar
ÿÿ + ÿÿ = ÿÿ (19(ÿÿ
inteligente: a) Equilibrio de poder: La ecuación con respecto al
equilibrio de poder del hogar inteligente se describe en (2).
ÿ,ÿÿ ÿ,ÿÿ ÿ,ÿÿÿ ÿ,ÿÿ
tercero CASO DE ESTUDIO
ÿÿ + ÿÿ + ÿÿ,ÿÿ, ÿÿ) 2)
+ ÿÿ = ÿÿÿÿ

b) Desintegración de la energía comprada y vendida:

Las ecuaciones (3), (4) y (5) describen las transacciones de
A. Datos de entrada
energía entre el hogar y la red. El parámetro N define los
límites de potencia que se pueden comprar o vender a la red. El modelo matemático descrito anteriormente se ha
ÿ, ÿÿ ÿ,ÿÿÿ ÿ, ÿÿ implementado en GAMS v.24.1.3 y el problema de optimización
ÿÿ = ÿÿ + ÿÿ + ÿÿ,ÿÿ, ÿÿ) 3)
se resuelve utilizando el solucionador comercial CPLEX v.12.1.0.
ÿÿ, ÿ
ÿÿ ,..ÿ El intervalo de tiempo se toma 15 minutos (0.25h) y como resultado
(4 (ÿÿ
ÿ, ÿÿ
el total de 96 intervalos. Para ilustrar la técnica propuesta, un hogar
ÿÿ ÿ ÿÿ. (1ÿÿÿ), ÿÿ) 5) simple que consta de ESS y una instalación fotovoltaica en la azotea.
En primer lugar se ha realizado la optimización de costes utilizando
c) Vehículo eléctrico: El modelo EV utilizado en este
estos dos activos. Posteriormente se realiza el estudio con integración
estudio se describe en (6)-(11). La ecuación (6) explica el uso
de vehículo eléctrico. La optimización se lleva a cabo durante 24 horas
de la energía que proviene de la descarga de EV (V2H o
desde las 7 am hasta el día siguiente a las 7 am. Las horas de llegada
V2G). La limitación de la potencia de carga y descarga se
y salida del EV son respectivamente a las 6:00 p. m. y 6:00 a. m. del
define mediante la ecuación (7) y (8) respectivamente. El
día siguiente. La carga del hogar se considera de naturaleza inelástica
estado de energía definido por (9) y la ecuación (10)
a lo largo del estudio.
representan el SOE mínimo y máximo del EV para evitar la descarga total. ÿÿ y ÿÿ
La producción fotovoltaica doméstica (por kW de energía instalada)
representa la hora de llegada y salida respectivamente.
capacidad) se muestra en la Fig. 2.

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

Fig. 2. Producción fotovoltaica durante un día

Fig. 4. Variación de los precios de la energía con el intervalo de tiempo

B. Resultados y discusión

Si no se violan las restricciones, como se esperaba, la optimización de

SHEMS presentaría su costo mínimo óptimo. Sin embargo, la actividad
relacionada con la carga de EV, así como la asignación de carga, se referiría
a un período de precios relativamente bajos. En el caso de estudio hay dos
Fig. 3. Demanda de carga base de la vivienda
casos para los que se lleva a cabo la optimización. Para el primer caso de
SHEMS, los resultados se muestran en la Fig. 5. A partir de esta figura se
La variación de la demanda de carga base del hogar con el tiempo, que es concluyeron las siguientes observaciones. • El gráfico uno muestra la
variación de la energía de la red, PV y ESS que se está utilizando.
de naturaleza inelástica, se muestra en la Fig. 3.
Durante el día, la instalación de energía fotovoltaica se utiliza para
TABLA I. cubrir las necesidades propias hasta que esté disponible o a
menos que esté disponible.
DATOS ACTIVOS DE LA CASA
• El ESS se está cargando durante las 7 am y las 6 pm. Por otro lado,
la generación fotovoltaica adecuada durante el día se vende a la
Vehículo eléctrico
red. El funcionamiento de ESS se justifica por el hecho de que
Capacidad de la batería [kWh] 25
las 7 y las 8 de la mañana ofrecen el precio más bajo en los picos
Tasa máxima de carga/descarga [kW] 3,3
95
de precio del mediodía.
Eficiencia de carga/descarga [%]
Hora de llegada 18:00 8 • La variación de SOE de ESS se muestra en el último gráfico.
SOE inicial [kWh] 4,8
SOE mínimo [kWh]

Instalación fotovoltaica

Capacidad instalada [kW] 3

Sistema de almacenamiento de energía

Capacidad de la batería [kWh]

Tasa máxima de carga/descarga [kW] 1
SOE inicial [kWh] 0,75
SOE mínimo [kWh] 1,5
0,9 95 (a)
Eficiencia de carga/descarga [%]

Los datos sobre EV, PV y ESS del hogar se presentan en la tabla.

También está disponible la venta de energía a la red a través de PV2G,
ESS2G y EV2G. Estos activos también se pueden utilizar para cubrir las
necesidades energéticas totales o parciales del hogar a través de las
capacidades EV2H, PV2H y ESS2H.
Los precios señalan para las 24 horas del período de optimización como
(b)
se muestra en la Fig. 4. El precio de compra y venta de la energía es
diferente y el último es algo menor.

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.

El escenario demuestra que la inclusión de EV en la red eléctrica tiene

(d)
Fig. 5. (a) Gráficas de energía de red comprada y energía utilizada por ESS & PV. (b) Parcelas de
energía de red vendida y energía vendida por ESS & PV. (c) Potencia de carga y descarga del
ESS. (d) SOE de ESS
La optimización del segundo caso se lleva a cabo con la integración de EV.
Los principales factores son la hora de llegada y salida del vehículo eléctrico.
Cuando el EV llega a casa aportan las necesidades de autoconsumo a través de
la modalidad V2H. Debido a que estos son períodos de precios altos, los SHEMS
evitan comprar energía de la red.
resultados beneficiosos si existe una gestión adecuada de la energía y se
cumplen algunas restricciones según el estudio de caso. Por lo tanto, podemos
diseccionar eso en el período en que el EV está estacionado en casa con un
valor de SOE alto y su precio de energía de descarga es menor que el precio
que lo compra de la red, EV suministró energía aprovechando la energía que se
almacena previamente. Por lo tanto, podemos concluir que toda la demanda del
consumidor residencial, incluido el cargo por almacenamiento de energía, el
cargo por vehículos eléctricos y la carga por electrodomésticos inteligentes, se
cubre con una gestión optimizada de la energía entre las fuentes debido a los
modelos implementados al considerar los costos y las diversas restricciones
matemáticas.

IV. CONCLUSIÓN

En este estudio se estudió el funcionamiento óptimo de una casa inteligente

equipada con panel solar, almacenamiento de energía de batería eléctrica e
integración de vehículo eléctrico. Bajo un esquema de precios dinámicos, se
(a) propuso un modelo SHEMS basado en MILP para optimizar la producción y el
consumo de energía en una casa inteligente. Se presentan dos casos realizados
en un estudio de caso basado en un horizonte temporal de 24 horas. Los
resultados demuestran la solución óptima para un solo día con un ahorro
significativo en costos de energía para el escenario considerado. Dado que en
los próximos años la mayor parte del sector del transporte estará dominado por
vehículos eléctricos, este estudio ofrece una introducción flexible de este nuevo
tipo de carga a nivel residencial. Además, este estudio de caso se puede calcular
(b) tomando varios hogares en conjunto entre sí, considerando tanto los dispositivos
controlables como los no controlables.

REFERENCIAS

[1]. K. Spees, L. Lave, "Impactos de la carga receptiva en pjm: cambio de carga y

fijación de precios en tiempo real", Energy J., vol. 29, núm. 2, págs. 101-
122, abril de 2008.
[2]. V. Ricquebourg, D. Menga, D. Durand, B. Marhic, L. Delahoche y C. Loge, “El
concepto de hogar inteligente: Nuestro futuro inmediato”, en Proc. 1.°
(C)
internacional de IEEE. Conf. en E-Learn. Ind. Electron., diciembre de 2006, págs.
23–28.
[3]. W. Meng, R. Ma y H.-H. Chen, "Redes de área de vecindario de red inteligente:
una encuesta", IEEE Netw., vol. 28, núm. 1, págs. 24–32, enero/feb. 2014.

[4]. K. Samarakoon, J. Ekanayake y N. Jekins, "Reporting available demand response",

(d)
Fig. 6. (a) Gráficas de energía de red comprada y energía utilizada por EV, ESS y PV. (b) Parcelas de
energía de red vendida y energía vendida por EV, ESS y PV. (c) Potencia de carga y descarga de EV.
(d) SOE de EV
La siguiente observación concluyó a partir de la Fig. 6.
IEEE Trans. Red inteligente, vol. 4, núm. 4, págs.
1842–1851, diciembre de 2013.
[5]. Kumar, PTVB Narasimha, et al. "Gestión de energía para el hogar inteligente con
integración de instalaciones fotovoltaicas y de almacenamiento que brindan
soporte a la red". Asamblea General de la Sociedad de Energía y Energía (PES),
2013 IEEE. IEEE, 2013.
[6]. Melhem, Fady Y., et al. "Optimización y Gestión Energética en Hogares Inteligentes
Considerando Sistemas Fotovoltaicos, Eólicos y de Almacenamiento en Baterías
con Integración de Vehículos Eléctricos". Revista canadiense de ingeniería
eléctrica e informática 40.2 (2017): 128-138.
[7]. C. Chen, S. Duan, T. Cai, B. Liu y G. Hu, "Sistema de gestión de energía inteligente
para una operación económica óptima de microrredes"
IET Renovar. Energía Generada, Vol. 5, no. 3, págs. 258–267, mayo de 2011.

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.

[12]. W. Khamphanchai, M. Pipattanasomporn, M. Kuzlu, J. Zhang y S. Rahman, "Un enfoque para

la gestión de transformadores de distribución con un sistema multiagente", IEEE Trans. Red
inteligente, vol. 6, núm. 3, págs. 1208–1218, mayo de 2015.

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.