Impact of Battery Banks on an Electric Grid with

High Penetration of Renewable Energy-based

Generators
Carlos I. Sanseverinatti1, Ariel S. Loyarte1, Luis A. Clementi1,2, Jorge R. Vega1,2
1
Control and Electrical Security Group (CySE), Department of Electrical Engineering, Santa Fe Regional Faculty,
National Technological University (UTN), Santa Fe, Argentina
2
Institute of Technological Development for the Chemical Industry (INTEC), National Scientific and Technical Research
Council (CONICET) and National University of Litoral (UNL), Santa Fe, Argentina
nacho.sanse@hotmail.com; aloyarte@frsf.utn.edu.ar; laclementi@santafe-
conicet.gov.ar; jrvega@frsf.utn.edu.ar

Abstract— This work investigates the impact of battery
banks on the optimal power dispatch of electrical networks
with high penetration of wind power and photovoltaic
generators. The work aims at determining the performance of
storage systems in terms of their capacity for improving the
voltage profiles in all network nodes. Several network
configurations were analyzed, either in absence of battery
bank or with banks of different sizes and locations. The results
show that the inclusion of an energy storage system of
adequate size and distribution contributes to improve the
voltage profiles in the network nodes.
Resumen— En este trabajo se estudia el impacto de la
utilización de bancos de baterías en el despacho óptimo de
potencia en redes eléctricas con alta penetración de
generadores eólicos y fotovoltaicos. Se apunta a determinar el
desempeño de los sistemas de almacenamiento en términos de
su capacidad para mejorar los perfiles de tensión en nodos de
la red. Se analizaron diversas configuraciones de una red
radial con acople a una red interconectada de mayor potencia,
tanto con ausencia de banco de baterías como con bancos de
diferente tamaño y distribución. Los resultados muestran que
la inclusión de un sistema de almacenamiento de energía de
tamaño y distribución adecuados permite introducir mejoras
en los perfiles de tensión en nodos de la red.
Palabras Claves: Generación eólica, Generación fotovoltaica,
Bancos de baterías, Despacho óptimo de potencia
I. INTRODUCCIÓN
Actualmente, la generación, transmisión y distribución de
energía eléctrica presenta desafíos técnicos, económicos y
medioambientales, debido principalmente a la crisis
energética mundial, a los altos costos de generación de
energía y a las crecientes restricciones existentes. En gran
mayoría, la generación de energía eléctrica se lleva a cabo
en forma centralizada, mediante centros de generación de
grandes potencias alejados de los puntos de consumo. Más
aún, la mayor parte de la generación de energía eléctrica se
realiza mediante combustibles fósiles, generando los
siguientes inconvenientes: i) alto costo de generación; ii)
uso de materia prima limitada; iii) gran nivel de
contaminación ambiental; entre otros [1].
Dichas problemáticas han hecho emerger en los últimos
años el paradigma de la generación distribuida (GD) [1]. A
diferencia de la generación centralizada, la GD se
caracteriza por la utilización de múltiples generadores de
baja y mediana potencia ubicados cercanos a los centros de
consumo.
En línea con el concepto de redes de generación
distribuida se encuentran las microredes (MRs). Una MR es
una red eléctrica de potencia pensada para generar y
distribuir energía eléctrica a pequeños centros urbanos o
industriales. Las MRs se diseñan para incluir generadores
distribuidos, dispositivos de almacenamiento de energía
eléctrica, y puntos de consumo, pudiendo funcionar en
forma interconectada con el sistema de distribución eléctrica
nacional para la compra y/o venta de energía [2,3].
La gestión eficiente de una MR involucra la optimización
en línea del despacho de potencia por parte de los
generadores distribuidos y los dispositivos de
almacenamiento, con el objetivo de suplir en todo momento
la potencia variable requerida en los puntos de consumo,
compensando además la intermitencia de la generación
basada en fuentes renovables [4,5]. El despacho óptimo
apunta además a minimizar alguna función objetivo que
involucra normalmente a los costos de generación, la
emisión de gases de efecto invernadero y la calidad de la
energía producida.
Numerosos autores han estudiado el despacho óptimo en
MRs [4-13]. Por ejemplo, [8], [9] y [10] lo estudiaron con el
objetivo de minimizar el costo de generación y las
emisiones de gases contaminantes. Por otro lado, en [11] y
[12] se lo definió simplemente mediante la minimización de
los costos de generación. En [13] se compararon dos
políticas de despacho óptimo diferentes, definidas por: i)
minimización de costos de generación; y ii) minimización
simultanea de costos de generación, emisiones de gases
contaminantes, y fluctuaciones de potencia. Los resultados
mostraron que solamente mediante una política de
minimización multiobjetivo pueden mitigarse los efectos
negativos de la intermitencia de la generación basada en
paneles fotovoltaicos y/o generadores eólicos.
En MRs con alta penetración de generadores basados en
energías renovables, por ejemplo, generadores eólicos y
paneles fotovoltaicos, se presentan problemáticas derivadas
de la intermitencia de las fuentes eólica y solar. Por ejemplo,
en períodos de bajo consumo de la red se producen excesos
de generación de energía, por lo es necesario definir
políticas para decidir sobre el excedente. Por el contrario, en
períodos de alto consumo, el déficit energético puede

Authorized licensed use limited to: CINVESTAV. Downloaded on October 05,2022 at 16:21:57 UTC from IEEE Xplore. Restrictions apply.
derivar en caídas de tensión por debajo de los valores
admisibles en los nodos de consumo.
En este trabajo se estudia el impacto de la inclusión de
bancos de baterías de almacenamiento en MRs, para atenuar
la incidencia de la intermitencia de la generación basada en
fuentes renovables, y con la red operando según un
despacho económico de carga. En particular, se analiza una
red radial con conexión a la red nacional, para permitir la
importación/exportación de energía. Para la MR propuesta
se estudia el desempeño de diferentes configuraciones, las
cuales se diferencian principalmente por el número, tamaño
y ubicación de los bancos de baterías, y en términos de su
capacidad para mejorar los perfiles de tensión en la MR.
es la potencia que inyectan o demandan los dispositivos de
almacenamiento ubicados en el j-ésimo nodo. Nótese que
Ss,j adopta un valor positivo cuando los dispositivos de
almacenamiento inyectan potencia en la MR, mientras que
es negativo cuando los dispositivos de almacenamiento
siguen un ciclo de carga. Si no se utiliza ningún dispositivo
de almacenamiento, el Ss, j = 0 para todos j = 1, ..., N.
De la ecuación (1) el voltaje v se puede calcular con el
conocimiento de Y, la potencia activa generada Pg, j, y la
potencia consumida Sd, j = Pd, j + Qd, j i en el j-ésimo nodo.
Debe observarse también que la pérdida compleja
(potencia aparente) se define como SL = PL + QL i, con PL
la pérdida total de potencia activa y QL la pérdida total de
potencia reactiva, calculadas según:

II. MODELOS MATEMÁTICOS

Se presentan a continuación los modelos matemáticos de
NL
 2
PL   g k  Vi  V j  2  Vi  V j  cos i   j 
k 1
2
 (4)
la MR, de los generadores y de las baterías de
almacenamiento.
NL

 b
2
A. Modelo matemático de la MR. QL  k   Vi

2
 Vj 
 2  Vi  V j  cos  i   j  


k 1 (5)
Considere una MR con N nodos. En el j-ésimo nodo (j = B 2 
  Vi
2
1, ..., N), la tensión es Vj, y la potencia inyectada (o  k  Vj 
2  
generada) y consumida son Sg,j y Sd,j, respectivamente. El j-
ésimo nodo está conectado al k-ésimo nodo a través de una
donde gk y bk son, respectivamente, la conductancia y la
línea de transmisión con admitancia Yj,k. Las variables Vj,
susceptancia inductiva serie de la k-ésima línea (k = 1, 2, …,
Sg,j y Sd,j se relacionan a través del siguiente modelo
NL); Vi y Vj son las tensiones complejas de los respectivos
matemático [14]:
nodos i y j, extremos de la línea k, con módulos |Vi| y |Vj|, y
fases i y j, respectivamente. La susceptancia capacitiva
transversal de la línea es Bk, supuesta distribuidas por
(p  q i )*  [ diag ( v * ) ]1  Y  v (1) mitades en cada uno de los extremos de la línea, de acuerdo
con el clásico modelo “pi” [14]. Se desprecian posibles
conductancias transversales.
donde el primer miembro de Eq. (1) es un vector (N×1)
cuya componente j-ésima es la relación
Sj * / Vj * = (Pj + Qj i)* / Vj*, siendo Pj y Qj la potencia neta B. Generador Diésel (GD)
activa y reactiva, respectivamente (es decir, la diferencia El modelado matemático de los GD se basa
entre la potencia generada y la consumida en el nodo), i2 = - principalmente en la relación que existe entre el flujo de
1, y el símbolo “*” indica complejo conjugado. Además, v combustible utilizado y la potencia generada por ese caudal.
(N×1) contiene los voltajes complejos Vj en los nodos, cuyo El flujo volumétrico de combustible consumido por un DG
modulo y fase son vi y i, respectivamente; e Y (N×N) es la se puede calcular a través del siguiente polinomio
matriz de admitancias nodales, donde sus N2 admitancias cuadrático [15]:
dependen de la configuración de la red y de las admitancias
de cada línea de transmisión.
La potencia activa y reactiva en cada uno de los nodos de QDG ( Pg , DG )   Pg2, DG   Pg , DG   (6.a)
generación Ng presenta las siguientes restricciones:

Pg , min, j  Pg , j  Pg , max, j ; j = 1, …, Ng
 Qg , min, j  Qg , j  Qg , max, j ; j = 1, …, Ng
Además, la potencia en cada nodo debe satisfacer:
(2.a) donde Pg, DG es la potencia activa generada por el DG, y los
parámetros constantes {, , } se obtienen sobre la base de
(2.b) ensayos de consumo de combustible. El costo operativo de
la DG se calcula como:

N CDG ( Pg ,DG )  CDiesel  QDG ( Pg ,DG ) (6.b)

 ( S g , j  S s, j  S d , j )  S L  0 (3)
j 1

donde SL es la potencia total que se disipa como pérdidas

eléctricas en las líneas de transmisión de toda la red, y Ss, j

Authorized licensed use limited to: CINVESTAV. Downloaded on October 05,2022 at 16:21:57 UTC from IEEE Xplore. Restrictions apply.
donde C DG ( Pg , DG ) es el costo operativo involucrado en la  SOC  SOCmin  U bat Vbat
Pbat  min klim ,  (9)
generación de una potencia activa Pg , DG ; y CDiesel es el  100  t
costo específico del combustible diésel.

donde klim es un factor adimensional positivo y menor a la

C. Generador Fotovoltaico unidad, indicado por el fabricante para limitar la corriente
de carga o descarga del banco, a los efectos de no afectar la
Los costos de operación de los generadores fotovoltaicos vida útil del mismo; SOCmin es el estado de carga límite
(PV) se asumen nulos. Los mismos generan una potencia inferior que no debe transgredirse, por motivos de
activa Pg, PV, que se puede calcular de la siguiente manera: durabilidad; y el parámetro Vbat es la tensión de operación
del banco, en Volt, dependiente del SOC y de la corriente de
carga o descarga, pero que en general puede aproximarse a
G Vcc [18].
Pg , PV  N g , PV Ppeak
G std
 
1  k p (T  Tr )  PV (7)

F. Punto de Acople Común (PCC)

donde Ng,PV es el número de paneles en el parque PV, Ppeak
es la potencia máxima de cada panel, G (W / m2) es la El punto de acople común es simulado como un nodo
irradiancia solar, T (° C) es la temperatura ambiente, kp es el con capacidad para importar (comprar) y exportar (vender)
coeficiente de temperatura y potencia (proporcionado por el energía. El costo de la importación/exportación se calcula
fabricante del panel), Gstd (= 1000 W / m2) es la irradiancia según la siguiente expresión:
de referencia, Tr (= 25 ° C) es la temperatura de referencia,
y ηPV es el coeficiente de eficiencia de instalación global
(calculado considerando el coeficiente de eficiencia CPCC ( PPCC )  CkW  PPCC (10)
individual de cada componente). Téngase en cuenta que G
debe referirse a la dirección normal de las superficies del
panel. El procedimiento de cálculo para obtener G requiere donde CkW es el costo del kWh el cual toma los valores
el conocimiento de la latitud, longitud y zona horaria de la
indicados en la Tabla I y PPCC es la potencia
ubicación geográfica del parque PV, así como la inclinación
de los paneles y las mediciones de radiación (generalmente exportada/importada por el PCC. En el caso de importación
referidas a un plano horizontal). El procedimiento de éste PPCC  0 mientras que en la exportación PPCC  0 .
cálculo se puede encontrar en [15, 16].

TABLA I.
D. Generador Eólico TARIFA DE IMPORTACIÓN/EXPORTACIÓN POR BANDA HORARIA

El costo de generación del parque eólico se asume nulo. CkW (U$$/kW) Franja Horaria (hs)
La potencia activa generada, Pg,WT, se obtiene mediante [3]: 0.350 18:00 – 23:00
0.200 23:00 – 5:00
0.285 5:00 – 18:00
1
Pg , WT  N WT C p  A v 3 (8)
2
G. Función Objetivo
donde NWT es el número de aerogeneradores (WT) en el El despacho económico de carga de la MR se obtiene
parque, Cp es el coeficiente de potencia de WT, A es el área mediante la minimización de la siguiente función objetivo:
del rotor de un WT, ρ es la densidad del aire y v es la
velocidad del viento. En general, el coeficiente Cp varía con
la velocidad del viento y lo proporciona el fabricante de la
turbina.
C ($ / h)  CPCC ( PPCC )   CDG,i ( Pg ,DG,i ) (11)
 i  I DG

E. Baterías
donde I DG es el conjunto de nodos con generadores diésel, y
Cuando los dispositivos de almacenamiento están
constituidos por bancos de baterías, existen limitantes para C DG,i ( Pg ,DG,i ) es el costo de generar una potencia activa
la potencia que pueden entregar [17]. Se caracterizan por su
Pg , DG, i para el generador diesel en el i-ésimo nodo. La
capacidad máxima Ubat, en Ampere-hora (Ah), dada para un
nivel de tensión continua nominal Vcc. Si el estado de carga minimización de la ecuación (11) se encuentra sujeta a las
porcentual es SOC, la máxima potencia (en Watt) que puede restricciones descritas por las ecuaciones (2a), (2b) y (3)
entregar el banco durante Δt horas es:

Authorized licensed use limited to: CINVESTAV. Downloaded on October 05,2022 at 16:21:57 UTC from IEEE Xplore. Restrictions apply.
 III. CASO DE ESTUDIO
Se muestra en la Figura 1 la MR propuesta. La red cuenta
con demanda en todos sus nodos (a excepción del nodo 0) y
con 7 nodos de generación. Estos mismos involucran los
siguientes generadores: i) Generador diésel (DG1) de 500
kW (límites de potencia reactiva: -70 a 70 kVAr); ii)
generador diésel (DG2) de 400 kW (límites de potencia
reactiva: -50 a 50 kVAr); iii) parque eólico (WT1) con 50
aerogeneradores de 3 kW cada uno; iv) parque eólico (WT2)
con 80 aerogeneradores de 3 kW cada uno; v) parque de
paneles fotovoltaicos (PV1) con 1000 paneles de 260 W-
pico; vi) parque de paneles fotovoltaicos (PV2) con 200
paneles de 260 W-pico; y vii) parque de paneles
fotovoltaicos (PV3) con 500 paneles de 260 W-pico.
Para calcular las potencias inyectadas por los generadores
WT1, WT2, PV1, PV2 y PV3, se utilizaron datos de
irradiancia, temperatura, y velocidad de viento medidos
experimentalmente el día 01/01/2013 por una estación
meteorológica de la Universidad Nacional del Litoral en la
ciudad de Santa Fe, Argentina.
Los conductores se seleccionaron de acuerdo a una red de
media tensión (conductores ACSR 35/6 según IRAM 2187-
1), siendo la potencia base escogida de 1 MVA. Todas las
Fig. 1. Diagrama esquemático de la MR.
demandas se modelaron como curvas activas y reactivas
diarias con intervalos de 1 hora, de acuerdo a las demandas
La Tabla II presenta las características de los bancos de
propuestas en [19]. En particular, se adoptaron demandas
baterías propuestos para las 22 configuraciones de la MR
industriales en las barras 1, 7 y 10, mientras que en los otros
estudiadas. Nótese que las configuraciones se diferencian
nodos se consideraron consumos residenciales.
solo en la cantidad de bancos, la ubicación de los mismos
La MR presenta un punto de importación/exportación de
(indicado por el nodo en los cuales se incluye el banco) y la
energía a través de un PCC con una red de mayor potencia.
potencia en kW.
Dicho punto permite también la exportación solo cuando la
El desempeño de cada configuración se determina en
generación de energía basada en fuentes renovables excede
la demanda activa. Durante la simulación, se calcula la términos de la desviación media de tensiones, D , la cual
diferencia entre estos dos parámetros en su totalidad, representa la desviación de tensión (a 1 p.u.) que exhibe la
despreciando pérdidas. Si esta diferencia es positiva, se microred, el cual se calcula según:
admite exportar por medio del PCC. Esto transforma su N
costo en negativo debido a que se produce una venta de
energía. Cuando la diferencia de generación renovable y
D  (v j  1)2 (12)
j 1
activa es menor o igual a cero, el PCC sólo permite importar
energía. En caso de que la microred presente donde v j es la tensión (en 1 p.u.) en el j-ésimo nodo de la
almacenamiento de energía y la diferencia permita
exportación, se realizará una distribución en las potencias MR.
para cargar las baterías con ese exceso. De esta manera, no IV. RESULTADOS
sólo se procederá a vender, sino que también se cargarán los
bancos de batería (si es necesario). La Figura 2 presenta el desvío medio de tensiones D
Se analizaron diferentes configuraciones de la MR, las para las 22 configuraciones estudiadas. Se observa que
cuales se diferencian principalmente por el tamaño, la existen configuraciones para las cuales se obtuvo un
ubicación y el número de bancos de baterías incluidos. En aumento significativo del desvío de tensiones en nodos de la
cada configuración se utiliza un método de punto interior red comparado con la configuración de referencia sin
tipo primal-dual para resolver el problema de despacho bancos de batería. Particularmente, en aquellas
económico de generación mediante la optimización de la configuraciones en las que se utilizaron múltiples bancos
ecuación (11). Es decir, el algoritmo de optimización se distribuidos sobre la MR, por ejemplo las configuraciones 4,
utiliza para determinar las tensiones de generación y las 8, 9 y 16, resultaron en desvíos medios elevados. Sin
potencias generadas en los generadores diésel (DG) e embargo, la utilización de un banco simple de gran potencia
importada desde el PCC, de tal manera que el costo global produjo valores de desvío medio menores a los
sea mínimo. correspondientes a la configuración sin baterías, como por
Las restricciones que la red presenta son principalmente ejemplo en las configuraciones 13, 17, 18, 19 y 20. Más aun,
de capabilidad: i) mínimo y máximo en las potencias de aquellas configuraciones que contemplan un solo banco de
generación (activa y reactiva); ii) equilibrio entre oferta y baterías en ubicaciones alejadas del PCC, por ejemplo,
demanda (en consideración de las pérdidas); y iii) configuraciones 13, 17, 18 y 19, exhibieron una mejora
restricciones en las tensiones de todos los nodos, que se significativamente mayor en el perfil de tensiones.
admiten sólo entre 0.9 y 1.1 por unidad.

Authorized licensed use limited to: CINVESTAV. Downloaded on October 05,2022 at 16:21:57 UTC from IEEE Xplore. Restrictions apply.
 La Figura 6 presenta los perfiles de tensión media
(promediados en 24 hs) en nodos de la red. Es importante
notar que las configuraciones que presentaron un menor
valor de desvío medio D , por ejemplo la configuración 17,
presenta ciertos nodos con desvíos de tensión
significativamente mayores al correspondiente a la red sin
baterías. Es decir, si bien en forma global la MR exhibe un
menor desvío medio de tensión, algunos nodos pueden
presentar valores más significativos.
Aunque no se muestran resultados numéricos, es
importante mencionar que todas las configuraciones
estudiadas exhibieron costos de generación totales bastante
similares. Es decir, en la red ensayada, la inclusión de
bancos de baterías no tiene una incidencia significativa en
los costos de generación de la MR.

TABLA III.
CONFIGURACIÓN DE BANCOS DE BATERÍA

Caso de Configuración del banco.

estudio Cantidad de Bancos Nodo Potencia (kW)
1 0 - -
0 240
2 2
14 240
3 1 14 480
4 72
4 3 8 72
14 72
5 1 2 240
6 1 6 240
7 1 11 240
2 144
8 3 6 144
11 144
0 96
2 24
4 24
9 7 6 24
8 24
11 24
14 24
10 1 2 480
11 1 6 480
12 1 0 960
13 1 4 960
14 1 14 960
15 1 6 960
2 240
4 240
6 240
16 6
8 240
11 240
14 240
17 1 4 1440
18 1 8 1440
19 1 14 1440
20 1 2 1440 Fig. 2. Desviación media de tensión obtenida para las configuraciones
21 1 6 1440 estudiadas.
22 1 11 1440

Authorized licensed use limited to: CINVESTAV. Downloaded on October 05,2022 at 16:21:57 UTC from IEEE Xplore. Restrictions apply.

Fig. 3. Desviación media de tensión para las configuraciones 1, 3, 16, 17 y
18, correspondiente a la hora 24.
V. CONCLUSIONES
Se estudió el impacto de la inclusión de bancos de batería
en una microred radial con alta penetración de generadores
solares y eólicos, analizándose las mejoras en los perfiles de
tensión en nodos de la red. En general, todas las
configuraciones estudiadas exhibieron costos de generación
similares independientemente del número, potencia y
ubicación del banco de baterías.
En general el impacto de la inclusión de bancos de batería
sobre el desvío de tensiones resultó en un aumento del
mismo en configuraciones que incluían más de un banco
distribuido. Por el contrario, la utilización de un solo banco
de gran potencia produjo una mejora del perfil de tensiones
respecto de la MR sin almacenamiento. En particular,
aquellas configuraciones que utilizaron un solo banco de
gran potencia ubicado a grandes distancias del punto de
acople con otra red de mayor potencia resultaron en mejoras
significativas del perfil de tensiones.
VI. REFERENCIAS
[1] Jordehi A.R. Ren. and Sust. Ener. Rev. 2016, 56, 893-905.
[2] G. Pepermans, J. Driesen, X. Haeseldonck, R. Belmans, W.
D’haeseleer, “Distributed generation: definition, benefits and issues”,
Energy Policity, vol. 33, pp. 787-798, 2005.
Authorized licensed use limited to: CINVESTAV. Downloaded on October 05,2022 at 16:21:57 UTC from IEEE Xplore. Restrictions apply.
[3] S. Chowdhury, S.P. Chowdhury, P. Crossley, “Microgrids and
active distribution networks”, The Institution of Engineering and
Technology, 2009
[4] A. Loyarte, L. Clementi, J. Vega, “Operation of a Microgrid with
Optimal Power Assignments at the Generation Nodes”, in
Innovative Smart Grid Technologies Conference Latinamerica 2015
(ISGT LA 2015), October 5-7, Montevideo, Uruguay.
[5] A. Loyarte, L. Clementi, J. Vega, “Asignación Optima de Potencias
de Generación en una Micro-Red Eléctrica con Demanda
Distribuida Variable”, en V Congreso de Matemática Aplicada,
Computacional e Industrial (MACI 2015), Mayo 4-6, Tandil,
Argentina.
[6] F. Mohamed, “Microgrid Modelling and Online Management”,
Ph.D. Thesis, Helsinki University of Technology, 2008.
[7] D. Zhang, “Optimal Design and Planning of Energy Microgrids”,
Ph.D. Thesis, University College, London, 2013.
[8] A. Faisal, N. Heikki, “Multiobjetive optimization using mesh
adaptative direct search for power dispatch problem of microgrid”,
Electrical Power and Energy Systems, vol. 42, pp. 728-735, 2012.
[9] W. Huang, K. Yao, C. Wu, “Using the direct search method for
optimal dispatch of distributed generation in a medium voltage
microgrid”, Energies, vol. 7, pp. 8355-8373, 2014.
[10] A. Faisal, N. Heikki, “Online management genetic algorithm of
microgrid for resideltial application”, Energy Conversion and
Management, vol. 64, pp. 562-568, 2012.
[11] W. Lin, C. Tu, M. Tsai, “Energy management strategy for
microgrids by using enhaced bee colony optimization”, Energies,
vol. 9, pp. 1-16, 2016.
[12] L. Xu, G. Yang, Z. Xu, Z. Bao, Q. Jiang, Y. Cao, J. Ostegaard, “A
co-ordinated dispatch model for electricity and heat in a microgrid
via particle swarm optimization”, Transactions of the Institute of
Measurement and Control, vol. 35, pp. 44-55, 2016.
[13] M. Ross, C. Abbey, F. Bouffard, G. Joss, “Multiobjetive
optimization dispatch for microgrids with high penetration of
renewable generation”, IEEE Transactions on Sustainable Energy,
vol. 6(4), pp. 1306-1314, 2015.
[14] J. Grainger and W. Stevenson, Análisis de Sistemas de Potencia,
Naucalpan de Juarez: McGraw-Hill, 1996, p. 223.
[15] F. Mohamed, “Microgrid modelling and online management”, Ph.D.
Thesis, Helsinki University of Technology, 2008.
[16] J.A. Duffie and W.A. Beckman, Solar Engineering of Thermal
Processes, 3erd. ed., Hoboken, New Jersey: Wiley and Sons, 2006.
[17] Ariel s Loyarte, Emanuel Sangoi, Luis Clementi y Jorge Vega,
“Optimal Distribution of Battery Banks in Microgrids with High
Photovoltaic Penetration”.
[18] T. Kerdphol, K. Fuji, Y. Mitani, M. Watanabe and Y. Qudaih,
“Optimization of a battery energy storage system using particle
swarm optimization for stand-alone microgrids”, International
Journal of Electrical Power & Energy Systems, vol. 81, pp. 32-39,
2016
[19] J.A. Jardini, C. Tahan, M.R. Gouvea, Se Un Ahn, and F.M.
Figueiredo, “Daily load profiles for residential, commercial and
industrial low voltage consumers”, IEEE Trans. on Power Delivery,
vol. 15 (1), pp. 375-380, 2002.