Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TESIS
PRESENTADO POR:
INGENIERO ELECTRICISTA
HUANCAYO – PERÚ
2021
ASESOR
ii
DEDICATORIA
iii
AGRADECIMIENTO
iv
ÍNDICE
ASESOR II
DEDICATORIA III
AGRADECIMIENTO IV
ÍNDICE V
LISTA DE FIGURAS VIII
LISTA DE TABLAS IX
RESUMEN X
ABSTRACT XI
INTRODUCCIÓN 1
CAPITULO I 2
PLANTEAMIENTO DEL PROBLEMA 2
1.1. Descripción de la realidad problemática. 2
1.2. Formulación del problema 3
1.3. Objetivos de la investigación 4
1.4. Justificación 4
1.5. Limitación del estudio. 5
CAPITULO II 6
MARCO TEÓRICO. 6
2.1. Antecedentes 6
2.1.1. Antecedente Internacional. 6
2.1.2. Antecedente América Latina. 8
2.1.3. Antecedentes Nacional. 8
2.2. Bases epistémicas 9
2.3. Base teórica 9
2.3.1. Demanda Eléctrica Diaria 9
2.3.1.1. Demanda. 9
2.3.1.2. Demanda máxima. 10
2.3.1.3. Demanda media o promedio 11
2.3.1.4. Factor de carga. 11
2.3.1.5. Carga del transformador de distribución. 12
2.3.1.6. Demanda Diversificada. 13
2.3.1.7. Demanda máxima diversificada. 14
v
2.3.1.8. Curva de duración de carga. 14
2.3.1.9. Demanda máxima no coincidente. 15
2.3.1.10. Factor de Diversidad. 15
2.3.1.11. Factor de demanda. 16
2.3.1.12. Factor de utilización. 16
2.3.1.13. Diversidad de carga. 17
2.3.2. Sistemas de Almacenamiento en baterías (BESS) 17
2.3.2.1. Tecnologías de baterías. 17
2.3.2.2. Características de BESS. 19
2.3.2.3. Aplicaciones de la BESS. 21
2.3.3. Operación del sistema de almacenamiento de energía en batería 22
2.4. Bases Conceptuales 27
2.5. Glosario de términos 27
2.6. Hipótesis y variables. 28
2.6.1. Definición de las variables- 28
2.6.2. Operacionalización de variable 28
2.6.3. Hipótesis 31
2.6.3.1. Hipótesis general. 31
2.6.3.2. Hipótesis específicas. 31
CAPITULO III 32
DISEÑO METODOLÓGICO 32
3.1. Tipo de investigación 32
3.2. Diseño de la investigación 32
3.3. Población y muestra 33
3.4. Técnicas e instrumentos de recolección de datos. 33
3.5. Procedimiento de recolección de datos 33
3.6. Procesamiento estadístico y procesamiento de datos 33
CAPITULO IV 35
RESULTADOS DE LA INVESTIGACIÓN 35
4.1. Demanda Eléctrica Diaria de SE0062 (Huancayo) 35
4.1.1. Demanda 36
4.1.2. Máxima demanda 37
4.1.3. Mínima demanda 37
4.1.4. Demanda promedio 37
vi
4.1.5. Factor de carga 37
4.1.6. Costo de operación diaria del sistema eléctrico Huancayo 37
4.2. Resultados de Instalación del BESS 39
4.2.1. Componentes del BESS 39
4.2.2. Señal económica para la estrategia de operación del BESS 41
4.2.3. Estrategia de asignación de energía en sistema de almacenamiento 43
4.3. Resultados de la demanda considerando el sistema de almacenamiento. 46
4.3.1. Demanda 46
4.3.2. Máxima demanda 47
4.3.3. Mínima demanda 47
4.3.4. Demanda promedio 48
4.3.5. Factor de carga 48
4.4. Resultados de Análisis Económico 48
4.4.1. Análisis Económico diario 48
4.4.2. Postergación en la inversión de infraestructura eléctrica 49
4.4.3. Análisis Financiero VAN 50
4.4.4. Análisis Financiero TIR 51
CONCLUSIONES 54
RECOMENDACIONES 56
BIBLIOGRAFÍA 57
ANEXO 1: 60
ANEXO 2: 63
ANEXO 3: 64
ANEXO 4: 69
vii
LISTA DE FIGURAS
viii
LISTA DE TABLAS
Tabla II- 3. Aplicaciones BESS en los distintos niveles del sistema eléctrico .. 22
......................................................................................................................... 42
almacenamiento ............................................................................................... 43
ix
RESUMEN
x
ABSTRACT
Electric energy storage systems in lithium batteries (BESS) are being possible
thanks to the significant reduction in their production costs, their integration within the
distribution system is generally given to address some problems such as voltage
control, load leveling, system reliability, demand response, etc. The present research
work is to analyze the characteristics of the demand of the electrical system SE0062
(Huancayo) to reduce the maximum demand at peak hours and how the integration of
the storage system impacts on the mentioned electrical system. To address the
problem, specialized literature has been consulted, in which the main technical
characteristics of battery storage systems and their operation have been consulted. A
mathematical optimization model has been used for a better allocation of the energy
resources of the storage system throughout the day. The results indicate that the
integration of batteries for the optimal charge / discharge management of the storage
systems improves technical characteristics of the Distribution System such as the
charge factor, minimum demand and maximum demand, solving congestion problems
in periods of maximum demand. In addition, an economic analysis has been carried
out on the viability or not of the project.
xi
INTRODUCCIÓN
1
CAPITULO I
En América Latina, las tarifas no son muy distintas a los ya mencionados, pero
también los hábitos de consumo impactan directamente en los sistemas de
distribución y se ve reflejada en la demanda eléctrica diaria, conociendo los hábitos
de consumo se podría, por ejemplo, desplazar parte del consumo de horas pico a
horas valle, ahorrando la inversión de nuevas redes (Hernández Hernández & Carrillo
Cruz , 2017).
2
En el Perú, se tienen dos horarios bien definidos en la demanda eléctrica diaria;
hora punta que comprende entre las 18 horas y las 23 horas y hora fuera de punta el
resto del día. Precisamente en la hora punta se tienen una mayor demanda de
electricidad ocasionado muchas veces problemas de congestión en las redes, las
tarifas en el mercado spot son más caras, es más, las redes son diseñadas para
atender estas pocas horas de alta demanda teniendo un fator de uso muy bajo (Butrón
Fernández & Cerida Apolaya, 2020).
¿En qué medida el BESS influye en la Demanda Eléctrica Diaria del sistema
eléctrico de distribución SE0062 (Huancayo)?
PE2: ¿En qué medida influye el BESS en la Máxima demanda Diaria del
sistema eléctrico de distribución SE0062 (Huancayo)?
3
PE3: ¿De qué manera el BESS influye en el Factor de carga diaria del sistema
eléctrico de distribución SE0062 (Huancayo)?
OE1: Determinar la influencia del BESS sobre la Mínima demandada Diaria del
sistema eléctrico de distribución SE0062 (Huancayo).
OE2: Indicar la influencia del BESS sobre la Máxima demanda Diaria del
sistema eléctrico de distribución SE0062 (Huancayo).
OE3: Explicar la Influencia del BESS sobre el Factor de carga diaria del sistema
eléctrico
1.4. Justificación
a. Justificación teórica
b. Justificación metodológica.
4
representar el BESS generando así un método que puede ser empleado en distintos
estudios que se requieran.
c. Justificación Socio-económico.
5
CAPITULO II
2. MARCO TEÓRICO.
2.1. Antecedentes
2.1.1. Antecedente Internacional.
(Khormali, 2015) en su tesis para obtener el grado PhD que lleva por título
“Optimal Integration of Battery Energy Storage Systems in Smart Grids” realizan
diversos estudios de la integración de las BESS en el sistema de distribución GETRA
localizado en el sur de Italia, para ello elaboran varios modelos matemáticos de
optimización que involucra la programación diaria de la operación del sistema y el
control a lo largo del tiempo de la operación, los modelos matemáticos están
enfocados a la estabilidad del voltaje, calidad de energía, fiabilidad del sistema y
respuesta de la demanda analizando estas variables determinan la capacidad optima
del BESS en el sistema GETRA. Una vez implementada el BESS, el sistema de
distribución obtuvo significativas mejoras y la integración optima trae consigo
beneficios económicos que en gran medida se manifiesta dependiendo de la
estrategia de operación y el tamaño optimo del BESS. En cuanto a los beneficios
económicos el investigador recomienda que estos varían de acuerdo a las políticas
tarifarias de cada país.
(Lindstens, 2017) es su tesis de maestría que lleva por título “Study of a battery
energy storage system in a weak distribution grid” en vista que la energía renovable
no convencional como la eólica y la solar provoca inestabilidad en el sistema eléctrico
6
ocasionando fluctuaciones de voltaje y frecuencia en un sistema de distribución ficticia
(sistema creada para su estudio) realiza investigaciones de como con la ubicación
estratégica y la capacidad adecuada de los BESS existe la posibilidad de manejar la
regulación de frecuencia y voltaje dentro de una red débil, la investigación se ha
realizado usando el entorno de programación Matlab Simulink mediante la creación
de una red de distribución débil con alta penetración de energía solar. Las
conclusiones del estudio fueron que la inestabilidad de la red es generada por las
energías no convencionales para luego ser amplificada por las impedancias de las
redes eléctricas frente a ellos el BESS tiene la capacidad de actuar como un
dispositivo de regulación resolviendo las dificultades de equilibrio durante los
momentos de déficit/sobreproducción energética y para mitigar los problemas de
inestabilidad la ubicación de BESS se debe situar en la barra que tiene la carga más
grande. El investigador recomienda estudios del BESS en sistemas más complejos y
probar distintos sistemas de control para el BESS y ver cómo afectan en la posible
regulación del sistema.
(Datta, 2020) en su tesis para alcanzar el grado PhD que lleva por título “Battery
Energy Storage System for Renewable Energy Integrated Power System Stability
Enhancement” aporta al modelado de control para el del BESS con la finalidad de
mejorar la capacidad de amortiguación y la estabilidad transitoria en el sistema
eléctrico con alta participación de energías renovables no convencionales para el cual
realizado estudios de control del BESS en ficados en las técnicas de control
proporcional integral (PI), con el diseño de este control inteligentes se logra minimizar
la sobrecarga del transformador de acoplamiento a la red. El BESS está diseñado
para para ser regulado cuando la carga exceda la capacidad nominal del
trasformador, Los resultados de la simulación validaron la eficacia de BESS para
lograr el resultado esperado según el diseño donde el BESS participo sin sobrecargar
el transformador ya que el control diseñado permite participar dentro del límite máximo
de la capacidad del transformador. El diseño del controlador para el BESS tiene un
impacto significativo en su rendimiento por lo que el autor recomienda explorar los
amplios alcances de los BESS.
7
2.1.2. Antecedente América Latina.
(Cifuentes Otto, 2017) en sus tesis para optar el grado de maestro que lleva
por título “Localización de equipos BESS mediante algoritmos genéticos
considerando criterios de estabilidad de voltaje” desarrolla una metodología para
encontrar la mejor ubicación de los BESS entre todas las barras existentes dentro del
sistema de energía, el modelo matemático desarrollado es un modelo de optimización
que plantea análisis de contingencia para un conjunto de fallas criticas empleando
algoritmos genéticos, el caso de estudio es el sistema de prueba de 39 barras del
sistema eléctrico Nueva Inglaterra ubicada en el norte de los Estados Unidos. Los
resultados de la investigación mostraron que la ubicación optima de los BESS ante
contingencias criticas logran disminuir el margen de inestabilidad del sistema de
energía. Con estos avances en su investigación lo proyectos en que debe centrase
es la necesidad de incorporar las baterías en la planificación de los sistemas
energéticos, particularmente donde se tienen altos grados de penetración de energías
renovables no convencionales.
(Gómez Pérez, 2018) En sus tesis para optar el grado de Maestro que lleva por
título “Planeamiento de la expansión usando sistemas de almacenamiento de energía
BESS”, propone y desarrolla un modelo matemático de programación lineal entera
mixta (MILP) en estado estacionario para el planeamiento del sistema eléctrico de
potencia incorporando BESS, dentro del modelos se incluyen varias tecnologías de
baterías y su respectivo costo de inversión, el modelo fue implementado en el
lenguaje de optimización AMPL para el sistema eléctrico del sur de Brasil. Los
resultados arrojaron que se tienen beneficios económicos dado que se retrasan o
eliminan las inversiones es estado estable, los beneficios son de hasta el 12% si se
considera las inversiones de líneas transmisión.
(Estrada Torres, Alarcon Cubas, Chavarri Aguirre, & Quispe Rojas, 2019) en
su tesis para optar el grado de maestro que lleva por título “Diagnóstico, análisis y
evaluación de los sistemas de almacenamiento de energía con baterías para su
aplicación en la regulación primaria de frecuencia en una central de ciclo combinado
del Sistema Eléctrico Peruano.” Evalúan la viabilidad técnica/económica de un
8
proyecto BESS en la regulación primaria de frecuencia de frecuencia de una central
térmica, donde la evaluación técnica consiste en la realización de simulaciones
dinámicas para evaluar la regulación primaria de frecuencia haciendo uso del BESS.
Los resultados arrojan que la mejor alternativa en tecnología BESS son de Ion-Litio y
estas cumplen con los requisitos técnicos/económicos para el empero de la regulación
primaria de frecuencia.
2.3.1.1. Demanda.
9
promedio. El intervalo de tiempo define la precisión de la carga, cuanto menos tiempo
más preciso es el valor de la demanda. Esta curva se elabora a partir de las
mediciones realizadas de la demanda en kW o MW de 15 minutos durante un periodo
de 24 horas.
10
Figura 2. 2. Mediciones de la demanda en un periodo de 24 horas para el usuario #1 (Kersting, 2018)
11
Demanda promedio 2.46
Factor de carga = = = 0.40 (2. 2)
Demanda maxima 6.18
12
Figura 2. 5 Mediciones de la demanda en un periodo de 24 horas para el usuario #4 (Kersting, 2018)
13
Figura 2. 6. Transformador de curva de demanda diversificada (Kersting, 2018).
14
al porcentaje de tiempo que se encuentra operando el trasformador, por ejemplo,
podemos ver que el transformador opera con más de 12 kW el 22% del tiempo, Esta
curva se utiliza para ver el tiempo de sobrecarga que soporta el trasformador, frente
a ello se toma la decisión de reemplazar o no por las sobrecargas que soporta.
𝑀𝐷𝑛𝑜 𝑐𝑜𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑡𝑒 = 𝑀𝐷1 + 𝑀𝐷2 + 𝑀𝐷3 + 𝑀𝐷4 = 6.18 + 6.82 + 4.93 + 7.05
(2. 3)
= 24.98 kW
15
si el factor de diversidad es mayor que 1 representa que las máximas demandas de
las usuarias se dan en diferentes periodos, para el caso en cuestión es:
MD 16.16
Factor de Demanda = = = 0.0.4617 (2. 5)
Carga total 35
MD 17.96
Factor de utilización = = 1.197 (2. 6)
PNtrafo 15
16
2.3.1.13. Diversidad de carga.
17
tiene una concentración química del 37% de óxido de plomo, mientras que entado
descargado los electrodos se convierten en sulfato de plomo, la vida útil de este tipo
de baterías es de 5 a 15 años y tiene una eficiencia entre el 70% y el 90%.
Las baterías de litio son usadas en los dispositivos portátiles en los últimos
años teniendo un ciclo de vida de hasta 10000 recargas, el cátodo de esta batería es
oxido de metal litado, mientras que el ánodo este hecho de carbono grafítico con una
estructura de capas. En la actualidad las baterías de ion de litio presentan desafíos
para su implementación a gran escala, aunque en los últimos años la reducción de
costos en este tipo de baterías ha sido significativa, en el 2020 se ha registrados
precios de 135 USD/kWh (García, 2020), en la actualidad existe más 200 MW de
batería de litio que funcionan conectadas a la red y prestan servicios auxiliares a la
red eléctrica.
c) Baterías de Níquel-Cadmio
Estas baterías están compuestas por azufre liquido en el catado y sodio liquido
en el ánodo, estas baterías tienen un ciclo de vida de 2500 recargas, además se
puede alcanzar entre 150-240 Wh de energía por cada kilogramo de la batería, la
eficiencia de esta batería se encuentra en el rango de 75% al 90%, estas baterías se
usan principalmente para mejorar la calidad de energía y reducir los picos de
demanda, otra desventaja de este tipo de batería es su elevado costo (300-500
USD/kWh).
18
e) Baterías de cloruro de sodio y níquel
Estas beterías son conocidas como las beterías ZEBRA, el cátodo está
compuesto por cloruro de níquel, una de las desventajas es que solo una empresa
produce esta tecnología, recientemente se ha anunciado recientemente la aplicación
de las baterías ZEBRA en sistema de rescate submarino de la OTAN.
Self-
Power Energy Power Capital
discharge Cycle life
Technology rating density density cost
(% per (cycle)
(MW) (Wh/kg) (W/kg) ($/kWh)
day)
Lead-acid 0 - 20 0.1 - 0.3 30 - 50 75 - 300 500 - 1000 200 - 400
1000 -
0 - 0.1 0.1 - 0.3 75 - 200 150 - 315 600 - 2500
Li-ion 10000
2000 -
0 - 40 0.2 - 0.6 50 - 75 150 - 300 800 -1500
Ni-Cd 2500
NaS 0.05 - 80 20 150 - 240 150 - 230 2500 300 - 500
ZEBRA 0 – 0.3 15 100 - 200 150 - 200 2500 100 – 200
a) Capacidad de almacenamiento.
19
b) Profundidad de descarga (DOD)
En las baterías no se puede descargar por completo sin causar daños graves,
la profundidad de descarga determina la fracción de energía que se puede extraer.
Por ejemplo, si una batería tiene un DOD del 25%, la carga solo puede utilizar el 25%
de la batería, es ese sentido la energía real que se puede extraer de la batería es
mucho menor que la capacidad nominal, una batería de plomo acido que funciona
con un DOD de del 20% tiene una vida útil de 2800 ciclos de carga/descarga, mientras
si la misma batería trabaja con un DOD del 80% la vida útil es de unos 500 ciclos de
carga/descarga, en la figura Figura 2. 8 se muestra este comportamiento.
c) Tiempo de descarga.
20
d) Eficiencia
f) Tasa de carga/descarga
21
muestra las aplicaciones BESS en los distintos niveles del Sistema eléctrico de
potencia.
Tabla II- 3. Aplicaciones BESS en los distintos niveles del sistema eléctrico (Khormali, 2015)
control de frecuencia
Nivelación de carga
Servicios de unidad de
Aplazamiento de actualización de distribución
distribución
Control de tensión
Calidad de la energía
Fiabilidad de la energía
Servicios de unidad de
cliente
Aplanado de la demanda
Respuesta de la demanda
22
muestra en la Tabla II- 4. Estos parámetros y variables se pueden usar de manera
directa en las formulaciones matemáticas del despacho óptimo de energía.
Parámetros Eficiencia de
% Eficiencia de carga 𝜂𝑐
operacionales descarga 𝜂𝑑
Capacidad máxima de energía en batería
MWh
𝑆𝑂𝐶𝑚𝑎𝑥
La variable de carga de energía 𝑝𝑡𝑐 está limitada por la potencia de carga mínima
𝑐 𝑐
𝑝𝑚𝑖𝑛 y por la potencia de carga máxima 𝑝𝑚𝑎𝑥 cómo se observa en la ecuación (2.8.2)
23
La variable de descarga de energía 𝑝𝑡𝑑 está limitada por la potencia de descarga
𝑑 𝑑
mínima 𝑝𝑚𝑖𝑛 y por la potencia de descarga máxima 𝑝𝑚𝑎𝑥 cómo se observa en la ecuación (2.
9)
pct
SOCt = SOCt−1 + (pct ∗ ηc − ) ∆t (2. 10)
ηc
d
Pmin ≤ Ptd ≤ Pmax
d
24
Enst + ∑ Pg,t + Ptd ≥ Lt + Ptc
g
la función objetivo de la ecuación (2. 11) representa el mínimo costo que debe
encontrar el modelo en la operación del sistema para ello tiene que asignar la carga
en aquellos momentos donde la demanda es baja y gestionar la descarga donde la
demanda es alta. Además, se tiene que asegurar que en que la energía no
suministrada sea nula o en el peor de los casos sea mínima, para ellos se tiene que
penalizar por cada unidad de energía no suministrada.
Las Ecuaciones en (2. 12), representa los límites máximos y mínimos de la
potencia que puede entregar los generadores, limitan el cambio de la rampa de subida
y bajada, describe el comportamiento del sistema de almacenamiento de los
vehículos eléctricos en su conjunto. límites de carga, descarga que se pueden realizar
en un periodo te tiempo, determina la capacidad máxima del sistema de
almacenamiento, describe el balance de potencia que debe existir entre la generación
y la demanda de energía
Índices y conjuntos:
𝑔 ∈ 𝐺: Unidades de generación, desde 1 hasta G.
𝑡 ∈ 𝑇: Periodo de tiempo, desde 1 hasta T horas.
Parámetros:
𝐶𝐸𝑛𝑠 Costo de la Energía no suministrada
𝐿𝑡 Demanda del sistema en el tiempo 𝑡.
𝑎𝑔 , 𝑏𝑔 , 𝑐𝑔 Coeficiente de costo de producción de la unidad 𝑔.
𝑚𝑎𝑥/𝑚𝑖𝑛
𝑃𝑔 Límite de potencia máxima/mínima de la unidad 𝑔.
𝑅𝑈𝑔 /𝑅𝐷𝑔 Límite de rampa de subida/bajada de la unidad 𝑔.
SOC𝑚𝑎𝑥/𝑚𝑖𝑛 Capacidad máxima/mínima del sistema de almacenamiento.
𝑐
𝑃𝑚𝑎𝑥/𝑚𝑖𝑛 Capacidad máxima/mínima que el sistema de almacenamiento puede
tomar de la red.
25
𝑐
𝑃𝑚𝑎𝑥/𝑚𝑖𝑛 Capacidad máxima/mínima que el sistema de almacenamiento puede
entregar de la red.
𝜂𝑐 Rendimiento al tomar energía de la red.
𝜂𝑑 Rendimiento al entregar energía a la red.
Variables:
𝑃𝑔,𝑡 Energía entregada por la unidad 𝑔 en el periodo 𝑡.
𝑆𝑂𝐶𝑡 Energía almacenada en el periodo 𝑡.
𝐸𝑛𝑠𝑡 Energía no suministrada en el tiempo t.
𝑃𝑡𝑐 Cantidad de potencia que los vehículos toman de la red (carga)
𝑃𝑑𝑡 Cantidad de potencia que los vehículos entregan a la red (descarga)
26
2.4. Bases Conceptuales
2.4.1. Sistema de almacenamiento de Energía (ESS)
27
2.6. Hipótesis y variables.
2.6.1. Definición de las variables-
28
29
MATRIZ OPERACIONAL
unidad
Definición Def. escala de
Variables Dimensiones Indicadores técnica instrumento de Formula Metodología
conceptual operacional indicadores
medida
(Ter-Gazarian, Potencia Ficha de
Revisión Recolección
2020) define: son Capacidad Instalada de la Razón recolección MW Directa
documentaria de datos
dispositivos de El BESS en el batería (MW) de datos
almacenamiento sistema SE0062 Cantidad de Ficha de
Estado de
de energía (Huancayo) es Energía en la Razón Observación recolección MW Directa Observación
Carga (SOC)
electroquímica un sistema de batería (MW) de datos
Sistema de que ofrecen almacenamiento Máxima
almacenamiento flexibilidad en que prestan Ficha de
Potencia de potencia que la Revisión Recolección
de energía en capacidad, servicios Razón recolección MWh Directa
Carga/descarga red entrega a documentaria de datos
Batería (BESS) ubicación y complementarios de datos
batería
respuesta rápida para mejorar las
en las demandas características
Ficha de
de aplicaciones de la demanda Rendimiento de rendimiento de Revisión Recolección
Intervalo recolección % Directa
que ofrecen los eléctrica diaria. Carga/Descarga almacenamiento documentaria de datos
de datos
sistemas y
almacenamiento.
(Kersting, 2018) La demanda La mayor
Observación Ficha de
Demanda concluye: es la eléctrica diaria, Máxima potencia Recolección
Razón y Revisión recolección MW Directa
Eléctrica Diaria representación es una demanda diaria registrada de datos
documentaria de datos
gráfica o representación durante el día
29
30
30
31
2.6.3. Hipótesis
2.6.3.1. Hipótesis general.
31
CAPITULO III
3. DISEÑO METODOLÓGICO
32
control sobre la manipulación de las variables intervinientes por lo que el diseño de la
investigación corresponde a la de cuasiexperimental.
33
El procesamiento estadístico de los datos se realiza para para obtener unos
resultados fieles a la realidad de la información que, del objeto de estudio, para ello
se debe establecer el tipo de muestreo, el tamaño de muestra, tipo de recolección de
los datos. En la presente investigación por las características del se usará la
estadística descriptiva.
34
CAPITULO IV
4. RESULTADOS DE LA INVESTIGACIÓN
35
Figura 4. 1 Sistema Eléctrico Huancayo (elaboración propia)
4.1.1. Demanda
La demanda des sistema eléctrico Huancayo (SE0062) es representada en
intervalo de tiempo de 30 minutos durante un periodo de 24 horas, en la Figura 4.2
se observa el diagrama de carga del sistema eléctrico de Huancayo (SE0062), el
diagrama muestra el patrón de consumo diario, donde se tiene poca concentración
de la demanda en horarios de madrugada, mientras que la mayor concentración de
la demanda se da entre las 17 y 21 horas, a este periodo se le conoce como horas
punta de consumo eléctrico.
36
4.1.2. Máxima demanda
La máxima demanda es el mayor valor de todas las demandas registradas a lo
largo del día, para el sistema eléctrico de Huancayo (SE0062) la demanda máxima
se da a las 19:00 horas cuando la demanda alcanza a llegar a los 33.2 MW.
37
de las 2 primeras semanas del mes de abril del 2021, en la tabla 4.1. se muestra las
tarifas en barra de los distintos días de las 2 primeras semanas del mes de abril.
USD/
JUE VIE SAB DOM. LUN. MAR. MIÉ. JUE. VIE. SÁB. DOM. LUN. MAR. MIÉ.
MWh
1/04/ 2/04/ 3/04/ 4/04/ 5/04/ 6/04/ 7/04/ 8/04/ 9/04/ 10/04/ 11/04/ 12/04/ 13/04/ 14/04/
hora
2021 2021 2021 2021 2021 2021 2021 2021 2021 2021 2021 2021 2021 2021
00:00 1.88 1.86 1.82 1.82 1.87 23.90 1.84 22.96 1.86 1.82 1.90 1.81 1.93 1.93
00:30 1.85 1.83 1.81 1.81 1.81 1.90 1.82 1.88 1.83 1.80 1.85 1.81 1.86 1.88
01:00 1.84 1.81 1.80 1.81 1.79 1.86 1.80 1.84 1.81 1.80 1.91 1.80 1.89 1.90
01:30 1.85 1.81 1.81 1.81 1.80 1.86 1.80 1.83 1.80 1.80 1.88 1.80 1.87 1.85
02:00 1.84 1.81 1.80 1.80 1.79 1.86 1.80 1.82 1.81 1.80 1.88 1.80 1.85 1.83
02:30 1.84 1.81 1.80 1.80 1.78 1.86 1.80 1.82 1.81 1.80 1.84 1.80 1.84 1.82
03:00 1.82 1.80 1.81 1.81 1.80 1.86 1.80 1.84 1.82 1.80 1.85 1.80 1.84 1.82
03:30 1.82 1.81 1.80 1.80 1.79 1.80 1.80 1.82 1.81 1.79 1.85 1.80 1.87 1.82
04:00 1.82 1.81 1.80 1.80 1.79 1.80 1.80 1.83 1.81 1.79 1.83 1.80 1.89 1.81
04:30 1.82 1.81 1.80 1.80 1.83 1.82 1.80 1.84 1.81 1.80 1.84 1.80 1.90 1.82
05:00 1.81 1.81 1.81 1.81 1.79 1.85 1.83 1.90 1.81 1.81 1.85 1.81 1.87 1.82
05:30 1.81 1.80 1.80 1.80 1.81 1.85 1.84 23.97 1.82 1.80 1.83 1.80 1.87 1.82
06:00 1.81 1.79 1.80 1.92 1.81 1.84 1.82 1.83 1.82 1.80 1.82 1.80 1.84 1.81
06:30 1.80 1.80 1.81 1.80 1.81 1.82 1.82 1.82 1.81 1.80 1.80 1.81 1.84 1.82
07:00 1.81 1.80 1.81 1.80 1.83 24.36 1.91 23.00 1.83 1.82 1.81 1.83 1.84 1.89
07:30 1.82 1.81 1.81 1.81 1.96 23.68 27.20 1.88 1.86 1.85 1.81 1.87 27.18 1.97
08:00 1.83 1.81 1.82 1.81 30.23 29.78 19.04 17.74 23.64 1.83 1.80 22.86 23.82 27.39
08:30 1.85 1.82 1.85 1.81 30.81 29.96 18.34 17.30 1.93 7.38 1.81 23.30 28.94 27.03
09:00 1.87 1.83 1.85 1.84 30.62 29.93 18.72 17.52 27.93 11.41 1.82 29.37 29.47 27.79
09:30 1.90 1.86 1.92 1.82 31.51 30.31 33.50 17.48 27.96 20.57 1.81 28.76 30.26 28.36
10:00 22.30 1.84 1.93 1.83 30.73 30.96 36.16 17.28 30.24 20.53 1.81 29.35 29.95 28.16
10:30 31.05 1.84 1.96 1.81 30.70 58.91 36.36 19.15 19.16 21.75 1.82 29.39 29.95 28.10
11:00 21.97 1.90 2.05 1.82 30.19 58.93 37.29 19.42 19.35 19.92 1.84 27.94 29.69 28.10
11:30 22.05 1.84 28.41 1.82 31.14 58.73 37.28 19.02 19.59 11.44 1.81 27.70 51.05 28.15
12:00 31.07 1.83 28.93 1.83 29.75 58.68 38.75 19.06 18.87 5.11 1.81 27.01 53.83 28.36
12:30 1.87 1.83 28.97 1.84 29.36 58.69 39.22 18.28 18.22 2.76 1.82 23.76 29.34 27.41
13:00 1.84 1.82 22.67 1.82 29.47 30.17 35.36 14.86 14.73 2.71 1.80 23.23 28.18 24.06
13:30 1.84 1.82 21.98 1.81 29.65 58.04 40.16 17.19 17.44 3.30 1.81 23.25 29.18 27.45
14:00 1.82 1.82 11.32 1.81 29.79 58.28 39.79 17.23 17.42 2.81 1.80 27.22 28.85 27.50
14:30 1.83 1.82 1.90 1.81 28.62 58.43 36.30 17.62 17.44 14.90 1.81 29.46 29.11 27.36
15:00 1.83 1.81 1.91 1.82 28.02 58.75 39.51 18.00 15.21 6.93 1.82 29.47 29.43 27.50
15:30 1.83 1.82 1.88 1.83 27.75 52.36 38.98 18.41 17.39 7.11 1.82 29.56 57.59 27.50
16:00 1.82 1.81 1.89 1.82 29.01 52.98 58.16 17.52 17.61 7.35 1.82 28.93 54.37 27.47
16:30 1.84 1.81 1.86 1.82 28.16 52.31 58.71 1.96 28.31 1.92 1.82 29.42 54.54 27.52
17:00 1.85 1.81 1.83 1.83 1.96 55.36 30.16 24.16 24.34 1.95 1.83 29.43 30.19 27.54
38
17:30 1.95 1.81 1.84 1.84 23.95 52.93 27.89 1.99 2.00 29.87 1.84 29.85 24.10 27.52
18:00 28.18 1.87 28.31 29.87 29.72 52.86 58.94 28.33 25.10 29.85 29.89 30.58 30.20 30.07
18:30 31.32 22.02 23.33 29.87 30.35 59.32 59.07 28.59 29.80 30.00 29.51 30.66 54.13 30.07
19:00 31.10 31.17 29.41 29.95 30.43 59.30 59.36 28.54 25.33 30.08 29.88 30.03 29.78 30.08
19:30 31.12 30.99 29.19 59.00 30.43 59.27 52.44 28.56 24.31 30.05 29.90 29.99 29.73 30.10
20:00 31.02 30.92 31.76 59.42 30.42 30.03 30.30 30.04 28.34 29.52 29.58 29.82 29.95 30.08
20:30 31.24 28.19 58.99 55.62 30.41 30.09 30.38 27.90 28.35 29.54 29.63 29.84 30.00 29.04
21:00 31.49 28.53 31.81 55.59 30.42 30.03 29.87 28.48 28.32 29.94 23.20 30.13 30.11 28.90
21:30 23.42 27.91 28.59 30.31 30.34 29.76 28.14 24.97 28.27 29.91 1.89 29.90 30.03 28.46
22:00 23.63 28.06 28.63 1.93 29.88 58.96 30.16 23.92 28.03 29.76 1.85 29.43 29.97 28.02
22:30 23.43 12.96 22.54 1.85 29.86 28.27 27.85 1.91 23.66 27.72 1.82 28.87 29.81 27.48
23:00 1.87 1.94 1.91 1.86 28.02 23.73 1.84 1.82 1.86 27.47 1.83 23.63 28.84 27.41
23:30 1.83 1.88 1.87 1.85 24.15 1.83 1.80 1.80 1.83 1.95 1.81 1.92 2.00 1.97
39
El sistema de almacenamiento de energía está compuesto de diferentes
componentes que se ensamblan entre sí para su buen funcionamiento a continuación
se detalla los principales componentes mínimos con el que tiene que funcionar el
BESS
• Bloque de almacenamiento (SB) ($/kilovatio-hora [kWh]): este componente
incluye el precio del elemento de almacenamiento de corriente continua (CC)
más básico en un ESS (p. Ej., Para iones de litio, este precio incluye el módulo
de batería, rack y sistema de gestión de la batería, y es comparable al precio
de un paquete de vehículo eléctrico (EV)).
• Almacenamiento - Balance del sistema (SBOS) ($/kWh): incluye
componentes de costo de apoyo para el SB con contenedor, cableado,
aparamenta, bombas de batería de flujo y calefacción, ventilación y aire
acondicionado (HVAC).
• Equipo de energía (PCS) ($/kilovatio [kW]): este componente incluye
inversor bidireccional, convertidor CC-CC, protección de aislamiento,
disyuntores de corriente alterna (CA), relés, interfaz de comunicación y
software. Este es el sistema de conversión de energía para baterías.
• Controles y comunicación (C&C) ($/kW): esto incluye el sistema de gestión
de energía para todo el ESS y es responsable de la operación del ESS. Esto
también puede incluir los costos anuales de licencia del software. El costo
generalmente se representa como un costo fijo escalable con respecto a la
energía e independiente de la duración.
• Integración del sistema: precio que cobra el integrador del sistema para
integrar subcomponentes de un BESS en un solo sistema funcional. Las tareas
incluyen la adquisición y el envío al sitio de módulos de batería, racks con
cables en su lugar, contenedores y equipos de energía. En el sitio, los módulos
y racks están en contenedores con HVAC y extinción de incendios instalados
e integrados con el equipo de energía para proporcionar un sistema llave en
mano.
• Ingeniería, adquisiciones y construcción: incluye costos de ingeniería no
recurrentes y equipo de construcción, así como envío, ubicación e instalación
y puesta en servicio del ESS. Este costo se pondera en función de la relación
E/P.
40
• Desarrollo del proyecto: los costos están asociados con los permisos, los
acuerdos de compra de energía, los acuerdos de interconexión, el control del
sitio y el financiamiento.
En artículo de (Mongird, Viswanathan, Alam, Vartanian, & Sprenkle, December
2020) se realiza un análisis de los costos de instalación de componentes para el
sistema de almacenamiento de energía de la tecnología de ion de litio.
Tabla IV- 2. Costo de instalación de componentes de BESS (elaboración propia)
41
dichas señales para el cálculo del costo marginal del sistema. Ya que el sistema
eléctrico SE0062 es un sistema de pequeña demanda compara a la demanda del
SEIN, se ha visto conveniente incorporar la participación de cada tecnología en la
generación de energía del SEIN, en la Figura 4.4 se muestra la participación de cada
tecnología en el despacho para satisfacer la demanda del Perú.
Costo
Participación
Tecnología Marginal
[%]
[USD/MW]
Hidroeléctrica (TH) 48 1.8
Ciclo combinado (CC) 40 20.86
Ciclo simple (TG) 10 32.28
Combustión Interna
2 110
(CI)
42
4.2.3. Estrategia de asignación de energía en sistema de almacenamiento
El sistema de almacenamiento de energía mediante baterías de ion de litio se
conecta a la red mediante convertidores, los convertidores ajustan los parámetros
electrónicos para regular la cantidad de energía que se quiera almacenar o usar,
siguiendo una señal económica se tienen que desarrollar una estrategia para cargar
o descarga la batería, en la presente investigación se ha visto conveniente utilizar las
técnicas de optimización matemática para la asignación de energía en el sistema de
almacenamiento. La función objetivo consiste en minimizar los costos de producción
de energía eléctrica que satisface la demanda de energía, además se utiliza el
porcentaje de participación y el costo de producción de las tecnologías de generación
presentados en la Tabla IV-3, es preciso señalar que los porcentajes de participación
estarán en relación a la máxima demanda del sistema, además se usaran los
parámetros de la batería mostrado en la tabla VI-2, la formulación matemática se
muestra en las ecuaciones 2.11 y 2.12. el software utilizado es la librería plomo del
lenguaje de programación multiparadigma Python, el optimizador utilizado es el
solucionador IPOPT.
Los resultados de la simulación se muestran en la Tabla iV-4, L es la demanda
eléctrica a lo largo del día, P es la energía entregada. SOC la energía almacenada,
Pc la potencia de carga, Pd la potencia de descarga y TH, CC, TG, CI son las energías
entregadas por cada tecnología de generación.
L P SOC Pd Pc TH CC TG CI
Hora
[MW] [MW] [MWh] [MW] [MW] [MW] [MW] [MW] [MW]
00:00 14.45 16.12 10.79 0 1.67 15.94 0.19 0 0
00:30 13.727 16.11 11.93 0 2.39 15.94 0.18 0 0
01:00 13.171 16.11 13.32 0 2.94 15.94 0.17 0 0
01:30 12.6805 16.11 14.95 0 3.42 15.94 0.17 0 0
02:00 12.5285 16.1 16.65 0 3.58 15.94 0.17 0 0
02:30 12.3635 16.1 18.43 0 3.74 15.94 0.17 0 0
03:00 12.334 16.1 20.22 0 3.77 15.94 0.17 0 0
03:30 12.59 16.11 21.89 0 3.52 15.94 0.17 0 0
04:00 12.8775 16.11 23.42 0 3.23 15.94 0.17 0 0
43
04:30 13.438 16.11 24.69 0 2.68 15.94 0.18 0 0
05:00 14.6305 16.13 25.4 0 1.5 15.94 0.19 0 0
05:30 16.298 16.54 25.52 0 0.24 15.94 0.6 0 0
06:00 18.337 18.52 25.61 0 0.19 15.94 2.59 0 0
06:30 19.337 19.52 25.69 0 0.18 15.94 3.58 0 0
07:00 19.8755 20.06 25.78 0 0.19 15.94 4.13 0 0
07:30 19.299 19.49 25.87 0 0.19 15.94 3.56 0 0
08:00 19.141 19.34 25.97 0 0.2 15.94 3.4 0 0
08:30 19.7765 19.98 26.06 0 0.2 15.94 4.04 0 0
09:00 20.2595 20.47 26.16 0 0.21 15.94 4.53 0 0
09:30 20.8355 21.05 26.26 0 0.21 15.94 5.11 0 0
10:00 21.161 21.38 26.37 0 0.22 15.94 5.44 0 0
10:30 21.2215 21.45 26.47 0 0.23 15.94 5.51 0 0
11:00 21.4275 21.67 26.59 0 0.24 15.94 5.73 0 0
11:30 21.67 21.92 26.71 0 0.25 15.94 5.98 0 0
12:00 21.6055 21.87 26.83 0 0.26 15.94 5.93 0 0
12:30 21.3135 21.59 26.96 0 0.28 15.94 5.66 0 0
13:00 20.669 20.97 27.11 0 0.3 15.94 5.03 0 0
13:30 20.321 20.65 27.26 0 0.33 15.94 4.71 0 0
14:00 20.7375 21.09 27.43 0 0.35 15.94 5.15 0 0
14:30 21.4375 21.82 27.61 0 0.38 15.94 5.88 0 0
15:00 21.9365 22.35 27.81 0 0.42 15.94 6.42 0 0
15:30 22.422 22.89 28.03 0 0.46 15.94 6.95 0 0
16:00 22.4375 22.98 28.29 0 0.55 15.94 7.05 0 0
16:30 22.49 23.18 28.61 0 0.69 15.94 7.24 0 0
17:00 22.5665 23.76 29.18 0 1.2 15.94 7.83 0 0
17:30 23.605 25.2 29.94 0 1.59 15.94 9.26 0 0
18:00 28.1275 25.9 28.7 2.23 0 15.94 9.96 0 0
18:30 31.9735 25.9 25.32 6.08 0 15.94 9.96 0 0
19:00 33.2015 25.9 21.27 7.3 0 15.94 9.96 0 0
19:30 33.114 25.9 17.26 7.22 0 15.94 9.96 0 0
20:00 32.799 25.9 13.42 6.9 0 15.94 9.96 0 0
20:30 31.8265 25.9 10.13 5.93 0 15.94 9.96 0 0
21:00 30.3985 25.9 7.63 4.5 0 15.94 9.96 0 0
21:30 28.4735 25.9 6.2 2.58 0 15.94 9.96 0 0
44
22:00 26.006 25.9 6.13 0.11 0 15.94 9.96 0 0
22:30 23.089 24.83 6.96 0 1.74 15.94 8.89 0 0
23:00 20.2225 23.18 8.37 0 2.96 15.94 7.25 0 0
23:30 18.0265 21.46 10 0 3.44 15.94 5.53 0 0
45
Figura 4. 6. comportamiento del sistema de energía (elaboración propia)
46
Figura 4. 7. Diagrama de carga integrando el sistema de almacenamiento (elaboración propia)
47
4.3.4. Demanda promedio
La demanda promedio es el cociente entre la suma de todas las potencias
registradas y la cantidad de intervalos registrados durante el día. Para el sistema
eléctrico Huancayo (SE0062) una vez integrada el sistema de almacenamiento de
energía, la suma de todas las potencias registradas de las mediciones realizadas
cada 30 minutos nos da un total de 1009.52 MW, mientras que la energía Consumida
durante las 24 horas es de 504.76 MWh. La demanda media durante un día es:
𝐸𝑛𝑒𝑟𝑔í𝑎 𝑡𝑜𝑡𝑎𝑙 504.76
𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑀𝑒𝑑𝑖𝑎 = = = 21.03 𝑀𝑊
𝐻𝑜𝑟𝑎𝑠 24
Podemos notar que la energía consumida durante las 24 horas antes de la
instalación del sistema de almacenamiento es de 501.11 MWh mientras que después
de instalar el sistema de almacenamiento es de 504.76 MWh, la diferencia se debido
a la eficiencia de la batería en este casi por día en los sistemas de almacenamiento
se tiene pérdidas de 3.65 MWh.
48
de 7272.93 USD, lo que representa que, haciendo uso del sistema de
almacenamiento mediante baterías, diariamente se tendrá un ahorro promedio de
1987 USD.
49
empresa, pero por otro lado es necesario precisar que los sistemas de
almacenamiento descongestionan las redes de transmisión y generación.
Teniendo en cuenta el análisis anterior y considerando que se tuvo una
reducción de 7.3 MW en la máxima demanda se puede estimar que el costo por
postergación en la infraestructura eléctrica en distribución es de 3.650 millones de
dólares, lo que representa que el costo de inversión en baterías se reduce en el costo
de inversión de infraestructura para hora punta.
50
𝑛
𝐹𝑡
𝑉𝐴𝑁 = −𝐼𝑜 + ∑
( 1 + 𝑘 )𝑡
𝑡=1
Donde:
• 𝑉𝐴𝑁: Valor Neto Actual
• 𝐼𝑜 : desembolso inicial
• 𝐹𝑡 : beneficio neto actual
• 𝑘: tasa de interés
• 𝑡: periodo actual
• 𝑛: numero de periodos
Considerando los datos anteriormente mencionados el VAN (Valor Neto Actual)
nos arroja un valor negativo igual -211338.16 USD, lo que nos representa que la
rentabilidad del proyecto es menor al 12% de la inversión, también se ha procedido a
calcular el Van para una tasa de rentabilidad del 11% dándonos como resultado un
valor positivo de 218301.69 USD, por lo que podemos concluir que la tasa de
rentabilidad se encuentra entre 11% y el 12%. Para obtener una visión más clara de
la tasa de inversión se ha procedido a calcular la Tasa Interna de Retorno (TIR).
Donde:
• 𝑇𝐼𝑅: Tasa Interna de Retorno
• 𝐼𝑜 : desembolso inicial
• 𝐹𝑡 : beneficio neto actual
• 𝑘: tasa de interés
• 𝑡: periodo actual
• 𝑛: numero de periodos
51
Calcular el TIR es un proceso muy laborioso aun cuando se utiliza la misma
fórmula del VAN, por lo que es recomendable calcular el VAN con dos tasas de
descuento diferentes y realizar interpolación para nuestro caso hemos usado una tasa
de descuento de 12% y una tasa de descuento del 11% en el VAN con las que
obtenemos que el TIR para el presente proyecto es de 11.51 %. Viendo desde una
perspectiva de viabilidad del proyecto se puede decir que el proyecto va a generar
una rentabilidad de 11.51% por lo que no se tendrá ningún tipo de perdidas.
52
CONCLUSIONES
54
En cuanto la viabilidad económica, considerando que las baterías de litio tienen
10000 ciclos de recarga y que cada ciclo de recarga se realiza en un día, la vida útil
de los sistemas de almacenamiento es de aproximadamente 27 años, la tasa de
descuento para la industria eléctrica es del 12% con un margen del error de ∓4% , y
con un desembolso Inicial de 10.312 millones de dólares, el VAN (Valor Neto Actual)
nos arroja un valor negativo igual -211338.16 USD, Mientras que el TIR (Tasa Interna
de Retorno) nos arroja que la ejecución del proyecto va a generar una rentabilidad de
11.51%. si bien el TIR no es igual o superior a 12% y considerando el margen del
∓4% en los proyectos de inversión en infraestructura eléctrica se puede concluir que
el proyecto propuesto es económicamente viable.
55
RECOMENDACIONES
56
BIBLIOGRAFÍA
57
Obtenido de https://www.hibridosyelectricos.com/articulo/sector/baterias-
menos-100-dolares-kwh-bloombergnef-hito-
historico/20201217131328040920.html
Gómez Pérez, M. d. (2018). Planeamiento de la expansión usando sistemas de
almacenamiento de energía BESS. Pereira, Colombia: Universidad
Tecnológica de Pereira.
Hernández Hernández, K. A., & Carrillo Cruz , J. S. (2017). Análisis de la curva de
demanda eléctrica para usuarios residenciales estrato 4 en la ciudad de
bogotá ante diferentes escenarios de los hábitos de consumo. Bogota.
Hu, Z. (2020). Energy Storage for Power System Planning and Operation. China:
Wiley.
Kersting, W. H. (2018). Distribution System Modeling and Analysis. New York: CRC
Press.
Khormali, S. (2015). Optimal Integration of Battery Energy Storage Systems in Smart
Grids. University of Naples Federico II.
Lindstens, J. (2017). Study of a battery energy storage system in a weak distribution
grid. UPPSALA UNIVERSITET.
Martinez, J. (2018). Historia de la Electricidad. Mexico.
Meng, Y., Liang, M., & Lu, N. (2019). A Cost Benefit Study of using Energy Storage
to Provide Regulation Services. Washington, DC, USA: IEEE.
doi:10.1109/ISGT.2019.8791664.
Mongird, K., Viswanathan, V., Alam, J., Vartanian, C., & Sprenkle, V. (December
2020). 2020 Grid Energy Storage Technology Cost and Performance
Assessment. USA: U. S. DEPARTAMENT ENERGY.
Nenuyk, V., Marushchenko, S., & Marushchenko, D. (2020). Development of
Electronic Device for Reducing Electrical Network Peak Load. Vladivostok,
Russia. doi:10.1109/FarEastCon50210.2020.9271517.
Ralph, Z., & Ardebili, H. (2019). Energy Storage. Makati, Philippines: Wiley.
Ramos, J. E., & Márquez, R. M. (2017). Acerca de las nociones de estabilidad en
electricidad, la relación entre el calor y la electricidad.
Rancilio, G., Merlo, M., Lucas, A., Kotsakis, E., & Delfanti, M. (2020). BESS
modeling: investigating the role of auxiliary system consumption in efficiency
derating. Sorrento, Italy: IEEE. doi:10.1109/SPEEDAM48782.2020.9161875.
58
Ríos Ramírez, R. R. (2017). Metodología para la investigación y redacción. Málaga,
España: Servicios Académicos Intercontinentales S.L.
Soroudi, A. (2017). Power System Optimization Modeling in GAMS. Dublin, Ireland:
Springer.
Ter-Gazarian, A. G. (2020). Energy Storage for Power. London: IET.
YEBRA MORÓN, J. A. (2009). Sistemas Eléctricos de Distribución. Mexico: Reverté.
59
ANEXO 1:
mié, 11/Abr/2018 1 2 3 4 5 6 7 8
2 2 2 2 2 2 2 2
Hora SE0060 SE0061 SE0062 SE0065 SE0066 SE0063 SE1064 SE0067
00:00 6,524 1,661 16,298 3,200 6,337 3,281 1,723 2,499
00:15 6,220 1,574 15,380 3,061 6,009 3,167 1,601 2,396
00:30 5,843 1,506 14,694 2,944 5,731 3,057 1,512 2,317
00:45 5,631 1,456 14,206 2,845 5,535 3,074 1,440 2,281
01:00 5,462 1,417 13,844 2,777 5,359 2,979 1,385 2,205
01:15 5,295 1,385 13,610 2,683 5,189 2,943 1,341 2,148
01:30 5,146 1,353 13,286 2,658 5,064 2,904 1,312 2,121
01:45 5,070 1,321 13,056 2,606 4,997 2,858 1,276 2,081
02:00 5,019 1,312 12,737 2,567 4,909 2,848 1,266 2,071
02:15 4,918 1,292 12,624 2,527 4,779 2,812 1,227 2,039
02:30 4,819 1,280 12,583 2,508 4,723 2,784 1,202 2,027
02:45 4,768 1,266 12,474 2,494 4,672 2,708 1,184 2,009
03:00 4,816 1,254 12,338 2,479 4,651 2,510 1,180 1,992
03:15 4,789 1,250 12,389 2,462 4,636 2,549 1,176 1,988
03:30 4,824 1,251 12,338 2,416 4,594 2,665 1,173 1,976
03:45 4,811 1,252 12,330 2,431 4,540 2,649 1,176 2,008
04:00 4,887 1,248 12,501 2,435 4,579 2,622 1,176 1,999
04:15 5,308 1,277 12,679 2,423 4,686 2,712 1,180 2,009
04:30 5,358 1,291 12,787 2,442 4,746 2,821 1,192 2,047
04:45 5,425 1,302 12,968 2,451 4,834 2,871 1,217 2,076
05:00 5,591 1,333 13,209 2,486 5,004 2,908 1,239 2,149
05:15 5,864 1,375 13,667 2,534 5,206 2,936 1,277 2,185
05:30 6,209 1,425 14,282 2,601 5,478 3,022 1,314 2,312
05:45 6,601 1,490 14,979 2,693 5,828 3,084 1,422 2,381
06:00 7,072 1,566 15,821 2,805 6,419 3,089 1,491 2,459
06:15 7,492 1,526 16,775 2,938 6,982 3,149 1,401 2,435
06:30 7,871 1,586 17,763 2,948 7,192 3,362 1,425 2,416
06:45 8,178 1,669 18,911 2,975 7,176 3,590 1,542 2,373
07:00 8,220 1,833 19,763 2,994 7,097 3,803 1,674 2,344
07:15 8,024 1,945 19,988 3,039 7,056 4,007 1,726 2,362
07:30 7,924 2,014 19,590 3,069 7,105 4,167 1,703 2,355
07:45 7,916 1,908 19,008 3,029 7,231 4,173 1,645 2,354
08:00 8,058 1,775 18,915 3,054 7,444 4,216 1,610 2,383
08:15 8,162 1,871 19,367 3,139 7,522 4,663 1,707 2,555
08:30 8,428 1,938 19,633 3,228 7,905 4,889 1,738 2,605
08:45 8,554 1,944 19,920 3,302 8,024 4,958 1,754 2,634
09:00 8,822 1,939 20,077 3,352 8,248 4,879 1,755 2,670
09:15 8,985 1,937 20,442 3,453 8,293 4,883 1,788 2,788
09:30 9,086 1,965 20,769 3,478 8,401 4,798 1,811 2,820
09:45 9,189 1,971 20,902 3,540 8,554 4,835 1,853 2,945
60
10:00 9,298 1,961 21,089 3,628 8,715 4,908 1,909 2,999
10:15 9,387 1,965 21,233 3,701 8,793 5,088 1,906 3,053
10:30 9,466 1,986 21,138 3,784 8,886 5,054 1,926 3,112
10:45 9,478 1,971 21,305 3,861 8,972 5,082 1,938 3,175
11:00 9,454 1,970 21,420 3,863 9,194 5,091 1,948 3,210
11:15 9,507 1,963 21,435 3,972 9,330 5,079 1,951 3,182
11:30 9,649 1,995 21,638 4,092 9,293 4,995 1,992 3,184
11:45 9,588 2,041 21,702 4,128 9,309 5,060 2,021 3,216
12:00 9,522 2,039 21,678 4,143 9,403 5,118 2,030 3,256
12:15 9,333 2,037 21,533 4,093 9,344 5,352 2,014 3,108
12:30 9,221 1,983 21,357 4,064 9,263 5,367 2,011 3,061
12:45 8,940 1,954 21,270 3,958 9,221 5,274 1,998 3,023
13:00 8,825 1,875 20,972 3,906 9,026 5,109 1,932 2,977
13:15 8,595 1,747 20,366 3,869 9,130 4,720 1,882 2,982
13:30 8,742 1,753 20,326 3,894 9,095 4,615 1,882 3,110
13:45 8,683 1,785 20,316 3,919 9,175 4,664 1,884 3,172
14:00 8,812 1,837 20,493 3,967 9,274 4,858 1,922 3,235
14:15 8,919 1,845 20,982 4,004 9,035 5,073 1,958 3,350
14:30 9,117 1,903 21,332 4,051 9,146 5,148 2,013 3,360
14:45 9,350 1,983 21,543 4,063 9,327 5,174 2,059 3,353
15:00 9,581 2,008 21,817 4,068 9,511 4,872 2,098 3,426
15:15 9,710 2,005 22,056 4,071 9,806 4,626 2,136 3,425
15:30 10,005 2,019 22,392 4,071 9,953 4,614 2,155 3,419
15:45 10,121 2,047 22,452 4,044 9,812 4,627 2,183 3,375
16:00 9,954 2,043 22,455 4,000 9,712 4,671 2,144 3,298
16:15 9,974 2,045 22,420 4,002 9,773 4,694 2,114 3,261
16:30 10,023 2,100 22,586 4,000 9,795 4,714 2,163 3,230
16:45 10,266 2,239 22,394 4,012 9,849 4,717 2,189 3,216
17:00 10,365 2,351 22,423 4,027 9,910 4,738 2,221 3,192
17:15 10,373 2,454 22,710 4,044 10,080 4,816 2,207 3,222
17:30 10,458 2,603 23,081 4,221 10,285 4,946 2,226 3,205
17:45 10,698 2,737 24,129 4,541 10,929 5,120 2,322 3,244
18:00 12,019 2,958 26,754 4,976 11,940 5,274 2,545 3,599
18:15 13,451 3,256 29,501 5,323 12,477 5,767 2,994 4,108
18:30 14,077 3,421 31,419 5,604 12,789 6,043 3,244 4,464
18:45 14,427 3,525 32,528 5,723 12,982 6,216 3,420 4,668
19:00 14,606 3,569 33,074 5,803 13,046 6,288 3,493 4,764
19:15 14,608 3,585 33,329 5,805 12,961 6,316 3,526 4,801
19:30 14,643 3,507 33,241 5,776 12,921 6,303 3,559 4,780
19:45 14,535 3,442 32,987 5,734 12,877 6,279 3,528 4,821
20:00 14,457 3,416 32,926 5,723 12,759 6,239 3,533 4,797
20:15 14,387 3,383 32,672 5,685 12,644 6,247 3,519 4,815
20:30 14,134 3,309 32,170 5,598 12,442 6,195 3,451 4,723
20:45 13,832 3,209 31,483 5,507 12,231 6,039 3,403 4,580
21:00 13,514 3,114 30,861 5,433 11,991 5,947 3,351 4,526
21:15 13,012 3,015 29,936 5,314 11,748 5,810 3,241 4,445
21:30 12,613 2,912 29,021 5,179 11,469 5,671 3,173 4,341
21:45 12,012 2,778 27,926 5,013 11,140 5,447 3,066 4,122
22:00 11,259 2,629 26,750 4,843 10,534 5,228 2,949 3,940
22:15 10,481 2,475 25,262 4,629 9,995 4,923 2,799 3,728
61
22:30 9,867 2,355 23,888 4,457 9,292 4,722 2,637 3,551
22:45 9,161 2,223 22,290 4,178 8,591 4,435 2,461 3,326
23:00 8,472 2,060 20,865 3,935 7,997 4,126 2,245 3,065
23:15 7,753 1,917 19,580 3,704 7,506 4,053 2,056 2,891
23:30 7,209 1,802 18,547 3,507 7,091 4,042 1,915 2,723
23:45 6,768 1,696 17,506 3,345 3,352 3,929 1,789 2,614
62
ANEXO 2:
Diagrama de Carga
35,000
30,000
25,000
POTENCIA
20,000
15,000
10,000
5,000
0
12:00
12:45
13:30
00:00
00:45
01:30
02:15
03:00
03:45
04:30
05:15
06:00
06:45
07:30
08:15
09:00
09:45
10:30
11:15
14:15
15:00
15:45
16:30
17:15
18:00
18:45
19:30
20:15
21:00
21:45
22:30
23:15
HORAS
63
ANEXO 3:
import pandas as pd
import matplotlib.pyplot as plt
import pyomo.environ as pe
Dmax = df['SE0062'].max()
P = {}
L = {}
SOC = {}
64
Pc = {}
Pd = {}
FO = {}
Soc0 = 10 #MW
Socmax = 30 #MW
Pdmax = 8 #MW
Pdmin = 0
Pcmax = 8 #MW
Pcmin = 0
nc = 0.95
nd = 0.9
model = pe.ConcreteModel()
#creando variables
def bd_Pg(model,g,t):
return (0,Pmax[g])
model.Pg = pe.Var(G,T, bounds=bd_Pg)
model.SOC[48].fix(Soc0)
def balance(model,t):
return sum(model.Pg[g,t] for g in G) + model.Pd[t] == carga[t] + model.Pc[t]
model.balance = pe.Constraint(T, rule=balance)
65
def rSOC(model,t):
if t==T[0]:
return model.SOC[t] == Soc0 + (model.Pc[t]*nc - model.Pd[t]/nd)/2
else:
return model.SOC[t] == model.SOC[t-1] + (model.Pc[t]*nc - model.Pd[t]/nd)/2
model.SOCr = pe.Constraint(T, rule=rSOC)
solver = pe.SolverFactory('ipopt')
solver.solve(model)
model.pprint()
print(pe.value(model.obj))
66
print(" {0:<10} {1:<10} {2:<10} {3:<10} {4:<10} {5:<10} {6:<10} {7:<10}
{8:<10}".format(
L[t-1], P[t-1], SOC[t-1], Pd[t-1], Pc[t-1], g1[t-1], g2[t-1], g3[t-1], g4[t-1]))
df['P'] = P
df['SOC'] = SOC
df['Pc'] = Pc
df['Pd'] = Pd
plt.figure("energía")
plt.title("Diagrama de carga post almacenamiento")
#df['SE0062'].plot(label="Demanda de Energía" )
df['P'].plot(kind='bar', label="Demanda post almacenamiento", color='red')
#df['SOC'].plot(label="SOC")
#plt.plot(T, P, label="Energía Producida")
#plt.plot(T, L, "--", label="Demanda de Energía")
#plt.plot(T, SOC, label="SOC")
plt.ylabel("Potencia/Energia [MW]")
plt.xlabel("Tiempo")
plt.legend()
plt.grid()
plt.figure("almacenamiento")
plt.title("comportamiento de almacenamiento de energía")
df['Pc'].plot(kind='bar', label="carga de Energía", color='green')
df['Pd'].plot(kind='bar', label="Descarga de Energía", color='orange')
#plt.bar(T, Pc, label="carga de Energía")
#plt.bar(T, Pd, label="Descarga de Energía")
#plt.plot(T, SOC, label="SOC")
plt.ylabel("Carga/Descarga [MW]")
plt.xlabel("Tiempo")
plt.legend()
plt.grid()
67
print(str(df.index))
print(df['P'].min())
print(df['P'].sum()/48)
print((df['P'].sum()/48)/df['P'].max())
print(df['P'].sum()/2)
plt.show()
68
ANEXO 4:
import numpy as np
Io = 6662960
k = 0.12
Ft = np.ones(27)
Ft = Ft*725255
n = range(len(Ft))
VAN = -Io + sum((Ft[t]/(1+k)**t) for t in range(len(Ft)))
print(VAN)
print('VAN=',VAN(Io,k,Ft))
TIR1 = 0.12
VAN1 = VAN(Io,TIR1,Ft)
TIR2 = 0.11
VAN2 = VAN(Io,TIR2,Ft)
TIR = -((TIR1-TIR2)*(VAN1))/(VAN1-VAN2)+TIR1
print(TIR*100)
69