Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.

Más información disponible en www.DeepL.com/pro.

energías
Artículo
Análisis de plantas fotovoltaicas con sistemas de almacenamiento
de energía en baterías (PV-BESS) para el funcionamiento
mensual a potencia constante
Juan A. Tejero-Gómez y Ángel A. Bayod-Rújula*.

Departamento de Ingeniería Eléctrica, Universidad de Zaragoza, 50018 Zaragoza, España; jatejero@unizar.es

* Correspondencia: aabayod@unizar.es

creativecommons.org/licenses/by/ 4.0/).

Cita: Tejero-Gómez, J.A.; Bayod-

Rújula, Á.A. Análisis de Plantas
Fotovoltaicas con Sistemas de
Almacenamiento de Energía en
Baterías (PV-BESS) para
Funcionamiento a Potencia
Constante Mensual. Energías 2023,
16, 4909.
https://doi.org/10.3390/en16134909

Editor académico: Francesco Calise

Recibido: 10 de mayo de 2023

Revisado: 17 de junio de 2023
Aceptado: 20 de junio de 2023
Publicado: 23 junio 2023

Copyright: © 2023 por los autores.

Licenciatario MDPI, Basilea, Suiza.
Este artículo es un artículo de acceso
abierto distribuido bajo los términos y
condiciones de la licencia Creative
Commons Attribution (CC BY)
(https://
 energética del sistema combinado para evaluar la fiabilidad de la producción de energía. Los
Resumen: La generación
indicadores propuestos permiten determinar el dimensionamiento adecuado del sistema de
fotovoltaica es una de las
almacenamiento de energía en baterías para una planta fotovoltaica a escala de servicio público
tecnologías clave en la
en fase de planificación, así como sugerir los puntos de funcionamiento recomendados para
producción de electricidad
cada mes mediante un conjunto de gráficos e indicadores. Se ha observado la presencia de una
a partir de fuentes
zona de inflexión, más allá de la cual cualquier aumento del almacenamiento no genera
renovables. Sin embargo,
reducciones significativas de la indisponibilidad de energía. Esta zona crítica se considera el
el carácter intermitente de
punto óptimo para el tamaño del almacenamiento, más allá del cual no es sensato aumentar su
la radiación solar plantea
tamaño. Identificar el punto crítico es crucial para determinar el tamaño óptimo del almacenamiento.
un reto a la hora de integrar
El sistema es capaz de proporcionar un suministro fiable de potencia constante en periodos mensuales al
eficazmente este recurso
tiempo que garantiza niveles de crédito de capacidad superiores al 95%, lo que aumenta la penetración de
renovable en el sistema
este recurso renovable. A pesar de que el estudio se centra exclusivamente en el análisis desde
eléctrico. La reducción del
una perspectiva energética, es importante considerar las restricciones asociadas a los sistemas de
precio de los sistemas de
almacenamiento reales y limitar su sobredimensionamiento.
almacenamiento en baterías
en los próximos años
presenta una oportunidad Palabras clave: potencia constante; energía firme; integración de energías renovables; energía
para su combinación fotovoltaica; sistema de almacenamiento de energía en baterías; almacenamiento de energía;
práctica con plantas energía despachable con fotovoltaica (FV); almacenamiento en baterías a gran escala.
fotovoltaicas a escala
comercial. La integración
de sistemas fotovoltaicos y
1. Introducción
de almacenamiento de
energía en baterías (PV-
Los sistemas energéticos están experimentando un proceso de transición hacia un
BESS) del tamaño
nuevo paradigma, caracterizado por la electrificación de la economía, la
descarbonización (reducción gradual de la intensidad de carbono) de los parques de
adecuado para el
generación de energía y la descentralización de los recursos energéticos. El sistema
suministro de potencia
eléctrico debe garantizar el suministro eléctrico, es decir, la energía, pero también la
constante no sólo garantiza
calidad de este suministro, que debe realizarse al menor coste posible. Además, la
una alta disponibilidad de
protección del medio ambiente es cada vez más importante.
energía, sino que también
Para 2050, la electricidad podría convertirse en el vector energético central, pasando de una
permite un posible
cuota del 20% del consumo final a una cuota de casi el 50%; como consecuencia, el
aumento del número de
consumo bruto de electricidad se duplicaría con creces [1]. El análisis [2] ya ha indicado
instalaciones fotovoltaicas que es posible eliminar casi todas las emisiones de CO2 para 2050 y sustituir
y de la penetración de la parcialmente los combustibles fósiles en el transporte y la calefacción. La capacidad de
energía fotovoltaica. Se generación de electricidad a partir de fuentes renovables, en particular la energía solar
lleva a cabo un análisis fotovoltaica, está creciendo notablemente [3].
masivo de datos con En una primera fase de esta transición, se ha hecho hincapié en la obtención de
simulaciones a largo plazo energía (MWh). Las tecnologías de sistemas de energías renovables se han centrado
y se identifican indicadores sobre todo en aprovechar
de indisponibilidad

Energías 2023, 16, 4909. https://doi.org/10.3390/en16134909 https://www.mdpi.com/journal/energies

Energías 2023, 16, 4909 2 de 35

de la potencia máxima de los recursos energéticos renovables. Estos sistemas ya son

maduros y competitivos, y se reconoce ampliamente que su coste de generación es
inferior al de los sistemas de generación tradicionales. Sin embargo, las energías
renovables a gran escala plantean un reto para el funcionamiento de la red [4,5]. Al
depender de recursos naturales y, por tanto, ser variables e intermitentes, no pueden
asegurar su disponibilidad para entrar en funcionamiento cuando se necesita energía,
sino sólo cuando hay recursos suficientes, lo que significa que no son despachables.
Mientras la penetración de las renovables sea baja, esto es manejable y puede ser
aceptado por los operadores del sistema eléctrico. En 2021, el 22% de la energía
consumida en la Unión Europea se generó a partir de fuentes renovables, según las
primeras estimaciones de la AEMA. Las perspectivas a largo plazo pueden seguir siendo
inferiores al objetivo actual del 32% de energía renovable fijado para 2030 [6]. Sin
embargo, a medida que aumenta la cuota de generación de energía renovable, los
sistemas eléctricos se enfrentan a retos relacionados tanto con la flexibilidad como con la
estabilidad del sistema (capacidad de los sistemas eléctricos para soportar perturbaciones
en una escala temporal muy corta) [3]. En este contexto, las redes inteligentes se
definen como un sistema de energía eléctrica que integra el comportamiento y las
acciones de los usuarios de la red y otras partes interesadas, para suministrar electricidad
de forma eficiente, sostenible, económica y segura. Para ello, la red utiliza tecnologías
de intercambio de información y de control, computación distribuida y sensores y
actuadores asociados, pero también todos los usuarios de la red (consumidores,
generadores, propietarios de almacenamiento) deben ser capaces de actuar de forma
respetuosa con la red. Por lo tanto, es cada vez más importante que la generación de
energía renovable contribuya a mantener la fiabilidad y estabilidad del sistema, y esto
puede ser cada vez más exigido por las normas de interconexión. El concepto de
capacidad de acogida se utiliza para estudiar cuánta energía fotovoltaica puede colocarse
en un alimentador antes de que aparezcan los efectos negativos sobre el
funcionamiento normal del sistema de distribución y la calidad de la energía
(sobretensiones/subtensiones y variaciones de tensión) [5]. La capacidad de acogida
suele expresarse como el valor en megavatios de la energía fotovoltaica distribuida
(FV) en cualquier ubicación del alimentador, que provoca la primera violación de las
restricciones de funcionamiento. La definición del nivel de tensión varía según las regiones. En
Europa, la norma EN-50160 establece los límites de ±10% de la tensión nominal. En
América, se sigue la norma ANSI C84.1, que impone límites más restrictivos de ±5%
de la tensión nominal.
Por otro lado, la contribución de una central a la seguridad del suministro no se
mide por su potencia instalada, sino por la potencia que puede ofrecer en momentos de
máxima d e m a n d a con un mínimo de seguridad o certidumbre. Esta potencia "segura"
se denomina p o t e n c i a firme. Por firmeza se entiende la potencia máxima que se puede
superar con un cierto nivel elevado de probabilidad. La potencia firme depende de
factores como la disponibilidad de energía primaria utilizada (combustible, viento, agua,
etc.) y el mantenimiento realizado en la instalación o su régimen de funcionamiento
(número de paradas/arranques, etc.). Hasta ahora, la firmeza es una característica de las
tecnologías gestionables, como la energía nuclear o el gas, que no dependen de agentes
externos y a las que se atribuyen coeficientes de firmeza superiores al 95% [7]. Esto, sin
embargo, no es así para las tecnologías renovables sin almacenamiento, especialmente la
eólica y la fotovoltaica, ya que dependen totalmente de la disponibilidad de recursos, por
lo que no se puede predecir con certeza a medio plazo la generación eléctrica que podrán
aportar al sistema en un momento determinado. El ciclo de firmeza de la energía eólica
suele considerarse del 9%, mientras que el valor de la energía solar fotovoltaica (sin
almacenamiento) se sitúa en el 0% [8]. El enfoque clásico para abordar el problema de la
variabilidad de las instalaciones de energías renovables consiste en añadir recursos
flexibles, como grandes generadores y equipos de control Volt-Amperios Reactivos
(VAR). La tecnología térmica, especialmente los ciclos combinados de turbina de gas
(CCGT), es actualmente la mejor para proporcionar un servicio de respaldo con un
menor nivel de emisiones de gases de efecto invernadero. En concreto, la mayor ventaja
que o f r e c e esta tecnología es su capacidad de arrancar, regular o detener rápidamente
su funcionamiento para adaptarse a la entrada de energía limpia.
Energías 2023, 16, 4909 3 de 35

Otro aspecto a considerar es que en un escenario de alta penetración de

tecnologías renovables en el sistema, especialmente cuando se utiliza energía solar, la
generación simultánea de energía renovable puede desencadenar una sobregeneración
al mediodía y crear el riesgo de que una parte de
Energías 2023, 16, 4909 4 de 35

electricidad no se incorporará al sistema debido a la baja demanda, con lo que se

desperdiciará, lo que se conoce como recortes.
Mediante la combinación de plantas fotovoltaicas con sistemas de almacenamiento,
se puede dotar a las instalaciones fotovoltaicas de firmeza, lo que permite una mayor
integración en las redes eléctricas. La generación de energía en sistemas fotovoltaicos
híbridos con almacenamiento es más predecible, controlable y despachable o, en otras
palabras, más amigable con la red [9]. La integración de sistemas de almacenamiento de
energía mediante baterías (BESS) en plantas fotovoltaicas aporta fiabilidad al recurso
renovable y aumenta la disponibilidad para mantener un suministro eléctrico constante
durante un cierto periodo de tiempo. La Ref. [10] muestra una previsión en la que una
combinación de almacenamiento y energía solar puede alcanzar los 30 TWh en todo el
mundo en 2050, superando con creces cualquier otra capacidad de almacenamiento.
Desde el punto de vista de la capacidad de acogida, la potencia a tener en cuenta
para el PV-BESS ya no sería la potencia pico del campo de captación, sino la potencia
constante que garantiza entregar a la red. Esto también podría aumentar el número de
instalaciones que caben en una determinada red de distribución, a veces restringido en los
acuerdos de interconexión establecidos por las empresas distribuidoras de electricidad. En
este proceso se suele considerar el efecto más desfavorable, en el que la potencia
generada por la planta fotovoltaica es la máxima posible que se puede inyectar,
normalmente la potencia máxima del inversor, a pesar de que los sistemas fotovoltaicos
sólo trabajan a plena potencia el 5% del tiempo. De este modo, en la práctica se
infrautiliza la capacidad de la red. En cambio, mediante la combinación entre fotovoltaica
y BESS, es posible conseguirlo; por ejemplo, se pueden integrar en la red eléctrica diez
plantas de 1 MWp en lugar de una sola planta de 1 MWp, produciendo así una potencia
constante de 100 kW.
Además de aportar firmeza, el almacenamiento puede reducir los recortes y
valorizar la energía fotovoltaica, evitando el temido efecto caníbal que puede dificultar la
viabilidad económica de las instalaciones fotovoltaicas cuando su penetración es elevada
[11].
El uso de baterías tiene un impacto significativo en el refuerzo de la generación
fotovoltaica y en la mejora del control de la frecuencia primaria. Es importante señalar
que existe una restricción en la capacidad de suministro instantáneo de energía
proporcionada por el sistema de almacenamiento y sus correspondientes inversores. En el
presente estudio no se ha hecho hincapié en el análisis del control de frecuencia primario,
ya que su funcionamiento se realiza en rangos temporales de segundos. Las simulaciones
realizadas se han diseñado con el fin de analizar balances energéticos en intervalos
horarios.
El dimensionamiento óptimo de una planta fotovoltaica con un sistema de
almacenamiento es un tema ampliamente estudiado en la literatura científica. Las
referencias [12-15] investigan el dimensionamiento óptimo de sistemas FV y BESS en
una red eléctrica. Muchos estudios sobre FV y BESS centran parte de su trabajo en el
análisis de la viabilidad económica. Los principales parámetros a analizar son la
producción anual de energía fotovoltaica, la vida útil de los componentes y los costes de
la instalación (Capital Expeditures (CapEx), Operational expeditures (OpEx), y
Operation and Main- tenance (O&M)). [16-19]. Las previsiones de costes para los
sistemas de baterías de iones de litio a escala comercial estiman reducciones del 28-58%
para 2030 y del 28-75% para 2050 [20]. En la actualidad, la fabricación a gran escala de
baterías para su uso en vehículos eléctricos está contribuyendo a la reducción de los
precios [21]. Sin embargo, este trabajo no considera factores económicos, sino que se
centra en determinar el funcionamiento óptimo de un sistema de almacenamiento de
energía fotovoltaico-batería (PV-BESS) desde el punto de vista del análisis energético,
basándose en parámetros de dimensionamiento del sistema. El objetivo del PV-BESS
propuesto es conseguir un crédito de capacidad similar al de las centrales que suministran
energía firme a la red eléctrica. Por tanto, en el dimensionamiento y operación del
sistema se asignarán indicadores en busca de alcanzar un crédito de capacidad en torno al
95%.
En la ref. [22], se concluye que antes de que los responsables políticos tomen
decisiones sobre la naturaleza de las futuras redes eléctricas, es necesario reexaminar el
Energías 2023, 16, 4909 5 de 35

papel de las tecnologías para proporcionar capacidad de carga base. Es imperativo

considerar una diversidad de opciones de suministro renovable. Uno de los posibles
enfoques podría promover el uso de fuentes de energía intermitentes o variables como
alternativas a las actuales tecnologías de generación de carga base, mediante el uso de
sistemas de almacenamiento de electricidad [23]. El caso propuesto en este estudio
presenta similitudes con
Energías 2023, 16, 4909 6 de 35

energía solar de concentración (ESTC), y en la ref. [23] se afirma que, en términos de

costes, la ESTC con capacidad de carga de base podría llegar a ser competitiva con la energía
nuclear en 2030 si su despliegue es suficiente para reducir los costes. Existen numerosos
estudios tecno-económicos que buscan minimizar el coste de instalación o evitar las
penalizaciones económicas asociadas a desviaciones en el mercado intradiario, mediante
metodologías de predicción basadas en deep learning. Las refs. [24,25] son algunos
ejemplos representativos.
Sin embargo, el propósito de este estudio es presentar una visión novedosa en la que
no se enfatiza la minimización de los costes de almacenamiento, sino que se busca
asegurar la capacidad firme a largo plazo, ya que se espera una reducción drástica de los
costes de almacenamiento en un escenario futuro.
En un trabajo anterior [26], se ha mostrado el tamaño del sistema de
almacenamiento más adecuado para una potencia dada del panel en Wp, junto con la
selección de la potencia firme con la que se desea operar, en base anual, que puede ser
entregada con una firmeza del 95%, es decir, una probabilidad inferior al 5% de que la
potencia firme no pueda ser entregada todas las horas del año. Sin embargo, con la
consigna anual, existe una elevada cantidad de energía sobrante que no se incorpora a la
red en los meses de alta irradiación (excedentes), reduciéndose así la viabilidad
económica de la central al no venderse estos kWh, y, por otro l a d o , s e reduce la
cantidad de kWh limpios que pueden incorporarse a la red. Por este motivo, en este
trabajo se presenta una estrategia de operación diferente, denominada Potencia Constante
Mensual. El objetivo del dimensionamiento basado en el tamaño del almacenamiento y la
potencia suministrada en este caso particular se centra en garantizar, con una
probabilidad superior al 95%, un valor específico de consigna de potencia que ha sido
optimizado para cada mes del año. El análisis masivo de datos durante un largo periodo
de simulación ha permitido identificar el grado de robustez del sistema y determinar un
tamaño de almacenamiento óptimo. Al identificar que no existe una relación lineal entre
el aumento de la capacidad de almacenamiento y la reducción de la indisponibilidad de
energía, es necesario analizar los resultados obtenidos para encontrar la configuración
óptima.
El artículo se estructura como sigue: La Sección 2 expone la metodología utilizada para
proporcionar una capacidad firme en periodos mensuales, incluyendo sus parámetros
característicos e indicadores, necesarios para llevar a cabo el análisis. La Sección 3
describe el modelo propuesto que se utiliza para determinar varios dimensionamientos
adecuados para el sistema FV-BESS. La Sección 4 presenta los resultados obtenidos de las
simulaciones, discutiendo las conclusiones más relevantes proporcionadas por las curvas
de indisponibilidad y las Curvas de Duración de Carga. Finalmente, en la Sección 5 se
presenta un resumen con las principales conclusiones.

2. Métodos
2.1. Parámetros e indicadores del sistema
La capacidad de almacenamiento del sistema FV-BESS se define a partir del parámetro
relación almacenamiento/potencia (S2P), que se calcula mediante la ecuación (1). En
esta ecuación, CBESS representa la capacidad de almacenamiento del sistema (MWh) y
PPV es la potencia pico de la instalación fotovoltaica (MWp). El parámetro S2P es
equivalente y se utiliza como medida de las horas de autonomía en instalaciones
fotovoltaicas aisladas.
CBESS
S2P = (1)
PPV

El factor de capacidad de una planta es el cociente entre la producción energética

máxima teórica de la planta y su producción energética real durante un periodo de tiempo
determinado [27]. Para un periodo de un año, es el cociente entre la producción
fotovoltaica de la planta EPV,AN (MWh) y la potencia pico de la planta PPV (MW) durante
las 8760 h de un año, como se muestra en la ecuación (2).
1726 MWh
CF = EPV,AN = = 19,7%. (2)
PPV -8760 h 1 MWp-8760 h
A modo de ejemplo, la ecuación (2) muestra el cálculo del factor de capacidad (FC),
Energías 2023, 16, 4909 7 de 35
teniendo en cuenta los datos de producción fotovoltaica resultantes de los cálculos
estadísticos desarrollados en el apartado 2.2.
Energías 2023, 16, 4909 8 de 35

El factor de capacidad típico de las centrales con energías renovables intermitentes,

como la eólica o la solar, depende mucho del emplazamiento y suele oscilar entre el 15%
y el 40% [28].
En la ecuación (3) se calcula el factor de funcionamiento equivalente del sistema
(CPOF ), donde PGRID representa la potencia constante a suministrar a la red y PPV
representa la potencia pico de la instalación fotovoltaica.
PGRID
CPOF = (3)
PPV

Para garantizar el suministro de una potencia firme, es necesario que el factor de

operación proporcionado por el sistema sea inferior al asociado a la producción
media anual propuesta en la Ecuación (2). De no cumplirse lo anterior, la instalación
fotovoltaica presentaría un déficit de energía neta anual imposible de cubrir por el PV-BESS.
En caso de que en un determinado intervalo horario el sistema no pueda suministrar
la energía necesaria a la red eléctrica EGRID , se producirá un déficit de energía en el PV-
BESS, ya que ni el sistema de almacenamiento ni la planta fotovoltaica podrán
proporcionar la energía necesaria.
La indisponibilidad de energía en el sistema se cuantifica mediante el indicador de
déficit energético (DE).
En la ecuación (4), la desviación de energía (DE) se define como un acumulador
relativo de energía no disponible a lo largo de todo el periodo de simulación, donde el
numerador representa la energía no disponible y el denominador representa la energía
suministrada durante todo el periodo de simulación. EPV representa la producción
fotovoltaica de cada hora, EGRID representa la energía suministrada cada hora y h
representa el número de periodos horarios de la simulación.
h=96360 (E
ED = ∑h=1 FV
-E GRID) ∑h=96360 - EGRID ) < 0 (4)
(E FV
∑h=96360 h=1
h=1 EGRID

Si el indicador DE es igual a cero, el sistema cumple idealmente la consigna de

potencia demandada y no hay indisponibilidad de energía. Para obtener la indisponibilidad
media anual se utilizará el indicador Déficit Energético Anual (DEA), que tomará el dato
medio de todos los años de simulación. Si se desea desagregar las indisponibilidades
energéticas en función del mes del a ñ o , se utilizará el indicador Déficit Energético Mensual
(DME), que tomará únicamente los datos del mes en cuestión.
Los parámetros e indicadores mencionados mantienen un criterio comúnmente
utilizado con respecto a [26], en el que se realizó un estudio de potencia constante bajo
instrucciones anuales.

2.2. Metodología propuesta

La generación de energía por una instalación fotovoltaica se presenta en función del
tiempo, ya que depende de la cantidad de radiación solar recibida sobre la superficie de
los paneles solares. Sin embargo, las estimaciones presentan un cierto margen de incertidumbre,
ya que también depende de las condiciones atmosféricas y de la eficiencia del sistema. Para
homogeneizar la producción horaria en una instalación fotovoltaica a gran escala, se
propone el dimensionamiento adecuado de un sistema de almacenamiento y l a
identificación de los puntos de operación óptimos para cada mes, con el fin de garantizar
un suministro de energía firme. Los indicadores de indisponibilidad de potencia
cuantifican la fiabilidad del sistema en la simulación a largo plazo. En este contexto, se
consideran las limitaciones físicas del sistema y las pérdidas de energía y se establece un
modelo que permite identificar, para cada hora, la distribución de energía en el sistema.
La figura 1 muestra una comparación entre la potencia suministrada por una
planta fotovoltaica (línea discontinua azul) y la consigna de potencia que se pretende
suministrar durante un día completo de enero (en rojo) en u.p. El valor por unidad de
cualquier cantidad se define como la relación entre el valor real en cualquier unidad y
el valor base o de referencia en la misma unidad. El eje horizontal representa el tiempo
en horas para un día aleatorio de la simulación, mientras que el eje vertical
representa la potencia en por unidad con respecto a la potencia pico de la fotovoltaica
Energías 2023, 16, 4909 9 de 35

(1 MWp). La energía suministrada por la planta fotovoltaica muestra fluctuaciones a lo

largo del día debido a las variaciones de la radiación solar y otros factores. La línea roja
es la consigna de energía que se pretende suministrar a la red eléctrica, constante a lo
largo del día.

Figura 1. Comparación entre la energía de la instalación fotovoltaica y la energía que debe

suministrarse al sistema eléctrico.

Se puede observar que en determinados momentos del día, la potencia suministrada

por la planta fotovoltaica (PPV,H ) es inferior a la potencia de consigna (PGRID,H) que se
pretende suministrar, lo que indica que el sistema de generación de energía necesita el
apoyo de un sistema de almacenamiento para mantener una potencia de salida constante.
En otras ocasiones, la potencia suministrada es superior a la potencia de consigna, lo que
indica que el sistema está generando más energía de la necesaria y puede almacenarla en
el BESS para su uso posterior.
El objetivo del script programado en Matlab es maximizar la energía suministrada a
la red eléctrica a través del sistema FV-BESS que cumple una consigna de potencia
constante. Este objetivo se pretende alcanzar bajo criterios de dimensionamiento
equilibrado.
Idealmente, se trataría de convertir toda la energía renovable intermitente en un
sistema capaz de suministrar potencia firme constante a la red eléctrica. En la figura 1,
esto se conseguiría haciendo coincidir el área bajo la curva que representa la producción
fotovoltaica con la potencia que se pretende suministrar a la red. De este modo, se
garantizaría que la potencia suministrada es constante y no depende de las fluctuaciones
en la generación de energía renovable. En la práctica, sin embargo, esto puede ser difícil
de conseguir debido a la variabilidad del recurso renovable y al sobredimensionamiento
que habría que hacer del sistema de almacenamiento.
La recopilación de datos de producción fotovoltaica a largo plazo es una
herramienta útil para identificar patrones de comportamiento en una planta fotovoltaica.
Estos patrones tienden a anular las fluctuaciones que se producen en horizontes horarios
cortos. Mediante un script en Matlab, se agrupa la producción fotovoltaica por meses para
un periodo de 11 años de simulación. Este proceso de agrupación consiste en separar los datos
de producción fotovoltaica en grupos correspondientes a cada uno de los 12 meses del
año. La agrupación de los datos mensuales permite identificar patrones estacionales en la
producción de energía fotovoltaica, útiles para proponer un dimensionamiento adecuado
del sistema FV-BESS.
La figura 2 muestra la producción horaria media (a lo largo de 11 años) de una
planta fotovoltaica situada en Zaragoza (España) para cada mes del año. Esta figura es
Energías 2023, 16, 4909 10 de 35

útil para identificar

Energías 2023, 16, 4909 11 de 35

patrones y tendencias a largo plazo. Las fluctuaciones estacionales son significativas en

la producción de energía y se deben al ángulo de inclinación de los rayos del Sol sobre la
Tierra. Durante la temporada de verano, la inclinación del eje de la T i e r r a hace que la
región en la que se encuentra la planta fotovoltaica reciba una mayor cantidad de radiación
solar directa, lo que se traduce en una mayor producción de energía. Por el contrario,
durante el invierno, la región en la que se encuentra la planta fotovoltaica recibe menos
radiación solar directa, lo que se traduce en una menor producción de energía.

Figura 2. Producción fotovoltaica horaria y coeficiente PVFACTOR Producción fotovoltaica

horaria y coeficiente PVFACTOR para cada mes del año.

La variación estacional de la producción fotovoltaica se identifica mediante un

índice o coeficiente adimensional para cada mes del año. Este coeficiente se utilizará
para modelizar la producción esperada de energía fotovoltaica para cualquier mes del año.
Aunque en periodos horarios cortos, la incertidumbre de la producción fotovoltaica es
elevada, a largo plazo, el coeficiente adimensional es preciso y fiable, ya que se ha
obtenido a partir de un análisis estadístico a muy largo plazo.
PVFACTOR se denomina al coeficiente adimensional obtenido a partir del análisis
estadístico de la producción de energía solar de una planta fotovoltaica y se representa en
el eje de ordenadas de la derecha en la Figura 2. Este coeficiente se expresa en por
unidad, siendo la suma de los valores para todos los meses del año igual a 12. El PVFACTOR
resulta de dividir la producción media mensual de un determinado mes entre la
producción anual. Un mayor PVFACTOR indica que la producción de energía solar en ese
mes es mayor respecto a otros meses del año y viceversa.
Como se ha dicho, se trata de casar una instalación de fuente renovable, que tiene un
recurso intermitente, con centrales que suministran energía firme al sistema, como las
centrales nucleares, que tienen un recurso fiable. Por lo tanto, se requiere que la energía
suministrada por hora sea constante, para asegurar la continuidad del suministro eléctrico
y minimizar las posibles interrupciones o indisponibilidades del mismo.
La adecuada selección de la consigna horaria de energía es una de las claves
fundamentales para conseguir un adecuado dimensionamiento de la instalación. En este
sentido, el algoritmo implementado aplica una consigna de potencia horaria a suministrar
a la red eléctrica (PGRID ) proporcional a la producción fotovoltaica de cada mes según el
PVFACTOR mencionado en la Figura 2.
Energías 2023, 16, 4909 12 de 35

La referencia de potencia suministrada por el sistema (PGRID ) se calcula mediante la

ecuación (5), donde PPV representa la potencia pico de la instalación fotovoltaica y CPOF
es el factor de funcionamiento de la planta.

PGRID = PPV-PVFACTOR-CPOF (5)

A modo de ejemplo, la Figura 3 muestra la potencia mensual constante que debe

suministrar el sistema al seleccionar un valor de consigna CPOF igual a 0,1 o 0,14 con una
planta fotovoltaica de 1 MWp. Estos valores representados serán útiles para compararlos
posteriormente con los resultados del apartado 4.1.

(a) (b)

Figura 3. Consigna de potencia mensual constante (a) CPOF = 0,1; (b) CPOF = 0,14.

3. Modelo del PV-BESS

Se desarrolló un script utilizando el software de cálculo numérico Matlab,
desarrollado por MathWorks, para modelar el comportamiento de una planta fotovoltaica
con almacenamiento de energía en baterías. Se eligió Matlab por su eficacia en el
tratamiento de bases de datos estructuradas de gran tamaño mediante operaciones
vectoriales.
El script creado realiza cálculos de balance energético cada hora durante un periodo
de 11 años (96.360 franjas horarias), lo que requiere cientos de millones de operaciones
debido a las más de 1.200 combinaciones de tamaño de batería y consigna de potencia
que deben tenerse en cuenta. Para reducir el tiempo de ejecución del script, se utilizó la
operación de vectores organizados en matrices, lo que permitió procesar los datos de
forma más eficiente. Como resultado, el script puede realizar los cálculos necesarios en un
tiempo razonable, lo que facilita la obtención de resultados precisos y fiables.
La instalación PV-BESS está situada en Zaragoza (España), a una latitud de 41,65◦.
El sitio
paneles fotovoltaicos monocristalinos fijados en el tejado con una inclinación optimizada
del 35◦ hacia el sur. La instalación fotovoltaica simulada tiene una capacidad de 1 MWp.
El sistema de almacenamiento de energía en baterías (BESS) utiliza baterías de iones de
litio con una profundidad de dis- carga (DoD) del 90%. En las simulaciones, la capacidad
nominal del sistema de almacenamiento varía hasta 6 MWh con incrementos de 0,1 MWh. La
curva de descarga de la batería es C1, considerando un coeficiente de autodescarga del 5%. La
eficiencia del inversor fotovoltaico equivalente es del 90%, mientras que la eficiencia del inversor
asociado al almacenamiento es del 91% [29,30]. Se utilizan baterías de litio hierro fosfato,
escalables hasta 6 MWh y 6 MW con una vida útil de 10.000 ciclos para una profundidad
de descarga del 80% [31]. El fabricante declara una vida útil superior a 10 años. Al
realizar la evaluación mediante el método de recuento por lluvia, se registran 4.369 ciclos
equivalentes en función del estado de carga (SoC) y la profundidad de descarga (DoD) a
lo largo de la simulación, como se muestra en la figura 4. Dado que el final de la vida útil
del almacenamiento aún está lejos, la degradación no afecta de forma decisiva a los
resultados de la simulación.
Energías 2023, 16, 4909 13 de 35

Figura 4. Número de ciclos equivalentes en función del SoC y el DoD.

Para describir la degradación resultante de los ciclos de carga y descarga, se utiliza

el término envejecimiento cíclico. Los principales factores que contribuyen a un aumento
de la degradación se indican a continuación. Las altas temperaturas provocan una
degradación acelerada del sistema de almacenamiento. Dado que los BESS actuales
están equipados con sistemas de refrigeración, este factor se ha pasado por alto,
suponiendo una temperatura media dentro del BESS de 25 ◦C. Cada ciclo de carga o
descarga está asociado a un estado medio de carga y a una profundidad de descarga,
como se muestra en la figura 4. La suma de los ciclos correspondientes a cada
profundidad de descarga y SoC medio arroja la degradación global del sistema de
almacenamiento. Valores altos de estado de carga provocan una pérdida de litio activo,
aunque su influencia es reducida en comparación con la degradación por profundidad de
descarga. En relación con el caso propuesto, la hoja de datos del fabricante de la batería
[31] proporciona la degradación para cada segmento de número de ciclo de la Figura 4.
La ficha técnica del fabricante de la batería indica que es posible alcanzar
profundidades de descarga de la batería de hasta el 90%. Sin embargo, es importante
señalar que no debe ser habitual, ya que implica someter el acumulador a un elevado
estrés de degradación. El análisis realizado mediante el método del algoritmo rainflow-
counting permite identificar el número de ciclos que se producen en cada nivel de
descarga. Como puede observarse en la Figura 4, no es habitual que los ciclos de carga y
descarga se realicen en torno a un DoD del 90%. Por lo tanto, la degradación del
almacenamiento no experimentaría un deterioro crítico debido a esta circunstancia. El
fabricante garantiza más de 7000 ciclos para una DoD de 0,9 como se indica en [31].
El balance energético de la instalación se realiza discretizando los valores en
intervalos horarios a lo largo de un periodo de 11 años. La simulación se ha diseñado
para incluir suficientes intervalos de tiempo que permitan considerar el funcionamiento
del sistema representativo en la ubicación propuesta. La representación del sistema se
muestra en la Figura 5, donde se muestra un diagrama que permite visualizar claramente
la configuración del sistema.
Para la simulación se han extraído valores climatológicos en franjas horarias
comprendidas entre enero de 2006 y diciembre de 2016 mediante la herramienta web
Photovoltaic Geographical Information System [32]. Esta herramienta ha permitido
obtener información fiable sobre el clima en la ubicación de la instalación. Los valores
climatológicos obtenidos permiten calcular la producción fotovoltaica e incluyen
información horaria de la radiación solar media sobre el plano fotovoltaico (GM ) y de la
temperatura ambiente (TA ). La temperatura de la célula fotovoltaica (TC ) se calcula
mediante la Ecuación (6), donde NOCT es la temperatura nominal de funcionamiento de la
célula fotovoltaica [33,34], y fue
se considera que es 47 ◦C.
NOCT - 20
C T =AT + G
M- (6)
800
Energías 2023, 16, 4909 14 de 35

Figura 5 Esquema del sistema FV-BESS.

La potencia producida por un módulo fotovoltaico (PMOD ) se calcula según la

ecuación (7). Esta ecuación considera la potencia nominal del módulo fotovoltaico (PN ),
la irradiancia en condiciones estándar de medida (GSTC ) y el coeficiente de temperatura
del panel fotovoltaico (γ), que se ha considerado con un valor de 0,35%-K-1 [33,34].

(1 + γ-(TC - 25))
PMOD = PN-GM- (7)
GSTC

La potencia producida por la instalación fotovoltaica (PPV ) se obtiene según la

Ecuación (8), donde NP es el número de paneles fotovoltaicos y CLOSS el coeficiente de
pérdidas asociado a la planta fotovoltaica estimado en una planta fotovoltaica según el
Sistema de Información Geográfica Fotovoltaica (PVGIS) [32].

PPV = NP-PMOD-CLOSS (8)

El script propuesto opera en franjas horarias con unidades de energía (Wh). El

balance energético para cada franja horaria puede formalizarse mediante la ecuación (9),
donde EPV es la energía producida por la instalación fotovoltaica para una hora
determinada y TS es una franja horaria correspondiente a 1 h.
EPV = PPV -TS (9)
Si el suministro de energía EPV es insuficiente para mantener la consigna de energía
suministrada a la red eléctrica (EGRID ) en una determinada franja horaria, el sistema de
almacenamiento debe suministrar la energía restante. Para calcular la energía extraída del
sistema de almacenamiento (E ,BATdis ), se utiliza la ecuación (10), donde E BAT,dis es la
energía extraída o descargada del sistema de almacenamiento en la franja horaria actual,
EGRID es la energía demandada por la red eléctrica en la franja horaria actual, ηIN es la
eficiencia de los inversores asociados a los módulos fotovoltaicos, ηBAT es la eficiencia
de los inversores asociados al sistema de almacenamiento, σ es el coeficiente de
autodescarga del sistema de almacenamiento [35], y EBAT,h-1 es la energía almacenada en
el sistema de almacenamiento en la franja horaria anterior. En resumen, esta ecuación
calcula la cantidad de energía que debe extraerse del sistema de almacenamiento para
satisfacer la demanda energética de la red eléctrica en la franja horaria actual [36].

EBAT,dis = EBAT,h-1-(1 - σ)- EGRID - EPV -ηBAT (10)

ηIN

Si el suministro de energía de los paneles fotovoltaicos (EPV ) es superior a la

consigna de energía que debe entregarse a la red eléctrica (EGRID ), la energía se
almacena en el sistema de acumulación. La cantidad de energía almacenada (E BAT,cha ) se
calcula mediante la ecuación (11), donde E BAT,cha es la energía introducida en el sistema
de almacenamiento en la franja horaria actual [36].

EBAT,cha = EBAT,h-1-(1 - σ)- EPV - EGRID -ηBAT (11)

ηIN
Energías 2023, 16, 4909 15 de 35

El script de Matlab que se ha propuesto se encarga de organizar los datos extraídos

de PVGIS y las ecuaciones presentadas en una matriz. Cada fila de la matriz representa
una franja horaria de una hora y, secuencialmente, se calcula el balance energético para
cada franja horaria. En cada columna de la m a t r i z están representadas las variables que se
muestran en la Tabla 1.

Tabla 1. Resumen de las variables de entrada a la matriz del algoritmo.

Nombre Descripción Origen Alcance (unidades)

Hora Hora del día 0-23 (h)
Día Día del año 1-31 (día)
Mes Mes del año 1-12 (mes)
Año Año de la simulación 2006-2016 (año)
Irradiancia Irradiancia sobre el módulo Base de datos PVGIS 0-1200 (W-m-2)
fotovoltaico
TA Temperatura ambiente Base de datos PVGIS 0-100 (◦C)
TC Temperatura de la célula fotovoltaica Ecuación (6) 0-100 (◦C)
EPV Generación FV Ecuación (8) 0-100 (kWh)

La operación de script en Matlab para realizar el balance neto de energía en el

sistema de almacenamiento (EBAT ) se lleva a cabo en cada hora del día, según la
ecuación (12). Esta ecuación utiliza como entrada la energía almacenada en el sistema en
la hora anterior (EBAT,h−1 ). Sin embargo, para aplicar la Ecuación (12), es necesario
cumplir ciertas restricciones relacionadas con los rangos de operación de las baterías e
inversores del sistema de almacenamiento de energía fotovoltaica y baterías (PV-BESS).
Estas restricciones se detallan en la Tabla 2 y son consideradas por el algoritmo en cada
cálculo del balance energético. De este modo, se garantiza un funcionamiento seguro y
óptimo del sistema de almacenamiento y se evitan situaciones de sobrecarga.

EBAT = EBAT,h-1 - EGRID + EPV (12)

Tras aplicar las restricciones de funcionamiento del sistema de almacenamiento, se

calcula el balance neto de energía horaria (EBAT ) y se añade a la matriz como otra
columna. En la simulación, el estado de carga (SOC) del BESS se inicializa con un valor
del 55% del valor nominal del sistema de almacenamiento. Esta inicialización se realiza
para garantizar que el SOC se encuentra dentro del rango de funcionamiento seguro del
sistema de almacenamiento y que no existen restricciones en las primeras horas de la
simulación que puedan afectar a los indicadores DEA o MED.
El dimensionamiento del sistema se modifica variando los parámetros CPOF y S2P,
lo que permite obtener indicadores representativos de la energía no disponible en
busca del DEA o MED óptimos. La simulación se realiza durante un periodo de 11
años, lo que garantiza una media significativa del comportamiento del sistema a lo largo
del tiempo. La Figura 6 muestra el diagrama de flujo del algoritmo programado en
Matlab utilizado para realizar la simulación.

Tabla 2. Restricciones físicas asociadas al sistema PV-BESS.

Restricción Descripción Condición

EBAT,MAX Capacidad máxima del BESS. Suma de las capacidades nominales de las baterías. EBAT < EBAT,MAX
EBAT,MIN Capacidad mínima del BESS. Producto de la capacidad nominal de las baterías por DOD. EBAT > EBAT,MIN
PINV(PV),MAX Potencia máxima del inversor conectado a los módulos FV. PPV < PINV(PV),MAX
PINV(BAT),MAX Potencia máxima del inversor asociado al BESS. PPV <
PINV(BAT),MAX
Potencia máxima del BESS. Está asociada a la capacidad nominal de las baterías y a
PBAT PPV - PGRID < PBAT
la curva de descarga C1.
Energías 2023, 16, 4909 16 de 35

Figura 6. Diagrama de flujo del algoritmo programado en Matlab Diagrama de flujo del algoritmo programado en
Matlab.

4. Resultados
Como se ha comentado en el apartado 2, el objetivo de este caso práctico es analizar
el dimensionamiento adecuado de una instalación con paneles fotovoltaicos y
almacenamiento en baterías. La instalación debe suministrar a la red eléctrica una
consigna de potencia constante cada hora (EGRID ). La potencia suministrada a la red
eléctrica se optimiza y varía mensualmente para adaptarse a las fluctuaciones de la
producción fotovoltaica, tal y como se propone en el apartado 2. Para llegar a unas
conclusiones sólidas, se lleva a c a b o un análisis de dimensionamiento, que se basa en dos
enfoques independientes. El primero se basa en la utilización de los indicadores DEA o
MED en relación con los parámetros S2P y CPOF . El segundo enfoque consiste en el
análisis de las curvas de duración de generación del sistema. Estos enfoques
complementarios permiten obtener una visión amplia del dimensionamiento adecuado del
sistema.
Las curvas de duración de la generación representan la distribución de la generación
de energía a lo largo del tiempo, mostrando las horas en las que la PV-BESS mantiene
una potencia constante. Identificando la zona plana o el número de horas en que se
mantiene una potencia firme, es posible confirmar la idoneidad del sistema.
Los resultados obtenidos a partir de los indicadores DEA o MED, así como del
análisis de las curvas de duración de la generación, permiten identificar los valores
adecuados de los parámetros S2P y CPOF . Considerando un amplio rango de valores
para estos parámetros, es posible evaluar diferentes escenarios y seleccionar aquellos que
proporcionen un dimensionamiento óptimo y satis- factible. Para lograr este objetivo, se
llevó a cabo una simulación en Matlab utilizando datos de irradiancia a intervalos
horarios durante un periodo de 11 años. El propósito de analizar esta extensa serie de
datos simulados es obtener un volumen de resultados representativo del funcionamiento
del sistema. Los datos de irradiancia se obtuvieron de la base de datos PVGIS [32].

4.1. Análisis del indicador DEA

La evaluación del incumplimiento del suministro eléctrico constante de la instalación
Energías 2023, 16, 4909 17 de 35

FV-BESS se realiza cuantificando la energía no disponible en intervalos horarios mediante-.

Energías 2023, 16, 4909 18 de 35

durante todo el periodo de simulación. En consecuencia, se utiliza el indicador

Desviación Anual de Energía (DAE) presentado en la Sección 2 para medir el déficit
energético de la instalación.
La figura 7 muestra los valores de DEA para diferentes valores de consigna de
potencia de CPOF en función de su tamaño de almacenamiento (S2P). El objetivo de esta
figura es ofrecer una representación visual de cómo varían los valores del indicador DEA
con diferentes consignas de potencia y tamaños de almacenamiento. Esta información es
esencial para identificar la combinación óptima de valores de consigna de potencia y
tamaños de almacenamiento que proporcionen un rendimiento energético con garantías de
reducción de la indisponibilidad de energía.

Figura 7. DEA para potencia constante mensual.

Inicialmente, todas las curvas representadas en la Figura 7 muestran una rápida

disminución del indicador DEA a medida que aumenta el tamaño de almacenamiento (S2P).
Sin embargo, en todas las curvas existe un p u n t o de inflexión a partir del cual los aumentos del
tamaño de almacenamiento no producen reducciones significativas del indicador DEA. La unión
de este punto crítico para cada curva en la figura 7 forma una línea negra discontinua
cuya trayectoria se asemeja a una función exponencial. Este punto crítico se considera el
punto dulce para el tamaño del almacenamiento, más allá del cual no tiene sentido
aumentar su tamaño. Identificar el punto crítico es fundamental para determinar el
tamaño óptimo del almacenamiento.
Para garantizar una elevada firmeza del sistema FV-BESS, se propone mantener el
indicador DEA por debajo del 5%, lo que equivale a establecer un crédito de capacidad del 95%,
tal como se propone en el apartado 1. En consecuencia, el dimensionamiento adecuado del
sistema a cada curva de la Figura 7 se define como aquel en el que el indicador DEA es
inferior al 5% y se encuentra en las proximidades del mencionado punto de rodilla de
saturación. Para identificar con precisión los puntos de funcionamiento más favorables
del sistema, en la Figura 7 se ha ampliado la zona de mayor interés. Se ha delimitado una
zona sombreada en gris que indica los posibles puntos de funcionamiento más
beneficiosos del sistema. Los puntos identificados en la zona sombreada tienen en común
las dos condiciones mencionadas. En primer lugar, están por debajo de un valor de índice
DEA del 5%, como indica la línea de puntos. En segundo lugar, estos puntos están
situados en las proximidades de la curva de saturación que se observa en la línea
discontinua.
En el caso de la figura 7 y considerando la curva correspondiente a un CPOF de
0,12, se observa que para reducir el indicador DEA del 7,5% al 5%, es necesario
aumentar el índice S2P de 1,77 h a 1,94 h, lo que supone un aumento del tamaño de
Energías 2023, 16, 4909 19 de 35

almacenamiento del 9,6%. Sin embargo, si se quiere reducir el indicador DEA en el

mismo nivel porcentual (del 3,5% al 1%), es necesario aumentar el índice S2P de 2,24 h
a 4,11 h, lo que implica un aumento del tamaño de almacenamiento del 83,4%. Por lo
tanto, es crucial seleccionar un funcionamiento del sistema en zonas que estén al
Energías 2023, 16, 4909 20 de 35

a la izquierda de la rodilla de saturación identificada en la figura 7, con el fin de evitar un

sobredimensionamiento innecesario del almacenamiento. De acuerdo con los criterios
mencionados, en la Figura 7 pueden identificarse algunos ejemplos de dimensionamiento
adecuado, por encima de la línea de puntos discontinua. En concreto, la planta
fotovoltaica de 1 MWp garantiza el suministro de un crédito de capacidad superior al
95% (equivalente a un índice DEA inferior al 5%), seleccionando las siguientes
combinaciones de almacenamiento de potencia constante y consigna CPOF = 0,12 y S2P
= 2 h; CPOF = 0,1 y S2P = 1,65 h; CPOF = 0,08 y S2P = 1,25 h; CPOF = 0,06 y S2P = 0,9
h.
Tal como se define en la sección 2, obsérvese que un valor de CPOF de 0,12 se
asocia al suministro de una potencia media anual constante de 120 kW. Por otro lado, un
valor de S2P de 2,2 h implica el uso de un almacenamiento con una capacidad de 2,2
MWh.
Para comprobar la optimización del sistema mediante el ajuste mensual en la
consigna de potencia, en la Figura 8 se comparan dos sistemas. El primer sistema
suministra una potencia constante durante todo el año, como ya se ha comentado en [26]. El
segundo sistema ajusta mensualmente la consigna de potencia para adaptarse a la
producción fotovoltaica. En la leyenda de la Figura 8, junto a cada valor de CPOF , se
indica si la consigna es anual (A) o varía en función del mes (M). Aunque la consigna
mensual varía, al final del año representa el mismo CPOF que la consigna constante, ya
que la consigna aumenta en los meses de alta producción fotovoltaica y se compensa con
una reducción en los meses de menor producción fotovoltaica. Por lo tanto, el CPOF de la
consigna mensual (M) es equivalente a la consigna anual (A) y pueden compararse.
Para valores reducidos de potencia constante (CPOF de 0,06), se observa en las
curvas azules de la Figura 8 que la variación del indicador DEA es mínima, y la consigna
mensual apenas mejora la DEA. Por ejemplo, para garantizar una DEA del 5%, la
potencia constante anual requiere un S2P de 0,87 h, mientras que la potencia constante
mensual requiere un almacenamiento ligeramente inferior con un S2P de 0,82 h.
Para valores altos de potencia constante, se observa una mejora significativa cuando
se utiliza un valor de consigna mensual en lugar de uno anual. Por ejemplo, para un
CPOF de 0,10, el objetivo anual requiere un S2P de 1,9 h para mantener un DEA del 5%,
mientras que el objetivo mensual sólo requiere un S2P de 1,57 h, como se ve en la Figura
8. Para un CPOF de 0,14, el uso de una potencia constante mensual en lugar de una potencia
constante anual reduce significativamente el S2P de 4,68 h a 2,85 h, lo que equivale a reducir
casi a la mitad el almacenamiento necesario. El uso de una CPOF muy alta y cercana a la
producción fotovoltaica total generada sería inviable con un funcionamiento a potencia
constante anual, como se muestra en la curva negra de la Figura 8. Sin embargo, con un
funcionamiento a consigna mensual, sería viable con un almacenamiento elevado (S2P =
5,9 h).
Energías 2023, 16, 4909 21 de 35
Figura 8. Comparación del indicador DEA para consigna de potencia constante mensual y anual.
Energías 2023, 16, 4909 22 de 35

4.2. Análisis de los indicadores MED

En la sección 2 se formuló el indicador MED para desglosar los déficits energéticos
del sistema por meses, según la ecuación (4). La Figura 9 ilustra el indicador MED para
los meses más significativos del año. La producción fotovoltaica en diciembre presenta
un valor mínimo, mientras que en julio alcanza su valor máximo. Abril y octubre
presentan valores intermedios.

(a) (b)

Figura 9. Comparación del indicador MED Comparación del indicador MED: (a) Caso con CPOF de 0,1;
(b) Caso con CPOF de 0,14.

La figura 9a muestra el indicador MED para una referencia de potencia intermedia

(CPOF = 0,1). Conviene aclarar que un CPOF de 0,1 implica que la consigna de potencia
firme media para todos los meses del año es el 10% de la potencia pico de la instalación.
En el recuadro correspondiente a la figura se especifica la potencia constante que se está
suministrando cada mes concreto. Sin embargo, a cada una de las curvas MED de la
figura 9 se le aplica también el coeficiente PVFACTOR y la ecuación (5). Por tanto, para el
caso de CPOF de 0,1 en diciembre la potencia firme mínima de
Se alcanzan 62,79 kW y en julio, 126,61 kW debido al factor de corrección mensual
PVFACTOR que se muestra en las figuras 2 y 3a.
Se observa que, en el mes de diciembre, el indicador MED es claramente más
desfavorable para cualquier tamaño de almacenamiento. La identificación del mes con
menor capacidad para satisfacer la demanda energética es crucial para establecer las
condiciones más restrictivas para el diseño y operación del sistema. El cumplimiento de
un indicador MED máximo del 5% requiere un almacenamiento S2P de 1,9 h en el mes
de diciembre, mientras que para el resto del año sería suficiente un almacenamiento S2P
de 1,5 h. La media del indicador MED para los 12 meses del año equivale al DEA de la
figura 7, cuyo valor es de 1,57 h. Por lo tanto, para un CPOF de 0,1, se propone
dimensionar el BESS con un S2P de 1,57 h que cumpla un crédito de capacidad del 95%
todos los meses excepto diciembre. Sin embargo, si se quieren seleccionar las
condiciones más restrictivas impuestas por el mes de diciembre, el S2P debe ser de 1,9 h.
Para una consigna de potencia elevada (CPOF = 0,14), el indicador MED presenta
diferencias más acentuadas, como puede verse en la Figura 9b. Diciembre sigue siendo el mes
más crítico en términos de necesidades de almacenamiento de energía renovable y julio el
más favorable. El recuadro correspondiente a la Figura 9b corresponde a las consignas
mensuales de potencia constante que se representan en la Figura 3b.
Para mantener la tasa MED por debajo del 5% con una consigna de potencia CPOF
de 0,14 en julio, se necesitaría un almacenamiento de energía renovable S2P de 2,39 h, c o m o
muestra la Figura 9b. Esto indica que, durante el mes de julio, la demanda de energía puede
satisfacerse con un tamaño menor de almacenamiento de energía en comparación con
otros meses del año. Sin embargo, en diciembre, se necesitaría más almacenamiento de
energía (S2P de 5,45 h) para mantener el ratio MED por debajo del 5%. Estos resultados
ponen de manifiesto la importancia de tener en cuenta las variaciones estacionales de la
producción fotovoltaica. La selección de un S2P de 2,85 h para mantener el coeficiente
Energías 2023, 16, 4909 23 de 35

MED por debajo del 5% en la Figura 7 implica que una media anual
Energías 2023, 16, 4909 24 de 35

inferior al 5% se cumpliría en una media anual. Sin embargo, como se ha indicado

anteriormente en la Figura 9b, en el mes de diciembre sería necesario un valor de S2P de
5,45 h para mantener el ratio MED por debajo del 5%. Esto significa que, en algunos
meses del año, especialmente aquellos en los que la producción fotovoltaica es mínima,
puede ser necesario un valor de S2P significativamente superior al indicado por el DEA
para garantizar un crédito de capacidad superior al 95%. Por lo tanto, es importante tener
en cuenta tanto el valor anual del DEA como la variabilidad mensual del índice MED a
la hora de seleccionar el valor del S2P si se buscan créditos de capacidad superiores al
95% cada mes [26].
La situación descrita sugiere ampliar el estudio con la optimización del índice
PVFACTOR a partir de la Ecuación (5), para conseguir un equilibrio en el índice MED y
asegurar déficits energéticos similares cada mes. El objetivo sería aumentar la consigna
de potencia en los meses de alta producción fotovoltaica (junio a agosto) y reducir la
consigna de potencia en los meses de baja producción fotovoltaica (noviembre a enero).
En este estudio se ha establecido una correlación directa entre la producción fotovoltaica
de la planta y la potencia constante que se debe suministrar para cada mes. Sin embargo,
para futuras investigaciones, se propone el uso de algoritmos genéticos para analizar un
PVFACTOR óptimo para cada mes, mediante el procesamiento masivo de datos horarios.
En la Figura 9a puede observarse que el valor de potencia constante mensual puede
optimizarse para el dimensionamiento con CPOF = 0,1 y S2P = 3 h. En el mes de julio, el
índice MED es cero. Esto indica que las baterías tienen un amplio margen de
funcionamiento y que la consigna de potencia podría aumentarse en julio, garantizando
una MED inferior al 5%.
Aumentando la consigna de potencia en julio, la consigna de potencia en diciembre
puede reducirse en la misma proporción, lo que reduciría tanto la indisponibilidad global
a lo largo del año como la indisponibilidad en diciembre.

4.3. Comparación de las curvas de duración de la generación

Es habitual utilizar Curvas de Duración de Generación (CDG) para representar la
capacidad de generación de las centrales eléctricas. En las GDC, la magnitud a
representar se dispone en orden descendente en lugar de hacerlo cronológicamente. La
carga máxima se representa a la izquierda de la curva, y las cargas sucesivas se
representan en orden descendente a medida que se avanza hacia la derecha de la curva.
El área bajo el GDC representa la energía suministrada por el sistema y, en los casos
propuestos en este apartado, permite analizar la disponibilidad de energía o la capacidad
de uso del sistema. El eje vertical del GDC representa la energía horaria disponible para
ser suministrada a la red eléctrica (EGRID ), mientras que el eje horizontal representa el
porcentaje de tiempo de toda la simulación en que esa energía puede ser suministrada.
El objetivo es ofrecer una perspectiva diferente al indicador DEA o MED, que
miden la cantidad de energía no disponible en el sistema. En su lugar, se propone analizar
el tiempo durante el cual hay disponibilidad de energía en el sistema como indicador
alternativo. Al seleccionar una referencia de potencia mensual con un CPOF de 0,1, se
realizaron varias simulaciones variando la capacidad de almacenamiento (S2P) para
analizar la potencia que el sistema FV-BESS entrega a la red eléctrica (EGRID ). La figura
10 muestra los resultados de estas s i m u l a c i o n e s . En el GDC, se observa una zona casi
plana correspondiente al tiempo en
que se suministra una potencia constante al sistema eléctrico.
La curva correspondiente a S2P = 0 h en la Figura 10 representa un sistema sin
almacenamiento, y es la única que no presenta una zona plana en el GDC. En este caso, no
se puede garantizar el suministro de potencia constante al sistema eléctrico, y la energía
suministrada a la red eléctrica corresponde directamente a la energía fotovoltaica
generada. El suministro de energía decreciente está garantizado hasta casi la mitad del
periodo de simulación.
En la Figura 10, la curva para S2P = 1,5 h muestra que el sistema es capaz de
suministrar potencia constante hasta el 93,8% del periodo de simulación. A partir de S2P
= 3 h, se garantiza que más del 99% del periodo de simulación se suministra la
potencia objetivo. Sin embargo, e s importante señalar que el aumento de S2P no implica
necesariamente una reducción del exceso de energía respecto a la referencia de potencia
Energías 2023, 16, 4909 25 de 35

constante. En las curvas correspondientes a S2P de

Energías 2023, 16, 4909 26 de 35

1,5 h, 3 h y 6 h de la Figura 10, se observa una variación mínima del exceso de energía
del sistema. Hasta un 22,8% del periodo de simulación se produce un exceso de energía
respecto a la consigna de potencia.

Figura 10. Curvas de duración de la generación con CPOF de 0,1 Curvas de duración de generación con CPOF de 0,1,
variando S2P.

Puede ser conveniente reducir la producción fotovoltaica ajustando el punto de

funcionamiento del inversor fotovoltaico en el caso de que un exceso de energía
suministrada a la red pueda implicar penalizaciones. De esta forma, se podría garantizar
una potencia constante en el periodo en el que se obtiene el excedente de energía, que en
este caso corresponde a la franja horaria de hasta el 22,8% del periodo de simulación, tal
y como se observa en las curvas para S2P de 1,5 h, 3 h y 6 h de la Figura 10.
La selección adecuada del tamaño del almacenamiento (S2P) es esencial para
optimizar el número de horas en las que se puede garantizar una potencia constante
durante todo el periodo de simulación. Los GDC mostrados en la Figura 11 ilustran el
número de horas que el sistema es capaz de suministrar la energía demandada por la red
eléctrica (EGRID ) para diferentes niveles de almacenamiento, incluyendo bajo, medio y
alto.
La figura 11a pretende representar la influencia del parámetro CPOF para un valor
de almacenamiento bajo (S2P = 1,5 h). Para un CPOF de 0,06, el valor de potencia
constante está garantizado durante todo el periodo de simulación (>99% del tiempo).
Aumentando el CPOF a 0,1, se podría mantener el valor de potencia constante hasta el
94,3% del tiempo. Para una potencia alta constante con un CPOF de 0,14, el suministro
está garantizado el 78,9% del tiempo.
En la Figura 11b, el valor de almacenamiento aumenta hasta un nivel intermedio
(S2P = 3 h). Con un CPOF de 0,06 y 0,1, se puede suministrar potencia constante la
mayor parte del tiempo. Con un CPOF de 0,14, se puede mantener la potencia constante
durante el 95,1% del tiempo. Por lo tanto, si se aumenta el valor de S2P en comparación
con la Figura 11a, en general aumenta el número de horas que se puede suministrar
potencia constante para cada CPOF .
La figura 11c representa un sobredimensionamiento del sistema de almacenamiento
con un valor de S2P igual a
6. Para los valores de CPOF mostrados, se observa que se puede garantizar una potencia
constante prácticamente durante todo el tiempo de simulación, debido a la importante
reducción de los déficits energéticos que supone utilizar el respaldo de un sistema de
almacenamiento muy grande.
Como se ha observado, el aumento de S2P incrementa el número de horas en las que
se puede mantener la potencia constante mensual, lo que parece lógico ya que el sistema
de almacenamiento actúa como respaldo. Sin embargo, es significativo que en las tres
gráficas de la Figura 11 se observe que el aumento del almacenamiento (S2P) apenas reduce los
excesos de energía. Los excesos de energía se distinguen porque EGRID no presenta una forma
Energías 2023, 16, 4909 27 de 35

plana en el GDC. Para un CPOF de 0,06, los tres tamaños de almacenamiento mantienen
un nivel constante de exceso de energía del 29,1%. para un CPOF de
Energías 2023, 16, 4909 28 de 35

0,1, el exceso de energía se sitúa en torno al 21%. Sólo para el CPOF de 0,14, hay una
variación del exceso de energía entre el 14,2% y el 19,5%.

(a) (b)

(c)

Figura 11. Curvas de duración de la generación con varios CPOF: (a) Caso de S2P de 1,5 h (baja
capacidad del BESS); (b) Caso de S2P de 3 h, capacidad media del BESS; (c) Caso de S2P de 6 h, alta
capacidad del BESS.

En la Figura 7, se ha demostrado que, para un CPOF de 0,1, la selección de una

capacidad de almacenamiento que sea el doble de la potencia pico instalada de la planta
fotovoltaica (S2P = 2 h) garantiza un crédito de capacidad del 95%. En la figura 11, se
confirma que, para un CPOF de 0,1, con una capacidad de almacenamiento S2P de 3 h o 6
h, se puede suministrar potencia constante (>99%) prácticamente todo el tiempo. Sólo
para S2P
= 1,5 h, la disponibilidad se reduce al 94,3% del tiempo. En conclusión, los valores de S2P
de
1,5 h a 3 h son un dimensionamiento adecuado para garantizar un crédito de gran
capacidad manteniendo un CPOF de 0,1.
Utilizando la hoja de datos del fabricante de la batería [31], se identifica la
degradación en cada segmento del método de recuento por flujo de lluvia, dando como
resultado una degradación media del 1,7%. Este indicador cuantitativo proporciona una
estimación general de la pérdida de eficiencia y capacidad del sistema de
almacenamiento debido a los factores de degradación identificados a lo largo de los
ciclos de carga y descarga. Estos pequeños porcentajes de degradación no tienen una
influencia significativa en los indicadores de ED del sistema.

5. Conclusiones
En este trabajo se propone un adecuado dimensionamiento y operación de un
sistema formado por una planta fotovoltaica y un sistema de almacenamiento en
baterías con el fin de dotar de firmeza a la generación de energía fotovoltaica. Se ha
descrito el modelo del sistema, indicando sus correspondientes parámetros e
Energías 2023, 16, 4909 29 de 35

indicadores.
Energías 2023, 16, 4909 30 de 35

Se llevó a cabo una simulación a largo plazo utilizando el software Matlab con el
fin de identificar los indicadores de indisponibilidad. La simulación se llevó a cabo
mediante el cálculo masivo de datos vectoriales, lo que permitió analizar grandes
cantidades de operaciones en poco tiempo.
La consigna de potencia se ajustaba para cada mes del año, en función de la
producción fotovoltaica prevista. El objetivo era garantizar un suministro constante
de energía o un crédito de capacidad del 95%.
Según los resultados de la simulación, la planta fotovoltaica garantiza el suministro
de un crédito de capacidad anual superior al 95%, y lo hace seleccionando combinaciones
de consigna de potencia constante y rangos de almacenamiento en torno a los siguientes
valores: CPOF = 0,12 y S2P = 2 h, CPOF = 0,1 y S2P = 1,65 h, o CPOF = 0,06 y S2P =
0,9 h.
Si se considera el mes de menor producción fotovoltaica, el S2P debe
sobredimensionarse con respecto a un análisis anual que cumpla un crédito de capacidad
del 95%. Por ejemplo, para un CPOF de 0,1, se propone dimensionar el BESS con un S2P
de 1,57 h (DEA < 5%). Sin embargo, el análisis de las condiciones más restrictivas impuestas
por el mes de diciembre (MED < 5%) muestra que el S2P debería sobredimensionarse a 1,9 h. El
análisis de las curvas de duración de carga confirmó que para una consigna de potencia
intermedia con CPOF de 0,1 y un gran tamaño de almacenamiento con S2P entre 3 h y 6
h, se puede suministrar potencia constante prácticamente todo el tiempo (>99%). La
reducción del tamaño de almacenamiento a S2P = 1,5 h reduce la disponibilidad del
sistema al 94,3% del tiempo. Puede concluirse que los valores de S2P entre 1,5 h y 3 h
constituyen un dimensionamiento adecuado. Con unos valores de consigna de potencia
mensual adecuados, mejoran los indicadores DEA y MED. El caso de estudio es
específico de una localización geográfica concreta; sin embargo, se han identificado
todas las condiciones y ecuaciones del modelo para que puedan ser reproducidas en
cualquier escenario y periodo horario mediante la introducción de una matriz de
irradiancia y temperatura en periodos horarios. Las baterías están experimentando un
drástico descenso de costes, y se espera que esta tendencia continúe. Por ello, en este
estudio se ha intentado hacer una abstracción de los análisis tecnoeconómicos
convencionales que se encuentran habitualmente en la bibliografía. El objetivo no era la
minimización de los costes de almacenamiento, sino la identificación de un punto de
operación adecuado que evite un sobredimensionamiento innecesario del sistema de
almacenamiento. El análisis energético realizado revela la existencia de una zona o codo
de saturación a partir del cual, para cada consigna de potencia, no está justificado
aumentar la capacidad de almacenamiento, ya que no se observan mejoras significativas
en la reducción de la indisponibilidad de energía. Aunque el estudio se ha realizado para
un caso particular, sus resultados son extrapolables a cualquier escenario que implique la
combinación de sistemas fotovoltaicos y sistemas de almacenamiento de energía. Esto es
debido a que el algoritmo utilizado ha sido diseñado de forma general, y sólo sería
necesario realizar modificaciones en los parámetros específicos del sistema para
adaptarlo a cada caso particular.
En el marco de las investigaciones en curso y considerando futuras líneas de trabajo,
establecimos el objetivo de incorporar un análisis detallado de los fenómenos de
degradación. Este enfoque proporcionará una visión clara de los procesos de carga y
descarga, así como de su degradación.

Contribuciones de los autores: Conceptualización, J.A.T.-G. y Á.A.B.-R.; metodología, J.A.T.-G.

y Á.A.B.-R.; software, J.A.T.-G.; validación, J.A.T.-G. y Á.A.B.-R.; análisis formal, J.A.T.-G.;
investigación, J.A.T.-G. y Á.A.B.-R.; recursos, J.A.T.-G.; conservación de datos, J.A.T.-G. y Á.A.B.-R.;
redacción del borrador original, J.A.T.-G. y Á.A.B.-R.; redacción del artículo, J.A.T.-G. y Á.A.B.-R.G.;
conservación de datos, J . A . T . -G.; redacción-redacción del borrador original, J.A.T.-G. y Á.A.B.-R.;
redacción-revisión y edición, Á.A.B.-R.; visualización, J.A.T.-G.; supervisión, Á.A.B.-R.;
administración del proyecto, Á.A.B.-R.; obtención de fondos, Á.A.B.-R. Todos los autores han leído y
aceptado la versión publicada del manuscrito.
Financiación: Esta investigación no ha recibido financiación externa.
Declaración de disponibilidad de datos: No procede.
Conflictos de i n t e r e s e s : Los autores declaran no tener ningún conflicto de i n t e r e s e s . Los financiadores
Energías 2023, 16, 4909 31 de 35
no tuvieron ningún papel en el diseño del estudio; en la recogida, análisis o interpretación de los datos;
en la redacción del manuscrito o en la decisión de publicar los resultados.
Energías 2023, 16, 4909 32 de 35

Abreviaturas
PV-BESS Plantas fotovoltaicas con sistemas de almacenamiento
de energía en baterías FV Fotovoltaica
AEMA Agencia Europea de Medio
Ambiente Control VAR Control Volt-
Amperios Reactivos CCGTs Turbinas de gas de
ciclo combinado
BESS Sistema de almacenamiento de energía en baterías
CapEx Gastos de capital
OpEx Gastos operativos
O&M Operación y mantenimiento
CSP Energía solar por concentración
S2P Relación almacenamiento/potencia (h)
CBESS Capacidad del sistema de almacenamiento de energía en batería (MWh)
PPV Potencia pico de la planta fotovoltaica (MW)
CF Factor de capacidad (%)
EPV,AN Producción anual de energía (MWh)
CPOF Factor de funcionamiento de potencia constante (p.u.)
PGRID Potencia a suministrar a la red (MW)
EGRID Energía que debe suministrarse a la red (MWh)
ED Indicador de déficit energético (u.p.)
EPV Producción de energía de la planta fotovoltaica
DEA Indicador de déficit energético anual
MED Indicador mensual de déficit
energético PVFACTOR Factor fotovoltaico
mensual (p.u.) DoD Profundidad de descarga del
BESS (%)
SoC Estado de carga del BESS (%)
GM Radiación solar media en el plano fotovoltaico (W - m-2)
TA Temperatura ambiente (◦C)
TC Temperatura de la célula fotovoltaica (◦C).
NOCT Temperatura nominal de funcionamiento de la célula (◦C)
PMOD Potencia producida por un módulo fotovoltaico (W)
PN Potencia nominal del módulo fotovoltaico (W)
GSTC Irradiancia en condiciones de ensayo estándar (W - m-2)
γ Coeficiente de temperatura del módulo fotovoltaico (% - K-1)
NP Número de módulos fotovoltaicos
CLOSS Coeficiente de pérdidas asociadas a la planta fotovoltaica
(u.p.) TS Franja horaria (h)
EBAT,dis Energía de descarga del BESS (MWh)
ηIN Eficiencia inversor fotovoltaico (%)
ηBAT Eficiencia inversor BESS (%)
σ Coeficiente de autodescarga del BESS (p.u.)
EBAT,h-1 Energía en el BESS en la franja horaria anterior
(MWh) EBAT,cha Energía cargada en el BESS (MWh)
EBAT,MAX Capacidad máxima del BESS (MWh)
EBAT,MIN Capacidad mínima del BESS (MWh)
PINV(PV),MAX Potencia máxima de los inversores fotovoltaicos
(MW) PINV(BAT),MAX Potencia máxima de los inversores de
batería (MW)
PBAT BESS Potencia (MW)
GDC Curva de duración de la generación

Referencias
1. IRENA. Global Energy T ransformation: Una hoja de ruta hasta 2050 (Edición 2019); Agencia Internacional de Energías
Renovables: Abu dhabi, Emiratos Árabes Unidos, 2019.
2. Comisión Europea, COM. 112 Final Communication A Roadmap for Moving to a Competitive Low Carbon Economy in 2050; European
Commision: Ispra, Italia, 2011.
3. AIE. Getting Wind and Sun onto the Grid. A Manual for Policy Makers; ODCE-AIE: París, Francia, 2017.
4. Bayod-Rújula, A.A. Desarrollo futuro de los sistemas eléctricos con generación distribuida. Energía 2009, 34, 377-383.
[CrossRef]
Energías 2023, 16, 4909 33 de 35

5. Palmintier, B.; Robert, B.; Barry, M.; Michael, C.; Kyri, B.; Fei, D.; Matthew, R.; Matthew, L.; Ashwini, B. Emerging Issues and
Challenges in Integrating Solar with the Distribution System; NREL: Golden, CO, EE. UU., 2016.
6. Agencia Europea de Medio Ambiente. Disponible en línea: https://www.eea.europa.eu/ims/share-of-energy-
consumption-from (ac- cessed on 9 May 2023).
7. Statista. Disponible en línea: https://www.statista.com/statistics/191201/capacity-factor-of-nuclear-power-plants-in-the-us-
since- 1975 (consultado el 25 de enero de 2023).
8. CNMC. Propuesta de Orden por la que se Establece la Regulación del Pago por Capacidad Establecido en la Ley 54/1997 de 27 de Noviembre;
Comisión Nacional de Energía CNE: Santiago, Chile, 2007.
9. Bayod-Rújula, A.A.; Haro-Larrode, M.; Martínez-Gracia, A. Sizing criteria of hybrid photovoltaic-wind systems with battery
storage and self-consumption considering interaction with the grid. Sol. Energía 2013, 98, 582-591. [CrossRef]
10. Agencia Internacional de la Energía. World Energy Outlook 2022; AIE: París, Francia, 2022.
11. López Prol, J.; Steininger, K.W.; Zilberman, D. The cannibalization effect of wind and solar in the California wholesale electricity market.
Energy Econ. 2020, 85, 104552. [CrossRef]
12. Blasuttigh, N.; Negri, S.; Massi Pavan, A.; Tironi, E. Optimal Sizing and Environ-Economic Analysis of PV-BESS Systems for
Jointly Acting Renewable Self-Consumers. Energies 2023, 16, 1244. [CrossRef]
13. Hassan, Q.; Pawela, B.; Hasan, A.; Jaszczur, M. Optimization of Large-Scale Battery Storage Capacity in Conjunction with
Photovoltaic Systems for Maximum Self-Sustainability. Energies 2022, 15, 3845. [CrossRef]
14. Korjani, S.; Casu, F.; Damiano, A.; Pilloni, V.; Serpi, A. An online energy management tool for sizing integrated PV-BESS systems
for residential prosumers. Appl. Energy 2022, 313, 118765. [CrossRef]
15. Liao, J.-T.; Chuang, Y.-S.; Yang, H.-T.; Tsai, M.-S. Optimización del tamaño del BESS para la integración de sistemas fotovoltaicos
solares en la red de distribución.
IFAC-PapersOnLine 2018, 51, 85-90.
16. Rivera-Durán, Y.; Berna-Escriche, C.; Córdova-Chávez, Y.; Muñoz-Cobo, J.L. Assessment of a Fully Renewable Generation
System with Storage to Cost-Effectively Cover the Electricity Demand of Standalone Grids: The Case of the Canary Archipelago by
2040. Máquinas 2023, 11, 101. [CrossRef]
17. Han, X.; Garrison, J.; Hug, G. Techno-economic analysis of PV-battery systems in Switzerland. Renew. Sustain. Energy Rev. 2022,
158, 112028. [CrossRef]
18. Aziz, A.S.; Tajuddin, M.F.N.; Zidane, T.E.K.; Su, C.-L.; Alrubaie, A.J.; Alwazzan, M. Techno-economic and environmental
evaluation of PV/diesel/battery hybrid energy system using improved dispatch strategy. Energy Rep. 2022, 8, 6794-6814.
[CrossRef]
19. Gupta, R.; Soini, M.C.; Patel, M.K.; Parra, D. Levelized cost of solar photovoltaics and wind supported by storage technologies to
supply firm electricity. J. Energy Storage 2020, 27, 101027. [CrossRef]
20. Cole, W.; Frazier, A.W.; Augustine, C. Cost Projections for Utility-Scale Battery Storage: 2021 Update; National Renewable
Energy Laboratory: Golden, CO, EE.UU., 2021.
21. Gordon, D. Battery Market Forecast to 2030: Pricing, Capacity and Supply and Demand; E Source Companies LLC: Carbon Pl Boulder,
CO, EE.UU., 2022.
22. Matek, B.; Gawell, K. The Benefits of Baseload Renewables: A Misunderstood Energy Technology. Electr. J. 2015, 28, 101-112.
[CrossRef]
23. Pfenninger, S.; Keirstead, J. Comparing concentrating solar and nuclear power as baseload providers using the example of
South.
Energía 2015, 87, 303-314. [CrossRef]
24. Beltran, H.; Cardo-Miota, J.; Segarra-Tamarit, J.; Perez, E. Battery size determination for photovoltaic capacity firming using deep
learning irradiance forecasts. J. Energy Storage 2021, 33, 102036. [CrossRef]
25. Thanh, N.T.; Huu, V.X.S.; Hieu, D.D.; Tanako, H.; Tuyen, N.D. Previsión de potencia fotovoltaica a corto plazo mediante un
modelo híbrido de aprendizaje profundo y descomposición variacional. En Proceedings of the 3rd International Conference of
Power and Electrical Engineering, Singapur, 29-31 de diciembre de 2022.
26. Bayod-Rújula, Á.A.; Tejero-Gómez, J.A. Analysis of the Hybridization of PV Plants with a BESS for Annual Constant Power
Operation. Energías 2022, 15, 9063. [CrossRef]
27. Wilson, S.; Lightfoote, S.; Voss, S. Evaluation of Solar Capacity Factor of 2000 Solar Plants Across the United States Using
Multilayer Perceptron Regressor Models. En Proceedings of the IEEE 49th Photovoltaics Specialists Conference (PVSC),
Philadelphia, PA, USA, 5-10 June 2022; pp. 1347-1349.
28. Green, A.; Diep, C.; Dunn, R.; Dent, J. High Capacity Factor CSP-PV Hybrid Systems. Energy Procedia 2015, 69, 2049-2059.
[CrossRef]
29. Ketjoy, N.; Chamsa-ard, W.; Mensin, P. Análisis de los factores que afectan a la eficiencia de los inversores: Case study grid-
connected PV systems in lower northern region of Thailand. Energy Rep. 2021, 7, 3857-3868. [CrossRef]
30. Khan, M.R.; Alam, I.; Khan, M.R. Inverter-Less Integration of Roof-Top Solar PV with Grid Connected Industrial Drives. Energías
2023, 16, 2060. [CrossRef]
31. Ficha de datos de la batería de litio fosfato de hierro PowerBrick+ 1280Wh de PowerTech. Disponible en línea:
https://www. powertechsystems.eu/home/products/24v-lithium-battery-pack-powerbrick/50ah-24v-lithium-ion-battery-
pack-1-28
kwh-powerbrick-lithium/ (consultado el 9 de mayo de 2023).
Energías 2023, 16, 4909 34 de 35

32. Sistema de Información Geográfica Fotovoltaica (PVGIS). Centro Científico de la UE. Disponible en línea:
https://ec.europa.eu/jrc/en/pvgis (consultado el 29 de abril de 2023).
33. Borunda, M.; Ramírez, A.; Garduno, R.; Ruíz, G.; Hernandez, S.; Jaramillo, O.A. Photovoltaic Power Generation Forecasting for
Regional Assessment Using Machine Learning. Energies 2022, 15, 8895. [CrossRef]
34. Obaro, A.Z.; Munda, J.L.; Yusuff, A.A. Modelling and Energy Management of an Off-Grid Distributed Energy System: A Typical
Community Scenario in South Africa. Energies 2023, 16, 693. [CrossRef]
35. Can Duman, A.; Salih Erden, H.; Gülen, O. Optimal sizing of PV-BESS units for home energy management system-equipped
households considering day-ahead load scheduling for demand response and self-consumption. Energy Build. 2022, 267, 112164.
[CrossRef]
36. Yang, H.; Gong, Z.; Ma, Y.; Wang, L.; Dong, B. Optimal two-stage dispatch method of household PV-BESS integrated generation
system under time-of-use electricity price. Int. J. Electr. Power Energy Syst. 2020, 123, 106244. [CrossRef]

Descargo de responsabilidad/Nota del editor: Las declaraciones, opiniones y datos contenidos en todas las publicaciones son
responsabilidad exclusiva de los autores y colaboradores individuales y no de MDPI y/o el/los editor/es. MDPI y/o el/los editor/es
declinan toda responsabilidad por daños personales o materiales derivados de ideas, métodos, instrucciones o productos a los que se
haga referencia en el contenido.