Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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*.
creativecommons.org/licenses/by/ 4.0/).
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
(a) (b)
Figura 3. Consigna de potencia mensual constante (a) CPOF = 0,1; (b) CPOF = 0,14.
(1 + γ-(TC - 25))
PMOD = PN-GM- (7)
GSTC
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].
(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.
MED por debajo del 5% en la Figura 7 implica que una media anual
Energías 2023, 16, 4909 24 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.
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.
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.
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.