Modelo para la gestión energética de un sistema de generación híbrido conectado a la red
DOI:
https://doi.org/10.83179/trcxz556Palabras clave:
recursos renovables, control predictivo de modelos, perfil de carga, flujo de carga, tasa interna de retorno (TIR), costo de la energía (COE), costo presente neto (CPN), costo de inversión (CI), retorno de la inversión (ROI)Resumen
Ante la necesidad de brindar el servicio de energía eléctrica en lugares como comunidades aisladas donde no se puede construir una subestación eléctrica, para lograr el objetivo se utilizó la deducción e implementación de dos perfiles de carga: residencial e industrial, los cuales se organizarían como carga resistiva para un sistema híbrido formado por dos módulos solares, un aerogenerador de eje vertical, dos baterías de plomo-ácido y la red eléctrica. En segundo lugar, se llevó a cabo una metodología basada principalmente en la aplicación, desarrollo y articulación de un modelo autorregresivo estacionario basado en la caracterización del equipo previamente establecido para representar el comportamiento de cada fuente de energía renovable, que en este caso se utilizaron paneles solares y un aerogenerador de eje vertical. Finalmente, con la ayuda de los softwares HOMER energy y RETScreen, se realizó el análisis financiero y económico del comportamiento del sistema híbrido, mostrando las variables que determinan el retorno de la inversión, los ingresos y los gastos del proyecto de acuerdo con su ubicación geográfica.
Descargas
Referencias
- Andrango, B. I. (2018). Operación de protecciones en micro-redes basado en flujos óptimos de potencia ac. Universidad Politécnica Salesiana, Ecuador.
- Bemporad, A. Morari, M. and Ricker, N.L. (2005) Model Predictive Control Toolbox for Use with MATLAB. MathWorks, User guide, version 2.
- Cruz Lazo, E. G. (2010). Diseño y simulación del comportamiento de un sistema híbrido de potencia, Universidad de Piura.
- Espina, J. (2017). Carga, demanda y energía eléctrica: Conceptos fundamentales para la distribución de electricidad. (3 ed) [Online] Available at: http://www.sectorelectricidad.com/17597/carga-demanda-y-energia-electricaconceptos-fundamentales-para-la-distribucion-de-electricidad/
- Hernandez, K. and Carrillo, J. (2017). Análisis de la curva de demanda eléctrica para usuarios residenciales estrato 4 en la ciudad de Bogotá ante diferentes escenarios de los hábitos de consumo, Universidad Distrital Francisco José de Caldas, pp.60-75.
- IDEAM. (2005). Introducción al Atlas Interactivo, [Online]. Available at: http://atlas.ideam.gov.co/presentacion/
- IDEAM. (2016). Altos valores de radiación solar en Bogotá y gran parte de la region Andina (2 ed) [On Line] Available at: http://ideam.gov.co/web/sala-de-prensa/noticias/-/assetpublisher/LdWW0ECY1uxz/content/el-ideam-adviert epor-altos-valores-de-radiacion-ultravioleta-en-el-primersemestre-de-2018
- Lambert, T., Gilman, P. and Lilienthal, P. (2006). Micropower System Modeling with Homer. Integration of Alternative Sources of Energy, pp.379-418.
- Marnay, C. (2016). Chapter 3 - Microgrids: Finally Finding their Place, Future of Utilities, Utilities of the Future, Academic Press, Pages 51-74.
- Osorio, M. (2012). Micro-redes híbridas autónomas, opción para la electrificación rural en Latinoamérica (2nd ed) [Online] Available at: http://latinoamericanorenovable.com/2012/10/03/micro-redes-hibridas-autonomasopcionparalaelectrificacion-rural-en-latinoamerica/
- XM, (s.f.) Portal BI. [Online] Available at: http://portalbissrs.xm.com.co/
- Zambrano, J. and González, A. (2013). Implementación de un algoritmo de control predictivo en espacio de estados sobre una Plataforma de simulación desarrollada en Matlab, Ingenius, No. 9, pp5-14.
