Gestión de recursos de demanda flexible bajo el paradigma de smart grid
El acceso y la disponibilidad de energía son fundamentales para el desarrollo económico y social. Los objetivos energéticos actuales buscan diversificar la matriz energética, reducir la dependencia de recursos finitos y garantizar el acceso para la mayoría de la población. Sin embargo, es necesario...
Saved in:
| Main Author: | |
|---|---|
| Format: | doctoralThesis |
| Language: | Spanish |
| Published: |
2023
|
| Subjects: | |
| Online Access: | https://hdl.handle.net/20.500.12008/41684 |
| Tags: |
No Tags, Be the first to tag this record!
|
| Summary: | El acceso y la disponibilidad de energía son fundamentales para el desarrollo económico y social. Los objetivos energéticos actuales buscan diversificar la matriz energética, reducir la dependencia de recursos finitos y garantizar el acceso para la mayoría de la población. Sin embargo, es necesario gestionar los recursos energéticos de manera responsable debido a las consecuencias ambientales y la necesidad de cambiar la forma en que generamos y consumimos energía. La transición energética actual se caracteriza por el crecimiento de los recursos renovables y la electrificación del transporte y los edificios. Aunque se espera que la electricidad se convierta en el principal producto energético, aún depende en gran medida de los combustibles fósiles, y la incorporación de renovables plantea desafíos operativos y económicos. La participación activa de los usuarios finales y la incorporación de recursos flexibles del lado de la demanda son cruciales para optimizar el consumo de energía y absorber la variabilidad de las fuentes renovables. En este contexto, los agregadores desempeñan un papel fundamental al actuar como intermediarios entre los consumidores de energía y los operadores del sistema eléctrico. La transición hacia un sistema energético más sostenible requiere la incorporación de herramientas digitales y Tecnologías de la Información y Comunicación (TIC). La digitalización, la inteligencia artificial y la ciencia de datos permiten optimizar el consumo de energía y maximizar los recursos físicos del sistema. En este sentido, la participación activa de los usuarios finales a través de los agregadores es fundamental para lograr una transición energética rentable y sostenible. Esta tesis se centra en el problema de incorporar a los usuarios finales y los vehículos eléctricos como recursos de flexibilidad en el sistema eléctrico, abordando sus desafíos y oportunidades. La primera parte se centra en modelar la interacción entre los distintos agentes que participan en el sistema, optimizando el uso de los recursos y planificando el consumo de electricidad para cubrir las necesidades de cada uno. Se considera la participación del operador de la red de distribución, los usuarios finales y un conjunto de agregadores. El aporte principal consiste en modelar el comportamiento de los agregadores, que actúan como intermediarios entre el mercado mayorista y sus clientes, intercambiando información con los operadores de red para optimizar los recursos físicos del sistema. El problema se plantea como un problema de optimización del bienestar social, donde se maximizan los beneficios y se minimizan los costos de proveer servicios entre los participantes. Se utilizan herramientas de optimización convexa y métodos de descomposición que promueven la noción de mercado en el sistema, y se incorpora un Optimal Power Flow en la red de distribución para promover un uso eficiente de los recursos. El aporte en esta área se centra en modelar y analizar la interacción entre los participantes, preservando la integridad de la información privada de cada uno, buscando maximizar su beneficio de forma individual. La electrificación del transporte liviano plantea desafíos y oportunidades. Más del 60% de la energía del sector transporte proviene de vehículos livianos privados, que en general se van a cargar en la red de distribución con su propia infraestructura. En la segunda parte de esta tesis, abordamos la coordinación de las sesiones de carga de vehículos eléctricos (EVs) residenciales y comerciales, y buscamos aprovechar su flexibilidad como recurso en los mercados mayoristas. En una primera instancia, nos enfocamos en coordinar la carga de un conjunto de EVs privados cuando existe disponibilidad de renovables en el sistema y considerando las limitaciones prácticas de la infraestructura de carga privada. Para ello, utilizamos herramientas matemáticas de aprendizaje automático y modelamos la coordinación con el mercado y otros usuarios. Este enfoque nos permitiría optimizar la carga de vehículos eléctricos en edificios del tipo residencial, optimizando recursos y evitando problemas de simultaneidad. Luego, nos enfrentamos al desafío de coordinar un gran número de vehículos eléctricos privados distribuidos en una ciudad. Para modelar este problema, empleamos herramientas de optimización a gran escala y técnicas estocásticas para evitar problemas de sincronización y tomar decisiones basadas en la información disponible en tiempo real. Nuestros aportes se centran en desarrollar un modelo que coordine eficazmente un gran número de usuarios, teniendo en cuenta los conceptos de mercado y buscando soluciones de equilibrio incluso con información incompleta. Es importante resaltar que todos los resultados y las contribuciones de la tesis son verificados mediante simulaciones en diversos escenarios. |
|---|