Control tolerante a fallos en comunidades energéticas basado en blockchain
Enviado: 19-06-2024
|Aceptado: 18-09-2024
|Publicado: 01-10-2024
Derechos de autor 2024 Manuel Sivianes, Pablo Velarde, Ascensión Zafra-Cabeza, Carlos Bordons
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Descargas
Palabras clave:
Sistemas energéticos, Control predictivo, Control descentralizado, Tolerante a fallos, Detección y diagnóstico de fallos para sistemas lineales
Agencias de apoyo:
Resumen:
Este trabajo presenta un sistema de control distribuido que optimiza la gestión energética en una comunidad utilizando control predictivo basado en modelos. Se ha extendido el sistema para dotar a cada agente de un mecanismo tolerante a fallos capaz de detectar, aislar y reconfigurar agentes en caso de fallos. La detección se realiza mediante el cálculo de señales residuales y umbrales basados en restricciones de probabilidad para minimizar falsos positivos. Identificado el fallo, se ajustan los parámetros del controlador predictivo del agente para mantener la seguridad del sistema. Si la reconfiguración afecta a múltiples agentes, la información se comparte. El algoritmo de control utiliza un contrato inteligente en una red blockchain, resolviendo el problema de manera distribuida sin un coordinador central, y asegurando la seguridad e integridad de los datos. La estrategia propuesta ha sido evaluada mediante simulaciones en una comunidad energética.
Citas:
Bordons, C., Garcia-Torres, F., Ridao, M., 2020. Model Predictive Control of Microgrids. Springer. https://doi.org/10.1007/978-3-030-24570-2
Camacho, E. F., Berenguel, M., Rubio, F. R., Martinez, D., 2012. Control of solar energy systems. Springer, London, England. https://doi.org/10.1007/978-0-85729-916-1
Campos, I., Pontes Luz, G., Marín-González, E., Gährs, S., Hall, S., Holstenkamp, L., 2020. Regulatory challenges and opportunities for collective renewable energy prosumers in the eu. Energy Policy 138, 111212. https://doi.org/10.1016/j.enpol.2019.111212
Gui, E. M., Diesendorf, M., MacGill, I., 2017. Distributed energy infrastructure paradigm: Community microgrids in a new institutional economics context. Renewable and Sustainable Energy Reviews 72, 1355-1365. https://doi.org/10.1016/j.rser.2016.10.047
Issermann, R., 2006. Fault-Diagnosis Systems: An Introduction from Fault Detection to Fault Tolerance. Springer. https://doi.org/10.1007/3-540-30368-5_1
Kall, P., Wallace, S. W., 1994. Stochastic Programming. John Wiley & Sons.
Maestre, J. M., Negenborn, R. R., 2013. Distributed MPC Made Easy. Intelligent Systems, Control and Automation: Science and Engineering. Springer-Verlag, Vol. 69, New York, USA.
Márquez, J., Zafra-Cabeza, A., Bordons, C., Ridao, M. A., 2021. A fault detection and reconfiguration approach for MPC-based energy management in an experimental microgrid. Control Engineering Practice 107, 104695. https://doi.org/10.1016/j.conengprac.2020.104695
Oliva, G. A., Hassan, A. E., Jiang, Z. M., 2020. An exploratory study of smart contracts in the ethereum blockchain platform. Empirical Software Engineering 25, 1864-1904. https://doi.org/10.1007/s10664-019-09796-5
Sivianes, M., Zafra-Cabeza, A., Bordons, C., 2022. Blockchain-based peer to peer energy trading using distributed model predictive control. In: Proceedings of the 2022 European Control Conference (ECC). IEEE, London, United Kingdom, pp. 1832-1837. https://doi.org/10.23919/ECC55457.2022.9838195
van Leeuwen, G., AlSkaif, T., Gibescu, M., van Sark,W., 2020. An integrated blockchain-based energy management platform with bilateral trading for microgrid communities. Applied Energy 263, 114613. https://doi.org/10.1016/j.apenergy.2020.114613
