Gestión óptima en microrredes con soporte fotovoltaico e hidrógeno verde
Enviado: 19-06-2024
|Aceptado: 02-10-2024
|Publicado: 17-10-2024
Derechos de autor 2024 Rubén Moliner-Heredia, Carlos Vivas, Francisco R. Rubio
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Descargas
Palabras clave:
Control de recursos de Energía Renovable, Control Predictivo basado en Modelo, Redes eléctricas inteligentes, Sistemas de gestión y distribución de la Energía, Control inteligente de sistemas eléctricos de potencia
Agencias de apoyo:
ENGREEN (Universidad de Sevilla)
Resumen:
La gestión de la energía es esencial para un correcto control de una microrred. Es importante que dicha gestión tenga en cuenta la optimización de la vida útil de los componentes de la microrred. Uno de los posibles comportamientos que se desean evitar es el apagado y encendido continuo de determinados componentes, tales como las celdas de combustible y los electrolizadores. En este artículo hemos propuesto un algoritmo usando control predictivo basado en modelo (MPC) utilizando diversas restricciones de tiempos mínimos de activación de dichos componentes para evitar efectos perjudiciales sobre los equipos de hidrógeno verde. Además, hemos propuesto un método de transmisión entre iteraciones del algoritmo para que la aplicación de dichas restricciones sea compatible con errores en las predicciones del algoritmo y de perturbaciones en el sistema. Para validar el algoritmo propuesto, hemos desarrollado un modelo simplificado de la microrred, y hemos realizado simulaciones y comparaciones con un algoritmo más simple utilizando Matlab.
Citas:
Ali, S., Zheng, Z., Aillerie, M., Sawicki, J.-P., Pera, M.-C., Hissel, D., 2021. A review of dc microgrid energy management systems dedicated to residential applications. Energies 14 (14), 4308. https://doi.org/10.3390/en14144308
Bemporad, A., Morari, M., 1999. Control of systems integrating logic, dynamics, and constraints. Automatica 35 (3), 407-427. https://doi.org/10.1016/S0005-1098(98)00178-2
Bordons, C., Garcia-Torres, F., Ridao, M. A., 2020. Model predictive control of microgrids. Vol. 358. Springer. https://doi.org/10.1007/978-3-030-24570-2
Cabrera-Tobar, A., Massi Pavan, A., Petrone, G., Spagnuolo, G., 2022. A review of the optimization and control techniques in the presence of uncertainties for the energy management of microgrids. Energies 15 (23), 9114. https://doi.org/10.3390/en15239114
Chen, Y.-K., Wu, Y.-C., Song, C.-C., Chen, Y.-S., 2012. Design and implementation of energy management system with fuzzy control for dc microgrid systems. IEEE Transactions on power electronics 28 (4), 1563-1570. https://doi.org/10.1109/TPEL.2012.2210446
Hu, M.-C., Lu, S.-Y., Chen, Y.-H., 2016. Stochastic programming and market equilibrium analysis of microgrids energy management systems. Energy 113, 662-670. https://doi.org/10.1016/j.energy.2016.07.061
Kumar, K. P., Saravanan, B., 2017. Recent techniques to model uncertainties in power generation from renewable energy sources and loads in microgrids-a review. Renewable and Sustainable Energy Reviews 71, 348-358. https://doi.org/10.1016/j.rser.2016.12.063
Lopez-Garcia, T. B., Coronado-Mendoza, A., Domínguez-Navarro, J. A., 2020. Artificial neural networks in microgrids: A review. Engineering Applications of Artificial Intelligence 95, 103894. https://doi.org/10.1016/j.engappai.2020.103894
Mahmoud, M. S., Alyazidi, N. M., Abouheaf, M. I., 2017. Adaptive intelligent techniques for microgrid control systems: A survey. International journal of electrical power & energy systems 90, 292-305. https://doi.org/10.1016/j.ijepes.2017.02.008
Marquez, 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
Sen, S., Kumar, V., 2018. Microgrid control: A comprehensive survey. Annual Reviews in control 45, 118-151. https://doi.org/10.1016/j.arcontrol.2018.04.012
Wittmann, F. M., López, J. C., Rider, M. J., 2018. Nonintrusive load monitoring algorithm using mixed-integer linear programming. IEEE Transactions on Consumer Electronics 64 (2), 180-187. https://doi.org/10.1109/TCE.2018.2843292
