Simulación de la operación de redes de energía inteligentes mediante modelos de demanda de potencia usando Matlab

Simulação de operação de rede inteligente através de modelagem de demanda de energia usando Matlab

Authors

  • Luis Daniel Ramírez Dueñas
  • José Luis Sampietro Saquicela

DOI:

https://doi.org/10.34115/basrv6n5-004

Keywords:

MATLAB/SIMULINK, modelos, generación, operación, demandas

Abstract

Este articulo muestra la implementación de varias tecnologías de generación que se acomoden a las necesidades y exigencias de nuestro entorno, el uso de la energía en este contexto se vuelve indispensable por lo que se requiere desarrollar soluciones que permitan un control sostenible y a su vez permitirá brindar medios que no generen un fuerte impacto económico, social y ambiental. El desarrollo de este estudio está basado en la investigación experimental donde se emplearon datos no estandarizados de modelos de demanda de diferentes ciudades. El modelo se implementa utilizando el paquete de software MATLAB/SIMULINK. El trabajo trata de proponer un algoritmo genérico que se utiliza para maximizar la potencia generada basándose en el comportamiento dinámico, tomando como referencia un modelo donde se examina bajo diferentes condiciones de funcionamiento. En este estudio conforme a las simulaciones realizadas en base a la comparación de los modelos de demanda, permitirá adoptar sistemas de control diversos enmarcados en el desarrollo de una planeación operativa y comercial basados en modelos de optimización y eficiencia energética. Los resultados con diferentes modos de funcionamiento expusieron la utilidad de un sistema de control que permite el uso de cada fuente de generación optimizando el despacho de energía de manera controlada considerando múltiples accesos de energía, es decir que en el momento de que se presenten altas demandas en las horas picos contar con alternativas que ayuden a evitar que la generación convencional sienta ese desgaste propio de la demanda y es precisamente con el almacenamiento de energía de otras fuentes permitirá que exista un equilibrio en la demanda lo que condescenderá a tener un sistema más confiable y amigable con el medio ambiente.

References

A. de R. y C. de E. y R. N. no Renovables, “Panorama Eléctrico,” Panorama Eléctrico, Edición 4, vol. 4, p. 66, 2021.

Altomonte HCoviello MF. Lutz W, Recursos Naturales e Infraestructura. Energías renovables y eficiencia energética en América Latina y El Caribe. Restricciones y perspectivas. 2004.

E. Águila, R. Sohr, and C. Parker, Energía y medio ambiente. Una ecuación difícil para América Latina: los desafíos del crecimiento y desarrollo en el contexto del cambio climático. 2013.

R. Miceli, “Energy management and smart grids,” Energies, vol. 6, no. 4, pp. 2262–2290, 2013, doi: 10.3390/en6042262.

G. Arturo Gómez, J. Carlos Carreño, and J. Zambrano Caviedes, “Herramienta de software para el pronóstico de demanda horaria de potencia eléctrica en el sistema eléctrico de codensa S.A. ESP,” Rev. Tecnura, vol. 15, no. 28, p. 7, 2012, doi: 10.14483/udistrital.jour.tecnura.2011.1.a01.

R. De Guadalupe González Huerta, N. Jesús Hernández Pérez, J. Manuel, and S. Pineda, “Almacenamiento De Energía Como Alternativa a La Conexión a La Red Eléctrica.”

T. Doctoral and M. Nassourou, “Robust Economic Model Predictive Control of Smart Grids,” 2020.

Á. J. González López Directores and J. Eloy-García Carrasco Manuel García Plaza, “Gestión De La Energía En Una Red Inteligente,” Gest. la Energ. en una Red Electr., pp. 60–115, 2012, [Online]. Available: https://core.ac.uk/download/pdf/29403010.pdf.

C. Mora, “Modelado de la Demanda de Potencia Eléctrica en Venezuela Mediante Series Cronológicas Autor : Carlos Mora Tutor : Cristóbal Vega Trabajo Especial de Grado,” no. June, 2021, doi: 10.13140/RG.2.2.28405.50408.

L. Gao, R. A. Dougal, and S. Liu, “Power enhancement of an actively controlled battery/ultracapacitor hybrid,” IEEE Trans. Power Electron., vol. 20, no. 1, pp. 236–243, 2005, doi: 10.1109/TPEL.2004.839784.

D. D. E. R. T. Wissenschaften, “Gesamtenergetische Bewertung verschiedener Betriebsarten eines Parallel-Hybridantriebes mit Schwungradkomponente losem Weitbereichsgetriebe einen Personenwagen,” 1999.

V. H. Johnson, “Battery performance models in ADVISOR,” J. Power Sources, vol. 110, no. 2, pp. 321–329, Aug. 2002, doi: 10.1016/S0378-7753(02)00194-5.

R. L. Carraway, T. L. Morin, and H. Moskowitz, “Generalized dynamic programming for multicriteria optimization,” Eur. J. Oper. Res., vol. 44, no. 1, pp. 95–104, Jan. 1990, doi: 10.1016/0377-2217(90)90318-6.

J. C. H. Phang, D. S. H. Chan, and J. R. Phillips, “Accurate analytical method for the extraction of solar cell model parameters,” Electron. Lett., vol. 20, no. 10, pp. 406–408, 1984, doi: 10.1049/el:19840281.

M. G. Villalva, J. R. Gazoli, and E. R. Filho, “Comprehensive Approach to Modeling and Simulation of Photovoltaic Arrays,” IEEE Trans. Power Electron., vol. 24, no. 5, pp. 1198–1208, 2009, doi: 10.1109/TPEL.2009.2013862.

E. M. Natsheh, A. Albarbar, and J. Yazdani, “Modeling and control for smart grid integration of solar/wind energy conversion system,” IEEE PES Innov. Smart Grid Technol. Conf. Eur., pp. 1–8, 2011, doi: 10.1109/ISGTEurope.2011.6162643.

H. De Battista, R. J. Mantz, and F. Garelli, “Power conditioning for a wind–hydrogen energy system,” J. Power Sources, vol. 155, no. 2, pp. 478–486, Apr. 2006, doi: 10.1016/J.JPOWSOUR.2005.05.005.

E. Muljadi and C. P. Butterfield, “Pitch-controlled variable-speed wind turbine generation,” IEEE Trans. Ind. Appl., vol. 37, no. 1, pp. 240–246, 2001, doi: 10.1109/28.903156.

Additional Files

Published

2022-09-21

Issue

Section

Artigos originais