Beneficios de controlar demandas en un smart-grid para compensar la volatilidad de las energías no-convencionales
DOI:
https://doi.org/10.17533/udea.redin.20190404Palabras clave:
energía-eólica, ciudades-inteligentes, despacho al corto-plazoResumen
Uruguay es líder en el uso de energías renovables, atendiendo el 96% de su demanda eléctrica con una mezcla de fuentes de este tipo, con crecimiento sostenido de renovables no-convencionales, de energía eólica fundamentalmente. Aunque limpias y ajenas a los vaivenes financieros, las no-convencionales presentan debilidades. A diferencia de las térmicas e hidráulicas, las energías eólica y solar no son controlables, son intermitentes e inciertas en las horas próximas, complicando la planificación, operación y mantenimiento al corto-plazo del sistema eléctrico. Este trabajo explora cómo usar las capacidades de los smart-grids para ajustar la demanda de electricidad, creando una cobertura contra esas nuevas posiciones de riesgo al corto-plazo en el mercado eléctrico uruguayo provenientes de la volatilidad de las renovables no-convencionales. La aproximación usa modelos de optimización combinatoria del despacho para cuantificar los beneficios resultantes del control de la demanda. Los resultados muestran que para el contexto Uruguayo, los beneficios no sólo provienen de los ahorros en producción (generación). La planificación óptima del despacho en smart-grids también resulta menos estresante para la operación de la misma red.
Descargas
Citas
C. Risso, “Using smart-grids capabilities as a natural hedge against novel risks coming from non-conventional renewable electricity generation,” in Ibero-American Congress on Information Management and Big Data , Soria, Spain, 2018.
REN21,“Renewables2018globalstatusreport,”REN21Community, Paris, France, Tech. Rep., 2018.
R. Karki and R. Billinton, “Cost-effective wind energy utilization for reliable power supply,” IEEE Transactions on Energy Conversion , vol. 19, no. 2, pp. 435–440, Jun. 2004.
J. M. Morales, A. J. Conejo, H. Madsen, P. Pinson, and M. Zugno, Integrating Renewables in Electricity Markets ,1sted. NewYork,USA: Springer US, 2014.
M. Joosa and I. Staffell, “Short-term integration costs of variable renewable energy: Wind curtailment and balancing in britain and germany,” Renewable and Sustainable Energy Reviews , vol. 86, pp. 45–65, Apr. 2018.
N. Li, L. Chen, and S. H. Low, “Optimal demand response based on utility maximization in power networks,” in 2011 IEEE Power and Energy Society General Meeting , Jul. 2011, pp. 1–8.
A. Mohsenian-Rad and A. Leon-Garcia, “Optimal residential load control with price prediction in real-time electricity pricing environments,” IEEE Transactions on Smart Grid , vol. 1, no. 2, pp. 120–133, Sep. 2010.
F. Paganini, P. Belzarena, and P. Monzón, “Decision making in forward power markets with supply and demand uncertainty,” in 2014 48 th Annual Conference on Information Sciences and Systems (CISS) , Mar. 2014, pp. 1–6.
W. Jeon, A. J. Lamadrid, J. Y. Mo, and T. D. Mount, “Using deferrable demand in a smart grid to reduce the cost of electricity for customers,” Journal of Regulatory Economics , vol. 47, no. 3, pp. 239–272, Jun. 2015.
J. Y. Mo and W. Jeon, “How does energy storage increase the efficiency of an electricity market with integrated wind and solar power generation?—A case study of Korea,” Sustainability , vol. 8, no. 10, 2017.
L. Jiang and S. Low, “Multi-period optimal energy procurement and demand response in smart grid with uncertain supply,” in 2011 50 th IEEE Conference on Decision and Control and European Control Conference , Dec. 2011, pp. 4348–4353.
I.Atzeni,L.G.Ordóñez,G.Scutari,D.P.Palomar,andJ.R.Fonollosa, “Demand-side management via distributed energy generation and storage optimization,” IEEE Transactions on Smart Grid , vol. 4, no. 2, pp. 866–876, Jun. 2013.
Y. Wu, V. K. N. Lau, D. H. K. Tsang, L. P. Qian, and L. Meng, “Optimal energy scheduling for residential smart grid with centralized renewable energy source,” IEEE Systems Journal , vol. 8, no. 2, pp. 562–576, Jun. 2014.
S. Montes de Oca, P. Belzarena, and P. Monzón, “Optimal demand response based on time-correlated utility in forward power markets,” in 2015 IEEE PES Innovative Smart Grid Technologies Latin America (ISGT LATAM) , Oct. 2015, pp. 597–602.
C. Risso and G. Guerberoff. (2018, May. 10) Nonparametric optimization of short-term confidence bands for wind power generation. [Online]. Available: https://arxiv.org/abs/1805.04474v1
S. de Mello, G. Cazes, and A. Gutierrez, “Operational wind energy forecast with power assimilation,” 14 th International Conference on Wind Engineering, Porto Alegre, Brazil, 2015.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2019 Revista Facultad de Ingeniería Universidad de Antioquia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter