Beneficios de controlar demandas en un smart-grid para compensar la volatilidad de las energías no-convencionales

Autores/as

  • C. Risso Universidad de la Republica

DOI:

https://doi.org/10.17533/udea.redin.20190404

Palabras clave:

energía-eólica, ciudades-inteligentes, despacho al corto-plazo

Resumen

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.

|Resumen
= 377 veces | PDF (ENGLISH)
= 312 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

C. Risso, Universidad de la Republica

Facultad de Ingeniería.

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

2019-08-23

Cómo citar

Risso, C. (2019). Beneficios de controlar demandas en un smart-grid para compensar la volatilidad de las energías no-convencionales. Revista Facultad De Ingeniería Universidad De Antioquia, (93), 19–31. https://doi.org/10.17533/udea.redin.20190404