Solución de optimización y control para sistemas de generación renovable y de almacenamiento agregados y distribuidos en ciudades • ESMARTCITY

Comunicación presentada al II Congreso Ciudades Inteligentes:

Autores

Cosmin Koch Ciobotaru, Researcher, Fundación Ayesa
Alicia Arce, R&D Project Manager, Fundación Ayesa
Santiago Blanco, CTO, Fundación Ayesa
Ricardo Galán de Vega, Director, Fundación Ayesa

Resumen

Este artículo presenta la solución avanzada desarrollada por Fundación Ayesa para la gestión de sistemas de generación renovable y almacenamiento energético instalados en edificios, y sus resultados. Esta solución proporciona una herramienta de apoyo a la toma de decisión y así como de operación automática de dichos sistemas, cuando están agregados y explotados por una compañía de servicios energéticos (ESCO). Dicha solución permitirá a las ESCOs participar en la negociación de servicios energéticos en diferentes mercados para maximizando la rentabilidad y permitiendo nuevos modelos de negocio para los sistemas de generación y almacenamiento. De esta manera se acelerará la integración de fuentes de energía renovable en las ciudades y los beneficios medioambientales que esto conlleva. La solución ha sido particularizada y validada en simulación para el caso de la isla de Borkum en Alemania y en el marco del proyecto H2020 Netfficient se va a pilotar en 29 casas, 5 edificios y una red de iluminación viaria, todos equipados con paneles fotovoltaicos y dispositivos de almacenamiento energético heterogéneos.

Introducción

Actualmente las ciudades están sufriendo una constante transformación para adaptarse a los cambios sociales, económicos y medio ambientales. En concreto, estudios estadísticos revelan una tendencia creciente de consumo de energía en las ciudades modernas donde el inventario actual de edificios está cerca de 160 millones en la Europa de los 25, y representa en torno al 40% del consumo energético y el 36% de las emisiones de CO2 totales de la Unión Europea (EU), según los estudios de la Comisión Europea (European Commission, 2016). Este hecho se ve acentuado por la tendencia creciente de la población a moverse de las zonas rulares a las urbanas. Naciones Unidas (UN) estima que para el 2050, el 66% de la población del mundo será urbana, en comparación con el 54% de población urbana del 2014 y el 30% en 1950 (United Nations, 2014). Por tanto, los retos energéticos a los que se enfrentan las ciudades requieren nuevas soluciones inteligentes que les den respuesta.

Los continuos avances en diversas tecnologías hacen posible que, en un futuro cercano, se puedan materializar nuevas soluciones energéticas dentro del concepto de ciudades inteligentes. Entre las tecnologías en estado de madurez avanzado, se encuentran los recursos renovables energéticos distribuidos e integrados en edificios, los vehículos eléctricos, la respuesta a la demanda, los sensores cognitivos, las comunicaciones rápidas y seguras, el procesamiento de Big Data, los algoritmos de control y un amplio uso y fácil acceso a los sistemas embebidos.

El trabajo que se presenta en este artículo combina algunas de estas tecnologías e integra el almacenamiento energético a nivel de edificios y hogares, con el objetivo de mejorar el aprovechamiento de las energías renovables, y reducir las pérdidas por transmisión y los costes de operación. Como resultado, se reducirán también las emisiones de gases de efecto invernadero, y mejorará el retorno de la inversión en tecnologías renovables y de almacenamiento a nivel local y, por tanto, la penetración de estas tecnologías.

Además, este trabajo provee una solución para tratar con otros severos problemas que las ciudades modernas están padeciendo, como la sobrecarga de las líneas eléctricas que alimentan a las ciudades, los flujos esporádicos de potencia invertidos, producidos cuando la generación local excede el consumo, y el control de los niveles de voltaje entre las alimentaciones, debido al consumo y generación distribuida variables. Es importante remarcar los beneficios de los sistemas de control inteligentes aplicados a la generación y el almacenamiento energético, tales como la mejora de la fiabilidad del suministro energético y la estabilidad de la red, la maximización de la eficiencia de los sistemas y la reducción de los costes de operación. Las tecnologías de computación en la nube junto con el análisis de grandes cantidades de datos y la seguridad juegan un papel importante en este desarrollo.

Por otro lado, es de suma importancia para la implementación práctica de las futuras ciudades inteligentes estudiar y definir modelos de negocio viables, que sustenten la integración de las soluciones inteligentes en las ciudades. La integración y adopción en gran escala de nuevas soluciones está condicionada por los costes de los nuevos sistemas y los ingresos y ahorros que pueden traer consigo. Los proyectos de implantación se caracterizan por grandes inversiones de capital inicial y largo retorno de inversión. Como medio facilitador del desarrollo de dichos proyectos, han surgido nuevas compañías denominadas compañías de servicios energéticos (ESCOs). Las ESCOs tienen como objetivo ofrecer una solución económica viable para el desarrollo, diseño, construcción y operación de proyectos de integración de nuevas tecnologías energéticas en edificios, que permiten ahorrar energía a la vez que reducen costes de operación. En general, una ESCO actúa como un desarrollador de proyectos que asume los riesgos tecnológicos y de operación, y cuya remuneración está directamente vinculada al ahorro real de costes de energía (Navigant, 2015). La ESCO garantiza el suministro energético y los ahorros monetarios a los usuarios de forma independiente y fiable de la disponibilidad de recursos energéticos. Por otro lado, la rentabilidad económica de la ESCO está relacionada con el rendimiento del sistema y, por tanto, existe una necesidad de uso óptimo de los recursos. La agregación de la generación de energía renovable en grandes clusters por parte de la ESCO, en lo que se denominan redes inteligentes, tiene un gran potencial que permite la participación de fuentes renovables intermitentes y distribuidas en mercados de servicios de red que serían prohibitivos de forma independiente (Santi et. al 2015). La implementación de dichos sistemas agregados de generación, y su integración con sistemas de almacenamiento, exige, dada la complejidad del problema que se plantea, el desarrollo de algoritmos de control avanzados que permitan la participación de la ESCO en los mercados energéticos en condiciones óptimas. En este contexto, Fundación Ayesa ha desarrollado una solución que proporciona:

Una herramienta avanzada de toma de decisiones para operadores de ESCOs. Esta herramienta suministra información, calculada mediante algoritmos económicos óptimos, sobre las opciones de participación en los diferentes mercados energéticos que maximizan el rendimiento. En particular, en este trabajo se presentan los resultados de la participación de la ESCO en el mercado energético de generación mayorista del día siguiente (day-ahead market).
Algoritmos óptimos para la operación automática en tiempo real de los sistemas de generación renovable y de almacenamientos energético heterogéneos, integrados en los diferentes edificios, con el fin de que esta operación satisfaga los compromisos adquiridos por parte de la ESCO en el mercado.

Esta solución va a ser pilotada y evaluada en la ciudad de la isla de Borkum, Alemania, en el marco del proyecto europeo H2020 Netfficient.

Descripción de la solución

Escenario

En primer lugar, expondremos el escenario considerado por la solución propuesta. En este escenario, los edificios están equipados con dispositivos de generación renovable y almacenamiento energético (ver Figura 1). Estos edificios pueden ser viviendas individuales, bloques de viviendas o negocios. Cada uno de estos edificios son denominados nodos energéticos. Como se observa en la Figura 1, cada noso energético está caracterizado por poseer: cargas que consumen energía como parte de la actividad diaria del hogar o negocio y modeladas por la variable Pcarga; fuentes de generación de energía renovable (p. ej. paneles fotovoltaicos) modeladas por la variable PGen; dispositivos de almacenamiento energético (p. ej. baterías, supercondensadores, pilas de combustible, etc.) modelados por la variable PAlm; y conexión con la red eléctrica representado por la variable PCambio.

La ESCO actúa como la entidad que agrega la operación de los nodos energéticos. En función de los perfiles de generación energética, de carga de los almacenamientos y de operación de las cargas, la ESCO es capaz de optimizar la operación del sistema completo, y generar un beneficio económico como resultado de la venta de servicios de red, además de satisfacer la demanda energética de los usuarios. La ESCO deberá ser capaz por tanto de optimizar la operación de cada uno de los nodos energéticos para mejorar su rendimiento económico, su competitividad frente a otras ESCOs y, con ello, la capacidad para captar asociados. En la medida en que la ESCO cuente con más asociados dentro de la ciudad, podrá ofrecer servicios energéticos de mayor volumen en los mercados, aprovechándose de las economías de escala.

Funcionalidades

La solución diseñada por Fundación Ayesa proporciona las siguientes funcionalidades:

Ayuda a la toma de decisiones para la participación de la ESCO en mercados energéticos. Evalúa los escenarios presentes y futuros de los precios de la energía, la generación, consumo y almacenamiento de cada uno de los nodos energéticos para proporcionar información energética y económica a la ESCO, con el fin de que ésta pueda decidir los servicios de red que quiere ofrecer en el mercado, y las condiciones en las que desea ofrecerlos.
Control en tiempo real de la operación de los nodos energéticos.

Calcula periódicamente las referencias óptimas que debe satisfacer cada dispositivo de almacenamiento para que la ESCO cumpla con las condiciones de contrato de los servicios de red que ha vendido en el mercado. Para ello, tiene en cuenta posibles desviaciones:

En el uso de las cargas (por ejemplo, una persona conecta el aire acondicionado a una hora inesperada).
En la generación (por ejemplo, se había previsto un día soleado, pero finalmente se presenta nublado, afectando a la generación fotovoltaica).
En la disponibilidad de los dispositivos de almacenamiento (por ejemplo, una batería deja de funcionar correctamente o se somete a un proceso de mantenimiento).

Metodología

Diseño de la solución

La solución se ha diseñado como un módulo software capaz de integrarse con la plataforma TIC de la ESCO, para lo cual cuenta con una API (Application Programming Interface). Este módulo software cuenta con diferentes componentes:

Componente de optimización: implementa los algoritmos que dotan de inteligencia al sistema, soportando las funcionalidades de ayuda a la toma de decisión y de control en tiempo real de los dispositivos de almacenamiento.
API: Proporciona métodos basados en protocolos estándares para que la solución se integre en el sistema de información y control de la ESCO.
Interfaz de usuario: Permite que el operador configure el sistema y acceda a informes y registros de estado.
Servicio de almacenamiento: Almacena en una base de datos la configuración de la red de nodos energéticos, los parámetros de cálculo (precios, previsiones de consumo, generación, etc.) y un histórico de los resultados de los algoritmos. Utiliza tanto una base de datos relacional, como una no relacional para los históricos, con el fin de que se puedan explotar con sistemas Big data.

Algoritmos

Dentro del componente de optimización, la solución contempla una arquitectura de algoritmos a dos niveles. En el nivel superior, algoritmos económicos son diseñados como herramienta de ayuda a la toma de decisión para los operadores de las ESCOs con el fin de participar en diferentes mercados energéticos. Mientras que en el nivel inferior se implementan algoritmos de control óptimo para regular automáticamente en tiempo real la operación de los nodos energéticos operados por la ESCO. Todos los algoritmos de este trabajo se basan en formulaciones MPC (Model Predictive Control) que presentan características específicas muy convenientes para el tratamiento de este tipo de aplicaciones (del Real et al. 2014, Maasoumy et al. 2014). En concreto, estas formulaciones son capaces de proporcionar trayectorias óptimas basadas en predicciones a la vez de considerar restricciones físicas del sistema y de funcionamiento con robustez respecto a las incertidumbres.

A continuación, se describe la funcionalidad específica de los algoritmos que se han desarrollado en cada uno de los niveles:

Algoritmos económicos para la toma de decisión
Los algoritmos calculan la curva óptima de intercambio de energía entre los nodos energéticos agregados por la ESCO y la red eléctrica para participar en los diferentes mercados energéticos con el objetivo de maximizar el beneficio económico definido como la diferencia entre los ingresos por la venta de generación y/o servicios de red menos los costes de operación de los nodos energéticos. De esta manera, los algoritmos se ejecutan de forma periódica antes de la apertura de los mercados energéticos y se basan en predicciones de generación renovable (utilizando previsiones meteorológicas), predicciones del consumo energético de los nodos (basadas en modelos) y predicciones de las curvas de los precios de la energía para los distintos contratos. En concreto, este trabajo se centra en el mercado mayorista de generación de energía para el día siguiente (day-ahead market) por lo que, como resultado de los algoritmos, la ESCO cuenta con una predicción para las 24 horas siguientes sobre la energía que puede ofrecer al mercado que maximiza el beneficio económico. Como resultado de la negociación en los mercados, se genera la curva de potencia suministrada a la red objetivo que tendrá que satisfacer el sistema agregado con el fin de cumplir con el servicio pactado entre la ESCO y el operador de la red.
Control en tiempo real de los nodos energéticos
Utilizando como referencia la curva de potencia resultante del punto anterior, los precios de la energía, y el estado en tiempo real de cada nodo energético (carga de los dispositivos de almacenamiento, consumo real y generación renovable), el sistema calcula periódicamente las referencias óptimas de estado de carga para cada dispositivo de almacenamiento. Estas referencias serán transmitidas a los dispositivos de almacenamiento a través del sistema de control de la ESCO, de modo que se conviertan en la referencia objetivo para la electrónica de control del almacenamiento. Como se ha indicado, el algoritmo tiene en cuenta posibles desviaciones en el nodo energético, tanto en el consumo, como en la generación renovable y en la disponibilidad y rendimiento de los dispositivos de almacenamiento.

Despliegue

La solución se ha diseñado como un módulo fácilmente integrable en los sistemas de la ESCO, que se desplegará en el centro de proceso de datos de la misma, junto con los sistemas de control de los dispositivos de generación y almacenamiento distribuido. El intercambio de datos entre el módulo de optimización y los sistemas de la ESCO se realiza mediante una API. Una vez configurado e integrado en los sistemas de la ESCO, el módulo recibe:

Información sobre la operación de los sistemas de generación y almacenamiento (tanto su grado de uso como posibles incidencias), y también sobre el consumo. Esta información proviene de los sistemas de control que la ESCO tiene desplegados sobre los nodos energéticos que la componen.
Información sobre precios de energía así y las predicciones de generación y consumo, proveniente de los sistemas de gestión de la ESCO.

En base a esta información el módulo calcula la oferta óptima para el mercado y, una vez que ésta se ha negociado, las referencias de estado de carga que deben de cumplir los dispositivos de almacenamiento, las cuales serán transmitidas por el sistema de control de la ESCO para que sean seguidas por el sistema de control local del dispositivo de almacenamiento. A nivel de nodo energético, un gateway es el encargado de gestionar la comunicación con los smartmeter (consumo), los dispositivos de generación renovable (por ejemplo, paneles fotovoltaicos) y los dispositivos de almacenamiento (por ejemplo, baterías de Li-ion controladas por inversores).

Piloto

La solución va a ser validada en el contexto del proyecto Netfficient, financiado por la Comisión Europea en el marco del programa Horizon 2020. El objetivo de Netfficient es demostrar la viabilidad técnica y económica de las tecnologías de almacenamiento energético aplicadas a nivel de baja y media tensión.

Netfficient implementará un piloto en un escenario real ubicado en la isla de Borkum (Alemania). Los recursos disponibles para el piloto de la solución descrita incluyen 29 casas, 5 edificios y una red de iluminación viaria equipada con paneles fotovoltaicos. Como dispositivos de almacenamiento, se dispondrá de baterías y sistemas híbridos batería-supercondensador, ubicados en cada nodo energético. A nivel de TIC, se contará con una plataforma que permitirá interaccionar con los diferentes dispositivos de la red eléctrica: smart meters, convertidores de potencia, sistemas empotrados, equipos de comunicaciones y gateways.

Resultados y conclusiones

La solución presentada en este artículo permite gestionar de manera integrada e inteligente generación renovable y almacenamiento energético heterogéneo instalados en diferentes edificios de una ciudad y agregados por una ESCO para su explotación. Esta herramienta representa un paso más hacia el concepto de ciudades inteligentes sostenibles energéticamente.

Fundación Ayesa ha diseñado, implementado y validado exitosamente en simulación la solución propuesta con prometedores resultados. Las simulaciones nos han permitido corroborar la viabilidad de la implementación en tiempo real de la solución mediante el estudio de los tiempos de ejecución requeridos para la resolución de los algoritmos. Los algoritmos diseñados están basados en formulaciones MPC que tienen un coste computacional elevado por lo que para aplicaciones con tiempos de muestreo rápidos como es el caso de esta aplicación, pueden comprometer la obtención de resultados apropiados. Los algoritmos se han diseñado de forma que permitan resolver el problema con el menor número de variables sin perder prestaciones y a su vez ser resueltos con solvers robustos. En concreto, se han observado que los tiempos de ejecución en simulación son aproximadamente 1 segundo para 34 nodos energéticos en un PC Intel Core 2 Duo CPU @3 GHz trabajando en una plataforma Windows 7, lo que nos permite concluir que son suficientemente pequeños para el diseño de nuestra aplicación.

Por otro lado, se ha observado una fuerte dependencia de los resultados obtenidos con el escenario de los incentivos y precios de la energía de cada país. Nuestras simulaciones han sido ejecutadas con la información correspondiente a Alemania, pero la formulación de los algoritmos y el diseño de la solución software permite una flexibilidad total a la hora de particularizar los datos económicos.

Esta herramienta presenta un gran potencial para el estudio de los modelos de negocio de las ESCOs y el diseño óptimo del número de los sistemas agregados y sus componentes. Actualmente, Fundación Ayesa está trabajando en la adaptación de los algoritmos para poder introducir los parámetros de diseño que nos permitan poder ofrecer estas últimas funcionalidades avanzadas.

Agradecimientos

Este trabajo ha sido financiado por la Unión Europea a través del proyecto de investigación Netfficient perteneciente al programa de investigación H2020 (Grant agreement nº 646463).

Referencias

European Commission, Energy efficient buildings (10 enero 2016).
European Commission, JRC Science and Policy Reports ESCO Market Report 2013
Maasoumy M., Sanandaji B.M., Sangiovanni-Vincentelli A. and Poolla K., Model Predictive Control of regulation services from commercial buildings to the smart grid, in American Control Conference (ACC), 2014, page 2226-2233.
Navigant Research, Report Energy Service Company Market Overview, Expanding ESCO Opportunities in the United States and Europe, 2015 Q2.
Netfficient Project (10 enero 2016).
Del Real A. J., Arce A. and Bordons C., Combined environmental and economic dispatch of smart grids using distributed model predictive control, International Journal of Electrical Power & Energy Systems, Volume 54, enero 2014, páginas 65-76.
Santi F., Caiazzo P. and Nigro T.M., Energy efficiency in supermarkets: Structured project financing for ESCOs, 2015 IEEE 15th International Conference on Environment and Electrical Engineering (EEEIC) pp.1486-1491, 10-13 junio 2015.
United Nations, World Urbanization Prospects, Department of Economic and Social Affairs, 2014.