Estrategias de control y supervisión para la gestión integrada de instalaciones en entornos energéticamente eficientes.

  1. HERNÁNDEZ HERNÁNDEZ, CÉSAR ERNESTO
Dirigida por:
  1. Francisco Rodríguez Díaz Director/a
  2. José Carlos Moreno Úbeda Director/a

Universidad de defensa: Universidad de Almería

Fecha de defensa: 19 de octubre de 2017

Tribunal:
  1. Manuel Gil Ortega Linares Presidente/a
  2. Manuel Berenguel Soria Secretario/a
  3. Manuel Domínguez González Vocal

Tipo: Tesis

Teseo: 512653 DIALNET lock_openTESEO editor

Resumen

La generación de energía eléctrica para suplir la demanda en el mundo ha tenido un crecimiento sustancial en los últimos años, pasando de alrededor de 15500 Terawatts-hora en el año 2000 hasta aproximadamente los 25000 Terawatts-hora en el año 2016. Con el crecimiento sustancial de la generación de energía eléctrica ha venido también un crecimiento sustancial en las emisiones de dióxido de carbono, en el año 2000 se han tenido emisiones de aproximadamente 25000 millones de toneladas de dióxido de carbono y en el año 2016 ha sido de aproximadamente 335000 millones de toneladas. Por este motivo, la reducción de emisiones de gases de efecto invernadero, la evaluación del cambio climático, las búsquedas frecuentes de fuentes alternativas para la generación de energía por medio de la integración de energías renovables están siendo estudiadas y poniéndose en práctica constantemente. Incluso, se ha llegado a acuerdos entre países con la finalidad de promover el uso de energías renovables y buscar una reducción en las emisiones de dióxido de carbono. Horizonte 2020 es el mayor programa de investigación e innovación de la Unión Europea (UE) con casi 80 000 millones de euros de financiación disponible durante siete años (2014-2020), en este programa se pretende que para el año 2020 se haya reducido un 20% las emisiones de efecto invernadero, que un 20% de la energía final provenga de fuentes de energías renovables y reducir un 20% el consumo total de la energía. Por otro lado, la previsión de la demanda, la integración de fuentes de energías renovables y la gestión eficiente de energía juegan un papel fundamental para alcanzar los objetivos que se buscan. Las redes inteligentes permiten la integración de lo anteriormente mencionado, éstas utilizan tecnologías de información y comunicación para obtener conocimiento de los consumidores y productores de energía, además de contar con sistemas de control que permitan automatizar la producción y distribución de energía con la finalidad de mejorar la eficacia, fiabilidad, economía y sostenibilidad. La mayoría de las redes inteligentes están situadas junto a zonas estrechamente pobladas, cerca de la fuente de combustible para aprovechar las fuentes de energía renovables. El principal objetivo que se requiere alcanzar con la realización de esta tesis, es el diseño, desarrollo e implementación de técnicas avanzadas de control multivariable capaz de realizar una distribución óptima de energía en una red inteligente integrada por consumidores, productores (combustibles fósiles y energías renovables) y sistemas de almacenamiento. Para llevarlo a cabo se ha requerido el estudio y modelado de la producción y demanda de la energía eléctrica que integran los distintos elementos de la red, así como, el uso de técnicas de control avanzado que permitan realizar una gestión eficiente de energía. Como solución, se ha propuesto un sistema de control jerárquico de dos capas. En la capa inferior (capa de escala de tiempo rápido), se realiza una distribución óptima de energía utilizando la metodología de los Energy Hubs y técnicas de control predictivo, además, la demanda y producción de energía eléctrica han sido modeladas usando modelos basados en redes bayesianas, modelos tipo ARIMAX y modelos basados en redes neuronales, los cuales permiten predecir el comportamiento de la demanda o producción de energía eléctrica. Estos modelos han sido utilizados en diferentes escenarios en combinación con las técnicas de control predictivo con la finalidad de comparar el beneficio entre hacer uso de modelos de predicción y no usarlos. En la capa superior (escala de tiempo lenta) se ha realizado una optimización económica usando de nueva cuenta la metodología de los Energy Hubs y técnicas de control predictivo, en esta capa se han considerado los precios de compra y venta de energía (€ /kWh). La interconexión de estas dos capas no se ha realizado en esta tesis, se considerará como un trabajo a futuro. La presente tesis no se ha limitado simplemente al desarrollo de modelos y el uso de técnicas de control, sino que se ha requerido una importante labor para la obtención de datos experimentales de las diferentes plantas que integran la red inteligente, esto es, el edificio CIESOL situado en el campus de la Universidad de Almería, un sistema fotovoltaico situado en la terraza del edificio CIESOL y un invernadero situado en la estación experimental de la Fundación Cajamar “Las Palmerillas”, los cuales cuentan con una amplia red de sensores y sistemas de adquisición de datos. Estos datos han sido utilizados para la calibración y validación de modelos, además, han sido utilizados para realizar diferentes escenarios de simulación utilizando técnicas de control para la distribución óptima de energía. Dos de los principales trabajos que se consideran realizar a futuro son: • La interconexión de las dos capas, donde la capa superior realice una distribución óptima de energía considerando aspectos económicos y proporcione una serie de consignas que se deberán seguir por el controlador de la capa inferior para mantener la distribución óptima de energía. • Obtener, calibrar y validar modelos de predicción para la demanda y producción de energía eléctrica en la capa superior. Así como la incorporación de modelos del precio de mercado.