Método de priorización de carga para la integración de flotas de vehículos eléctricos en smart grids
Abstract
Las flotas de vehículos eléctricos y las Smart Grids son dos tecnologías emergentes muy prometedoras que han provisto nuevas formas de reducir la polución e incrementar la eficiencia energética. Naturalmente, estos elementos aumentan la complejidad de gestión del sistema eléctrico puesto que dichos vehículos pueden ser considerados como cargas móviles, aumentando así su carácter distribuido. El presente trabajo propone una metodología de priorización de carga distribuida basada en el concepto de virtual power plant y el uso de algoritmos de computación evolutiva. Adicionalmente, para evaluar la arquitectura propuesta, se comparan varios de dichos algoritmos, como el genético, genético con control evolutivo, particle swarm optimization y una solución híbrida. La solución propuesta se presenta como una forma de evitar la sobrecarga de la red planificando la priorización de la carga.
Full text
139
Mé odo de p io ización de ca ga pa a la in eg ación de lo as de ehículos eléc icos en sma g ids
MÉTODO DE PRIORIZACIÓN DE CARGA PARA LA
INTEGRACIÓN DE FLOTAS DE VEHÍCULOS ELÉCTRICOS
EN SMART GRIDS
Juan Ignacio Gue e o, An onio Pa ejo*, Sebas ián Ga cía, En ique Pe sonal,
Ca los León
Depa amen o de Tecnología Elec ónica, Escuela Poli écnica Supe io , Uni e sidad
de Se illa, Se illa.
E-mail de co espondencia: apa [email p o ec ed]
Resumen
Las lo as de ehículos eléc icos y las Sma G ids son dos ecnologías eme gen es
muy p ome edo as que han p o is o nue as o mas de educi la polución e
inc emen a la e iciencia ene gé ica. Na u almen e, es os elemen os aumen an la
complejidad de ges ión del sis ema eléc ico pues o que dichos ehículos pueden se
conside ados como ca gas mó iles, aumen ando así su ca ác e dis ibuido.
El p esen e abajo p opone una me odología de p io ización de ca ga dis ibuida
basada en el concep o de i ual powe plan y el uso de algo i mos de compu ación
e olu i a. Adicionalmen e, pa a e alua la a qui ec u a p opues a, se compa an
a ios de dichos algo i mos, como el gené ico, gené ico con con ol e olu i o, pa icle
swa m op imiza ion y una solución híb ida. La solución p opues a se p esen a como
una o ma de e i a la sob eca ga de la ed plani icando la p io ización de la ca ga.
Palab as cla e: Sma G ids; ehículo eléc ico, Vehicle- o-g id, Compu ación
e olu i a.
1. In oducción
El pa adigma de la Sma G id (SG) es á cada ez más p esen e en el mundo ac ual,
ya que ep esen a un gigan esco paso hacia un sis ema eléc ico más segu o,
dis ibuido y e icien e en el que los ecu sos de ene gía dis ibuidos (dis ibu ed
ene gy esou ces, DERs) cob an p o agonismo.
Una de las ecnologías oncales de es e cambio es el ehículo eléc ico y la in eg ación
ehículo- ed ( ehicle- o-g id, V2G), que además ep esen a una di icul ad ex a
pa a la ges ión de la ed. Es os ehículos pueden conside a se como ca gas mó iles
den o del sis ema, pues o que su pun o de eca ga pod á se a iable, p o ocando
140
La in es igación de hoy, el u u o de mañana
consumos en dis in os luga es según la u a que sigan (o incluso de ol iendo ene gía
a la ed si ue e necesa io). Es e hecho in oduce una a iabilidad aún mayo que
debe ene se en cuen a pa a log a una co ec a ges ión de es a ed dis ibuida.
El p esen e abajo p opone una solución pa a la p io ización de ca ga de lo as de
ehículos basado en el concep o de cen al eléc ica i ual ( i ual powe plan , VPP)
y aplicando algo i mos de compu ación e olu i a pa a op imiza dicha p io ización
den o del ecosis ema de la SG (Gue e o e al., 2019).
2. A qui ec u a p opues a
Como se explicó an e io men e, el sis ema de p io ización p opues o se engloba
den o de una VPP, pues o que es o pe mi e una mejo in eg ación de odos los
sis emas eléc icos (de gene ación y de consumo) conec ados a ella. Es e sis ema,
llamado pla a o ma dis ibuida e olu i a de p io ización (Dis ibu ed E olu iona y
P io i iza ion F amewo k, DEPF) iene la es uc u a mos ada en la Figu a 1.
Figu a 7. Módulos de la pla a o ma DEPF.
Fuen e: elabo ación p opia.
En ella puede dis ingui se el bloque del algo i mo de p io ización, obje o de es e
abajo. Uno de los núcleos cen ales pa a el algo i mo se á la in o mación del
es ado de ca ga (s a e o cha ge, SoC) de los ehículos implicados. La es imación
de los inc emen os y dec emen os del es ado de ca ga de dichos ehículos se lle a
a cabo usando la in o mación disponible (sob e el á ico, conduc o , u a, ipo de
ehículo, e c.) g acias al modelo de consumo, al y como se ap ecia en la Figu a 2.
141
Mé odo de p io ización de ca ga pa a la in eg ación de lo as de ehículos eléc icos en sma g ids
Figu a 8. A qui ec u a del modelo de consumo pa a la ob ención del SoC.
Fuen e: elabo ación p opia.
La in o mación suminis ada po es e modelo es usada después po el algo i mo de
ges ión de p io ización pa a ealiza la op imización de las ca gas a ealiza po cada
ehículo en unción de las u as plani icadas.
3. Algo i mos
Cua o algo i mos han sido aplicados en es e abajo:
• Algo i mo gené ico (gene ic algo i hm, GA).
• Algo i mo gené ico con con ol e olu i o (gene ic algo i hm wi h e olu ion
con ol, GAEC) basado en e olución de la cu a de ajus e ( i ness cu e).
• Op imización po enjamb e de pa ículas (pa icle swa m op imiza ion, PSO).
• Algo i mo híb ido. Es una combinación de los an e io es.
Los algo i mos gené icos se basan en dos p incipios p oceden es de la e olución
na u al biológica: la mu ación (mu a ion) y el c uce (c osso e ). Es o signi ica que los
indi iduos ob enidos pueden al e a se y combina se en e sí pa a ob ene nue os
ipos de indi iduos, siendo es os indi iduos posibles escena ios de solución pa a la
p io ización de la ca ga.
4. Resul ados y discusión
Pa a comp oba el desempeño de cada uno de los algo i mos se ha ealizado una
se ie de simulaciones, ob eniendo los esul ados obse ados en la Figu a 3.
142
La in es igación de hoy, el u u o de mañana
Los “ alles” que se obse an du an e la simulación son cambios alea o ios que se
han p o ocado en las u as con obje o de obse a la elocidad de la espues a a
cambios ealizados en las condiciones de con o no del p oblema.
Figu a 9. Cu as de mejo ajus e.
Fuen e: elabo ación p opia.
Como puede e se, el algo i mo que log a un mejo ajus e pa a esol e la
plani icación es el algo i mo híb ido.
5. Conclusiones
El sis ema eléc ico dis ibuido p esen a g andes en ajas, en a las que des acan
un mejo ap o echamien o de las ene gías eno ables g acias a los DERs y la
expansión del ehículo eléc ico. No obs an e, es o conlle a un g an inc emen o en
la complejidad de ges ión.
Es e abajo p opone un sis ema de op imización de p io ización de ca ga de
ehículos que se enca ga de ges iona cuándo y dónde debe ca ga la ba e ía una
lo a de ehículos eléc icos pa a cumpli con las u as p e is as.
De odos los algo i mos aplicados, se obse a que una combinación de algo i mos
gené icos y PSO p opo ciona muy buenos esul ados, siendo posible aplica la
pla a o ma incluso en nea - eal ime.
Re e encias bibliog á icas
Gue e o, J. I., Pe sonal, E., Ga cía, A., Pa ejo, A., Pé ez, F., y León, C. (2019).
Dis ibu ed Cha ging P io i iza ion Me hodology Based on E olu iona y
Compu a ion and Vi ual Powe Plan s o In eg a e Elec ic Vehicle Flee s on
Sma G ids. Ene gies, 12(12), 2402. h ps://doi.o g/10.3390/en12122402