Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid

Equation Chapter 1 Section 1 Proyecto Fin de Carrera Grado en Ingeniería de la Energía Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Autor: Daniel Cáceres Bernils Tutor: Sergio Jesús Navas Herrera Tutora: Gracia María Cabello González Dpto. Ingeniería Energética Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2024 iii Proyecto Fin de Carrera Ingeniería de la Energía Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Autor: Daniel Cáceres Bernils Tutor: Sergio Jesús Navas Herrera Profesor sustituto interino Tutora: Gracia María Cabello González Profesora sustituta interina Dpto. de Ingeniería Energética Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2024 v Proyecto Fin de Carrera: Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Autor: Daniel Cáceres Bernils Tutores: Sergio Jesús Navas Herrera y Gracia María Cabello González El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2024 El Secretario del Tribunal vii Agradecimientos Este trabajo de fin de grado representa la culminación de un camino formativo que llevo recorriendo desde que nací, y el cual no habría sido posible sin haber estado acompañado. En primer lugar, me gustaría agradecer a mis tutores Sergio y Gracia, que pese a habernos conocido este mismo curso, me han hecho sentir como si nos conociéramos desde hace varios años. De hecho, este trabajo no sería posible sin la total implicación que me han brindado, acompañada siempre de una sonrisa y sobre todo paciencia, sin nunca una mala cara, cuando les asistía desesperado para solicitarle la resolución de dudas. A muchos de mis profesores, porque si no hubiera sido por su vocación de enseñar, jamás habría sido capaz de completar los cursos. Gracias a vosotros, he descubierto lo fascinante que puede ser estudiar una carrera tan desafiante y atractiva como es la ingeniería de la energía. A los compañeros del grado que se han convertido en amigos con el paso del tiempo. Sin vosotros las interminables sesiones de estudio no hubieran sido posibles. Me habéis apoyado en los momentos más difíciles, cuando incluso yo mismo creía ser incapaz, y por ello os estaré eternamente agradecido. Y por último a mi familia, porque no sería la persona que soy si no fuera por los valores y cariño que me han procesado durante toda mi corta vida. Gracias de todo corazón por haberme apoyado incondicionalmente durante todos los días del año. Daniel Cáceres Bernils Sevilla, 2024 ix Resumen Con motivo del incesante avance del cambio climático, en el campo de la ingeniería se están requiriendo alternativas a los combustibles fósiles constantemente. Dado que la descarbonización de la sociedad es un problema mundial cada vez más importante, en este trabajo se va a proponer una forma de favorecer la transición hacia una economía de energía renovables. Por lo tanto, en este proyecto se va a realizar un análisis tecno-económico de una de las tecnologías renovables más interesantes disponibles actualmente como es la energía solar. Esta energía destaca por ser una energía madura, sencilla y fácilmente instalable en espacios reducidos, como puede ser el tejado de una vivienda unifamiliar. Así pues, se estudiará su implantación a nivel doméstico, mediante la instalación de una micro red híbrida de energía solar y térmica en una vivienda unifamiliar en Madrid. La micro red se encuentra conformada por un campo solar fotovoltaico, un sistema solar térmico, y un conjunto de baterías de tipo plomo ácido. Posteriormente, se ha realizado un análisis de sensibilidad de la instalación, con objeto de maximizar el beneficio económico y minimizar tanto el consumo como la venta de excedentes energía. Los resultados muestran que la instalación de una microrred híbrida basada únicamente en fuentes renovables es capaz de ser autosuficiente durante la mayor parte del año, es decir, los consumos energéticos necesarios para abastecer el suministro térmico y eléctrico de una casa residencial madrileña han resultado ser nulos para los meses de marzo a octubre. En términos económicos, se han obtenido periodos de amortización de la microrred en torno 14 años, por lo que, si la vida útil de la instalación se ha estimado a 25 años, implementar este tipo de sistemas generará beneficios económicos que pueden llegar a ascender a los 4100€. No obstante, dada la necesidad de implementación de este tipo de sistemas, se espera una mayor inversión y desarrollo futura en materia de fuentes renovables, lo que supondrá una mayor eficiencia energética obtenida. Consecuentemente, el coste de inversión futura será menor, esto sumando a la tendencia claramente creciente del precio de la luz debido a la escasez de recursos y la inflación, dan motivos para especular que el flujo de caja acumulado en el año 25 puede ser mucho mayor al valor calculado en el estudio. Con este estudio se espera clarificar a los usuarios, empresas de energía renovable, investigadores y responsables de políticas, cómo funciona una microrred y qué factores afectan al rendimiento económico del cliente. De este modo, se espera incentivar a las generaciones venideras a instalar tecnologías renovables similares a la microrred, para poder contribuir así a la descarbonización de las energías. Notación GEI Gases de Efecto Invernadero UE Unión Europea PNIEC Plan Nacional Integrado de Energía y Clima MITERD Ministerio para la Transición Ecológica y el Reto Demográfico ODS Objetivo de Desarrollo Sostenible PIB Producto Interior Bruto INE Instituto Nacional de Estadística OMS Organización Mundial de la Salud IRENA Agencia Internacional de Energías Renovables UNSD División Estadística de las Naciones Unidas GBM Grupo Banco Mundial CHP Combined Heat and Power ACS Agua Caliente Sanitaria PVT Photovoltaic/Thermal PLC Controlador Lógico Programable CAN Controlled Area Network MPPT Maximum Power Point Tracking STC Standard Test Conditions ONC SOC Operating Nominal Conditions State Of Charge ROI Return On Investment AEMET Agencia Estatal de Meteorología REE Red Eléctrica Española IEE Impuesto Especial sobre la Electricidad IVA Impuesto del Valor Añadido 1 1 INTRODUCCIÓN Y OBJETIVOS 1.1 Situación energética actual y perspectivas futuras l incremento continuo de la población a nivel mundial es un factor determinante en la intensificación del consumo energético. La necesidad de satisfacer esta creciente demanda energética provoca que las reservas de combustibles fósiles se utilicen a una velocidad mayor de la que pueden reponerse conduciendo al agotamiento de estos recursos naturales (desarrollo insostenible). Además, la explotación de dichas fuentes de energía tiene asociada la emisión de gases de efecto invernadero (GEI), los cuales contribuyen a uno de los principales problemas de la sociedad actual que es el cambio climático. En consecuencia, como tratar de satisfacer la demanda energética mediante el uso de combustibles fósiles no es una solución sostenible a largo plazo, se han de crear nuevas estrategias de generación energética. Aquí es donde aparecen las fuentes renovables, porque son fuentes de energía prácticamente inagotables y cuyas emisiones son considerablemente inferiores que las de las fuentes de energía convencionales. Asimismo, estas fuentes renovables ayudan a reducir la dependencia de un país de los suministros externos y contribuyen a diversificar el abastecimiento energético. Teniendo en cuenta la necesidad mundial de crear e implementar estrategias de generación de energía sostenible, la Unión Europea (UE) demanda a cada estado miembro la creación de diferentes planes para establecer objetivos y medidas nacionales en materia de energía y clima, y que permitan determinar el grado de cumplimiento de los objetivos globales marcados para el conjunto de la UE. En el caso de España se han elaborado el Plan Nacional Integrado de Energía y Clima 2021-2030 (PNIEC) que recoge unos objetivos intermedios de cara a alcanzar la neutralidad climática que demanda el Pacto Verde Europeo para el año 2050. Estos planes presentan una oportunidad para la modernización de la economía, la creación de puestos de trabajo sostenibles en el tiempo, la reducción de la dependencia energética exterior, e incluso para el desarrollo del medio rural. A continuación, se detallan las principales metas que se deberán alcanzar a nivel nacional para el año 2030 según lo indica el PNIEC [1] [2]: ➢ 32% de reducción de emisiones de GEI respecto a 1990. ➢ 32% de renovables sobre el consumo total de energía final bruta. ➢ 81% de energía renovable en la generación eléctrica. ➢ 44% de mejora de la eficiencia energética. ➢ 15% interconexión eléctrica de los Estados miembros. Cabe destacar el hecho de que estos objetivos se van actualizando año a año según la situación nacional. Con objeto de ofrecer una visión más amplia al lector, se ha considerado de gran importancia para el desarrollo del informe contextualizar los objetivos marcados por el PNIEC en base a los valores previos, para poder observar así el estado de consecución de las metas propuestas para el año 2030. En primer lugar, tenemos el porcentaje de reducción de emisiones GEI respecto a 1990, que es uno de los principales asuntos en materia de transición ecológica. Es tal su importancia que, según el Pacto Verde Europeo (objetivo 55), para el año 2050 se ha fijado el reto de alcanzar la neutralidad climática [3] [4]. Lamentablemente, es uno de los valores con un peor desempeño a nivel nacional, ya que tan solo se ha alcanzado una reducción del 5,3% de las emisiones GEI con respecto a las emisiones existentes en 1990 [5] [6]. E Introducción y Objetivos 2 Ilustración 1. Nivel de emisiones totales en España [6] Como podemos observar en la ilustración 1, según los datos Ministerio para la Transición Ecológica y el Reto Demográfico (MITERD), las emisiones brutas de gases de efecto invernadero en el año 2020 ascienden a 274,7 millones de toneladas de CO2 equivalentes. Este valor representa una reducción del 12,5% de emisiones de GEI con respecto al año anterior, sin embargo, tan solo suponen una reducción de emisiones del 5,3% con respecto a las de 1990. De hecho, dada la insuficiente evolución de estas, se ha desestimado la idea de alcanzar una reducción del 32% para el año 2030, y se ha fijado un nuevo valor más realista del 20%. El siguiente punto que se va a comentar en profundidad es el porcentaje nacional de renovables sobre el consumo total de energía final bruta. Esta meta es tan sumamente importante que su cumplimiento permitirá alcanzar el Objetivo de Desarrollo Sostenible (ODS) número 7 de la Agenda 2030, el cual nos indica lo siguiente: “Garantizar el acceso a una energía asequible, fiable, sostenible y moderna para todos”. Cabe mencionar que este punto es tan solo uno de los 17 objetivos que constituyen la Agenda 2030. El ODS 7 busca garantizar el acceso universal a una energía fiable limpia y asequible. Para alcanzar este propósito, se plantea una estrategia que incluye la transición hacia un sistema energético sostenible. Esta estrategia se basa en la inversión en energías renovables, la adopción de prácticas de eficiencia energética (que es otro de los aspectos a mejorar según el PNIEC) y la utilización de tecnologías avanzadas y menos contaminantes. Aplicar estas medidas provocará un aumento del porcentaje nacional de energías renovables sobre el consumo total de energía final bruta y del consumo de energía primaria por unidad de Producto Interior Bruto (PIB). Con todo esto, se espera que el porcentaje de población con acceso a la electricidad y cuya fuente primaria de energía son combustibles y tecnologías limpias sean próximas al 100%. Actualmente según datos del Instituto Nacional de Estadística (INE) y el Eurostat, la proporción de energías renovables en el consumo final bruto de energía (indicador 7.2.1.1 de la Agenda 2030) asciende a 22,116% [7] [8] [9], valor que es muy próximo al 23,12% correspondiente a la media de la zona euro [10] [11]. A diferencia de la meta anterior, en la que hubo que cambiar el valor fijado para 2030, la evolución de la proporción de energías renovables en el consumo final bruto de energía a lo largo del tiempo es bastante positiva. 3 3 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Ilustración 2. Proporción de renovables el consumo final bruto de energía en España y en la UE [8] Como se puede apreciar en la ilustración 2, se están cumpliendo los plazos aproximadamente. Por lo tanto, se estima que sea posible pasar del valor actual de 22,116% de fuentes renovables, al valor deseado de 32% de proporción de energías renovables en el consumo final bruto de energía. Otro aspecto de vital importancia en el PNIEC es el porcentaje de energía renovable en la generación eléctrica a nivel nacional. Según el MITERD y Eurostat, en el año 2022 se registró un valor de 44,5% de generación renovable [11] [12] [13], valor que se encuentra muy alejado de la meta de 81%. Sin embargo, como se puede apreciar en el gráfico posterior, actualmente el porcentaje de generación renovable nacional enmarca a España como el decimotercer país con mayor porcentaje de energía renovables en la generación eléctrica. Ilustración 3. Porcentaje de generación renovable sobre generación total en la ENTSO-E [12] Por lo tanto, pese a encontrarnos lejos de la meta fijada en el PNIEC para el año 2030, España presenta una generación renovable ligeramente por encima de la Red Europea de Gestores de Redes de Transporte de Electricidad (ENTSO-E). De hecho, la generación a partir de fuentes renovables es el principal tipo de Introducción y Objetivos 4 generación eléctrica nacional con un 44,5%. Ilustración 4. Porcentaje de generación eléctrica por fuente de energía [11] Como se puede apreciar en el diagrama de la ilustración 4, la generación renovable es la principal fuente de generación nacional, por encima de la generación a partir de fuentes nucleares, de la generación a partir de combustibles fósiles… El último propósito de los establecidos en el PNIEC para el año 2030 que se va a comentar es la dependencia energética. Pese a que no haya estado citado anteriormente en el informe, reducir la dependencia energética es uno de los objetivos finales de aplicar todas las medidas de transición ecológica durante los próximos años. Recordemos que tanto la Agenda 2030 como el PNIEC resaltaban la importancia de garantizar el acceso a una energía asequible, fiable, sostenible y moderna para todos. Uno de los factores que más influyen en la consecución del ODS 7 es la reducción de la dependencia energética nacional, ya que permite reducir el coste de la energía y, por consiguiente, incrementar el número de personas que pueden acceder a disponer de energía. Para una mayor claridad en el informe se va a definir el concepto de dependencia energética según el MITERD:” la dependencia energética refleja el grado en que un país necesita importar fuentes energéticas para poder satisfacer su consumo interior” [14]. Por ende, se calcula eliminando del consumo de energía primaria la producción primaria nacional de energía proveniente de carbón, productos petrolíferos, gas natural, residuos no renovables, energía nuclear y fuentes renovables, y luego dividendo esta diferencia por el consumo de energía primaria. A nivel nacional, desde comienzos de siglo se ha avanzado hacia una mayor diversificación energética, marcada por la creciente incorporación de las energías renovables en el sistema energético nacional. El potencial de producción local junto con las mejoras en eficiencia energética, están resultando en un incremento de la capacidad de autoabastecimiento del país. 5 5 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Ilustración 5. Producción interior de energía vs Grado de autoabastecimiento, 2000-2022 [14] Según los datos del MITERD, podemos observar en la ilustración como la evolución del grado de autoabastecimiento es positiva durante las últimas dos décadas. Cabe mencionar que el grado de autoabastecimiento se define como el complemento a uno del grado de dependencia energética, es decir, si en 2022 se alcanzó un grado de autoabastecimiento de 29%, entonces la dependencia energética ascendió a un valor de 71%. Así pues, España es un país que presenta una gran vulnerabilidad energética, debido al hecho de que como el grado de dependencia energética exterior es del 75% aproximadamente, esto indica que el país importó cerca de tres cuartas partes de la energía consumida en el año 2022. No obstante, la evolución ha sido muy positiva durante la última década gracias a la creciente incorporación de energías renovables en el sistema energético nacional. Es tal su auge en los últimos tiempos que el 98% de la producción interior del país corresponde a la suma de la producción de energía de fuentes renovables (54%) y nucleares (44%), y tan solo el 2% restante se asocia a residuos no renovables. 1.2 Una solución para el mañana: las microrredes Como se ha podido deducir en la introducción, las nuevas políticas de transición energética caracterizadas por la penetración progresiva de las energías renovables en el sistema eléctrico nacional, junto con la subida incesante de la factura de la luz, han ocasionado la necesidad de asegurar el suministro eléctrico para todos. Esto ha llevado a los países a reducir la dependencia energética de fuentes externas mediante el auge de fuentes renovables, no solo para hacer frente a la demanda eléctrica, sino también a la demanda de calor. Según un nuevo informe publicado conjuntamente por la Organización Mundial de la Salud (OMS), la Agencia Internacional de Energías Renovables (IRENA), la División Estadística de las Naciones Unidas (UNSD) y el Grupo Banco Mundial (GBM), hoy en día en torno al 10% de la población mundial carece de acceso a la electricidad [15] [16]. Así pues, con la finalidad de cumplir el ODS 7 correspondiente a la Agenda 2030, se han elaborado una serie de tecnologías para asegurarles el suministro eléctrico. Los principales lugares que carecen de electricidad resultan ser sitios aislados, como pueden ser zonas rurales, islas… Bajo estas circunstancias, la integración de fuentes de energía renovable y sistemas de almacenamiento en microrredes independientes resulta ser la oportunidad ecológica más interesante para proporcionar electricidad y energía térmica a áreas remotas aisladas. De hecho, es tal su eficacia que muchos países están Introducción y Objetivos 6 estudiando en profundidad la posibilidad de implementar microrredes como sistemas de energía limpios sostenibles y eficientes en zonas insulares [17] [18] [19] [20]. Además, la implementación de microrredes renovables se adecúa perfectamente a el mix energético de los países desarrollados. Por ejemplo, según la comisión europea, en 2022 los hogares representaron el 25,8 % del consumo final de energía en la UE, es decir, el 18,1 % del consumo interior bruto de energía de la UE [21] [22]. Este hecho, junto con la gran cantidad de superficie de tejado disponible en la UE (los sistemas de paneles solares fotovoltaicos podrían cubrir hasta el 24% del consumo de electricidad europeo) [23] [24] [25] [26] convierte a este sector en un actor clave para lograr una mayor penetración de energías renovables en la matriz energética. A nivel industrial las microrredes que han demostrado ser más exitosas han sido las microrredes de cogeneración (CHP). Estas han demostrado ser muy eficientes en la recuperación de calor desperdiciado, aumentándose así la eficiencia energética a la vez que se reducían las emisiones de gases contaminantes [27] [28]. Sin embargo, existe un número reducido de estudios que evalúen la eficacia de esta clase de microrredes a nivel doméstico, y menos aún que lo hagan empleando únicamente energías renovables. Algunos estudios que han evaluado la idoneidad de emplear microrredes CHP en aplicaciones domésticas, contemplando el uso de fuentes no renovables como el gas natural o el combustible diésel. Como era de esperar, concluyeron que la hibridación de este tipo de sistemas satisface de forma exitosa la demanda energética de los hogares analizados. Por lo tanto, esta tecnología contribuye positivamente a la penetración gradual de las energías renovables en el sistema eléctrico nacional, produciéndose así un incremento del grado de autoabastecimiento español. En otras palabras, esta tecnología permite reducir la dependencia energética española, además al ser una tecnología capaz de recuperar calor desperdiciado, permite reducir el desperdicio de energía. Consecuentemente, la implementación de microrredes (CHP) domésticas que empleen fuentes no renovables favorecería el cumplimiento del PNIEC. No obstante, el objetivo de este trabajo de fin de grado es ir todavía un paso más allá y considerar solo opciones renovables, utilizando tecnologías bien establecidas en el mercado para cubrir la demanda de electricidad y agua caliente doméstica en un hogar urbano. Teniendo esto en cuenta, se ha decidido emplear una combinación de energía fotovoltaica y de energía solar térmica en las microrredes, ya que, entre todas las fuentes renovables existentes para abastecer el suministro térmico y eléctrico en una vivienda unifamiliar, estas son las energías más maduras y con precios más competitivos en el mercado. (hecho el cual será determinante para poder calcular el tiempo de amortización en el análisis económico) Para abastecer el suministro eléctrico se ha decidido emplear energía fotovoltaica, esto se debe a los numerosos estudios existentes que han demostrado que la inclusión en la red de otros sistemas renovables como turbinas eólicas [29] y biomasa [30] no son tan rentables como las soluciones que incluyen solo sistemas solares y baterías. De hecho, se ha demostrado experimentalmente mediante análisis computacional con el software HOMER que la relación entre la generación de energía y el costo de inversión de la energía fotovoltaica es mejor en comparación con las turbinas eólicas. Por lo tanto, es mejor utilizar siempre fotovoltaica en lugar de turbinas eólicas, incluso cuando se requieren sistemas costosos como bancos de baterías [31].Además, también se ha verificado en numerosos estudios que, pese a que los sistemas de biomasa son muy adecuados para hogares remotos fuera de la red, su elevado costo operativo y de mantenimiento los hace inviables desde un punto de vista económico en comparación con los casos conectados a la red [32]. Cabe resaltar que, a diferencia de la mayoría de los estudios, este trabajo no solo busca satisfacer la demanda de electricidad de una vivienda unifamiliar, sino que también va a garantizar el suministro de agua caliente sanitaria (ACS). Esto se debe al hecho de que en este trabajo de fin de grado se busca dar un paso más en la integración de las tecnologías renovables para uso doméstico, mediante el análisis computacional de toda la generación renovable necesaria para satisfacer la demanda en su totalidad. Así pues, se va a emplear energía solar térmica como fuente renovable para abastecer el suministro térmico de la vivienda. Durante las últimas dos décadas, la energía solar térmica se ha consolidado como una de las fuentes de energía renovables más maduras y con precios más competitivos. Consecuentemente, las instalaciones solares térmicas han demostrado ser una opción ecológica prometedora para suministrar agua caliente para calefacción residencial y otros propósitos [33]. 7 7 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Además, según diferentes estudios, implementar sistemas solares domésticos de calentamiento de agua en vez de emplear una caldera de gas tradicional provoca una disminución tanto de las emisiones de gases contaminantes como del precio de la factura de la luz. De hecho, debido al incesante avance de las tecnologías renovables, la eficiencia de los dispositivos solares térmicos se ha incrementado hasta tal punto, que las instalaciones solares presentan un ahorro de unos 150 euros mensuales y período de amortización en torno a los 5 años [34] [35] [36]. Una vez seleccionadas las tecnologías renovables a emplear para satisfacer la demanda eléctrica y térmica de la vivienda unifamiliar, tan solo resta decidir la configuración de los equipos a instalar. Últimamente varios autores han estado analizando la posibilidad de utilizar colectores híbridos (PVT) [37] [38]. Es una nueva tecnología que consiste en un dispositivo compuesto por células fotovoltaicas colocadas sobre un intercambiador de calor, cubriéndose así con un único sistema la generación de electricidad como de calor en lugar de usar 2 dispositivos separados. Numerosos estudios que analizan el uso de un sistema híbrido PVT para aplicaciones domésticas de calor y energía han descubierto que, en el caso de ciudades como Atenas, Londres, Lyon o Zaragoza la combinación de un sistema solar térmico con un sistema fotovoltaico tenía un mejor rendimiento que considerar solo el sistema fotovoltaico en términos de cubrir la demanda energética combinada del hogar [39] [40]. Así pues, se ha verificado que, para emplazamientos con elevados valores de irradiancia, mayores de 500W/m2 [41], el PVT es adecuado para precalentar agua caliente doméstica, obteniéndose en los diferentes estudios un promedio mensual de las temperaturas máximas diarias de salida del campo de colectores PVT por encima de 45 °C durante 5 meses al año. Además, Laetitia Brottier y Rachid Bennacer [39] afirmaron en su estudio que, para un tanque de almacenamiento de 300 litros, serán necesarios 8 m² de PVT. Este valor final obtenido de la simulación corrobora el resultado del estudio [42] que muestra mediante análisis computacional que la superficie de PVT debe ser aproximadamente el doble de la de un módulo térmico clásico para proporcionar la misma energía térmica. Por otro lado, diferentes estudios han afirmado que la implementación de colectores híbridos permite cubrir el en torno a la mitad de la demanda eléctrica del hogar y u intervalo de entre el 30-40%de la demanda de agua caliente para los 4 meses de verano [40] [43] [44]. Adicionalmente, han concluido que las instalaciones de colectores solares híbridos PVT simuladas en diferentes países de Europa (Alemania, Reino Unido, Francia, España…), necesitaban apoyo externo de octubre a febrero para cubrir la demanda. A partir de marzo, el sistema PVT cubría toda la demanda de agua caliente del edificio y comenzaba a tener mayor importancia en la generación de electricidad. Sin embargo, el sistema no era rentable sin incentivos externos debido a las restricciones para alimentar calor en el sistema de calefacción distrital, obligando al edificio a depender del almacenamiento térmico, lo que implica pérdidas sustanciales de calor. De todas formas, en general, el sistema PVT produjo un valor aproximado de un tercio del calor y la mitad de la demanda eléctrica del edificio, demostrando que es una opción tecnológicamente viable con un gran potencial, especialmente en aquellas regiones con mayor irradiancia solar, donde se estimó que el periodo de recuperación de la instalación sería de entre 6 a 11 años. Una vez decididas tanto las energías renovables a emplear para satisfacer las demandas de la vivienda, como la configuración de los equipos que generan dichas energías, tan solo faltan decidir cuál será la estrategia operativa de la microrred. Se pueden evaluar diferentes estrategias operativas utilizando la misma estructura de microrred, pero buscando diferentes objetivos como simplemente satisfacer la demanda de energía eléctrica y térmica o, por otro lado, optimizar el uso de energía desde el punto de vista del rendimiento o del beneficio económico. Como el objetivo de este proyecto es fomentar la implementación de este tipo de tecnologías de generación renovable a nivel doméstico, se ha decidido emplear un análisis de sensibilidad de los equipos de la instalación con objeto de maximizar el beneficio económico. 1.3 Objetivos y alcance del proyecto Este trabajo de fin de grado tiene como objetivo investigar el potencial de instalación de una tecnología de generación renovable a escala residencial, para contribuir a la penetración de las energías renovables en el sector de la edificación en España y así descarbonizar el sector de la electrificación nacional. La tecnología empleada Introducción y Objetivos 8 se conoce como microrred híbrida, y es fruto de la combinación de energía solar térmica y fotovoltaica a escala residencial. A continuación, se enumeran algunos aspectos clave para alcanzar el objetivo del trabajo de fin de grado: ➢ Necesidad de analizar la viabilidad tecno-económica para cubrir la demanda de agua caliente sanitaria y electricidad de una vivienda unifamiliar compuesta por tres habitantes. Para poder conocer si la tecnología propuesta tiene cabida en la sociedad futura, se ha simulado el comportamiento de la microrred a lo largo de las 48 semanas anuales. ➢ Intencionalidad de mejora de la eficiencia energética. Para fomentar la instalación de este tipo de tecnologías en los hogares españoles, se ha realizado un análisis de sensibilidad modificando el tamaño de los equipos que componen la microrred con el fin de reducir tanto el consumo de energía anual como la venta anual de excedentes. ➢ Necesidad de aumentar la rentabilidad de la instalación. El análisis de sensibilidad comentado en el punto anterior no solo tiene como función aumentar la eficiencia energética de la microrred, también ha de ser capaz de aumentar los beneficios asociados a la instalación de este tipo de instalaciones. La reducción del tiempo de amortización de la instalación sumado a incrementar el flujo de caja acumulado al final de la vida útil de la instalación facilitará la adopción de este tipo de sistemas. ➢ Creación de una herramienta que permita al público tomar decisiones respaldadas por datos experimentales, para fomentar la penetración de las energías renovables en el sector doméstico. Este informe se estructurado de la siguiente forma. En primer lugar, se dispone una breve introducción con objeto de situar al lector sobre los puntos de partida de trabajo y contextualizarle sobre las políticas medioambientales actuales y las perspectivas futuras. Además, se le resume el proceso de selección de las tecnologías renovables empleadas, la configuración de los dispositivos y la estrategia operativa de control de la microrred. Por último, se le explica claramente el objetivo del trabajo y las expectativas de los resultados a obtener. En segundo lugar, se le describe pormenorizadamente la estructura de la microrred experimental, detallándole las características de todos los dispositivos que la componen y su función. Adicionalmente, se comentarán brevemente las ecuaciones que componen el modelado de cada dispositivo y los respectivos parámetros característicos. Posteriormente, se analizará el sistema de simulación desarrollado y la metodología utilizada para ejecutar las simulaciones. Cabe mencionar que, una vez realizada la primera simulación, se llevará a cabo un análisis de sensibilidad en base a los resultados obtenidos en la simulación anterior con objeto de maximizar el beneficio económico. Por ende, se tratará de reducir tanto la compra de energía, mediante almacenamiento en baterías, como la venta de los excedentes, porque dada la tarifa actual en España no resulta rentable la venta de energía. Tras esto, el informe continúa explicando los resultados finales obtenidos tras realizar el análisis de sensibilidad durante las diferentes simulaciones previas. Por último, se analizarán los resultados obtenidos desde el punto económico y en base a estos formularán las principales conclusiones del estudio. 9 2 DESCRIPCIÓN DE LA MICRORRED Una vez analizada la situación energética en el panorama nacional y europeo, remarcándose así la importancia de incrementar la penetración de tecnologías renovables como la microrred experimental, se puede dar paso a la descripción de instalación Antes de comenzar a explicar este apartado, se quiere destacar el hecho de que todos los modelados realizados en Matlab que se emplearán a lo largo del informe han sido facilitados por el grupo de termotecnia de la ETSI de Sevilla. Estos modelados gozan de gran validez, ya que han sido creados por profesionales de la US basándose en una instalación experimental ubicada en la azotea de la escuela [45]. Dicha microrred se encuentra conformada por dos instalaciones de energías renovables (energía solar térmica y fotovoltaica) con sus sistemas pertinentes de almacenamientos asociados. 2.1 Configuración experimental e ha estudiado la viabilidad técnico económica de una microrred que emplea tanto energía solar térmica como energía fotovoltaica con objeto de fomentar la implementación de las tecnologías renovables en el sector de la edificación en España. Todo el sistema que engloba a la microrred está monitorizado por un Controlador Lógico Programable (PLC), el cual interpreta la información enviada por todos los dispositivos que componen la red a través de los buses de datos. Cabe destacar que, dada la cantidad de sistemas electrónicos presentes en la instalación, el principal protocolo de comunicación seleccionado es Controlled Area Network (CAN). Se ha realizado un diagrama de bloques de la instalación en su totalidad, donde se pueden observar los diferentes elementos que componen la microrred y los buses de datos. S Descripción de la microrred 16 Ilustración 12. Campo solar térmico de la microrred experimental [45] Al igual que en el caso del campo solar, para realizar el modelado del campo solar térmico se ha recurrido a [51] procedimientos verificados en bibliografías externa. Así pues, se ha empleado un modelo estático basado en parámetros para obtener la energía útil Qu: 𝑄𝑢=𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎𝑠 − 𝑃é𝑟𝑑𝑖𝑑𝑎𝑠=𝐸𝑛𝑒𝑟𝑔í𝑎 𝑠𝑜𝑙𝑎𝑟 𝑐𝑎𝑝𝑡𝑎𝑑𝑎− 𝑃é𝑟𝑑𝑖𝑑𝑎𝑠 𝑑𝑒 𝑐𝑎𝑙𝑜𝑟 𝑎𝑙 𝑎𝑚𝑏𝑖𝑒𝑛𝑡𝑒 (16) 𝑄𝑢=𝐼𝐴𝐹𝑅(𝜏𝛼)−𝐹𝑅𝑈𝐿(𝑇𝑓𝑒 −𝑇𝑎𝑚𝑏) (17) Como se puede apreciar analizando la definición anterior, el calor útil (Qu) depende principalmente de la radiación solar (I), del factor de evacuación de calor (FR), del coeficiente global de pérdidas global (UL), del producto transmitancia-absortancia (τα). Además, el calor útil también depende del área de referencia del colector solar (A), de la temperatura del fluido a la entrada (𝑇𝑓𝑒) y de la temperatura ambiente (𝑇𝑎𝑚𝑏). Otra posibilidad para obtener la cantidad de energía útil producida por el colector solar es aplicar un balance de energía al fluido caloportador que lo recorre: 𝑄𝑢=𝑀𝑐𝑝(𝑇𝑓𝑠 −𝑇𝑓𝑒) (18) Según la ecuación 18, la cantidad de energía térmica útil que puede transportar el fluido dentro del sistema de captación solar (𝑄𝑢) es función de: la temperatura del fluido a la entrada (𝑇𝑓𝑒) y a la salida (𝑇𝑓𝑠), del caudal másico del captador (M) y del calor específico (𝑐𝑝). A continuación, se emplea la curva de rendimientos proporcionada por el fabricante para obtener los parámetros asociados a dicha curva (𝑎𝑜𝑛,𝑎1,𝑎2). Una vez obtenidos dichos parámetros, se pueden calcular los valores del factor óptico (𝐹𝑅(𝜏𝛼)=0,696) y del coeficiente lineal de pérdidas (𝐹𝑅𝑈𝐿=5,421𝑊/𝑚2∙𝑘) mediante el siguiente proceso de cálculo: 𝐹𝑅(𝜏𝛼)=𝑎𝑜𝐾𝑚𝐶𝑀𝐶𝐴𝐶(𝜏𝛼) (19) 𝐹𝑅𝑈𝐿=𝑎1𝐾𝑚𝐶𝑀𝐶𝐴𝐶(𝑈𝐿) (20) En primer lugar, se realiza la conversión de curva de rendimiento referida a la temperatura media del fluido (media aritmética entre las temperaturas de entrada y salida del fluido en el colector) a recta de rendimiento referida a la temperatura media del fluido. 𝑎𝑜=𝑎𝑜𝑛 (21) 17 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid 𝑎1=𝑎1+𝑎2∙40 (22) Tras esto, se necesita realizar otra corrección a la recta de rendimiento obtenida. Esto se debe a que para poder aplicar las correlaciones siguientes es preciso tener una recta rendimiento evaluada a la temperatura de entrada del fluido en el colector y no a la temperatura media. Antes de formular la ecuación, es preciso mencionar que el subíndice ‘e’ indica que son magnitudes obtenidas en ensayos, cuyo valor es proporcionado por el fabricante. 𝐾𝑚=(1− 𝐹𝑅𝑈𝐿 2𝐺𝑒𝐶𝑝𝑒)−1 (23) Donde 𝐺𝑒 es el flujo másico específico del colector solar en condiciones de ensayo y presenta un valor estándar de 0,02 𝑘𝑔/𝑠∙𝑚2 para instalaciones de este estilo. Además, si se aplica el producto caudal másico específicocalor específico, ambos en condiciones de ensayo, se obtiene una nueva magnitud conocida como capacidad calorífica específica. Posteriormente, se aplica la corrección por caudal debido a que el caudal que circula por el colector solar difiere con el caudal de ensayo del fabricante. Por lo tanto, es necesario corregir los parámetros de la recta de rendimiento anterior: 𝐶𝑀=𝐺𝐶𝑝𝑖(1−𝑒𝐹´𝑈𝐿 𝐺𝐶𝑃𝑖) 𝐺𝐶𝑝𝑒(1−𝑒𝐹´𝑈𝐿 𝐺𝐶𝑃𝑒) (24) Antes de comentar la ecuación, hay que conocer que el subíndice ‘i’ indica que son magnitudes obtenidas en instalación. Para poder resolver la ecuación 24 se necesita calcular el valor del coeficiente de pérdida térmica (𝐹´𝑈𝐿). El término anterior se refiere a un coeficiente de pérdida térmica que toma en cuenta la resistencia térmica del colector solar y la eficiencia de transferencia de calor entre el fluido de trabajo y el absorbedor del colector. En pocas palabras, es un parámetro que ayuda a describir la pérdida de calor del sistema y su formulación matemática es la siguiente: 𝐹´𝑈𝐿=−𝐺𝐶𝑃𝑒 ∙ln (1 − 𝐹𝑅𝑈𝐿𝑒 𝐺𝑒𝐶𝑝𝑒) (25) Observando la ecuación se puede concluir como el coeficiente de pérdida térmica (𝐹´𝑈𝐿) es un factor esencial para diseñar y optimizar sistemas de colectores solares, ya que permite cuantificar las pérdidas térmicas y la eficiencia de transferencia de calor en el sistema. Seguidamente, se aplica la corrección por agrupación de captadores en serie, ya que en la microrred experimental se dispone de más de un colector solar en serie (N=2). 𝐶𝐴=1−(1−𝐾)𝑁 𝑁𝐾 (26) Al igual que en la corrección por caudal, la obtención de su coeficiente no es directa, puesto que requiere el cálculo previo del coeficiente K: 𝐾 =𝐹𝑅𝑈𝐿𝑖 𝐺𝑖𝐶𝑝𝑖 (27) Tras completar el cálculo la correlación por agrupación de captadores en serie, hay que aplicar la correlación por pérdidas en el circuito primario. Computar las pérdidas a la hora de hallar la cantidad de energía útil producida por el colector (𝑄𝑢) es fundamental, ya que, si no se aplicara esta correlación, el resultado final sería poco fiable, porque no se estaría teniendo en cuenta la disminución de la energía útil del captador a causa de las pérdidas en el circuito. Además, esta reducción de energía útil producida también tendría asociado efectos Descripción de la microrred 18 negativos en el rendimiento del colector. Por lo tanto, si se desea una simulación realista, es preciso computar las pérdidas en el sistema mediante las siguientes ecuaciones: 𝐶(𝜏𝛼)=1 1+𝑈𝑡𝐴𝑜 𝑀𝐶𝑝𝑖 (28) 𝐶(𝑈𝐿)=𝑈𝑡𝐴𝑖 𝑀𝐶𝑝𝑖+𝑈𝑡(𝐴𝑖+𝐴𝑜) 𝐴𝐹𝑅𝑈𝐿(1+𝑈𝑡𝐴𝑜 𝑀𝐶𝑝𝑖) (29) Donde 𝐶(𝜏𝛼) y 𝐶(𝑈𝐿) son los factores de correlación de la pérdida de calor, 𝑈𝑡se define como el coeficiente global de transferencia de calor de las tuberías, 𝐴𝑖 𝑦 𝐴𝑜son las áreas externas de las tuberías a la entrada y salida del campo respectivamente, y A se corresponde al área total colector del campo solar térmico. Para evitar generar una posible confusión en el lector, se procede a desglosar las ecuaciones de las diferentes las áreas requeridas para el cálculo de la instalación: 𝐴𝑖=Π𝐷𝑖𝐿𝑖 (30) 𝐴𝑜=Π𝐷𝑜𝐿𝑜 (31) 𝐴𝑐𝑎𝑚𝑝𝑜 =𝐴=𝑛𝑐𝑜𝑙𝑒𝑐𝑡𝑜𝑟𝑒𝑠 ∙𝐴1𝑐𝑜𝑙𝑒𝑐𝑡𝑜𝑟 (32) Esta diferenciación puede parecer poco práctica a nivel de cálculo, sin embargo, es fundamental realizarla. En la instalación simulada se dispone de dos colectores de 2,53 m2 de área cada uno, un diámetro de tubería de 0,05m, un espesor de aislante que asciende a los 0,06 m y una longitud de tubería exterior e interior de 10m. Por lo tanto, si se aplican las ecuaciones 30,31 y 32, obtenemos que un área interior de 1,57m2, un área exterior de 5,34m2, y un área de campo de 5,06m2. Además, es importante remarcar la diferencia entre el flujo másico (M) que presenta unidades de kg/s y el flujo másico específico (G) que al ser una magnitud específica tiene unidades de 𝑘𝑔/𝑠∙𝑚2, porque este es sin duda uno de los errores más comunes a la hora de realizar este tipo de instalaciones: 𝐺 =𝑀 𝐴 (33) Una vez aplicadas las correlaciones anteriores, tan solo resta, aplicar la corrección por ángulo de incidencia. Este ajuste consiste en corregir el valor de la radiación solar en función del ángulo de incidencia porque como el Sol se encuentra en continuo movimiento, el ángulo de incidencia existente entre el colector y la radiación solar no presentará un valor constante de 90º. Como todo aquel valor del ángulo de incidencia diferente de 90º supone una pérdida en la generación del captador, se ha que recalcular la irradiancia de la siguiente manera: 𝐼 =𝐾𝐷𝐼𝐷+𝐾𝑑𝐼𝑑 (34) 𝐾𝐷=1−𝑏𝑜(1 cos (𝜃𝐷)−1) (35) 𝐾𝑑=1−𝑏𝑜(1 cos (𝜃𝑑)−1) (36) Donde 𝜃𝐷y 𝜃𝑑 son el ángulo de incidencia de la radiación solar directa y difusa respectivamente. Para simplificar el proceso de cálculo se asume un valor de 60º para ambos, aproximación la cual se asemeja bastante con la realidad. Además, se tienen las magnitudes 𝐼𝐷e 𝐼𝑑 que corresponden a la componente directa y difusa de la radiación solar. Un aspecto fundamental para poder completar el proceso de cálculo que requiere esta corrección es el cálculo del parámetro modificador del ángulo de incidencia (𝑏𝑜). Este se obtiene particularizando la ecuación 36 para un ángulo de incidencia correspondiente a 50º, debido a que este valor es proporcionado por el fabricante. 19 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Por último, una vez realizada esta corrección, se le solicita al lector que analice detenidamente la ecuación 2. Se podrán dar cuenta como la corrección del ángulo de incidencia solo afecta al factor óptico (𝐹𝑅(𝜏𝛼)) y no al coeficiente lineal de pérdidas (𝐹𝑅𝑈𝐿). Esto se debe al hecho de que físicamente, la variación del ángulo existente entre el colector y la radiación solar solo afecta a la generación de energía del colector y no a las pérdidas. Por lo tanto, conociendo el significado físico de la corrección del ángulo de incidencia y la ecuación 1, es lógico que la irradiancia solo aparezca en el primer término (término de las ganancias solares) de la ecuación 2. 2.2.2.2 Tanque de almacenamiento para ACS Una vez analizados los sistemas de generación, tanto térmica como eléctrica, que componen la microrred a instalar, se estudiarán los sistemas de almacenamiento. En primer lugar, se ha decidido caracterizar el sistema de almacenamiento térmico de la microrred, que consiste en un tanque con capacidad para 300 litros de agua caliente sanitaria. Además, presenta un diámetro de 0,576m2 de superficie, una conductividad térmica de 0,58𝑊/𝑚∙𝑘 y un coeficiente global de transferencia de 0,07 𝑊/𝑚2∙𝑘. La función del sistema de almacenamiento térmico consiste en guardar el agua caliente sanitaria y distribuirla según las condiciones de demanda térmica de la microrred. Un aspecto por resaltar del tanque de almacenamiento es que cuenta con un sistema auxiliar, una resistencia eléctrica de 2,5kW, en caso de que la demanda térmica supere a la energía térmica almacenada. Sin embargo, el sistema auxiliar conlleva un consumo eléctrico asociado, por lo que emplear de forma continua el sistema auxiliar no es recomendable. Ilustración 13. Tanque de almacenamiento de ACS junto a los colectores solares Para modelar con mayor precisión el sistema de almacenamiento térmico, se ha decidido discretizar el tanque en 5 zonas térmicas diferentes: una primera zona de entrada de agua fría correspondiente a la red (Z1), la región en la que se produce un intercambio de calor mediante el uso de un serpentín de calefacción (Z2), zona de separación de gran volumen (Z3), el lugar donde se encuentra la resistencia eléctrica correspondiente al sistema auxiliar del tanque (Z4), y la zona de salida del agua caliente sanitaria, en condiciones de consumo (Z5). Descripción de la microrred 20 Ilustración 14. Esquema del tanque de almacenamiento térmico [45] En la ilustración 14 se puede apreciar con mayor claridad la discretización realizada para la caracterización del tanque de almacenamiento. En primer lugar, se tiene una pequeña zona de entrada de altura 0,1 m que se emplea para modelar los flujos de entrada de agua al tanque. Posteriormente se tiene la mayor zona del tanque, altura 0,5m, que es la zona donde se produce la principal transferencia de calor debido a la acción del serpentín. Además, se tiene una gran zona, 0,252 m, que se modela como separación entre la región del serpentín (Z2) y la región del sistema auxiliar (Z4) Esta última, presenta una altura de 0,2m y contiene una resistencia eléctrica de 2,5kW capaz de calentar el agua caliente sanitaria en caso de que la energía térmica transferida al fluido en la zona 2 sea insuficiente de cara a la demanda térmica de la vivienda. Finalmente, se tiene una pequeña zona de salida, 0,1m de altura, en la que se modela el caudal de salida del tanque, que es aquel empleado para satisfacer el consumo térmico de los inquilinos de la vivienda en las duchas. Para modelar este elemento de la microrred, cada zona térmica se modela según el balance de masa y de energía entre la zona de estudio y las zonas contiguas. Por ejemplo, si se desea modelar la zona de separación media (Z3), habrá que implementar en el proceso de cálculo de dicha zona los balances de masa y energía existentes entra la región 3 y las zonas 2 y 4. En primer lugar, se describen los balances de masas relativos a la zona de separación del tanque (Z3): 𝑚𝑖23 =𝑚𝑜23 (37) 𝑚𝑜34 =𝑚𝑖23 +𝜗𝑚3 𝜗𝑡 (38) 𝑚𝑖43 =𝑚𝑜43 (39) 𝑚𝑜32 =𝑚𝑖43 (40) Donde 𝑚𝑖23 se refiere al flujo de masa transferido de la zona 2 hacia la zona 3, 𝑚𝑜34 es el caudal entrante a la zona 4 desde la zona 3, 𝑚3 es la masa total de la zona 3… Por otro lado, para completar el proceso de cálculo relativo al modelado de la zona 3, también es necesario formular el balance de energía de la misma: 𝑚3∙𝐶𝑝𝜗𝑇3 𝜗𝑡 =𝑚𝑖23 ∙𝐶𝑝∙𝑇2+𝑚𝑖43 ∙𝐶𝑝∙𝑇4−𝑚𝑖34 ∙𝐶𝑝∙𝑇3−𝑚𝑜32 ∙𝐶𝑝∙𝑇3 +𝑘∙𝐴𝑆𝑇 Δ𝑥3(𝑇4−𝑇3)−𝑘∙𝐴𝑆𝑇 Δ𝑥3(𝑇3−𝑇2)−𝑈𝐴3(𝑇3−𝑇𝑎𝑚𝑏) (41) 21 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Donde U se refiere al coeficiente global de transferencia, k a la conductividad térmica, 𝐶𝑝es el calor específico y 𝑇𝑎𝑚𝑏es la temperatura ambiente. Además, en la ecuación 41 aparee el término Δx que se corresponde a la atura de la zona, AST que es el área de intercambio de calor, 𝐴3 es el área externa del cilindro de la región 3 y 𝑇𝑖 es la temperatura de las diferentes zonas (en este caso al analizar la zona 3, solo aparecen las temperaturas de la zona estudiada y las contiguas: 𝑇2,𝑇3 𝑦 𝑇4). 2.2.3 Sistema de control El sistema de control es el encargado de maximizar el rendimiento de la microrred híbrida, así como de protegerla frente posibles averías producidas por sobrecalentamiento, congelación, pérdidas de presión, etc. Debe ser capaz de garantizar el máximo aprovechamiento de las energías renovables, en este caso energía solar y energía solar térmica, a causa de minimizar el uso de energías convencionales. Para todo ello, el sistema de control debe de medir una serie de parámetros de la instalación mediante sondas de temperatura, presión y caudal que le permitan actuar sobre los diferentes elementos de la microrred, tales como bombas, válvulas, etc. El sistema de control se rige mediante el establecimiento de unos criterios de control óptimos para la microrred experimental, pero para poder fijarlos, antes es necesario conocer dos aspectos clave: el objetivo de la instalación y la estructura de la microrred. El objetivo de instalar y simular la microrred híbrida electricidadcalor es fomentar la penetración gradual de las energías renovables en el sector de la edificación en España. Por ende, se está analizando la viabilidad técnico-económica de una posible alternativa a los sistemas convencionales de generación doméstica. Con este objetivo en mente, resulta evidente cuál debe ser la estrategia de control de la microrred experimental: maximizar el beneficio económico. Por lo tanto, los criterios de control se fijarán con el objetivo de reducir el tiempo de amortización de la microrred, ya que si el periodo de retorno (ROI) de la tecnología de generación renovable simulada resulta ser inferior al de las tecnologías convencionales ampliamente establecidas en la actualidad, la probabilidad de que la población utilice la tecnología estudiada incrementará considerablemente. Además, no solo es preciso conocer el objetivo de la instalación para establecer los criterios de control. Si se desean alcanzar resultados óptimos en las simulaciones, el ingeniero encargado de establecer los criterios ha de conocer la microrred con exactitud para adecuarlos de manera adecuada a la instalación experimental. La microrred experimental a analizar se basa en un control autorregulador que emplea un stack de baterías de tipo plomo-ácido como buffer de energía. La microrred está compuesta por dos sistemas de generación renovables para satisfacer los dos tipos de consumos existentes en una vivienda unifamiliar: el consumo eléctrico propio de las actividades cotidianas de los inquilinos y la demanda térmica asociada a las duchas. Como sistema de generación eléctrica se dispone de un campo solar compuesto por 15 módulos fotovoltaicos de 2,53m2 de superficie y una potencia pico de 4kW, encargados de satisfacer la demanda eléctrica. Adicionalmente, la microrred incluye un sistema de generación térmica conformado por 2 colectores solares de 2,53m2 de superficie. Además, cada sistema de generación cuenta con un sistema de almacenamiento que actúan como un intermediario entre la generación y el consumo, ya que almacenan energía cuando hay un excedente y la proporciona cuando hay una demanda. El sistema de almacenamiento térmico consiste en un tanque de 300l de capacidad para el suministro de agua caliente sanitaria, y el sistema de almacenamiento eléctrico se encuentra conformado por un stack de baterías de tipo plomo ácido, integrado por 24 celdas con una capacidad de 1100Ah y un voltaje nominal de 48V. Tras haber realizado el análisis de la instalación experimental y su objetivo, se puede pasar a explicar los criterios de control establecidos por la Universidad de Sevilla [45] para el correcto funcionamiento de la microrred en base a los aspectos clave mencionados anteriormente: ➢ Criterio de venta: en caso de excedente de energía eléctrica (la energía eléctrica generada es superior a la demanda eléctrica), este se enviará preferentemente a las baterías en lugar de inyectarlo a red para su venta. Solo se podrá inyectar a red la energía generada por el campo solar cuando las baterías hayan sido totalmente recargadas (SOC=95%). Esto se debe al hecho de que la tarifa de venta eléctrica implementada en la simulación resulta ser muy poco favorable, por lo tanto, se ha decidido tratar de inyectar a red la menor cantidad de energía posible. Descripción de la microrred 22 ➢ Criterio de compra: cuando exista una escasez de energía eléctrica debido a la falta de radiación solar (días nublados), la demanda de energía eléctrica será suministrada por el banco de baterías. Se ha considerado fijar un estado de carga mínimo del 35% y un SOC máximo que asciende al 90%. El motivo de establecer este criterio es restringir las condiciones en las que el sistema de control de la microrred permite la compra de energía, ya que esto supone un coste adicional a la instalación, lo que supone un aumento no deseado en el ROI. ➢ Criterio de generación y almacenamiento térmico: el sistema de energía solar térmica producirá y almacenará agua caliente sanitaria hasta que se alcance una temperatura de 85ºC en la región 5 del tanque de almacenamiento. ➢ Criterio del sistema auxiliar: dada la finalidad del agua caliente sanitaria en la microrred, se considera que una temperatura de consumo de 50ºC es suficiente para satisfacer la demanda térmica asociada a las duchas de los inquilinos de la vivienda. Por lo tanto, si la temperatura del ACS se encuentra por debajo de los 50ºC, se ha decidido que será necesaria la acción del sistema de calentamiento eléctrico del tanque. El funcionamiento de este sistema consiste en activar una resistencia eléctrica de 2,5kW, que calienta el agua por efecto Joule, 50 minutos antes de la ducha. De esta manera, la estrategia de control de la instalación puede implementarse de manera fácil y económica en una instalación real. 23 3 METODOLOGÍA DE SIMULACIÓN Na vez descrita en profundidad la microrred, realizando la caracterización y explicando el principio de funcionamiento de todos los elementos que conforman la microrred, el siguiente paso es comenzar con el análisis computacional. Las simulaciones se han llevado a cabo con la herramienta de simulación Matlab-Simulink®, el software óptimo para simular la instalación experimental, porque permite al usuario interconectar de forma sencilla todos los subsistemas de la microrred [52]. Gracias a las características propias del software empleado, se han podido crear subsistemas los cuales consisten en circuitos que interrelacionan las diversas variables mediante una función de Matlab®, incluyendo las ecuaciones matemáticas que gobiernan cada componente (modelado). De esta manera, la herramienta de simulación desarrollada se puede modificar fácilmente en todo momento, para poder evaluar así las diferentes configuraciones de microrred. Como el objetivo del proyecto es fomentar la implementación de los sistemas de generación renovables en el sector doméstico, a lo largo del informe se tratará de maximizar beneficio económico y minimizar la compraventa de energía de la instalación experimental. Por lo tanto, esta funcionalidad del software empleado resulta ideal para realizar un análisis de sensibilidad. Dicho análisis consiste en realizar una primera simulación, y, en función de los resultados obtenidos, se modificarán las condiciones de la microrred en la siguiente simulación con el fin de minimizar el consumo energético, minimizar la venta de excedentes y maximizar el beneficio económico. 3.1 Análisis de las condiciones de partida Antes de pasar con la metodología de simulación, hay que resaltar una serie de aspectos que definen por completo el proceso de simulación a realizar. Por ejemplo, la demanda de electricidad de la microrred consiste en datos reales medidos de una vivienda residencial durante una semana completa, en forma de mediciones de potencia por segundo. Para su estimación en las simulaciones, se ha tomado como modelo los datos de la demanda real de una vivienda unifamiliar situada en Pamplona medidos durante toda una semana por el grupo de investigación INGEPER de la universidad de Navarra en forma de medidas de potencia por segundo [53]. Además, se ha considerado que la demanda de agua caliente sanitaria se debe a 3 duchas diarias de 5 minutos de duración, realizadas en diferentes momentos del día (7:00, 18:30 y 21:00), con un caudal de 20 l/min y una temperatura de 38ºC. Este valor de temperatura se ha obtenido al mezclar el agua calentada por los colectores solares (agua caliente) y el agua de red (agua fría), consecuentemente, el agua caliente ha de encontrarse a una temperatura superior a la de mezcla. Así pues, se ha considerado que para garantizar una temperatura de mezcla de 38ºC en todo momento, la temperatura de agua caliente ha de tener un valor mayor o igual a 50ºC. Otro aspecto a comentar es que los datos climáticos empleados en la simulación han sido extraídos del software Meteonorm® y corresponden a un año meteorológico típico en la provincia de Madrid. Estos datos se han pasado a un formato en forma de matriz en Matlab® con los datos de cada semana del año (tiempo temperatura, irradiancia horizontal y vertical), que posteriormente se leen en la extensión Matlab-Simulink®. Cabe mencionar el hecho de que la matriz presenta una dimensión de 4x1008, por lo tanto, se ha tomado un valor de medida de las 4 variables mencionadas anteriormente cada 10 minutos, rango temporal el cual permite analizar de forma precisa los transitorios. A continuación, para que el lector pueda analizar de forma más sencilla dichos datos, se ha decidido mostrar la evolución temporal de una de las variables que componen la matriz de datos semanales, la temperatura ambiente, a lo largo de la primera semana de julio (semana en la que se comienza la simulación): U Metodología de simulación 24 Ilustración 15. Evolución temporal de la temperatura ambiente de Madrid en la 1ª semana de julio Si observan con detenimiento la ilustración 15, encontrarán que la temperatura ambiente en Madrid registra valores elevados durante el día, en torno a los 30ºC, y durante la noche estos se ven reducidos hasta alcanzar valores mínimos de 14ºC. Obteniéndose así, una temperatura ambiente media de 24,5021ºC, valor que dista bastante de los extremos de la función. Por ende, dada la gran amplitud térmica presente en la gráfica 15, se ha realizado la misma representación gráfica solo que en formato diario, con la finalidad de poder mostrar de forma más precisa la evolución de la temperatura ambiente a lo largo del día y la noche: 25 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Ilustración 16. Evolución temporal diaria de la Tª ambiente de Madrid en la 1ª semana de julio Atendiendo a la ilustración 16 se puede ver a simple vista como la temperatura ambiente de Madrid presenta valores en un intervalo de 22ºC a 30ºC durante la mayor parte del día, y estos solo se ven reducidos durante la noche. Por lo tanto, se puede afirmar que Madrid es una gran ubicación para emplazar la microrred a nivel de temperatura ambiente, ya que los paneles que la conforman trabajan a buen rendimiento en el rango de temperaturas presentes. Tras haber realizado un pequeño estudio de la temperatura a nivel semanal con los datos introducidos en Matlab® extraídos del software Meteonorm®, se ha efectuado un análisis anual de la ubicación seleccionada a partir de datos climáticos. El análisis incluye un estudio pormenorizado de todas las magnitudes condicionantes a la hora de instalar la microrred, como pueden ser: el clima, la temperatura ambiente media, la irradiación, el número de horas de sol, etc. Tabla 1. Tabla climática de Madrid durante el año 2021 [55] En primer lugar, en lo referente a la climatología, Madrid se encuentra dominada por un clima de estepa local con pocas precipitaciones durante todo el año (415mm aproximadamente) y una temperatura media anual de 14.5ºC. 33 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid La ilustración 21 muestra la distribución de temperaturas dentro del tanque de almacenamiento del sistema de energía solar térmica y la demanda de agua caliente. Como era de esperarse, existen 3 picos de caudal de másico de agua caliente sanitaria correspondientes a las 3 duchas diarias de 5 minutos realizadas en diferentes momentos del día (7:00, 18:30 y 21:00). Además, si se presta atención a la representación gráfica se puede apreciar al principio del día el tanque presenta una distribución de temperaturas homogénea hasta que se enciende la primera ducha a las 7:00. Entonces la temperatura en la región inferior del tanque (T1) es la primera temperatura se enfría, ya que es la parte del tanque por la que entra el agua de red (agua fría). Posteriormente, se vuelve a estabilizar y en torno a las 09:30 de la mañana el calentamiento solar de los paneles actúa como un ciclo de histéresis, es decir, la distribución futura de temperaturas no solo depende del valor actual sino también de los valores previamente registrados .Esto se debe al funcionamiento de la bomba de circulación en el circuito primario, ya que la bomba opera o para en función de la diferencia de temperaturas existente entre la salida de los captadores y la salida del fluido del circuito primario del interacumulador. De esta manera se consigue circular el agua exclusivamente cuando esta está lo suficientemente caliente para calentar el tanque y se asegura que no lo va a enfriar. Este efecto se mantiene en las temperaturas hasta la 13:30 del mediodía aproximadamente, momento en el que la temperatura se vuelve a estabilizar hasta que se hace uso de la segunda ducha (18:00). Tras esto, la temperatura se vuelve a estabilizar, pero esta vez a un valor menor, ya que ha cedido energía térmica (calor) durante la ducha anterior. Finalmente, se observa que la temperatura vuelve a bajar durante la tercera ducha (21:00), para posteriormente estabilizarse a un valor menor hasta el día siguiente. 4.1.1 Análisis energético Como esta es la primera simulación, se emplearán los valores por defecto del modelo, por lo tanto, la primera simulación realizada se ha desarrollado para una capacidad de sistema de almacenamiento de 1100Ah y 15 módulos fotovoltaico. Para estas condiciones de simulación, se han obtenido los siguientes resultados de estado de carga de la batería y de temperatura en la zona 5 del tanque de almacenamiento: SOC (%) T5 (ºC) Dia 1 semana1 80,10 78,19 182 2 semana2 89,51 76,79 189 3 semana3 77,17 77,55 196 4 Julio semana4 75,87 78,64 203 5 semana1 88,62 77,70 213 6 semana2 88,37 78,31 220 7 semana3 83,56 78,08 227 8 Agosto semana4 82,80 78,36 234 9 semana1 69,10 75,43 244 Análisis de sensibilidad de la microrred 34 34 10 semana2 87,73 64,36 251 11 semana3 86,04 74,38 258 12 Septiembre semana4 54,74 50,19 265 13 semana1 63,05 63,76 274 14 semana2 65,94 57,70 281 15 semana3 55,86 44,60 288 16 Octubre semana4 54,07 50,02 295 17 semana1 64,85 51,83 305 18 semana2 36,64 37,01 312 19 semana3 45,62 34,58 319 20 Noviembre semana4 45,63 29,92 326 21 semana1 45,63 37,01 335 22 semana2 46,19 38,54 342 23 semana3 38,48 47,59 349 24 Diciembre semana4 49,14 18,24 356 25 semana1 46,00 39,08 1 26 semana2 41,72 36,64 8 27 semana3 40,46 35,13 15 28 Enero semana4 55,65 43,98 22 29 semana1 44,57 31,53 32 30 semana2 49,75 38,08 39 31 semana3 84,86 50,31 46 32 Febrero semana4 71,18 51,15 53 33 semana1 66,86 39,09 60 34 semana2 78,62 66,65 67 35 semana3 51,57 40,74 74 36 Marzo semana4 49,72 42,28 81 35 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid 37 semana1 68,12 62,51 91 38 semana2 86,92 47,46 98 39 semana3 61,92 51,13 105 40 Abril semana4 78,86 52,48 112 41 semana1 83,54 70,12 121 42 semana2 74,44 49,52 128 43 semana3 85,66 73,53 135 44 Mayo semana4 86,04 69,84 142 45 semana1 78,24 72,88 152 46 semana2 85,48 74,91 159 47 semana3 79,74 72,94 166 48 Junio semana4 86,07 78,06 173 Tabla 2. Resultados semanales de la primera simulación Como la tabla 2 presenta una gran cantidad de datos, se ha realizado la representación gráfica del estado de carga del banco de baterías, de la temperatura en la región 5 del tanque y de la temperatura a la entrada del campo, a lo largo de las 48 semanas que componen un año: Ilustración 22. Representación gráfica de los resultados de la primera simulación Atendiendo a la ilustración 22, se cumple la hipótesis inicial de asumir que el valor máximo del SOC de las baterías se da en la primera semana del mes de julio. Además, se verifica la eficacia de la estrategia de control implementada en la microrred, ya que el estado de carga del stack de baterías no sobrepasa en ningún momento 0,00 10,00 20,00 30,00 40,00 50,00 60,00 70,00 80,00 90,00 100,00 0 10 20 30 40 50 60 70 80 90 010 20 30 40 50 ESTADO DE CARGA (%) TEMPERATURA (ºC) SIMULACIONES T5 SOC Análisis de sensibilidad de la microrred 36 36 el valor máximo fijado del 90% ni disminuye del valor mínimo fijado del 35%. Por otro lado, la temperatura de salida del tanque de almacenamiento (T5) presenta una tendencia esperable. La evolución del valor de la temperatura de la región 5 del tanque de almacenamiento consiste en presentar picos de temperaturas durante los meses de verano, y valores mínimos en los meses de invierno. Un aspecto fundamental a la hora de entender los consumos de energía en la microrred es el estudio de la temperatura del tanque en la región 5. Como se ha indicado en la estrategia de control, cuando su temperatura sea inferior a la temperatura de consumo fijada (50ºC), se ha decidido que será necesaria la acción del sistema de calentamiento eléctrico del tanque. Por lo tanto, de noviembre a marzo será necesario activar una resistencia eléctrica de 2,5kW para calentar el ACS 50 minutos antes de cada una de las 3 duchas diarias. En último lugar, antes de pasar al análisis energético de los resultados obtenidos en la primera simulación de la microrred experimental, se ha decidido representar el funcionamiento de la instalación en una semana en la que exista tanto compra como venta de energía. Esta simulación correspondiente a la tercera semana de abril muestra de forma visual las directrices del sistema de control a la hora de consumir energía de la red o inyectarla. Ilustración 23. Resultados de potencias obtenidos para la 3ª semana de abril en la primera simulación Si analizamos la ilustración 23, podemos verificar los criterios implementados en la microrred experimental a la hora de decidir si puede o no comprar o vender energía. A nivel de inyectar energía a la red, este fenómeno se da principalmente durante el mediodía del primer día de la 3ª semana de abril, debido a que los consumos eléctricos ese día fueron especialmente reducidos. Los criterios que deciden si es posible vender energía son dos: la existencia de excedentes de energía (que la generación eléctrica supere la demanda), y además, que las baterías se encuentren plenamente cargadas (estado establecido en el sistema de control como SOC al 90%). Por otro lado, solo se necesita comprar energía de la red en la 3ª semana de abril durante la noche del sexto día. Esto se debe a que las baterías se encontraban descargadas (estado establecido como SOC al 35%) al final del día, por lo que como se indicaba en el apartado 2.2.3, se recargarán las baterías con una tarifa nocturna, normalmente la más barata, hasta un valor aceptable establecido en el algoritmo de control que gobierna la 37 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid microrred (50% de SOC). Cabe destacar que no se ha representado en la gráfica el SOC de las baterías por no saturar la imagen, ya que el objetivo de este análisis es aclarar los fenómenos de compraventa de energía al lector, e implementando más variables a la imagen no se hubiera conseguido el efecto deseado en el lector. Así pues, se ha realizado un análisis exhaustivo de los resultados obtenidos en las variables más significativas de la microrred experimental. Esto estudio se ha realizado con objeto de que el lector pueda conocer con detalle el comportamiento de la instalación según las condiciones existentes en cada momento, destacando el análisis sobre cuándo y por qué se compra/vende energía en la microrred. Tras este estudio, se comienza el análisis energético de la microrred desglosando los resultados obtenidos sobre el consumo y la venta de energía semanalmente: Consumo (kWh) Venta (kWh) Consumo (kWh) Venta (kWh) 1 semana1 0,00 14,29 2 semana2 0,00 38,03 3 semana3 0,00 45,23 4 Julio semana4 0,00 40,21 0,00 137,76 5 semana1 0,00 28,13 6 semana2 0,00 48,38 7 semana3 0,00 27,57 8 Agosto semana4 0,00 25,89 0,00 129,98 9 semana1 0,00 47,14 10 semana2 0,00 20,20 11 semana3 0,00 15,09 12 Septiembre semana4 0,00 22,36 0,00 104,78 13 semana1 9,37 0,00 14 semana2 31,17 0,00 15 semana3 0,00 0,00 16 Octubre semana4 0,00 0,00 40,54 0,00 17 semana1 20,51 0,00 18 semana2 26,19 0,00 19 semana3 62,11 0,00 20 Noviembre semana4 82,37 0,00 191,18 0,00 Análisis de sensibilidad de la microrred 38 38 21 semana1 80,32 0,00 22 semana2 63,72 0,00 23 semana3 64,76 0,00 24 Diciembre semana4 77,28 0,00 286,09 0,00 25 semana1 57,61 0,00 26 semana2 58,13 0,00 27 semana3 87,07 0,00 28 Enero semana4 16,30 0,00 219,11 0,00 29 semana1 56,88 0,00 30 semana2 76,70 0,00 31 semana3 0,00 0,00 32 Febrero semana4 19,04 20,74 152,62 20,74 33 semana1 0,00 0,00 34 semana2 0,00 21,58 35 semana3 29,29 0,00 36 Marzo semana4 0,00 28,62 29,29 50,20 37 semana1 18,65 17,71 38 semana2 0,00 32,13 39 semana3 10,15 15,68 40 Abril semana4 9,41 29,03 38,21 94,55 41 semana1 0,00 7,34 42 semana2 0,00 17,14 43 semana3 0,00 9,59 44 Mayo semana4 0,00 49,20 0,00 83,27 45 semana1 0,00 43,64 46 semana2 0,00 47,16 47 semana3 0,00 22,94 39 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid 48 Junio semana4 0,00 39,87 0,00 153,60 Total 957,04 774,88 Tabla 3. Resultados de compraventa de la primera simulación Al igual que ocurrió en los estudios que simulaban instalaciones de colectores híbridos (PVT) [40][43][44], se ha obtenido para nuestra instalación que se puede cubrir la demanda diaria de energía en la vivienda durante todo el año, exceptuando entre los meses de noviembre a marzo, donde, algunos días, las baterías deben cargarse comprando energía de la red durante la noche para asegurar la demanda de energía del día siguiente. No obstante, durante el resto del año se generan excedentes que se pueden vender a red. Para poder conocer los datos energéticos totales respectivos de cada mes, se ha realizado la siguiente tabla resumen: Energía Consumida (kWh) Excedentes producidos (kWh) Enero 219,11 0,00 Febrero 152,62 20,74 Marzo 29,29 50,20 Abril 38,21 94,55 Mayo 0 83,27 Junio 0 153,60 Julio 0 137,60 Agosto 0 129,98 Septiembre 0 104,78 Octubre 40,54 0,00 Noviembre 191,18 0,00 Diciembre 286,09 0,00 Total 957,04 774,72 Tabla 4. Resultados energéticos mensuales totales obtenidos en la 1ª simulación Si se analiza con atención la tabla 4 de resultados energéticos totales para la microrred experimental simulada, se verifica la suposición comentada con anterioridad de que la vivienda es autosuficiente desde mayo hasta septiembre inclusive. Como era de esperar, los valores máximos de consumo de energía eléctrica proveniente de la Red Eléctrica Española (REE) se encuentran principalmente en los meses con poca irradiación, de noviembre a febrero. De la misma manera, los valores máximos de excedentes de energía inyectados a red se dan sobremodo durante los meses de verano, de junio a septiembre. A nivel total la microrred experimental presenta un consumo total anual de 957 kWh y unas ventas de energía Análisis de sensibilidad de la microrred 40 40 anuales que ascienden a 774,2 kWh. Anticipándonos a las siguientes simulaciones, como el objetivo del trabajo de fin de grado es maximizar el beneficio económico de la microrred, se desarrollará un análisis de sensibilidad de la instalación experimental, en el que mediante variaciones en el dimensionado de ciertos equipos se tratará de reducir los valores de consumo y de venta anuales. Para una mejor comprensión de los resultados y poder así visualizar de forma más sencilla la tendencia de los datos obtenidos, se van a presentar gráficos para su posterior comentario. Cabe destacar que al igual que los gráficos de resultados anteriores, estos comienzan por la primera simulada, correspondiente a la primera semana del mes de julio y terminan en la última semana del mes junio. Ilustración 24. Resultados mensuales de la compraventa de energía en la 1ª simulación Como era de esperarse durante los meses de invierno, sobre todo noviembre diciembre y enero, la instalación va a ser menos eficiente debido a poca irradiación solar y a la alta demanda de energía. Recordemos que el emplazamiento seleccionado para la instalar la microrred es Madrid, localización la cual presenta inviernos son muy fríos, obteniéndose las temperaturas mínimas que penalizan el correcto funcionamiento de las unidades de generación de la instalación. Asimismo, durante este periodo de tiempo se requerirá la acción del sistema auxiliar para satisfacer el consumo térmico, por lo que el consumo eléctrico en la vivienda se dispara. Por el contrario, durante los meses de verano las temperaturas son muy altas, provocando que la producción eléctrica aumente significativamente y a su vez se reduzcan los consumos. Por lo tanto, estos meses, destacando el intervalo de junio a agosto, presentan los consumos más bajos y las producciones más altas del año, convirtiéndose así en los meses idóneos. 41 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Ilustración 25. Diagrama de barras de consumo y venta de energía mensual de la 1ª simulación Otra conclusión que se puede obtener al analizar los resultados energéticos anuales es que la microrred presenta una relación inversamente proporcional entre consumo y venta. Es decir, durante los meses de invierno el consumo es muy alto y la venta es escasa, sin embargo, en los meses de verano el comportamiento es totalmente opuesto, ya que el consumo es el que disminuye y la venta se dispara. De hecho, en el mes de diciembre se ha obtenido un valor máximo de consumo de 286,09 kWh junto con un valor nulo de excedentes, y, de manera inversa, el mes de junio se presenta un consumo nulo y un valor de excedentes máximo que asciende a 153,60 kWh, siendo este el mes más rentable de todo el año. Finalmente, se puede observar como la cantidad total de excedentes producidos por la microrred asciende a 774,72 kWh, valor que resulta ser inferior a los 957,54 kWh de consumo total en la instalación. 4.1.2 Análisis económico El procedimiento del análisis económico realizado consiste en aplicar un estudio comparativo entre los resultados obtenidos para las distintas simulaciones de la instalación experimental estudiada, con respecto a los resultados de una simulación base. Para el escenario sin microrred, denominado simulación base, se ha considerado adecuada la adquisición de una potencia contratada de 5,75kW, ya que el valor máximo de demanda registrado durante la simulación anual es 5 kW. Asimismo, el precio de dicha potencia asciende a 0,1051€/kWh para la franja horaria punta y la llana, y para el periodo valle alcanzará 0,0250€/kWh. Por otro lado, para el cálculo del coste anual de la energía se ha elegido una tarifa de una empresa distribuidora de electricidad española que considera los siguientes periodos diarios: un período punta a 0,24442€/kWh, un período llano a 0.15097 €/kWh y un período valle a 0,11644€/kWh. Además, la cantidad total de energía consumida anualmente en una vivienda de 3 habitantes es: 1992 kWh en período punta, 2076kWh en período llano y 960 kWh en período valle. Para que el lector verifique que los precios comentados anteriormente han sido empleados en el cálculo del coste anual de la electricidad, se ha sacado un extracto del Excel que calcula el precio anual de la factura de la luz: Ilustración 26. Tarifas de potencia y energía contratadas en la simulación base Análisis de sensibilidad de la microrred 42 42 Cabe destacar que el precio final de la factura anual de energía no corresponde a la suma del coste de la potencia y energía contratada, porque dada la legislación vigente, a este valor de 1185,33€/año es preciso aplicarle el Impuesto Especial sobre la Electricidad (IEE) de valor 0.5% y el Impuesto del Valor Añadido (IVA) del 10%. Incluso se ha tenido en cuenta la tarifa del alquiler del contador que viene fijada por el Ministerio de Energía, Turismo y Agenda Digital correspondiente a 0,02653€/día. Así pues, se ha obtenido un precio final de la factura eléctrica anual de 1321,03€/año para la simulación base. En cambio, para el estudio económico del escenario de la vivienda con microrred experimental instalada se ha escogido como modelo de tarifa el de una distribuidora española que permite la venta de los excedentes generados a la red a 0,051€/kWh. Además, en este escenario se ha adquirido una potencia contratada de 3,45kW, puesto que los principales picos de la demanda se encuentran cubiertos por la microrred. Al igual que para la simulación base, se han adjuntado algunos de los cálculos realizados con el Excel durante el proceso de obtención de la factura de la luz: Ilustración 27. Tarifas de potencia y energía contratadas en la primera simulación Asimismo, la tarifa seccionada para la simulación de la microrred considera que el precio de dicha potencia para un período regular sea 0,07686€/kWh y que para un período económico ascienda a 0,01394€/kWh. Adicionalmente, dadas las directrices de control de la microrred, esta solo tiene permitido comprar energía de red durante la noche, por lo que el precio de la energía del único tramo a emplear es 0,1949€/kWh. Por lo tanto, la cantidad de energía extraída de red se ve claramente reducida al implementar la microrred, pasando de los 5028kWh/año de la simulación base a los actuales 328kWh/año. Consecuentemente, gracias a la generación renovable, el precio de la extracción de energía de red ha pasado de un valor de 912,1€/año a 63,9€/año. Para calcular el precio de la factura de la luz, en primer lugar, se ha calculado la suma del coste de compra de energía y potencia. Posteriormente, se ha tenido en cuenta el precio de alquiler del contador cuyo valor se encuentra fijado por el Ministerio de Energía, Turismo y Agenda Digital a 0,02653€/día. Cabe destacar que las instalaciones de generación renovables se encuentran exentas de impuestos, por lo que se ha ahorrado el 10% correspondiente al IVA y el 0,5% del IEE. Así pues, se ha obtenido un precio final de la factura eléctrica anual de 574,53 €/año para la instalación simulada, valor el cual resulta muy inferior a los 1321,03 €/año para la simulación base. Además, este precio se ve decrementado por la venta de excedentes (774,74kWh), sin embargo, dada el ínfimo precio de las tarifas de venta nacionales (0,051€/kWh), estos solo generan un beneficio anual de 39,51€. Para que el análisis económico sea más exhaustivo, se ha realizado una tabla comparativa entre la simulación base y el caso simulado de todos los resultados comentados en este apartado: Simulación base 1ª Simulación Variación total Coste de la Potencia (€) 273,263546 500,9111592 -227,6476129 Coste de la Energía (€) 912,064404 63,93939135 848,1250127 49 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid 38 semana2 0,00 35,56 39 semana3 0,00 13,95 40 Abril semana4 0,00 22,23 0,00 71,74 41 semana1 0,00 0,00 42 semana2 0,00 24,31 43 semana3 0,00 0,00 44 Mayo semana4 0,00 52,70 0,00 77,01 45 semana1 0,00 44,83 46 semana2 0,00 42,49 47 semana3 0,00 23,29 48 Junio semana4 0,00 39,92 0,00 150,53 Total 895,52 716,64 Tabla 7. Resultados de compraventa de la segunda simulación Al igual que ocurrió en la simulación primera, se ha obtenido para nuestra instalación que se puede cubrir la demanda diaria de energía en la vivienda durante todo el año, exceptuando los meses de invierno, donde, algunos días, las baterías deben recargarse comprando energía de la red durante la noche para asegurar la demanda de energía del día siguiente. No obstante, a diferencia de la simulación anterior, en este segundo escenario se ha conseguido reducir el consumo anual de 957,04 a 895,52kWh, destacando el hito de que se ha conseguido que en el mes de abril la microrred sea autosostenible. A nivel de ventas de excedentes también se ha logrado obtener el efecto deseado, provocando una reducción de la inyección anual de energía a red, pasando de 774,63kWh de energía excedente malvendida a 716,64kWh. Con objeto de poder conocer los datos energéticos totales respectivos de cada mes, se ha realizado la siguiente tabla resumen: Energía Consumida (kWh) Excedentes producidos (kWh) Enero 230,23 0,00 Febrero 132,92 0,00 Marzo 25,4 40,01 Abril 0 71,74 Mayo 0 77,01 Junio 0 150,53 Julio 0 160,34 Análisis de sensibilidad de la microrred 50 50 Agosto 0 125,50 Septiembre 0 91,51 Octubre 25,12 0,00 Noviembre 190,12 0,00 Diciembre 291,74 0,00 Total 895,53 716,64 Tabla 8 Resultados energéticos mensuales totales obtenidos en la 2ª simulación Si se analiza con atención la tabla 8 de resultados energéticos totales para la microrred experimental simulada, se puede observar la novedad comentada con anterioridad de que la vivienda es también autosuficiente en el mes de abril. Por lo tanto, se está corroborando la eficacia del análisis de sensibilidad de la instalación experimental, en el que mediante variaciones en el dimensionado de ciertos equipos se tratará de reducir los valores de consumo y de venta anuales, ya que el principal objetivo del trabajo de fin de grado es maximizar el beneficio económico de la microrred. Para una mejor comprensión de los resultados y poder así visualizar de forma más sencilla la evolución anual de los datos obtenidos, se van a presentar gráficos para su posterior comentario. Ilustración 30. Resultados de compraventa obtenidos en la 2ª simulación Antes de dar paso al estudio del gráfico, se ha de destacar que al igual que los gráficos de resultados anteriores, estos comienzan por la primera semana simulada, correspondiente a la primera semana del mes de julio y terminan en la última semana del mes junio. Como era de esperarse durante los meses de invierno, sobre todo noviembre diciembre y enero, la instalación va a ser menos eficiente debido a poca irradiación solar y a la alta demanda de energía, ya que en Madrid los inviernos son muy fríos, obteniéndose las temperaturas mínimas que penalizan el correcto funcionamiento de las unidades de generación de la instalación. Asimismo, durante este periodo de tiempo se requerirá la acción del sistema auxiliar para satisfacer el consumo térmico, por lo que el consumo eléctrico en la vivienda se dispara. Por el contrario, durante los meses de verano las temperaturas son muy altas, provocando que la generación 0 10 20 30 40 50 60 70 80 90 100 010 20 30 40 50 Energía (kWh) Consumo Venta 51 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid eléctrica aumente significativamente y a su vez se reduzcan los consumos, llegando incluso a ser autosuficiente durante los meses de abril a septiembre. Ilustración 31. Diagrama de barras de consumo y venta de energía mensual en la 2ª simulación Los principales resultados a comentar en lo referente a la compraventa de energía son valor máximo de consumo de 291,74kWh alcanzado en el mes de diciembre junto con una venta nula, y, a su vez, en el mes de julio se presenta un consumo nulo y un valor de excedentes máximo que asciende a 160,34kWh, siendo este el mes más rentable de todo el año. 4.2.2 Análisis económico En esta segunda simulación, el análisis económico presenta el mismo procedimiento de cálculo que la simulación anterior, con la salvedad de que el coste inicial de la inversión ha sido incrementado. Este aumento del precio de la microrred experimental se debe a la decisión de incrementar el tamaño del sistema de almacenamiento eléctrico en un33%, pasando de 1100Ah a 1472Ah. Consecuentemente, el coste de inversión inicial asciende a 14360€, valor superior a los 12500€ correspondientes a la primera. Para que el análisis económico sea más exhaustivo, se ha realizado una tabla comparativa entre la simulación base y el caso simulado de todos los resultados comentados en este apartado: Simulación base 2ª Simulación Variación total Coste de la Potencia (€) 273,263546 475,69 -202,426454 Coste de la Energía (€) 912,064404 69,34 842,724404 Coste total (€) 1185,33 539,63 645,7 IEE (€) 5,93 0 5,93 IVA (€) 120,09 0 120,09 Alquiler del Contador (€) 9,68 9,68 0 Precio total (€) 1321,03 549,31 771,72 Tabla 9. Comparativa económica entre la simulación base y la segunda simulación De este modo se observa que al instalar la microrred experimental simulada se produce una reducción una reducción del precio anual de la factura de la luz de 777,72€, lo que equivale a un ahorro del 58,5% del costo de Análisis de sensibilidad de la microrred 52 52 la simulación base. Esto ahorro se debe principalmente a que al instalar la microrred experimental se produce un decremento del coste anual de la energía de 842,72€ €, junto con del ahorro anual de 126€, ya que las instalaciones de generación eléctrica sostenibles a escala doméstica se encuentran libres de impuestos. Una vez comparados los costes anuales para la situación base y para la situación con microrred experimental, se pasa a realizar una estimación sobre dichos valores en el futuro mediante el cálculo del flujo de caja acumulado anual de los dos escenarios. Antes de realizar el cálculo del flujo de caja, hay que cuantificar de forma aproximada el precio de toda la instalación experimental. En base a precios actuales del mercado, el coste de la inversión inicial se ha estimado en 14360€, donde se ha considerado el nuevo coste del sistema de almacenamiento eléctrico (stack de baterías de plomo-ácido) en 7360€, y el resto de los dispositivos se han mantenido con respecto a la simulación previa. Ilustración 32. Flujo de caja acumulado de la segunda simulación a 25 años En la ilustración 32 se puede observar como el flujo de caja acumulado resulta negativo desde el año de instalación de la microrred, debido a la elevada inversión, hasta el año 14 que será cuando la instalación estrá completamente amortizada. Al igual que en la simulación primera, debido a la sustitución del sistema de almacenamiento eléctirco en el año 16, se ha producido un cambio en la tendencia del flujo de caja acumulado. Debido a que en dicho año no solo no se generan beneficios sino que dicho año resulta negativo económicamente hablando, la inversión no volverá a ser rentable económicamente hasta el año 19. Para este segundo estudio comparativo, la venta de excedentes si reuslta ser determiannte en el periodo de amortización de la microrred, provocando que el coste de instalación y mantenimiento de la instalacións ea sufragado un año antes que en el escenario sin venta de excedentes. No obstante, los excedentes no suponen una gran inyección de capital, de hecho en esta simulación su impacto es todavía menor, pasando de generar un beneficio económico de 1440,53€ a 1332,54€. Así pues, una vez cumplida la vida de la instlación (año 24), se habrá obtenido un beneficio económico de 6473,93€ con venta de excdentes en lugar de los 4847,44€ alcanzados sin esta práctica. Cabe destacar que, pese a que los resultados energéticos han sido mejores en esta segunda simulación, reduciéndose así tanto el consumo como la venta, los márgenes de beneficio obtenidos para la segunda simulación han resultado ser inferiores a los obtenidos en la priemera simulación. 4.3 Tercera simulación: se duplica la capacidad de las baterías -15000 -12500 -10000 -7500 -5000 -2500 0 2500 5000 7500 10000 0 2 4 6 8 10 12 14 16 18 20 22 24 Flujo de caja acumulado (€) Tiempo (años) Con venta de excedentes Sin venta de excedentes 53 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid A la vista de los resultados en las dos simulaciones anteriores, se ha considerado preciso volver a incrementar el tamaño del sistema de almacenamiento eléctrico de la microrred experimental. Como los efectos asociados a incrementar la capacidad del sistema a 1472 Ah han sido favorables a nivel energético, en esta tercera simulación se propone duplicar la capacidad inicial de las baterías, pasando de 1100Ah a 2200Ah 4.3.1 Análisis energético A continuación, se desglosan los resultados semanales a lo largo del año del estado de carga de la batería y de temperatura en la región 5 del tanque de almacenamiento en el escenario de simulación donde el banco de baterías presenta una capacidad de 2200Ah: SOC (%) T5 (ºC) Dia 1 semana1 84,70 77,10 182 2 semana2 82,19 77,40 189 3 semana3 73,40 80,67 196 4 Julio semana4 74,30 78,40 203 5 semana1 82,11 76,40 213 6 semana2 79,90 77,50 220 7 semana3 77,78 77,60 227 8 Agosto semana4 78,50 80,11 234 9 semana1 70,99 75,03 244 10 semana2 76,55 64,10 251 11 semana3 78,30 73,99 258 12 Septiembre semana4 64,11 50,10 265 13 semana1 61,87 63,11 274 14 semana2 58,44 57,40 281 15 semana3 50,20 44,31 288 16 Octubre semana4 51,33 50,01 295 17 semana1 53,57 51,84 305 18 semana2 38,99 37,01 312 19 semana3 40,03 33,78 319 20 Noviembre semana4 40,70 29,91 326 Análisis de sensibilidad de la microrred 54 54 21 semana1 44,65 36,77 335 22 semana2 45,44 40,21 342 23 semana3 39,45 38,01 349 24 Diciembre semana4 44,53 18,12 356 25 semana1 45,66 38,37 1 26 semana2 41,02 36,33 8 27 semana3 40,30 35,11 15 28 Enero semana4 56,40 43,33 22 29 semana1 44,11 31,22 32 30 semana2 50,20 37,64 39 31 semana3 76,54 50,21 46 32 Febrero semana4 68,65 51,11 53 33 semana1 64,34 38,77 60 34 semana2 74,55 66,41 67 35 semana3 43,11 40,11 74 36 Marzo semana4 55,76 42,44 81 37 semana1 72,23 62,01 91 38 semana2 80,20 47,30 98 39 semana3 59,23 51,00 105 40 Abril semana4 75,65 52,54 112 41 semana1 76,78 69,88 121 42 semana2 68,88 48,88 128 43 semana3 80,90 73,20 135 44 Mayo semana4 81,10 69,56 142 45 semana1 76,65 72,33 152 46 semana2 80,00 75,03 159 47 semana3 78,54 73,11 166 55 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid 48 Junio semana4 81,11 78,30 173 Tabla 10. Resultados semanales de la tercera simulación Dada la gran extensión de datos contenidos tabla 10, para facilitar el estudio e interpretación de los resultados alcanzados en la tercera simulación, se va a realizar la representación gráfica sobre la evolución SOC, la temperatura del tanque en la región, la temperatura de entrada al campo solar y la temperatura de agua de red a lo largo de las 48 semanas anuales simuladas. Ilustración 33.Representación gráfica de los resultados de la tercera simulación Atendiendo a la ilustración 34, se verifica la importancia del sistema de control que gobierna la microrred en su totalidad, ya que, gracias a este control, el estado de carga del nuevo banco de baterías de baterías no sobrepasa en ningún momento el valor máximo fijado del 90% ni disminuye del valor mínimo fijado del 35%. Por otro lado, la temperatura de salida del tanque de almacenamiento (T5) presentan una tendencia esperada, basada en presentar máximos en los meses de verano y mínimos en los meses de invierno. Tras haber estudiado los resultados de las principales magnitudes que caracterizan el comportamiento de nuestra instalación, se da paso el análisis energético de la microrred de la tercera simulación desglosando los resultados obtenidos sobre el consumo y la venta de energía semanalmente: Consumo (kWh) Venta (kWh) Consumo (kWh) Venta (kWh) 1 semana1 0,00 58,65 2 semana2 0,00 53,44 3 semana3 0,00 43,33 4 Julio semana4 0,00 36,65 0,00 192,07 010 20 30 40 50 60 0,00 10,00 20,00 30,00 40,00 50,00 60,00 70,00 80,00 90,00 0 10 20 30 40 50 60 70 80 90 010 20 30 40 50 ESTADO DE CARGA (%) TEMPERATURA (ºC) T5 SOC Análisis de sensibilidad de la microrred 56 56 5 semana1 0,00 26,93 6 semana2 0,00 63,67 7 semana3 0,00 15,67 8 Agosto semana4 0,00 10,46 0,00 116,73 9 semana1 0,00 37,44 10 semana2 0,00 41,55 11 semana3 0,00 16,18 12 Septiembre semana4 0,00 0,00 0,00 95,17 13 semana1 0,00 0,00 14 semana2 10,37 0,00 15 semana3 0,00 0,00 16 Octubre semana4 0,49 0,00 10,86 0,00 17 semana1 4,34 0,00 18 semana2 46,55 0,00 19 semana3 43,95 0,00 20 Noviembre semana4 85,42 0,00 180,26 0,00 21 semana1 94,32 0,00 22 semana2 70,90 0,00 23 semana3 67,26 0,00 24 Diciembre semana4 67,44 0,00 299,92 0,00 25 semana1 68,89 0,00 26 semana2 57,39 0,00 27 semana3 89,30 0,00 28 Enero semana4 28,64 0,00 244,22 0,00 29 semana1 40,63 0,00 30 semana2 83,56 0,00 31 semana3 0,00 0,00 57 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid 32 Febrero semana4 0,00 0,00 124,19 0,00 33 semana1 0,00 0,00 34 semana2 0,00 22,54 35 semana3 1,39 0,00 36 Marzo semana4 0,00 0,00 1,39 22,54 37 semana1 0,00 0,00 38 semana2 0,00 42,29 39 semana3 0,00 10,55 40 Abril semana4 0,00 8,91 0,00 61,75 41 semana1 0,00 0,00 42 semana2 0,00 16,43 43 semana3 0,00 0,00 44 Mayo semana4 0,00 53,12 0,00 69,55 45 semana1 0,00 47,15 46 semana2 0,00 33,36 47 semana3 0,00 23,98 48 Junio semana4 0,00 40,03 0,00 144,52 Total 860,84 702,33 Tabla 11. Resultados de compraventa de la tercera simulación Al igual que ocurrió en la simulación primera y en la simulación segunda, se ha verificado la capacidad de autoabastecimiento de la instalación experimental, demostrando que es capaz de cubrir la demanda diaria de energía en la vivienda durante todo el año, exceptuando los meses de invierno. Al igual que en la simulación previa, se ha conseguido volver a reducir los valores energéticos anuales de la microrred. En lo referente al consumo anual se ha pasado de 895,52kWh a 860,84kWh, destacando que se ha vuelto a conseguir que durante el mes de abril la microrred sea autosostenible. A nivel de ventas de excedentes también se ha logrado obtener el efecto deseado, provocando una reducción de la inyección anual de energía a red, pasando de 716,64kWh de energía excedente malvendida a 702,33kWh. Finalmente, con la finalidad de condensar los resultados obtenidos mediante el cálculo de los datos energéticos totales respectivos de cada mes, se ha realizado la siguiente tabla resumen: Energía Consumida (kWh) Excedentes producidos (kWh) Enero 244,22 0,00 Análisis de sensibilidad de la microrred 58 58 Febrero 124,19 0,00 Marzo 1,39 22,54 Abril 0 61,75 Mayo 0 69,55 Junio 0 144,52 Julio 0 192,07 Agosto 0 116,73 Septiembre 0 95,17 Octubre 10,86 0,00 Noviembre 180,26 0,00 Diciembre 299,92 0,00 Total 860,84 702,33 Tabla 12. Resultados energéticos mensuales totales obtenidos en la 3ª simulación Así pues, al igual que en la simulación segunda, la microrred es autosostenible durante todo el año exceptuando los meses de octubre a marzo, destacando que este último apenas presenta un consumo de 1,39kWh. Adicionalmente, la compra de energía de red durante el mes de octubre resulta insignificante, por lo que se podría afirmar que a efectos prácticos la instalación experimental es autosostenible desde marzo hasta octubre Así pues, se está corroborando la eficacia del análisis de sensibilidad de la instalación experimental, en el que mediante variaciones en el dimensionado de ciertos equipos se han conseguido reducir los valores de consumo y de venta anuales. De hecho, la microrred ha pasado de tener un consumo y venta asociados de 895,53 kWh y 716,64kWh respectivamente, a unos nuevos valores para el escenario actual de 860,84kWh y 702,33kWh Con la finalidad de poder analizar la evolución anual de los datos obtenidos, se van a graficar los resultados energéticos de la instalación para su posterior comentario. 65 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid Finalmente, se han analizado las 2 principales variables que definen la viabilidad económica de implantar la microrred experimental. En primer lugar, se observa como el periodo de amortización resulta muy similar en las 2 primeras simulaciones, obteniéndose beneficio económico a partir del año 14 y 15 respectivamente. Sin embargo, debido al elevado coste de las nuevas baterías, en la tercera simulación nunca se pudo alcanzar beneficio económico que amortizara la instalación de la microrred. A diferencia de la tercera simulación, en las dos primeras si ha resultado ser rentable instalar la microrred experimental definida a lo largo del informe. No obstante, la opción óptima a nivel puramente económico es la primera simulación, debido a que presenta el tiempo de amortización menor (14 años) y, adicionalmente, presenta el mayor flujo de caja acumulado tras la vida útil de la instalación (4102,49€). Conclusión 66 66 5 CONCLUSIÓN Este trabajo de fin de grado ha consistido en la realización de un análisis de sensibilidad para la optimización de una microrred ubicada en Madrid. Para ello, se ha hecho uso del modelado de la microrred creado por el Departamento de Ingeniería Energética de la Universidad de Sevilla (US) en el software Matlab-Simulink® [45], el cual ofrece el diseño, optimización, y análisis detallado de cualquier sistema cuyo comportamiento sea dependiente del paso del tiempo, es decir, régimen transitorio. A lo largo del análisis de sensibilidad de la microrred experimental se han llevado a cabo 3 simulaciones, las cuales presentan diferentes tamaños del sistema de almacenamiento eléctrico. Para cada uno de los escenarios de simulación propuestos se ha completado un análisis energético, el cual contiene los resultados de compraventa de energía de la microrred para cada una de las 48 semanas del año. Basado en los resultados obtenidos de consumo y venta de energías anuales se realiza un análisis económico, el cual permite conocer parámetros fundamentales para determinar la viabilidad de instalación de la microrred como son: el periodo de amortización y el flujo de caja acumulado estimado para los próximos 25 años. A nivel energético se ha verificado la eficacia de este sistema de generación de electricidad y calor basado en fuentes renovables para uso doméstico, ya que se ha corroborado la capacidad de autoabastecimiento de la microrred desde el mes octubre hasta marzo. Adicionalmente, gracias al análisis de sensibilidad seguido, al incrementar la capacidad del banco de baterías, se ha conseguido reducir el consumo energético anual un 10%, pasando de 957,04kWh a 860,84kWh y la venta de energía ha disminuido un 9,36%, pasando de 774,72kWh a 702,33kWh. De hecho, a efectos prácticos se ha logrado extender la capacidad de autoabastecimiento de la microrred a los meses de octubre y marzo, por lo que tan solo será necesaria la compra de energía en los meses de menor irradiancia (de noviembre a febrero). En definitiva, a nivel energético, el análisis de sensibilidad realizado a lo largo de este trabajo de fin de grado ha demostrado que las microrredes híbridas son una solución técnicamente viable no solo en términos de demanda de energía, sino también en términos de demanda de potencia para viviendas unifamiliares. En términos económicos, se ha demostrado la viabilidad de implementación de este sistema de generación de electricidad y calor basado en fuentes renovables para una vivienda unifamiliar habitada por 3 personas. Pese a que la microrred dependa de la red eléctrica principal para suministrar una parte de su demanda anual de energía y calor durante los meses de noviembre a febrero, el análisis económico muestra que este tipo de instalaciones resultan rentables, obteniéndose periodos de amortización en torno a los 14 años. Además, como la vida útil de la instalación se ha estimado en 25 años, con la salvedad de las baterías que requieren un recambio a los 16 años aproximadamente, se generarán incluso beneficios económicos de hasta 4102,49€ al instalar una microrred como la caracterizada en el trabajo. Cabe destacar que el análisis de sensibilidad implementado no ha generado resultados superiores al de la simulación inicial. Esto se debe principalmente al elevado coste de las baterías en la actualidad, sin embargo, ese hecho no debe causar preocupación al lector, porque con el creciente aumento del precio de la electricidad y las grandes inversiones que se están haciendo en los sistemas de almacenamiento, se espera que estos sistemas sean más económicos en el futuro. Finalmente, se destaca la importancia de apostar por los sistemas de generación renovables a nivel doméstico, como puede ser mediante la instalación de la microrred propuesta en el estudio, no solo porque supongan un ahorro en el recibo de la luz, sino porque la penetración paulatina este tipo de sistemas puede ser clave para alcanzar los objetivos de descarbonización del sistema energético del país en la lucha contra el cambio climático. 67 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid REFERENCIAS [1] «Borrador actualización PNIEC 2023-30_web2,» junio 2023. [2] «Libro de la Energía en España 2020,» 2020. [3] E. Commision, «Pacto Verde Europeo,» 2021. [En línea]. Available: https://www.consilium.europa.eu/es/policies/green-deal/#what. [4] C. Europea, «https://commission.europa.eu/strategy-and-policy/priorities-2019-2024/european-green- deal_es,» 2022. [En línea]. [5] «Informe De Inventario Nacional Gases De Efecto Invernadero,» 2023. [6] «Inventario Nacional de Emisiones a la Atmósfera,» 2022. [7] «Indicadores de la Agenda 2030 sobre el Desarrollo Sostenible,» 2024. [8] «Boletin informativo de la Agenda 2030 ODS 7,» 2023. [9] INE, «Indicador 7.2.1. Proporción de la energía renovable en el consumo final total de energía,» 2022. [En línea]. Available: https://www.ine.es/dyngs/ODS/es/indicador.htm?id=4881. [10] «Share of energy from renewable sources,» 2023. [En línea]. Available: https://ec.europa.eu/eurostat/databrowser/view/nrg_ind_ren/default/table?lang=en. [11] E. Commission, «Shedding light on energy in the EU – 2023 edition,» 2023. [En línea]. Available: https://ec.europa.eu/eurostat/web/interactive-publications/energy-2023. [12] «Informe del Sistema Eléctrico: Informe resumen de energías renovables,» 2023. [13] MITECO, «Plan de desarrollo de la Red de Transporte de Energía Eléctrica. Período 2021-2026,» 2022. [14] «Balance Energetico de España 2021 y 2022,» 2023. [15] «El acceso universal a la energía sostenible seguirá siendo inalcanzable,» 2021. [En línea]. Available: https://www.who.int/es/news/item/07-06-2021-global-launch-tracking-sdg7-the-energy-progress-report. [16] «Un nuevo informe revela retrasos en el acceso a energías básicas y la necesidad de invertir en renovables,» 2023. [En línea]. Available: https://www.who.int/es/news/item/06-06-2023-basic-energy- access-lags-amid-renewable-opportunities--new-report-shows. [17] M. A. S. a. G. Shafiullah, «Renewable Energy Integrated Islanded Microgrid for Sustainable Irrigation— A Bangladesh Perspective,» 2018. [En línea]. Available: https://www.mdpi.com/1996-1073/11/5/1283. [18] G. S. T. U. Ihsan Ali, «A preliminary feasibility of roof-mounted solar PV systems in the Maldives,» 2018. Referencias 68 68 [En línea]. Available: https://www.sciencedirect.com/science/article/pii/S1364032117313928?via%3Dihub. [19] J. B.-J. A. P. J. R.-F. J. E. C.-B. Juan G. Ordoñez, «Comprehensive analysis of MPC-based energy management strategies for isolated microgrids empowered by storage units and renewable energy sources,» 2024. [En línea]. Available: https://www.sciencedirect.com/science/article/pii/S2352152X24017134. [20] S. A. A. K. S. M. M. A. Zain-ul-Abdeen Qureshi, «An integrated assessment framework of renewable based Microgrid deployment for remote isolated area electrification across different climatic zones and future grid extensions,» 2024. [En línea]. Available: https://www.sciencedirect.com/science/article/pii/S2210670723006790. [21] «Consumo de energía en los hogares,» 2023. [En línea]. Available: https://ec.europa.eu/eurostat/statisticsexplained/index.php?title=Energy_consumption_in_households&action=statexp-seat&lang=es. [22] «Energy, transport and environment statistics,» 2019. [23] M. L. C. K. K. J. J. K. Taehoon Hong, «Development of a method for estimating the rooftop solar photovoltaic (PV) potential by analyzing the available rooftop area using Hillshade analysis,» 2017. [24] I. K. A. J.-W. N. T. S. S. Katalin Bódis, «A high-resolution geospatial assessment of the rooftop solar photovoltaic potential in the European Union,» 2019. [25] S. H. C. Abdo Abdullah Ahmed Gassar, «Review of geographic information systems-based rooftop solar photovoltaic potential estimation approaches at urban scales,» 2021. [26] R. C. N. M. J.-L. S. Alina Walch, «Big data mining for the estimation of hourly rooftop photovoltaic potential and its uncertainty,» 2020. [27] A. R. S. Ali Reza Abbasi, «Unified electrical and thermal energy expansion planning with considering network reconfiguration,» 2015. [28] W. W. J. L. Zhi Yuan, «A multi-objective risk-constrained approach for capturing and recycling carbon dioxide in multi-energy combined heat and power microgrids,» 2023. [29] K. M. K. M. A. A. H. M. H. E. G. A. D. A. M. E. Mohamed R. Elkadeem, «Techno-enviro-socio-economic design and finite set model predictive current control of a grid-connected large-scale hybrid solar/wind energy system: A case study of Sokhna Industrial Zone, Egypt,» 2024. [30] M. A. A. K. M. A. V. R. A. T. M. S. M. Mojan Maleki Tehrani, «Techno-economic investigation of a hybrid biomass renewable energy system to achieve the goals of SDG-17 in deprived areas of Iran,» 2023. [31] R. G. F. R. A. E. A. A. A. A. T. Mohammad Mohammadi, «Optimal planning of renewable energy resource for a residential house considering economic and reliability criteria,» 2018. [32] P. P. B. S. K. S. G. S. P. Smruti Ranjan Pradhan, «Design of Standalone Hybrid Biomass & PV System of an OffGrid House in a Remote Area,» 2013. [33] R. V. S. C. V. K. V. Pranesh, «A 50 year review of basic and applied research in compound parabolic concentrating solar thermal collector for domestic and industrial applications,» 2019. 69 Análisis de sensibilidad para la optimización de una microrred ubicada en Madrid [34] M. Á. P. P. V. a. D. K. Jaroslav Košičan, «Life Cycle Assessment and Economic Energy Efficiency of a Solar Thermal Installation in a Family House,» 2021. [35] M. B. F. C. C. P. L. P. P. V. Gabriele Comodi, «Life cycle assessment and energy-CO2-economic payback analyses of renewable domestic hot water systems with unglazed and glazed solar thermal panels,» 2016. [36] X. M. J. J. Y. M. Peishi Wu, «Review on Life Cycle Assessment of Energy Payback of Solar Photovoltaic Systems and a Case Study,» 2017. [37] D. Z. A. B. O. T. S. B. Matthias Rommel, «Application of Unglazed PVT Collectors for Domestic Hot Water Pre-heating in a Development and Testing System,» 2014. [38] M. L. M. B. R. M. G. Ahmad Zarei, «A Novel, eco-friendly combined solar cooling and heating system, powered by hybrid Photovoltaic thermal (PVT) collector for domestic application,» 2020. [39] R. B. Laetitia Brottier, «Thermal performance analysis of 28 PVT solar domestic hot water installations in Western Europe,» 2020. [40] A. R. J. F. I. Z. C. N. M. María Herrando, «Technoeconomic modelling and optimisation of solar combined heat and power systems based on flat-box PVT collectors for domestic applications,» 2018. [41] J. S. M. H. T. A. L. K. Abdullah Basuhaib, «Experimental investigation the effect of different operating parameters and optimized the water-based PVT system for domestic applications,» 2024. [42] D. d. V. W. v. H. R. v. Z. A. v. S. H.A. Zondag, «The yield of different combined PV-thermal collector designs,» 2003. [43] J. G. A. L. I.-A. P. A. N. G. L. H. M. Sahand Hosouli, «Evaluation of a solar photovoltaic thermal (PVT) system in a dairy farm in Germany,» 2023. [44] G. Z. G. P. R. D.-L. Nicolás Pardo García, «Photovoltaic thermal hybrid solar collector and district heating configurations for a Central European multi-family house,» 2017. [45] G. C. G. F. P. Sergio J. Navas, «Hybrid power-heat microgrid solution using hydrogen as an energy vector,» 2022. [46] P. B. B. G. Anand Singh, «Techno-economic feasibility analysis of hydrogen fuel cell and solar photovoltaic hybrid renewable energy system for academic research building,» 2017. [47] «UNE-EN IEC 60904-3:2019». [48] «UL 1703 - "Standard for Flat-Plate Photovoltaic Modules and Panels":». [49] A. L. López, «Handbook of Photovoltaic Science and Engineering,» 2003. [50] M. Z. y. O. Isabella, «Solar Energy: The Physics and Engineering of Photovoltaic Conversion, Technologies and Systems,» 2016. [51] B. W. ] Duffie JA, «Solar Engineering of Thermal Processes,» 2013. [52] T. M. Inc., «The MathWorks Inc. MATLAB 7.0 (R14SP2).,» 2005. Referencias 70 70 [53] S. P. P. J. U. P. N. Bayo O, «Sistema de baterías para reducción de la potencia consumida en viviendas domésticas: análisis y dimensionado optimo,» 2014. [54] «Guía con las provincias y zonas de España con mayor irradiación solar,» 2021. [En línea]. Available: https://www.e4e-soluciones.com/blog-eficiencia-energetica/cual-es-el-lugar-con-mas-irradiacion-solar- de-espana. [55] AEMET, «RESUMEN MENSUAL DE LA RADIACIÓN SOLAR,» 2020. [56] L.-R. J. B.-A. J. Dufo-Lopez ´ R, «Comparison of Lead-Acid and Li-Ion Batteries Lifetime Prediction Models in Stand-Alone Photovoltaic Systems,» 2021. [57] M. S. Fernández, «Análisis tecno-económico de una microrred solar para el abastecimiento energético a vivienda,» 2022. [58] C. Data, «Clima Madrid,» 2021. [En línea]. Available: https://es.climatedata.org/europe/espana/comunidad-de-madrid/madrid-92/.