técnicas de control predictivo para la gestión eficiente
Post on 03-Jul-2022
17 Views
Preview:
TRANSCRIPT
Técnicas de Control Predictivo para la gestión eficiente de micro-redes de energías
renovables Carlos Bordons
Escuela Técnica Superior de Ingeniería
1
X Simposio CEA de Ingeniería de Control Barcelona, marzo 2012
Resumen
• Trabajos realizados en el marco del proyecto DPI2010-‐21589-‐C05: “Predic've cOntrol techniques for effcient management of reneWable Energy micro-‐gRids” (POWER). Socios:
• Ingeniería de Sistemas y AutomáOca US (Coordinador) • Termotecnia US • Universidad de Almería • CIEMAT • Universidad de Valladolid
• ProblemáOca del modelado y control de micro-‐redes que incorporan generación mediante energías renovables. • Resultados de una primera solución al problema sobre una micro-‐red de laboratorio • Se presenta un nuevo marco de modelado de micro-‐redes basado en el concepto de “concentradores de energía” o energy hubs, integrado con técnicas de Control Predic6vo Distribuido,
2
Índice
3
1. Introducción 2. Diseño y puesta en marcha de
una micro-red de laboratorio 3. Control heurístico 4. Modelado mediante energy hubs 5. MPC distribuido 6. Ejemplo de aplicación 7. Trabajos en curso y conclusiones
1. Introducción:
4
• Conseguir una generación eficiente y segura de energía así como un consumo opOmizado es un obje6vo crucial en los países desarrollados • La distribución de la energía está sufriendo múlOples cambios, debidos al impacto de la generación renovable en la red y nuevos perfiles de consumo, como los vehículos eléctricos. • La generación y el consumo son más distribuidos, surgiendo lo que se ha dado en llamar redes inteligentes o smart grids. • Con la integración de algoritmos avanzados de control se permiOrá la op6mización del sistema energé6co por medio de la integración de generación, almacenamiento y consumo distribuidos, absorbiendo una mayor canOdad de aporte renovable mientras se manOenen o incluso se mejoran los estándares de calidad.
1. Introducción:
5
ObjeOvos del proyecto coordinado: • Desarrollo de metodologías para la obtención de modelos de micro-‐redes que contengan fuentes de energías renovables, con fuentes y cargas de naturaleza heterogénea. • Desarrollo de estrategias basadas en MPC para estos sistemas, incluyendo formulaciones de MPC cooperaOvo para la gesOón económica ópOma. • Implementación y validación de las estrategias en plantas experimentales seleccionadas.
Objetivo:
6
Formulación de un marco unificado de modelado, optimización y análisis de redes de energía con fuentes heterogéneas y almacenamiento
Marco integrado
Lag-MPC
Comm-
MPC
Cent-MPC
Dcent-MPC
FC-MPC
Micro-redes:
7
• Consideración de la generación y las cargas asociadas como un subsistema o micro-‐red. (Lasseter, 2002). • Cuando suceden perturbaciones, se puede separar del sistema de distribución general para aislar las cargas de la micro-‐red de las perturbaciones o faltas que se produzcan (manteniendo el servicio). • Originalmente para redes eléctricas. Extensión para energías heterogéneas: electricidad, calor, frío, combusOble y considerar almacenamiento (eléctrico, térmico, hidrógeno, etc.) • La micro-‐red puede operar por tanto conectada a la red de distribución principal, o en modo aislado, y también puede estar conectada a otras micro-‐redes, dando lugar a un sistema más complejo.
Índice
8
1. Introducción 2. Diseño y puesta en marcha de
una micro-red de laboratorio 3. Control heurístico 4. Modelado mediante energy hubs 5. MPC distribuido 6. Ejemplo de aplicación 7. Trabajos en curso y conclusiones
2. Micro-red con almacenamiento
• Banco de pruebas de micro-redes con generación renovable y almacenamiento en H2 • Electrolizador, depósito de hidruros y pila de combustible. Baterías.
9
Micro-red • Emulación de perfiles de generación renovable (FV, eólica) • Perfiles de cargas: vehículos eléctricos, hogar, etc.
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240
500
1000
1500
2000
2500
3000
3500
time (h)
Pow
er (W
)
Household power demandWind turbine power
• Está en funcionamiento. • Modelos dinámicos detallados de cada componente, validados con datos reales. • Diversos sistemas auxiliares: sistema térmico de los hidruros, sistema de H2, baterías, etc. • Convertidores electrónicos
Sistema de Control Se dispone de un PLC Schneider M340, un SCADA y comunicaciones CANbus
11
Índice
12
1. Introducción 2. Diseño y puesta en marcha de
una micro-red de laboratorio 3. Control heurístico 4. Modelado mediante energy hubs 5. MPC distribuido 6. Ejemplo de aplicación 7. Trabajos en curso y conclusiones
Control heurístico " Primera aproximación al problema. Solución centralizada. " Punto de partida para la evaluación de estrategias más avanzadas. " Refleja el estado del arte(Agbossou et al, 2004), (Ullenberg, 2007), (Ipsakis et al, 2008) " Control por banda de histéresis: se gestiona el exceso o defecto de energía de las fuentes renovables, almacenándola (en forma de H2 o en las baterías) o extrayéndola de los almacenamientos " Gestión está basada en el estado de carga de la batería (State Of Charge, SOC)
13
Resultados experimentales " Tanto la pila como el electrolizador trabajan a potencia constante (evita cambios de régimen). Vida útil de los equipos. " Generador FV. Día soleado y día nublado
14
El Control Heurístico resuelve el problema de la operación de la red, pero no emplea ningún criterio óptimo de diseño. Es centralizado, lo que puede ser un problema para redes grandes o geográficamente distribuidas Se puede mejorar la gestión mediante un controlador que minimice una función de coste, normalmente de tipo económico.
Índice
15
1. Introducción 2. Diseño y puesta en marcha de
una micro-red de laboratorio 3. Control heurístico 4. Modelado mediante energy
hubs 5. MPC distribuido 6. Ejemplo de aplicación 7. Trabajos en curso y conclusiones
4. Modelado mediante energy hubs " Formulación de un marco genérico para redes heterogéneas con almacenamiento " Permite integrar en un mismo bloque distintos tipos de energía (eléctrica y térmica) así como almacenamiento en diversas formas (eléctrico o hidrógeno). " Los concentradores de energía (Geidl et al., 2007) (Del Real et al., 2009), se pueden definir como interfaces entre generadores de energía, consumidores y la infraestructura de transporte, dando lugar a un marco integrado para modelado y control de sistemas que incluyen diversos vectores energéticos. " Extensión de la idea original de (Geidl et al., 2007) para redes eléctricas sin almacenamiento. " Permite modelar diversos sistemas: PHEV
16
Conversión entre diversas fuentes
17
Almacenamiento
" Matriz de conversión
" Matriz de almacenamiento
18
Formulación de conversión y almacenamiento Vbles de entrada
Vbles de almacenamiento
Vbles de salida
Vbles de estado
Términos no lineales relacionados con el almacenamiento
" Descripción en espacio de estados
Con los siguientes elementos:
19
Representación en espacio de estados de cada subred
20
Interconexionado de hubs mediante variables de interconexión
" Sistema de hubs interconectados
" Forma MDL
" Matriz de interconexión
" Restricciones de interconexión
21
Descripción de un hub genérico “i”
" Cada hub está definido por el subset de matrices
Descripción completa de la red mediante el set de matrices
Descripción completa mediante matrices genéricas de redes potencialmente muy complejas
Índice
22
1. Introducción 2. Diseño y puesta en marcha de
una micro-red de laboratorio 3. Control heurístico 4. Modelado mediante energy hubs 5. MPC distribuido 6. Ejemplo de aplicación 7. Trabajos en curso y conclusiones
Control distribuido
Objetivo: Distribuir el esfuerzo de control entre agentes
23
En el caso de las micro-redes, hay otros factores que aconsejan el uso de una solución distribuida, como puede ser el hecho de que los generadores puedan tener distinto propietario o que los intereses sean distintos (por ejemplo, producción local de energía térmica). También permite usar hardware de control más sencillo.
Estructuras de MPC distribuido
" Cent-MPC: Predictivo centralizado. Un único agente lo controla todo (caso base) " Dcent-MPC: Predictivo descentralizado. Sin interacción con los vecinos " Comm-MPC: Predictivo basado en comunicación: Cada agente tiene en cuenta las interacciones con sus vecinos en su modelo dinámico " FC-MPC: Predictivo basado en cooperación. Cada agente tiene en cuenta las interacciones con sus vecinos en la función objetivo, con acceso a la función de coste global " Lag-MPC: Predictivo basado en multiplicadores de Lagrange. Cada agente tiene en cuenta las interacciones con sus vecinos en la función objetivo, mediante el uso de multiplicadores de Lagrange
24
" Completa revisión en (Negenborn, 2007). Aplicar las ideas básicas de MPC pero de forma distribuida. Existen diversas estrategias:
" Problema de control de cada agente individual:
" Función objetivo de cada subred
" Sujeta a
Variables de interconexionado
Estructuras de control distribuido: Comparativa cualitativa
25
" Lag-MPC: Predictivo basado en multiplicadores de Lagrange " Cada agente tiene en cuenta las interacciones con sus vecinos en la función objetivo, mediante el uso de multiplicadores de Lagrange:
26
Estructuras de control distribuido: Lag-MPC
" Cada agente, en cada tiempo de simulación, realiza un proceso iterativo de comunicación, actualiza los multiplicadores y evalúa las condiciones de parada
27
Conceptualización del proceso de negociación
28
" Conceptualización del proceso de negociación
“qué querría hacer” “qué querría que hicieran mis vecinos”
29
" Conceptualización del proceso de negociación
“qué querrían hacer mis vecinos” “qué querrían mis vecinos que hiciera”
30
" Conceptualización del proceso de negociación
Proceso de optimización local
Modelo completo de la red no necesario
31
L-DMPC. Integración con los energy hubs
• Sólo es necesario el conocimiento de las interconexiones con los nodos vecinos • Posibilidad de plug & play • Implementación en hardware de bajo coste (motes) • El desconocimiento del modelo completo es muy usual en grandes redes
Índice
32
1. Introducción 2. Diseño y puesta en marcha de
una micro-red de laboratorio 3. Control heurístico 4. Modelado mediante energy hubs 5. MPC distribuido 6. Ejemplo de aplicación 7. Trabajos en curso y conclusiones
33
6. Aplicación a una red (simulación)
" Red dividida en tres áreas " Modelado como sistema de hubs
Cada agente recibe las ofertas de los generadores y la demanda de consumo. Minimiza el coste de satisfacer el consumo de su área
" Caso de estudio " Matrices que definen el hub #1
" Función de coste del hub #1
34
" Caso de estudio " Matrices que definen el hub #2
" Función de coste del hub #2
35
Aplicación a una red
" Caso de estudio
" Matrices que definen el hub #3
" Función de coste del hub #3
36
Las conidiciones de operación se incluyen como restricciones. Capacidades máximas (variable en el caso de las renovables)y mínimas (nuclear) y velocidad de aporte de energía.
" Disponibilidad de las fuentes renovables
Termosolar Eólica #1
Eólica #2 37
Aplicación a una red
38
Mix de energía resultante
Depende de los costes de generación. En este ejemplo: 2.8 um.(nuclear), 3.1 um (témica), 3 um la red externa #1 y 2 um la #2.
" Análisis de la producción solar con/sin almacenamiento de sales fundidas
39
Influencia del almacenamiento térmico
" Análisis del coste de generación con/sin almacenamiento de energía
7. Conclusiones y trabajos en curso
" Estudio problema de control de redes energéticas en las que existe generación distribuida y almacenamiento
" Formulación de un marco general de modelado (energy hubs) y resolución mediante MPC distribuido (Lagrange).
" Puesta en marcha de una micro-red de laboratorio y primera experiencia de control
" Ensayo de la estrategia propuesta en la micro-red. Entorno real: incertidumbres, ruidos, comunicaciones, etc.
40
" Estudio de convergencia y robustez de la solución
" Integración de técnicas de RTO y DMPC
" Modelado y control de otros sistemas de referencia. PHEV
Agradecimientos: " Ministerio de Ciencia e Innovación con el proyecto coordinado DPI2010-21589-C05. " Investigadores del proyecto POWER:
" Teodoro Álamo " Ignacio Alvarado " Alicia Arce " Fernando Dorado " Juanma Escaño " Daniel Limón " Pepe Maestre " David Muñoz de la Peña " Amparo Núñez " Miguel Ángel Ridao " Daniel Rodríguez " Asun Zafra
" Especialmente a Alejandro Del Real y Luis Valverde
41
Técnicas de Control Predictivo para la gestión eficiente de micro-redes de energías
renovables Carlos Bordons
Escuela Técnica Superior de Ingeniería
42
X Simposio CEA de Ingeniería de Control Barcelona, marzo 2012
" Caso de estudio " Resultados de la simulación
Errores cometidos Número de iteraciones cada muestreo
Número de iteraciones acumulado 43
Aplicación a una red
top related