Maximización de la capacidad en redes de distribución

Transcripción

1 Maximización de la capacidad en redes de distribución Ignacio Benítez FutuRed (Plataforma española de redes eléctricas) 16/09/2010

2 CONTENIDO Introducción Objetivos Descripción de la propuesta Conclusiones

3 Introducción Necesidad de aprovechar al máximo la infraestructura disponible y la capacidad de las líneas de forma dinámica. Previsión de aumento de la generación distribuida en próximos años. Aumento de la demanda energética. Pocos desarrollos actuales en almacenamiento energético. Necesidad de optimizar el balance energético entre carga y generación en un entorno distribuido. Mantener aspectos de seguridad, protección y calidad de suministro.

4 Objetivos Maximizar la capacidad de líneas de distribución, mediante: Optimización de flujos de potencia. Aprovechar al máximo la capacidad de las líneas de forma dinámica. La optimización de flujos de potencia implica: Combinación y gestión de generación distribuida, demanda y almacenamiento energético. Soluciones de reconfiguración de red. Sistemas de diagnóstico, evaluación y apoyo a toma de decisiones. El aprovechamiento de la capacidad de las líneas implica: Monitorización y estimación en tiempo real de la capacidad de las líneas.

5 Objetivos Áreas: Maximización de la capacidad en redes de distribución Estimación dinámica de capacidad en líneas: Aprovechar al máximo capacidad de los materiales. Monitorización y estimación de la capacidad en tiempo real. Optimización de flujos energéticos: Distribución espacial de cargas y generadores. Gestión de demanda y generación distribuida. Posibilidades del almacenamiento energético y V2G. Reconfiguración de líneas.

6 Objetivos Técnicas: Análisis de datos y modelado de sistemas: Data mining Optimización multiobjetivo Diagnóstico y toma de decisiones Inteligencia artificial y machine learning Sistemas multiagente Tecnologías de la Información y Comunicación (TIC) Centralización de datos Visualización e interpretación Simulación y análisis de redes: Diseño de distintos escenarios Simulación de casos, eventos, faltas Monitorización en tiempo real: Sensorización y adquisición de datos Arquitecturas de comunicación Procesos distribuidos

7 Estimación de la capacidad en líneas de distribución Objetivos: Determinar los factores que influyen en la capacidad, y recopilar las técnicas de predicción de capacidad publicadas en la literatura. Determinar qué variables se deben monitorizar y una ubicación óptima de los sensores a lo largo de la red de distribución. Desarrollo e implementación de un sistema piloto de medida y análisis de datos en tiempo real. Ensayos de laboratorio en cables y materiales de MT Estimación en tiempo real mediante medidas basadas en las condiciones ambientales y en las propiedades de los materiales. Obtención de modelos y mantenimiento predictivo. Aplicación de técnicas de análisis y visualización de datos: clasificación, predicción

8 Optimización de flujos energéticos Aprovechar al máximo la capacidad de la infraestructura existente. Actuaciones posibles: Optimización de la distribución espacial de generadores. Gestión de la demanda. Gestión de la generación distribuida. Almacenamiento energético y V2G. Opciones de reconfiguración de red.

9 Distribución espacial de cargas y generadores Objetivo: Balance de cargas mediante la localización óptima de generación distribuida de distinta naturaleza, teniendo en cuenta aspectos de seguridad y protección. Tener en cuenta las restricciones y equilibrado de tensión en las líneas. Técnicas a aplicar: algoritmos de optimización multiobjetivo.

10 Gestión de la demanda Gestión de la demanda: conjunto de prácticas y técnicas encaminadas a racionalizar el consumo de la energía eléctrica con el fin de limitar en la medida de lo posible la necesidad creciente de recursos de generación y de red. Objetivos: Desplazamiento o laminación del consumo de energía eléctrica en horas punta. Adecuación del consumo a horas valle u horas donde la generación es mayor. Aspectos a considerar: Herramientas de gestión de la demanda. Tecnologías de comunicación en equipos o cargas gestionables. Respuesta por parte de los usuarios.

11 Gestión de la generación distribuida Previsión de integración masiva de generación distribuida de distinta tipología: Fotovoltaica Minieólica CHP Fuentes controlables y no controlables. Necesidad de monitorización y gestión. Aspectos de seguridad y calidad del suministro: Anti-islanding. Regulación de tensión y frecuencia. Respuesta ante faltas. Distintas arquitecturas y metodologías: Smart Grids Virtual Power Plants Modelo de microgrid del CERTS

12 L ,82 % 0,03 ka ST-5-11,604-6,290 87,813 0,386-9,009-4,658 68,989 0,304-0,811-0,543 6,647 0, ,270 4,001 1,734 28,942 0,127 7,257 3,832 54,102 0,237 L ,81 % 0,39 ka Line(4) 47,86 % 0,14 ka L ,25 % 0,13 ka 8,910 5,012 0,295 L-UW3(1) 3,000 1,000 0,095 General Load(3) Line(3) 16,32 % 0,05 ka L-SW14 2,430 1,089 0,078-2,430-1,089 48,929 0,078 2,453 1,050 48,929 0,078 51,848-23,687 73,035 1,646 3,000 1,000 0,096 General Load(2) 0 8,910 5,012 0,295 L-UW3 L ,13 % 0,07 ka Line(1) 46,83 % 0,14 ka L-SW13 8,100 5,397 0,285-8,100-5,397 64,765 0,285 8,197 5,332 64,765 0,282 3,000 1,000 0,093 Trf-1 T-110/20-.. General Load 4,878 3,580 40,032 0,175 Line 76,88 % 0,23 ka 4,860 3,645 0,176 L3 Parque Fotovoltaico 2 9,281 2,760 50,421 0,281-9,238-2,843 50,421 0,282-0,151 0,787 0,004 Gestión de la generación distribuida Casos de estudio: Estrategias de control. Simulación de distintos niveles de implantación de GD. Modelos de optimización y control descentralizado (sistemas multiagente). L ,16 % 0,36 ka L1 L2 2,430 1,624 1,245 0,920 0,079 L ,42 % 0,28 ka 0,055 L-2-3 0,79 % 0,00 ka 11,758 3,978 64,157 0,358 7,614 2,073 76,882 0, ,787 ST-4_1 ST-4_2 11,55 kv 20,00 kv -17,31 deg 1,00 p.u. - S1 1,744-1,733 16,132 0,071 69,208-28,375 95,836 2, ,000 0, ,290 4,101 0,241 P 9 MW Q -25,029 Mvar loading 93,415 % I 2,697 ka -4,860-3,645 40,032 0,176 L ,03 % 0,18 ka Ersatz-C L-UW1 Parque Fotovoltaico 3 L-SW13-UW3 64,77 % 0,28 ka P 9 MW Q -0,920 Mvar loading 90,005 % I 2,598 ka Line(2) 15,53 % 0,05 ka 3,000 1,000 0,095 L-SW6 ST-6 11,55 kv 20,00 kv -17,56 deg 1,00 p.u. 1 2,051 0,295-1,737 1,527 16,132 0,067 11,737 6,306 87,813 0,385 P 2 MW Q 9,884 Mvar loading 22,309.. I 0,644 ka General Load(1) L ,93 % 0,08 ka 1,534 0,749 0,050-3,988-1,798 54,246 0,127 2-Winding.. T-110/20-.. L-SW1 Parque Fotovoltaico 1 4,553 1,444 47,861 0,143 L-1-3 0,27 % 0,00 ka 3,994 1,790 54,246 0,127 L ,10 % 0,24 ka 2,430 1,700 0,087 L ,99 % 0,30 ka 3,645 2,789 0,137 L-1-4 6,65 % 0,03 ka 0,811 0,583 18,818 0,030 L ,94 % 0,13 ka 3,222 2,147 0,112 11,55 kv 20,00 kv -18,34 deg 1,00 p.u. L-SW2 L-SW4-0,810-0,593 18,818 0,030 L-SW5 0,810 0,593 0,030 L-SW7 Flujo de cargas en Red de MT con generación fotovoltaica. Fuente: DigSilent

13 Almacenamiento energético Baterías y otras tecnologías de almacenamiento. Gestión combinada con la demanda y la generación distribuida. Modelos y simulaciones. Evitar sobrecarga en líneas. 600 kw Li-ion battery, lasts about 15 minutes. Project Aura-NMS (

14 Integración del vehículo eléctrico en la red Efecto de la recarga en la demanda y gestión de la red. Concepto V2G: vehículo como elemento energéticamente gestionable. Estudio de infraestructura necesaria y arquitecturas de control y comunicaciones. California Independent System Operator (ISO) System Load Profiles in Various Plug-in Hybrid Electric Vehicle (PHEV) Deployment Scenarios Fuente:

15 Reconfiguración de la topología de red Predicción de demanda y sobrecarga de líneas en tiempo real (capacidad en líneas, condiciones ambientales, monitorización distribuida de potencias, etc). Generación de configuraciones óptimas mediante técnicas de optimización multiobjetivo (algoritmos evolutivos) o sistemas de diagnóstico y apoyo a la toma de decisiones (sistemas expertos). Actuación en modo normal de operación y ante faltas y cortes en líneas. DER MV rural distribution benchmark network. Fuente: CIGRE Task Force C : Developing Benchmark Models for Integrating Distributed Energy Resources. CIGRE-SC6 2005

16 Conclusiones Proyecto que abarca distintas áreas con un objetivo final: maximizar la capacidad con la infraestructura disponible. Aplicación de técnicas de análisis de datos e inteligencia artificial. Desarrollo de herramientas TIC. Diseño de arquitecturas de monitorización y control. Diseño de herramientas que faciliten la toma de decisiones.

17 Muchas gracias por su atención. Ignacio Benítez