Un funcionamiento flexible y dimensionamiento de un sistema de almacenamiento de energía de baterías basado en el algoritmo de optimización de mariposa
Autores: Alawode, Basit Olakunle; Salman, Umar Taiwo; Khalid, Muhammad
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Un funcionamiento flexible y dimensionamiento de un sistema de almacenamiento de energía de baterías basado en el algoritmo de optimización de mariposa
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Demanda de energía
Fuentes de energía renovable
Energía eólica
Sistema de microrred
Sistemas de almacenamiento de energía
Optimización de mariposa
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
Existe un aumento en la demanda total de energía del mundo debido al aumento de la población mundial y a la creciente dependencia de la tecnología por parte de los humanos. Las fuentes de energía convencionales no renovables siguen contribuyendo en mayor medida a la producción total de energía. Debido a sus emisiones de gases de efecto invernadero y la contaminación ambiental, se busca la sustitución de estas fuentes por fuentes de energía renovable (FER). Sin embargo, las FER, como la energía eólica, son inciertas, intermitentes e impredecibles. Por lo tanto, es necesario optimizar su uso cuando estén disponibles. Esto se puede llevar a cabo a través de una operación flexible de un sistema de microred con la red eléctrica para reducir gradualmente la contribución de las fuentes convencionales en el sistema eléctrico mediante sistemas de almacenamiento de energía (SAE). Para integrar las FER de manera rentable, los SAE deben dimensionarse y operarse de manera óptima dentro de sus limitaciones seguras. Por lo tanto, este estudio presenta un método flexible para el dimensionamiento y la operación óptima de SAE de batería en un sistema de microred penetrado por la energía eólica utilizando el algoritmo de optimización de mariposa (BO, por sus siglas en inglés). El algoritmo BO se utilizó por su implementación simple y rápida y por su capacidad para obtener parámetros de optimización global. En la formulación del problema de optimización, el estudio considera la profundidad de descarga y el ciclo de vida del SAE de batería. Se estudiaron, analizaron y compararon los resultados de simulación para tres escenarios diferentes. El escenario conectado optimizado del SAE de batería resultante ofreció la estrategia más rentable entre todos los escenarios considerados.
Descripción
Existe un aumento en la demanda total de energía del mundo debido al aumento de la población mundial y a la creciente dependencia de la tecnología por parte de los humanos. Las fuentes de energía convencionales no renovables siguen contribuyendo en mayor medida a la producción total de energía. Debido a sus emisiones de gases de efecto invernadero y la contaminación ambiental, se busca la sustitución de estas fuentes por fuentes de energía renovable (FER). Sin embargo, las FER, como la energía eólica, son inciertas, intermitentes e impredecibles. Por lo tanto, es necesario optimizar su uso cuando estén disponibles. Esto se puede llevar a cabo a través de una operación flexible de un sistema de microred con la red eléctrica para reducir gradualmente la contribución de las fuentes convencionales en el sistema eléctrico mediante sistemas de almacenamiento de energía (SAE). Para integrar las FER de manera rentable, los SAE deben dimensionarse y operarse de manera óptima dentro de sus limitaciones seguras. Por lo tanto, este estudio presenta un método flexible para el dimensionamiento y la operación óptima de SAE de batería en un sistema de microred penetrado por la energía eólica utilizando el algoritmo de optimización de mariposa (BO, por sus siglas en inglés). El algoritmo BO se utilizó por su implementación simple y rápida y por su capacidad para obtener parámetros de optimización global. En la formulación del problema de optimización, el estudio considera la profundidad de descarga y el ciclo de vida del SAE de batería. Se estudiaron, analizaron y compararon los resultados de simulación para tres escenarios diferentes. El escenario conectado optimizado del SAE de batería resultante ofreció la estrategia más rentable entre todos los escenarios considerados.