Gestión predictiva de microrredes para el despacho de potencias activa y reactiva con una aproximación convexa

Autores/as

DOI:

https://doi.org/10.26507/paper.3297

Palabras clave:

Control predictivo por modelo, Despacho de potencia activa, Despacho de potencia reactiva, Microrred

Resumen

El despacho de potencia en microrredes implica la consideración de problemas de optimización que permiten establecer los puntos de operación de los diferentes generadores distribuidos y de las unidades de almacenamiento. Formular y solucionar estos problemas son retos que deben abordarse en los sistemas de potencia emergentes para garantizar que las microrredes operen de manera eficiente, a un bajo costo e incrementen la seguridad y la confiabilidad. Adicionalmente, el comportamiento estocástico de los generadores renovables y de las dinámicas de consumo de los usuarios, demandan la incorporación de técnicas de control que permitan afrontar la incertidumbre desde la gestión energética de las microrredes. En este sentido, este trabajo de investigación propone un enfoque basado en control predictivo por modelo (MPC) para el despacho óptimo de potencia activa y reactiva en microrredes aisladas con alta penetración de generación renovable. Para ello, se formulan dos problemas de optimización convexos, uno para el despacho económico de potencia activa y otro para la minimización de pérdidas mediante el despacho de potencia reactiva. Las ecuaciones de flujo de potencia se simplifican utilizando una aproximación desarrollada recientemente basada en el cálculo de Wirtinger y se incorporan dentro de las restricciones, por lo que, los puntos óptimos de operación se establecen considerando las restricciones físicas y técnicas de la microrred. El algoritmo propuesto optimiza los costos por generación, programa la carga-descarga de las unidades de almacenamiento, garantiza el balance generación-demanda, realiza control de tensión y reduce las pérdidas en potencia activa. La validación se realiza en un esquema de co-simulación entre sobre una versión modificada de la red 13 IEEE de 13 nodos.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Barco-Jiménez, J., Obando, G., Chamorro, H. R., Pantoja, A., Bravo, E. C. and Aguado, J. A. (2023). In-Line Distributed Dispatch of Active and Reactive Power Based on ADMM and Consensus Considering Battery Degradation in Microgrids. IEEE Access, Vol. 11, pp. 31479-31495. https://doi.org/10.1109/ACCESS.2023.3248958

Bordons, C., Garcia-Torres, F. and Ridao, M. A. (2020). Model predictive control of micro-grids (Vol. 358). Berlin/Heidelberg, Germany: Springer. https://doi.org/10.1007/978-3-030-24570-2

Du, Y., Pei, W., Chen, N., Ge, X. and Xiao, H. (2017). Real-time microgrid economic dispa-tch based on model predictive control strategy. Journal of modern power systems and clean energy, Vol. 5, No. 5, pp. 787-796. https://doi.org/10.1007/s40565-017-0265-4

Erazo-Caicedo, D., Mojica-Nava, E. and Revelo-Fuelagan, J. (2022). Model predictive control for optimal power flow in grid-connected unbalanced microgrids. Electric Power Systems Re-search, Vol. 209, pp. 108000. https://doi.org/10.1016/j.epsr.2022.108000

Garcia-Torres, F. and Bordons, C. (2015). Optimal economical schedule of hydrogen-based microgrids with hybrid storage using model predictive control. IEEE Transactions on Industrial Electronics, Vol. 62, No. 8, pp. 5195-5207. https://doi.org/10.1109/TIE.2015.2412524

Kalakova, A., Nunna, H. K., Jamwal, P. K. and Doolla, S. (2021). A novel genetic algorithm based dynamic economic dispatch with short-term load forecasting. IEEE Transactions on In-dustry Applications, Vol. 57, No. 3, pp. 2972-2982. https://doi.org/10.1109/TIA.2021.3065895

Ramírez, D. A., Garcés, A., and Mora-Flórez, J. J. (2021). A Convex Approximation for the Tertiary Control of Unbalanced Microgrids. Electric Power Systems Research, Vol. 199, pp. 107423. https://doi.org/10.1016/j.epsr.2021.107423

Schneider, K. P., Mather, B. A., Pal, B. C., Ten, C. W., Shirek, G. J., Zhu, H. and Kersting, W. (2017). Analytic considerations and design basis for the IEEE distribution test feeders. IEEE Transactions on power systems, Vol. 33, No. 3, pp. 3181-3188. https://doi.org/10.1109/TPWRS.2017.2760011

Ye, L., Zhang, C., Tang, Y., Zhong, W., Zhao, Y., Lu, P. and Li, Z. (2019). Hierarchical mo-del predictive control strategy based on dynamic active power dispatch for wind power cluster integration. IEEE Transactions on power systems, Vol. 34, No. 6, pp. 4617-4629. https://doi.org/10.1109/TPWRS.2019.2914277

Yousif, M., Ai, Q., Gao, Y., Wattoo, W. A., Jiang, Z. and Hao, R. (2019). An optimal dispa-tch strategy for distributed microgrids using PSO. CSEE Journal of Power and Energy Systems, Vol. 6, No. 3, pp. 724-734. https://doi.org/10.17775/CSEEJPES.2018.01070

Zhu, J. (2015). Optimization of power system operation. John Wiley & Sons. https://doi.org/10.1002/9781118887004

Descargas

Publicado

11-09-2023

Cómo citar

[1]
J. G. Ordóñez Ordóñez, J. Revelo, A. Pantoja, y J. Barco, «Gestión predictiva de microrredes para el despacho de potencias activa y reactiva con una aproximación convexa», EIEI ACOFI, sep. 2023.
Estadísticas de artículo
Vistas de resúmenes
Vistas de PDF
Descargas de PDF
Vistas de HTML
Otras vistas
QR Code
Crossref Cited-by logo