Modelado y simulación de los actores de una microrred

  1. Zúñiga Meneses, Kelin Victoria
Dirigida por:
  1. Rosa María Aguilar Chinea Directora
  2. Iván Castilla Rodríguez Director

Universidad de defensa: Universidad de La Laguna

Fecha de defensa: 12 de septiembre de 2017

Tribunal:
  1. Emilio Jiménez Macías Presidente/a
  2. Jesús Miguel Torres Jorge Secretario
  3. Egils Ginters Vocal
Departamento:
  1. Ingeniería Informática y de Sistemas

Tipo: Tesis

Teseo: 500221 DIALNET lock_openRIULL editor

Resumen

La energía eléctrica es un recurso que forma parte de nuestro día a día. Sin embargo, el sistema eléctrico debe cambiar para adaptarse a las nuevas necesidades de la sociedad, que implican una demanda creciente de energía y la necesidad de disminuir la emisión de gases de efecto invernadero, provocadas por el consumo de combustibles fósiles asociados a la generación de energía, entre otros factores. Uno de los elementos clave de los nuevos sistemas eléctricos son las Microrredes, consistentes en sistemas que gestionan una determinada demanda, que cuentan con generación distribuida y bancos de almacenamiento, y ubicados en un área geográfica limitada de pequeña extensión. La incorporación de las microrredes en nuestro sistema eléctrico depende de la capacidad que tengamos para predecir su comportamiento y asegurar su funcionamiento. Por este motivo, en este trabajo se desarrolla un marco para el modelado de una microrred, teniendo en cuenta los diferentes actores que la componen y prestando atención a los detalles que diferencian a cada actor, para construir un modelo adecuado en cada caso. Para el modelado de la demanda y la generación distribuida (principales componentes de la microrred), se han empleado técnicas de Inteligencia Artificial. Concretamente, para el modelo de la demanda del sector residencial se ha usado la Lógica Difusa, vinculando las características del comportamiento humano y evitando el uso de grandes grupos de datos obtenidos a partir de estudios y encuestas. Por otra parte, para la predicción de la generación de energía eólica, una de las fuentes renovables más extendidas a nivel mundial, se han empleado las Redes Neuronales Artificiales, obteniendo como resultado una reducción en el error cometido frente al uso de un ajuste polinomial. Por último, se ha implementado un Sistema de Gestión de una Microrred, que vincula los modelos construidos para cada actor y permite simular el comportamiento de la microrred, obteniendo como resultado un informe con los datos de cómo se comportará la microrred durante las próximas horas, permitiendo evaluar este comportamiento con el fin de gestionar los recursos para aumentar el tiempo de funcionamiento de la misma en modo autónomo (es decir, desconectada de la red principal).