Gestión de almacenamiento de energía en núcleos residenciales con vehículo eléctrico

Proyecto Fin de Carrera Ingeniería de Telecomunicación Formato de Publicación de la Escuela Técnica Superior de Ingeniería Autor: F. Javier Payán Somet Tutor: Juan José Murillo Fuentes Dep. Teoría de la Señal y Comunicaciones Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2013 Trabajo Fin de Grado Grado en Ingeniería de Tecnologías Industriales Gestión de Almacenamiento de Energía en Núcleos Residenciales con Vehículo Eléctrico Autor: Patricia Sierra Franco Tutor: Manuel Barragán Villarejo Alejandro Marano Marcolini Dpto. Ingeniería Eléctrica Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2018 Trabajo Fin de Grado Grado en Ingeniería de Tecnologías Industriales Gestión de Almacenamiento de Energía en Núcleos Residenciales con Vehículo Eléctrico Autor: Patricia Sierra Franco Tutor: Manuel Barragán Villarejo Alejandro Marano Marcolini Profesor Ayudante Doctor Profesor Contratado Doctor Dpto. Ingeniería Eléctrica Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2018 Trabajo Fin de Grado: Gestión de Almacenamiento de Energía en Núcleos Residenciales con Vehículo Eléctrico Autor: Patricia Sierra Franco Tutor: Manuel Barragán Villarejo Alejandro Marano Marcolini El tribunal nombrado para juzgar el trabajo arriba indicado, compuesto por los siguientes profesores: Presidente: Vocal/es: Secretario: acuerdan otorgarle la calificación de: El Secretario del Tribunal Fecha: Resumen La finalidad de este trabajo es realizar un estudio de un posible caso futuro de integración del vehículo eléctrico en la red. En este estudio se evalúa la alimentación eléctrica a un aparcamiento perteneciente a un conjunto de 100 viviendas en el cual todas disponen de un vehículo eléctrico. Dicha integración puede suponer un gran problema para la red, ya que supondría un gran incremento en la potencia consumida, y si esto ocurriese a mayor escala podría provocar consumos en las horas pico para los cuales la red no está preparada a día de hoy, no por la generación (que en el caso de nuestro país se encuentra sobredimensionada) sino por la distribución de dicha energía. Lo que se intenta conseguir en este estudio es considerar una carga más inteligente del vehículo, repartiéndola en las horas de menor consumo, y suplir el enorme aumento de consumo que supone la carga rápida de los vehículos eléctricos gracias al uso de baterías. Esto, además de ayudar a aplanar la curva de consumo, sería la forma más económica de realizarlo para el consumidor. La curva de demanda diaria española se caracteriza por grandes variaciones de consumo entre las horas valle y punta, por lo que necesitamos de un sistema eléctrico muy sobredimensionado. Lo más óptimo para el sistema sería una curva de demanda plana, ya que ello permitiría tener una generación prácticamente continua y no disponer de tanta generación en exceso sin usar en las horas de menor consumo (que sería el valle nocturno). Desde el punto de vista del consumidor, este tipo de trabajos de optimización va a ofrecer dos ventajas fundamentales. La primera ventaja es el ahorro económico, permitiendo que el consumidor se beneficie de los bajos precios que existen en la tarifa eléctrica a determinadas horas. La segunda ventaja sería la disminución del término de potencia, que presenta dos facetas. Una de ellas sería el propio ahorro económico que resulta de la propia potencia contratada, y la otra sería que el consumidor podría reutilizar una instalación ya existente, incorporando su vehículo eléctrico, sin la necesidad de realizar una repotenciación de la red. I Abstract Th e purpose of this work is to carry out a study of a possible future case of integration of the electric vehicle in the network. In this study, the electric power supply to a car park belonging to a group of 100 houses in which all have an electric vehicle is evaluated. Such integration can be a big problem for the network, since it would suppose a great increase in the power consumed, and if this happened on a larger scale, it could cause consumption in the peak hours for which the network is not ready today, not because of the generation (which in the case of our country is oversized) but the distribution of that energy. What we are trying to achieve in this study is to consider a more intelligent load of the vehicle, by using timers (if possible), distributing it in the hours of least consumption, and supplying the enormous increase in consumption that involves the fast loading of the electric vehicles thanks to the use of batteries. This, in addition to helping to flatten the consumption curve, would be the most economical way to do it for the consumer. The Spanish daily demand curve is characterized by large variations in consumption between valley and peak hours, which is why we need a very oversized electrical system. The most optimal for the system would be a flat demand curve, since this would allow having a virtually continuous generation and not having so much excess generation unused in the hours of lower consumption (which would be the night valley). From the point of view of the consumer, this type of optimization work is going to offer two fundamental advantages. The first advantage is the economic savings, allowing the consumer to benefit from the low prices that exist in the electricity rate at certain hours. The second advantage would be the decrease in the power term, which has two facets. One of them would be the own economic saving that results from the contracted power itself, and the other would be that the consumer could reuse an existing installation, incorporating his electric vehicle, without the need to make a repowering of the network. III 2Capítulo 1. Introducción y objetivos que el VCI. El desarrollo de las baterías es el gran reto tecnológico del momento y tendrá mucha influencia en la generalización del VE. En la Fig. 1.1 se puede observar una comparativa entre los distintos vehículos mencionados, comparando sus rendimientos y sus emisiones. Figura 1.1 Comparativa de alternativas de descarbonización del transporte de pasajeros particular (unidades/100km)[11]. Desde el punto de vista medio ambiental global Los gases de efecto invernadero (principalmente el CO2) son los causantes del calentamiento del planeta. Es un problema global, ya que perjudica de igual forma una tonelada de CO2 generada en Sevilla que una generada en Estambul. Este tipo de contaminantes no tiene apenas incidencia en la calidad del aire del entorno en que se generan. Los acuerdos internacionales, como el acuerdo de París, intentan generar mecanismos que reduzcan el aporte de gases de efecto invernadero a la atmósfera. El mecanismo de derechos de emisión de CO2 permite que un país venda sus derechos sobrantes a otro país, además permite mecanismos de compensación que reduzcan el CO2 en el aire. La lucha contra la contaminación atmosférica está generando en la Comunidad Europea nueva normativa para dar cumplimiento a los acuerdos internacionales (acuerdo de París). Se prevé que se favorezca, con reducción de impuestos, a los vehículos de bajas emisiones y se penalice, vía impuestos a los carburantes, a los vehículos de motor de explosión. Para cumplir con los objetivos de dicho acuerdo, los gobiernos apuestan por instaurar formas de transporte no contaminante encabezadas por la movilidad eléctrica y por prohibir la venta de vehículos con motor de combustión en un futuro más bien difuso. Francia y Reino Unido plantean aplicar el veto definitivo en 2040, mientras que Holanda y Noruega adelantan su previsión a 2025. En España, únicamente se fijan cifras a nivel local. A partir del 2025, solo podrán acceder al centro de Madrid los coches eléctricos e híbridos. Según datos del MAPAMA el sector del 1.1 Situación actual del vehículo eléctrico 3 transporte genera aproximadamente el 25% de la emisión de CO2 del país. La generalización del uso del VE podría reducir drásticamente esta fuente de emisión, sobre todo si la carga de los vehículos se hace con fuentes renovables. El aumento del porcentaje de generación de renovables es un objetivo claro de las administraciones públicas. Además, el porcentaje de generación térmica que podemos considerar, en cuanto a generación de CO2, similares a los VCI (básicamente el carbón) irá disminuyendo progresivamente a favor de ciclos combinados de gas natural que pueden alcanzar rendimientos > 55%. En la Fig. 1.2 se pueden observar unas estimaciones de los objetivos de reducción de emisiones de gases de efecto invernadero. Figura 1.2 Objetivos de reducción de emisiones GEI en España en 2050 en función de la transposición de los objetivos europeos[11]. Se puede observar la gran cantidad de dichas emisiones que corresponde al sector transporte. Por ello, está demostrado que la generalización del VE será un gran aliado en la problemática de los Gases de Efecto Invernadero, colaborando en la disminución de dichas emisiones. Desde el punto de vista ambiental local El problema de la emisión de Gases de Efecto Invernadero no afecta a la calidad de aire que respiramos actualmente. El problema de la contaminación que sufren muchas ciudades, al día de hoy, son causados por contaminante locales. En todos los estudios medioambientales realizados (ver, por ejemplo, la Estrategia Andaluza de la Calidad del Aire [ 7 ]) se destaca que entre los grandes problemas actuales están la contaminación por partículas, NOx, SO2 y Ozono (contaminante secundario, condicionado por NOx). Quitando al SO2, generado principalmente por sistemas de calefacción e industria, el resto de los contaminantes están asociados al tráfico. Muchas ciudades se verán abocadas a poner limitaciones de acceso a los vehículos de motor de explosión (sobre todo diesel), lo cual redundará en aumentar el atractivo para la compra de VE. No será muy atractiva la inversión en un vehículo, que puede no estar disponible en situaciones de 4Capítulo 1. Introducción y objetivos contaminación locales. Los vehículos hídricos enchufables destacan actualmente como una buena alternativa, ya que permiten recorrido medios en ciudad con el modo eléctrico y gran autonomía con el modo térmico. Pero el tipo de vehículo citado mantiene la complejidad de los VCI, por lo que serán desplazados a medio plazo por VE puros, tan pronto se mejoren significativamente los sistemas de baterías. Los últimos datos de la Agencia Europea del Medio Ambiente revelan que los gases y partículas nocivas están detrás de casi 30.000 muertes prematuras en España. Uno de los principales culpables es el transporte: genera una cuarta parte de la polución atmosférica, unas emisiones que la Comisión Europea quiere reducir en un 40% para el 2030. 1.1.2 Situación actual del parque de vehículos eléctricos Según datos obtenidos de Real Automóvil Club, al coche eléctrico todavía le queda recorrido para convertirse en una alternativa real y alcanzar cifras de ventas más cercanas a las que protagonizan los vehículos tradicionales, es decir, los propulsados por mecánicas diesel o gasolina. Aun así, poco a poco empieza a despegar, y ya en Europa hablamos de unas ventas de 135.369 turismos eléctricos frente a los 90.996 matriculados en 2016, lo que representa un crecimiento del 48.8%, según datos publicados por la Asociación Europea de Fabricantes de Vehículos (ACEM)[12]. España es uno de los países europeos con menor representación de vehículos eléctricos en cuanto a ventas se refiere (0,32% de cuota respecto al mercado de turismos), muy por debajo de la media europea, que está en 1,7%, según datos del Observatorio Europeo de Energías Alternativas. Noruega se posiciona, con diferencia, como el país europeo donde hay más porcentaje de eléctricos sobre el total del mercado. Su cuota de mercado, es del 20,82%. Le sigue Islandia (4,01%), Países Bajos (1,92%), Austria (1,54%), Suecia (1,11%), Portugal (0,81%), Reino Unido (0,54%), Bélgica (0,49%) y Finlandia (0,42%). Centrándose en las matriculaciones de 2017, Noruega vuelve a ocupar el primer puesto de la lista con 33.025 unidades. Por detrás le siguen Alemania, con 25.056 unidades, Francia (24.910), Reino Unido (13.597), Países Bajos (9.897), Austria (5.433), Suiza (4.773), Suecia (4.217) y España (3.920) [12]. En la Fig. 1.3 se puede observar la evolución de la penetración del VE (incluyendo híbridos enchufables) desde que comenzó su comercialización. Se ve que existe un enorme crecimiento de la presencia del mismo. Figura 1.3 Comparativa internacional de penetración del vehículo eléctrico durante los primeros años del despliegue (% anual de ventas)[11]. 1.1 Situación actual del vehículo eléctrico 5 Debido a las políticas restrictivas de contaminación que se están imponiendo tanto para fabricantes como para los propios conductores, más marcas de coches ven la necesidad de electrificar sus gamas con nuevos modelos 100% eléctricos. La oferta de modelos, aunque todavía escasa, empieza a ser más interesante. El Renault Zoe, con una cuota del 22,7%, consigue el primer puesto de los eléctricos más vendidos en Europa. Muy buena aceptación también tiene el Nissan Leaf, con una cuota del 12,9%, seguido del Tesla Model S (11,5%), BMW i3 (10,8%) y del Volkswagen e-Golf (9,6%). El Nissan Leaf es el vehículo eléctrico más vendido en el mundo, habiendo superado ya el número 300000. Debido a lo anterior, se ha seleccionado como vehículo base para este estudio. Uno de los hándicaps que tienen los VE es la autonomía, un tema que preocupa mucho al consumidor. En este sentido, se observa una evolución en el desarrollo de las baterías y así, por ejemplo, el Renault Zoe ya homologa 400km de autonomía, el Nissan Leaf 378km, el BMW i3 y el VW e-Golf 300km mientras que el Tesla Model S supera los 500km. El otro inconveniente para una verdadera explosión de los vehículos eléctricos es la red de cargadores. Europa se está dando cuenta del potencial de estos modelos y quiere ofrecer una infraestructura más acorde con lo que demanda la sociedad. En la actualidad encontramos más de 4.200 cargadores rápidos repartidos por Europa, de los cuales 1.250 se instalaron en 2017. Alemania lidera esta expansión con 955 cargadores en sus carreteras, le sigue Francia con 872, Italia con 476, Irlanda con 443 y Noruega con 384. En España sólo hay 82 cargadores rápidos. La ley de los Presupuestos Generales del Estado que fue publicado a principios de julio de 2018 en el BOE, incluye entre sus partidas 50 millones de euros para el Plan VEA 2018, en concepto de ayudas para la movilidad alternativa. Aunque desde algunos sectores lo consideran una cantidad insuficiente, es de esperar que se mejore en los próximos presupuestos, cuya realización se tiene que iniciar próximamente por el nuevo gobierno. La Comisión Europea está trabajando para que las instituciones nacionales implanten sistemas de cableado en las plazas públicas de aparcamiento con el fin de instalar estaciones de recarga en ellas en los próximos años. En España, el Plan MOVALT 2017[ 10 ] prevé ayudas económicas a los compradores de coches eléctricos o combustibles alternativos a la gasolina o el diesel. Incluso los híbridos tradicionales quedarán fuera de estas ayudas. Las matriculaciones de automóviles movidos por energías alternativas a la gasolina y el diesel se han incrementado en un 51,4% en el tercer trimestre del año en Europa, en comparación al mismo periodo de 2016. Incluso, habría que destacar que España ha sido el país que más ha crecido entre julio, agosto y septiembre en todo el continente, con un 90,7% más de matriculaciones. Evidentemente cuando se parte de una situación de retraso, en relación a los socios de la UE, los crecimientos deben ser más elevados. Actualmente el sistema de almacenamiento de los VE se basa en baterías Ion-litio: (LiCoO2, electrólito líquido). Baterías de reciente creación formada por un electrolito de sal de litio y electrodos de litio, cobalto y oxido. El uso de nuevos materiales como el litio ha permitido conseguir altas energías específicas, alta eficiencia, la eliminación del efecto memoria, ausencia de mantenimiento y facilidad a la hora de reciclar los desechos de Ion-litio. Disponen del doble de densidad energética que las baterías níquel-cadmio con un tamaño del orden de un tercio más pequeñas. Pero también tienen desventajas, el principal es su alto coste de producción, aunque poco a poco este se va reduciendo, son frágiles, pueden explotar por el sobrecalentamiento y deben ser almacenadas con mucho cuidado, tanto por necesitar un ambiente frío como porque debe estar parcialmente cargada. Aun así, las baterías de Ion-litio representan a día de hoy la mejor elección para montar en un VE. Al no ser una tecnología totalmente madura, y encontrarse en continuo desarrollo, los avances las hacen tener un gran margen de mejora. Este acumulador de energía almacena la electricidad mediante elementos electroquímicos, un proceso con pérdidas mínimas que permite un rendimiento próximo al 100%. Las baterías, dispuestas a entregar esta energía en cualquier momento, soportan un número finito de ciclos de carga y descarga completos, llamado ciclo de vida. 6Capítulo 1. Introducción y objetivos La explicación química del funcionamiento de los diferentes tipos de batería para VE es que esta aprovecha la energía que se desprende de reacciones de oxidación-reducción para producir una corriente eléctrica. Esto sería fundamentalmente el proceso de descarga, siendo a la inversa, mediante el uso de una corriente eléctrica para producir un cambio químico, el proceso de carga. Los sistemas de carga utilizados en la UE son de carga directa. No se han implantado sistemas de carga por intercambio de baterías para coches. Estos sistemas pueden tener uso para flotas de autobuses, de un único propietario. Para los coches particulares necesitaría una estandarización de las baterías y seguramente disponer de baterías de alquiler ya que muchos usuarios rechazarían el cambio de una batería nueva por otra de la que desconocen su estado. La reducción de los tiempos de cargas juega a favor de mantener la carga directa de la batería. 1.2 Escenarios futuros del parque de vehículos eléctricos El desarrollo futuro del parque automovilístico de vehículo eléctrico depende de una serie de factores que ayudarán a su despliegue. A continuación, se harán unos pequeños comentarios en relación a los factores principales. •Factor ambiental : en el área económica de la Comunidad Europea están fijadas las estrategias a medio y largo plazo. En el medio plazo incluso están fijados claramente los objetivos numéricos. Recientemente se puede citar, a nivel nacional, legislación como Plan Nacional de Calidad del Aire 2017-2019, de Diciembre de 2017. Incluso a nivel autonómico en Andalucía, se pretende ir más allá de las obligaciones fijadas a niveles de CE o nacional y se está manejado en la futura legislación las recomendaciones de la Organización Mundial de la Salud (OMS, con límites de inmisión mucho más restrictivos). Actualmente se puede ver, el borrador de la Estrategia Andaluza de Calidad del Aire [ 7 ], que está previsto que salga a exposición pública en breve plazo. Difícilmente en nuestro entorno se van a producir cambios en la legislación que permitan un aumento de las emisiones, ya que no serían entendidas por la sociedad. Por lo anterior se puede prever que los cambios en este factor facilitaran la implantación del VE. •Factor económico : los objetivos relacionados con el VE, siempre suponen un desembolso o una reducción de ingresos para las administraciones públicas. La influencia de la situación económica es relevante, como hemos constatado en la última crisis económica. Cuando los recursos púbicos escasean, como primera medida se suelen recortar las partidas presupuestarias consideradas no esenciales. Aunque la implantación del VE y la lucha contra la contaminación se considera importante, siempre se cae en la tentación de pensar que se puede retrasar un poco su aplicación y concentrar recursos en necesidades más inmediatas. Dado que los ciclos económicos se suelen alternar históricamente, podemos considerar que la influencia será neutra, al compensarse los periodos de crisis y los de desarrollo económico. •Factor tecnológico : normalmente los estudios se basan en las tecnologías de fabricación de baterías maduras o con una previsión conocida de desarrollo. No consideran la posibilidad de que aparezcan nuevas tecnologías que aceleren la implantación del VE. No se pueden hacer previsiones con consideraciones muy optimistas, no soportadas por datos contrastados, pero dado el interés científico y económico concentrado en el desarrollo de nuevos sistemas de baterías es de esperar que como mínimo se alcancen los objetivos previstos. Por lo considerado anteriormente, se puede considerar que los plazos que prevén los estudios en relación a la implantación del VE se cumplirán o posiblemente se aceleren. Es por tanto necesario preparase para los retos que plantea el VE a la red de suministro y si es posible, considerar una reserva que permita responder en caso de una aceleración del proceso. Se utilizarán los resultados de un estudio realizado por la consultora Deloitte en el año 2017, al ser un estudio reciente y una 1.2 Escenarios futuros del parque de vehículos eléctricos 7 fuente fiable. El estudio considera diferentes escenarios y valora la implantación del VE entre el 21% al 25% para el año 2030 [ 11 ]. Dicho estudio resulta muy interesante al estudiar diversos parámetros que podrían afectar al parque de VE, como son el nivel de digitalización y el uso del transporte colectivo. En la Fig 1.4 se puede observar qué factores favorecerían la presencia de los parámetros mencionados. Figura 1.4 Incertidumbres críticas para el desarrollo futuro de la movilidad de pasajeros [11]. Dichos parámetros afectarán enormemente el volumen de VE que estarán en circulación, presentándose varios escenarios futuros. En los 4 escenarios presentados se alcanza un valor parecido de presencia del VE para el 2030, que ronda el 23%, como ya se ha comentado previamente. También se dan predicciones para el 2050, en las cuales se puede ver una enorme presencia del VE, más afectado el porcentaje por el nivel de digitalización y de uso del transporte colectivo. Todo esto se presenta en la Fig. 1.5, en la cual se puede observar el parque de VE en función del escenario de movilidad, para 2030 y 2050. Escenarios estudiados en la Fig. 1.5: • Todo cambia para que nada cambie. Este es un escenario en el que se ha incrementado la eficiencia de los motores de combustión interna, los sistemas de control de tráfico son mucho más inteligentes que los actuales y se ha avanzado en las políticas de fomento del transporte público. La naturaleza de la movilidad actual se mantiene, ya que los nuevos modelos de negocio colaborativos y el transporte público no han sido capaces de modificar los hábitos de movilidad, ni la importancia del status, ni la flexibilidad/independencia que aporta el coche particular. • Movilidad basada en modelos de negocio colaborativos. Este es un escenario donde la introducción masiva de la digitalización en el transporte facilita el desarrollo de modelos basados en economía colaborativa, lo que conlleva una mayor utilización de los vehículos 8Capítulo 1. Introducción y objetivos Figura 1.5 Parque de turismos en función del escenario de movilidad en el futuro (millones de vehículos) [11]. y una reducción del parque de vehículos necesario. Aun así, la flexibilidad que aporta la propiedad privada del vehículo sigue siendo relevante en los hábitos de movilidad. • Movilidad autónoma y compartida. Este es un escenario donde se produce un desarrollo tecnológico que permite la plena introducción de los sistemas de conducción autónoma, lo cual facilita la penetración de flotas de vehículos autónomos, que son usados de modo compartido. La utilización de los vehículos se incrementa significativamente, lo que permite reducir el número de coches. • La colectivización “tradicional” del transporte. Este es un escenario donde existe una mayor concentración de la población en las ciudades y se establecen políticas decididas de impulso al transporte público “tradicional” (principalmente, autobús o ferrocarril) como, por ejemplo, el establecimiento de restricciones a la circulación de vehículos particulares en ciudades. Estas políticas se acompañan de elevados recursos en vehículos e infraestructuras de transporte público, lo que consigue hacerlo mucho más atractivo con respecto al privado e individual en términos de tiempo de trayecto, comodidad y precio. Garantizar el cumplimiento de los objetivos de descarbonización requeriría una elevada penetración de vehículos eléctricos e híbridos enchufables: el 10% del parque total en 2025, el 25% en 2030 y más del 90% en 2050. Para conseguir estos niveles de penetración sería necesario un nivel de ventas de vehículos eléctricos e híbridos enchufables del 30-35% en 2025, del 50-60% en 2030 y que no se comercializase prácticamente ningún vehículo con motor de combustión interna a partir del año 2040. Estos niveles de penetración se traducirían en un parque de coches eléctricos de entre 1,6 y 2 millones de vehículos en 2025, de entre 4,4 y 6 millones en 2030 y de entre 7,3 y 21,9 millones en 2050. Estos escenarios implican un número total de vehículos eléctricos diferente en cada uno de ellos. 1.2 Escenarios futuros del parque de vehículos eléctricos 9 En la Fig. 1.6 se puede observar la evolución del parque de VE, según los diferentes escenarios previamente mencionados. Figura 1.6 Evolución del parque de vehículos eléctricos en España (millones de vehículos; entre paréntesis% de ventas de VE sobre el total) [11]. 1.2.1 Sistemas de almacenamiento de energía Como escenarios futuros también cabe destacar la gran cantidad de estudios que se están llevando a cabo actualmente en el desarrollo de nuevas tecnologías de baterías, capaces de dotar a los VE de una mayor autonomía y de una mayor seguridad de funcionamiento. • Batería de Aluminio-aire: consideradas “pilas de combustible” por la necesidad de sustituir los electrodos de metal gastados por unos nuevos. Con una capacidad de almacenamiento de hasta diez veces más que las de tipo Ion-litio y una densidad energética fuera del alcance del resto, este tipo de batería no ha tenido una buena aceptación comercial debido a sus problemas de recarga y de fiabilidad. Se encuentran en fase experimental. • Batería Zinc-Aire: desarrolladas por una compañía suiza, y en fase experimental, pero más avanzada que las de Aluminio-Aire, estas baterías necesitan obtener el oxigeno de la atmosfera para generar una corriente. Tiene un alto potencial energético, fiabilidad y son capaces de almacenar el triple de energía que las de Ion-litio en el mismo volumen y con la mitad del coste. Según algunos expertos, el zinc se posiciona como el combustible eléctrico del futuro. Otra importante evolución de las baterías de litio sería pasar de los iones de litio al litio metal, protegido contra la corrosión. Una nueva tecnología en la que se está trabajando actualmente pero también requiere de mucho trabajo y paciencia antes de poder ser vista en el mercado del VE son las baterías de ión litio en estado sólido, las cuales prometen ser el futuro de la carga rápida. Dichas baterías serán de menor 10 Capítulo 1. Introducción y objetivos tamaño, de mayor capacidad y más baratas que las baterías líquidas actuales, además de inflamables y, en teoría, de mayor vida útil. 1.3 Objetivos del trabajo El objetivo de este trabajo es analizar un escenario de un aparcamiento de 100 vehículos eléctricos. Se analiza desde el punto de vista actual y considerando su rentabilidad actual y en un plazo de 7 años. La generalización del VE no generará grandes problemas al sistema de generación eléctrica, muy sobredimensionado. Sin embargo, conllevará una incidencia importante en la red de distribución, con bastante menos margen para absorber las nuevas necesidades de consumo. En su mayoría el problema se producirá por la elevación de los picos de consumo. Se analiza en el trabajo los medios para desplazar los consumos a periodos en los que causen menos problemas. Se utilizan dos herramientas para el desplazamiento temporal de los consumos, una de ellas es el uso de temporización para la carga de los vehículos lentos, la otra es el uso de un sistema de baterías que pueda absorber energía cuando esta es excedente y devolverla en los momentos más adecuados (pudiendo coincidir con la carga rápida de algunos vehículos). Se persiguen dos objetivos: - El primero es reducir la demanda máxima de la red, lo cual permitiría en algunos casos que la red existente fuera suficiente y no hubiera que acometer ampliaciones para reforzar la red de distribución. - El segundo objetivo es económico y se obtiene la reducción de los costes por los dos términos en se divide la factura eléctrica. Se puede reducir la cuota de potencia, por lo indicado en el párrafo anterior y el coste de la energía, al consumir en horas con un menor coste. Entre los muchos escenarios que podrían estudiarse, se han seleccionado los más representativos para dar una visión global del problema y sus soluciones. Con la metodología utilizada en este trabajo es relativamente fácil considerar algún otro escenario particular que aparezca en un futuro. 18 Capítulo 2. Impacto del vehículo eléctrico en núcleos residenciales En este modelo se ha planteado que la batería debe ser capaz de compensar la carga rápida de 5 VEs. Para mayor realismo habrá una conexión de 2 VEs en el pico de consumo de la mañana y 3 VEs en el pico de consumo de la tarde. Lo comentado se observa en la Fig. 2.9. Figura 2.9 Demanda debida a la carga rápida del VE. De esta representación se pueden observar los picos de consumo que generaría la carga rápida de 5 VEs. En la Fig 2.10, se puede ver un cuadro resumen de los tipos de cargas existentes, centrándose este estudio en la normal y en la rápida. Figura 2.10 Tipología de infraestructura de recarga conductiva en función de la velocidad de recarga[11]. 2.4 Curvas agregadas en un núcleo residencial 19 2.4 Curvas agregadas en un núcleo residencial Para un estudio conjunto de los consumos residenciales se realizó una curva que agregase todas las mencionadas previamente (Fig 2.11). Se considera como hora de comienzo de la carga lenta la 1:00h, y la carga rápida a las 9 y a las 22h. Figura 2.11 Curva agregada de las demandas mencionadas. Es muy importante que se lleve a cabo un control de dichas demandas, dentro de lo posible, ya que una carga de los VE sin ningún control podría suponer un enorme problema para la red. Para una primera idea de cómo afectaría al sistema dicho escenario se usó el perfil diversificado del mismo trabajo mencionado de Nando Ochoa [6], en el que se puede observar la Fig. 2.12: Figura 2.12 Conexión VE sin temporización[6]. 20 Capítulo 2. Impacto del vehículo eléctrico en núcleos residenciales De dicha gráfica se obtuvieron los consumos de EV (en ese caso dichas cargas fueron realizadas sin ningún tipo de control, a libre elección del usuario, como se puede ver por las horas en las cuales hay mayores niveles de carga), y lo agregamos al consumo doméstico ya obtenido. En la Fig. 2.13 se puede ver lo mencionado, para una vivienda y un VE. Figura 2.13 Conexión VE sin temporización. Como se puede observar, la carga del VE realizada de esta forma no sería la opción más acertada, ya que aumenta bastante los problemáticos y ya mencionados picos de consumo. Lo más lógico sería una carga nocturna, más barata, que nos ayudase a aplanar la curva de consumo. Para disponer de una carga nocturna sería necesario el uso de temporizadores, escenario que será estudiado en apartados posteriores. 3 Modelo de Optimización Pa ra el modelo de optimización realizado se ha optado por el uso de GAMS[ 13 ], por su facilidad de uso para el nivel del modelo que se necesitaba diseñar. GAMS fue el primer software en combinar el álgebra matemática con conceptos tradicionales de programación, para lograr una descripción y resolución eficiente de problemas de optimización. Hoy en día, el modelado algebraico se considera la forma más productiva de implementar modelos de optimización y métodos de descomposición para problemas de optimización. El modelo realizado tiene como objetivo minimizar costes, y para ello se han introducido las ecuaciones que definirán el problema, ciertas restricciones al problema y la función objetivo del trabajo. El coste que se tratará de minimizar será el coste diario por potencia y energía, ya que se ha tenido en cuenta en el problema el coste que habría que pagar por término de potencia. Este modelo requerirá de ciertos datos de entrada, algunos definidos en el propio modelo y otros calculados previamente e introducidos mediante tablas. Dichos datos (definidos en cada instante de tiempo) serán: • Precio de la energía: precio del mercado mayorista de un día tipo. En nuestro caso se eligió un día laborable de enero de 2016. •Demanda doméstica. •Demanda carga lenta de los VE. •Demanda carga rápida de los VE. En este caso, como en todos los estudios previos realizados de la demanda, se ha optado por trabajar en intervalos de tiempo de 15 minutos, para mayor precisión en las demandas. Esto se debe a que al existir cargas tan rápidas y puntuales como sería la carga rápida de los VE no sería representativo el estudio en intervalos horarios. El mencionado modelo puede verse en el Anexo A, siendo las ecuaciones que definen el modelo matemático las siguientes (3.1, 3.2, 3.3, 3.4 y 3.5). La ecuación 3.1 será la función objetivo. •Ecuación costes: incluye el coste diario por potencia y por energía. Coste =∑ t precio(t) 1000 pg(t) 4+pgmax 3.4297 30.5(3.1) El término 3.4297 será el TP elegido en este trabajo, por ser un valor medio en el mercado actual. 22 23 •Ecuación balance : se exige que la potencia demandada siempre sea menor a la generada por la red más la potencia que descarga la batería menos la que consume para su propia carga. Esta ecuación logra que siempre esté cubierta la demanda. pdem(t)<=pg(t)+ pd(t)−pc(t)∀t(3.2) •Ecuación potencia demandada : dicha potencia incluirá el consumo doméstico, la carga lenta y la carga rápida de los VE. pdem(t) = pdom(t)+ plento(t)+ prpido(t)∀t(3.3) •Ecuación SOC : representa la evolución del estado de carga de la batería a lo largo del tiempo, y se verá afectada por la carga y la descarga de la batería. soc(t) = soc(t−1)+ pc(t) 4ηc−pd(t) 4ηd∀t(3.4) •Ecuación potencia generada máxima : su función es limitar el consumo máximo de la red. Dicha potencia generada corresponderá a un generador ficticio que representará a la red eléctrica de la compañía distribuidora. pg(t)<=pgmax ∀t(3.5) El modelo tal como está definido en el trabajo es un problema de optimización no lineal (NLP) que se resuelve utilizando un solver adecuado (en este caso se optó por CONOPT, pero GAMS da la opción de utilizar una gran variedad de solvers). Con este modelo se estudiarán diversos escenarios de consumo y se obtendrá la solución óptima para cada uno de ellos. Gracias a la información que proporcionarán las simulaciones se realizarán estudios económicos y de viabilidad del proyecto. 4 Resultados 4.1 Dimensionamiento del sistema de almacenamiento Un a de las decisiones más importantes a la hora de realizar un estudio como este es el dimensionamiento del sistema de almacenamiento, ya que es un elemento que a día de hoy sigue teniendo un coste bastante elevado. Cabe destacar que el precio de las baterías de ión litio ha experimentado una gran disminución en los últimos años, como puede verse en la imagen posterior, por lo que en este trabajo se mostrarán también los ahorros que se alcanzarían en el 2025 como consecuencia de dicha caída de los precios. El tipo de batería que alimenta los VE ha alcanzado en la actualidad el valor más bajo gracias al aumento exponencial que ha sufrido su producción en todo el mundo. Los packs de baterías de ión litio se venden a un precio medio de 180 € el kWh, un 25% menos que hace un año y aproximadamente un quinto del precio que tenía en 2010, según muestra un estudio de Bloomberg New Energy Finance (BNEF)[ 9 ]. Dicho estudio afirma que esa tasa va a tender a caer aún más, alcanzando un precio por debajo de 85 € el kWh para el año 2025. Según la BNEF dicho precio es ampliamente visto como un punto de inflexión en la integración del VE. En la Fig. 4.1 se puede ver la evolución de precios de dichas baterías entre los años 2010 y 2016. Figura 4.1 Disminución de precios de las baterías de ión litio[9]. 25 26 Capítulo 4. Resultados El primer criterio que se tuvo en cuenta para dimensionar la batería fue que fuera capaz de suministrar la carga rápida simultanea de 5 coches. Si la carga rápida dura menos de una hora, 250kWh de energía son suficientes. Para cumplir con ese criterio es necesario utilizar una batería que, como mínimo, tenga de potencia 250kW, ya que cada coche necesitaría de una potencia de 50kW para poder realizar su carga en modo rápido. Por lo tanto, se decide utilizar una batería de E=250kWh y P=250kW. Con dicha batería se consigue cumplir con dicho objetivo y además se consigue ahorro debido al buen uso de la energía que proporciona la batería. Todo esto se ampliará posteriormente, cuando se estudie cada escenario. Para dicho dimensionamiento también se ha estudiado en cada escenario la opción más adecuada para el mismo, ya que, pese a que el comentado es un buen criterio de diseño, hay que tener en cuenta qué tamaño de batería daría mayor ahorro global para cada caso concreto. Dicho ahorro estará formado por el ahorro en energía que se consigue por la descarga de la batería en las horas de mayor precio, y por el ahorro en potencia, ya que al disponer de ese almacenamiento de energía no necesitaremos una potencia contratada tan elevada. En este trabajo tomaremos una batería con rendimientos de carga y de descarga de 0.95, ya que es un rendimiento realista que una batería actual podría alcanzar. 4.2 Escenarios estudiados Como ya se ha comentado previamente en el trabajo, la libre decisión del usuario de cuándo realizar la carga de sus vehículos es una opción que podría ser válida cuando hablamos de pequeños conjuntos de VEs. De los aumentos de consumo que provocarían en los picos de demanda dicha carga libre de 100 VEs, mostrados en los apartados anteriores, se podrían extrapolar los enormes efectos que dicha carga provocaría si se cumpliesen las predicciones futuras de VEs en circulación. Dichos efectos no podrían ser soportados por la red de distribución actual española, ya que superaría el consumo para el cual está diseñada y habría que hacer un rediseño de todo el sistema, lo cual no sería la opción más sencilla. La mejor opción para el sistema sería el uso de temporizadores, con los cuales se pueda decidir la hora de conexión del VE para la carga lenta, en este caso. Esto tendrá la ventaja de que evitará la carga en las horas de mayor consumo, que son además las horas en las cuales la energía presenta un precio más elevado. El uso de temporizadores no sólo presenta las ventajas ya mencionadas, sino que además colabora en la mejora de la curva de demanda ya que podría ayudar a aplanar dicha curva. Una curva de demanda prácticamente plana es lo que se persigue en todo sistema eléctrico, ya que permitiría evitar los poco deseados picos y valles en la demanda que provocan que haya una fluctuación en la generación, ya sea debida a un exceso o una escasez de energía. En este trabajo se va a estudiar, por tanto, el caso con temporizadores y también se comentarán varios escenarios en el caso de que se decidiese prescindir del temporizador. Todas las demandas que aparecerán en las tablas siguientes han sido obtenidas, como ya se mencionó previamente, del estudio realizado de cada tipo de demanda. Con dichas demandas se realizará, en cada escenario, el dimensionamiento más adecuado y los ahorros que se obtendrían por la adquisición de la batería, la cual se ha considerado con una vida útil de 8 años. Se realiza, por tanto, una comparativa de ahorro en el coste de la energía entre el caso sin batería y el caso con batería. Dicho ahorro estará compuesto por el ahorro en energía, ya que la existencia de la batería permitirá que descargue en las horas de mayor precio y cargue en las horas más baratas, beneficiando al consumidor, y el ahorro en término de potencia, siendo este último de gran peso en nuestro estudio. Se obtiene una disminución en la necesidad de potencia contratada ya que la batería podrá suministrar la potencia que, en ausencia de ella, tendría que ser suministrada por la red, por lo que se podrá contratar una potencia menor, dando lugar a un ahorro a largo plazo muy destacable. Como beneficio 4.2 Escenarios estudiados 27 añadido, dicha disminución de la potencia consumida ayudaría a disminuir el problema de capacidad de la red de distribución. En este trabajo de desprecia el deterioro por uso de la batería, factor que habría que tener en cuenta en un estudio realizado más a fondo. A continuación, en la tabla 4.1, se muestra un resumen de los diferentes escenarios estudiados: Tabla 4.1 Tabla resumen escenarios. Denominación Temporización Carga rápida C1 Sí Conexión 5 EVs simultáneamente C2 Sí Conexión 5 EVs simultáneamente C3 Sí Conexión 2 + 3 EVs C4 Sí Conexión 2 + 3 EVs S1 No Conexión 5 EVs simultáneamente S2 No Conexión 2 + 3 EVs Con temporizador Conexión 5 EVs simultáneamente : el pico de demanda se daría a las 22h, y su valor sería de 525kW. •Escenario C1 : En el caso de que se exija que la batería sea capaz de suministrar la energía consumida por la conexión de los 5 coches en la hora de mayor consumo: se usa una batería de 250kWh, por los motivos ya comentados. Se ven, en la tabla 4.2, las demandas presentes y la actuación de la batería elegida, de 250kWh. Los elementos presentes en dicha tabla (y en las posteriores) son los siguientes: - Dom: consumo doméstico calculado previamente. - Lento: consumo de los VE en modo de carga lenta. - Rápido: consumo de los VE en modo de carga rápida. - Total pdem: suma de los consumos anteriores. - Pgen red: potencia generada por la red. - Carga: potencia que requiere de la red la batería para su carga. - Descarga: potencia que devuelve a la red la batería en su descarga. Todos los elementos comentados se expresarán en kW. Tiempo Dom Lento Rápido Total pdem Pgen red Carga Descarga t1 164 0 0 164 309,33 145,33 0 t2 164 0 0 164 309,33 145,33 0 t3 164 0 0 164 309,33 145,33 0 t4 164 0 0 164 309,33 145,33 0 t5 111 288,62 0 399,62 309,33 0 90,29 t6 111 288,62 0 399,62 309,33 0 90,29 t7 111 288,62 0 399,62 309,33 0 90,29 t8 111 273,2 0 384,2 309,33 0 74,87 t9 79 273,2 0 352,2 309,33 0 42,87 t10 79 273,2 0 352,2 309,33 0 42,87 t11 79 273,2 0 352,2 309,33 0 42,87 t12 79 252,19 0 331,19 309,33 0 21,85 t13 65 252,19 0 317,19 309,33 0 7,85 34 Capítulo 4. Resultados Tabla 4.7 Costes escenario C2. Unidad Caso sin batería Caso con batería Potencia contratada kW 525 325 Coste TP + energía/día e289.1689895 259.5404651 Coste TP + energía/año e105546.6812 94732.26976 Coste TP + energía/8 años e844373.4492 757858.1581 Ahorros (€) respecto al caso sin batería (tabla 4.8): Tabla 4.8 Ahorros escenario C2. Ahorro total anual 10814.41139 Ahorro total 8 años con precio actual 50415.29112 Ahorro total 8 años con precio 2025 69235.29112 Los paybacks de las inversiones mencionadas serían los que se pueden ver en la tabla 4.9: Tabla 4.9 Paybacks escenario C2. Payback actual 3.33813822 3 años y 4 meses Payback 2025 1.59786782 1 año y 7 meses Conexión 2 EV en pico de la mañana y 3 EV en pico consumo de la tarde •Escenario C3 : Para esta situación, que podría ser más habitual que la primera situación considerada ya que no todos los usuarios van a tener el mismo horario, el pico de consumo se produce a la misma hora que el caso anterior. Se dará a las 22h y será de 425kW. Esto permitirá poder optar por una batería de menor capacidad, y por lo tanto más barata. Tras estudiar varios casos se obtiene que el mayor ahorro se da para una batería de 150kWh. Se puede observar en la tabla 4.10 las demandas presentes y la actuación de la batería elegida, de 150kWh. Tiempo Dom Lento Rápido Total pdem Pgen red Carga Descarga t1 164 0 0 164 304,21 140,21 0 t2 164 0 0 164 304,21 140,21 0 t3 164 0 0 164 304,21 140,21 0 t4 164 0 0 164 304,21 140,21 0 t5 111 288,62 0 399,62 304,21 0 95,41 t6 111 288,62 0 399,62 304,21 0 95,41 t7 111 288,62 0 399,62 304,21 0 95,41 t8 111 273,2 0 384,2 304,21 0 79,99 t9 79 273,2 0 352,2 304,21 0 47,99 t10 79 273,2 0 352,2 304,21 0 47,99 t11 79 273,2 0 352,2 304,21 0 47,99 t12 79 252,19 0 331,19 304,21 0 26,98 t13 65 252,19 0 317,19 304,21 0 12,98 t14 65 252,19 0 317,19 304,21 0 12,98 4.2 Escenarios estudiados 35 Tiempo Dom Lento Rápido Total pdem Pgen red Carga Descarga t15 65 230,18 0 295,18 304,21 9,03 0 t16 65 230,18 0 295,18 304,21 9,03 0 t17 62 230,18 0 292,18 304,21 12,03 0 t18 62 201,58 0 263,58 304,21 40,63 0 t19 62 201,58 0 263,58 304,21 40,63 0 t20 62 201,58 0 263,58 304,21 40,63 0 t21 62 201,58 0 263,58 304,21 40,63 0 t22 62 166,51 0 228,51 304,21 75,7 0 t23 62 166,51 0 228,51 304,21 75,7 0 t24 62 166,51 0 228,51 304,21 75,7 0 t25 69 132,68 0 201,68 304,21 102,52 0 t26 69 132,68 0 201,68 304,21 102,52 0 t27 69 132,68 0 201,68 208,49 6,8 0 t28 69 100,97 0 169,97 169,97 0 0 t29 92 100,97 0 192,97 192,97 0 0 t30 92 100,97 0 192,97 192,97 0 0 t31 92 100,97 0 192,97 192,97 0 0 t32 92 68,27 0 160,27 160,27 0 0 t33 118 68,27 100 286,27 286,27 0 0 t34 118 68,27 100 286,27 286,27 0 0 t35 118 36,19 0 154,19 154,19 0 0 t36 118 36,19 0 154,19 154,19 0 0 t37 134 36,19 0 170,19 170,19 0 0 t38 134 12,19 0 146,19 146,19 0 0 t39 134 12,19 0 146,19 146,19 0 0 t40 134 12,19 0 146,19 146,19 0 0 t41 141 12,19 0 153,19 153,19 0 0 t42 141 1,62 0 142,62 142,62 0 0 t43 141 1,62 0 142,62 142,62 0 0 t44 141 1,62 0 142,62 142,62 0 0 t45 146 0 0 146 146 0 0 t46 146 0 0 146 146 0 0 t47 146 0 0 146 146 0 0 t48 146 0 0 146 146 0 0 t49 157 0 0 157 157 0 0 t50 157 0 0 157 157 0 0 t51 157 0 0 157 157 0 0 t52 157 0 0 157 157 0 0 t53 176 0 0 176 26 0 150 t54 176 0 0 176 26 0 150 t55 176 0 0 176 26 0 150 t56 176 0 0 176 56 0 120 t57 194 0 0 194 194 0 0 t58 194 0 0 194 194 0 0 t59 194 0 0 194 194 0 0 t60 194 0 0 194 194 0 0 t61 199 0 0 199 304,21 105,21 0 36 Capítulo 4. Resultados Tiempo Dom Lento Rápido Total pdem Pgen red Carga Descarga t62 199 0 0 199 292,54 93,54 0 t63 199 0 0 199 199 0 0 t64 199 0 0 199 199 0 0 t65 196 0 0 196 304,21 108,21 0 t66 196 0 0 196 304,21 108,21 0 t67 196 0 0 196 304,21 108,21 0 t68 196 0 0 196 304,21 108,21 0 t69 196 0 0 196 196 0 0 t70 196 0 0 196 196 0 0 t71 196 0 0 196 196 0 0 t72 196 0 0 196 196 0 0 t73 206 0 0 206 56 0 150 t74 206 0 0 206 56 0 150 t75 206 0 0 206 56 0 150 t76 206 0 0 206 146,33 0 59,67 t77 229 0 0 229 229 0 0 t78 229 0 0 229 229 0 0 t79 229 0 0 229 229 0 0 t80 229 0 0 229 229 0 0 t81 254 0 0 254 304,21 50,21 0 t82 254 0 0 254 304,21 50,21 0 t83 254 0 0 254 304,21 50,21 0 t84 254 0 0 254 304,21 50,21 0 t85 275 0 150 425 304,21 0 120,79 t86 275 0 150 425 304,21 0 120,79 t87 275 0 0 275 275 0 0 t88 275 0 0 275 275 0 0 t89 266 0 0 266 266 0 0 t90 266 0 0 266 266 0 0 t91 266 0 0 266 266 0 0 t92 266 0 0 266 266 0 0 t93 229 0 0 229 229 0 0 t94 229 0 0 229 229 0 0 t95 229 0 0 229 229 0 0 t96 229 0 0 229 229 0 0 Tabla 4.10 Escenario C3. Demandas y actuación batería. En la Fig. 4.4 se puede observar fácilmente el comportamiento de las diferentes variables presentes en la tabla. En la tabla 4.11 se observa que la potencia contratada alcanza su valor mínimo hasta el momento, como era de esperar, ya que existe un pico de consumo menor que en los casos previos. 4.2 Escenarios estudiados 37 Figura 4.4 Escenario C3. Representación gráfica. Tabla 4.11 Costes escenario C3. Unidad Caso sin batería Caso con batería Potencia contratada kW 450 305 Coste TP + energía/día e277.9240714 260.1451002 Coste TP + energía/año e101442.2861 94952.96157 Coste TP + energía/8 años e811538.2886 759623.6925 Ahorros (€) respecto al caso sin batería (tabla 4.12): Tabla 4.12 Ahorros escenario C3. Ahorro total anual 6489.324507 Ahorro total 8 años con precio actual 24839.59606 Ahorro total 8 años con precio 2025 38954.59606 Los paybacks de las inversiones mencionadas serían los que se observan en la tabla 4.13: Tabla 4.13 Paybacks escenario C3. Payback actual 4.1722 4 años y 2 meses Payback 2025 1.0136 1 año aprox •Escenario C4 : Por similitud con escenarios anteriores se comentará el caso de elección de batería de 250kWh, ya que se considera la batería base de este estudio. 38 Capítulo 4. Resultados En la Fig. 4.5 se puede observar fácilmente el comportamiento de las diferentes variables presentes en la tabla. Figura 4.5 Escenario C4. Representación gráfica. En este caso no se mostrará la tabla de demandas presentes y de actuación de la batería por ser un caso desestimado por las ventajas que presenta el caso de 150 kWh, pero las tablas de TP, ahorros y paybacks serían las siguientes (tablas 4.14, 4.15 y 4.16): Tabla 4.14 Costes escenario C4. Unidad Caso sin batería Caso con batería Potencia contratada kW 450 309 Coste TP + energía/día e277.9240714 256.9792663 Coste TP + energía/año e101442.2861 93797.43219 Coste TP + energía/8 años e811538.2886 750379.4576 Tabla 4.15 Ahorros escenario C4. Ahorro total anual 7644.853878 Ahorro total 8 años con precio actual 16033.83102 Ahorro total 8 años con precio 2025 39558.83102 4.2 Escenarios estudiados 39 Tabla 4.16 Paybacks escenario C4. Payback actual 5.9027 5 años y 11 meses Payback 2025 2.8254 2 años y 10 meses Se puede observar que presenta un ahorro total con la batería actual a 8 años peor que en el caso con 150kWh, al igual que ocurre con su payback. Sin temporizador Para el caso sin temporizador existirán unos consumos más elevados, ya que se asume la conexión de los VE a las 20h de la tarde, por lo que se sumarán al pico de consumo de las 22h que aparece en el caso con temporizador. En este apartado se ha considerado la posibilidad de usar baterías de mayor capacidad, debido al enorme incremento que sufre la demanda, y se han realizado los mismos análisis de ahorro del caso con temporizador. Conexión 5 EVs simultáneamente : el pico de demanda se daría a las 22h, y su valor sería de 777kW. •Escenario S1 : En este caso al tener un pico de consumo tan elevado, la batería de 250kWh que se ha utilizado previamente para este caso con temporizador no sería válida, no daría una solución óptima. Se elige una batería de 300kWh, ya que está capacitada para compensar las enormes demandas que aparecen en este caso, y además proporciona un ahorro bastante bueno. Vemos en la tabla 4.17 las demandas presentes y la actuación de la batería elegida, de 300kWh. Tiempo Dom Lento Rápido Total pdem Pgen red Carga Descarga t1 164 132,68 0 296,68 182,68 0 114 t2 164 132,68 0 296,68 296,68 0 0 t3 164 132,68 0 296,68 296,68 0 0 t4 164 100,97 0 264,97 264,97 0 0 t5 111 100,97 0 211,97 211,97 0 0 t6 111 100,97 0 211,97 211,97 0 0 t7 111 100,97 0 211,97 211,97 0 0 t8 111 68,27 0 179,27 179,27 0 0 t9 79 68,27 0 147,27 147,27 0 0 t10 79 68,27 0 147,27 147,27 0 0 t11 79 36,19 0 115,19 115,19 0 0 t12 79 36,19 0 115,19 115,19 0 0 t13 65 36,19 0 101,19 164,34 63,16 0 t14 65 12,19 0 77,19 77,19 0 0 t15 65 12,19 0 77,19 77,19 0 0 t16 65 12,19 0 77,19 77,19 0 0 t17 62 12,19 0 74,19 374,19 300 0 t18 62 1,62 0 63,62 363,62 300 0 t19 62 1,62 0 63,62 363,62 300 0 t20 62 1,62 0 63,62 363,62 300 0 t21 62 0 0 62 62 0 0 t22 62 0 0 62 62 0 0 40 Capítulo 4. Resultados Tiempo Dom Lento Rápido Total pdem Pgen red Carga Descarga t23 62 0 0 62 62 0 0 t24 62 0 0 62 62 0 0 t25 69 0 0 69 69 0 0 t26 69 0 0 69 69 0 0 t27 69 0 0 69 69 0 0 t28 69 0 0 69 69 0 0 t29 92 0 0 92 92 0 0 t30 92 0 0 92 92 0 0 t31 92 0 0 92 92 0 0 t32 92 0 0 92 92 0 0 t33 118 0 0 118 118 0 0 t34 118 0 0 118 118 0 0 t35 118 0 0 118 118 0 0 t36 118 0 0 118 118 0 0 t37 134 0 0 134 134 0 0 t38 134 0 0 134 134 0 0 t39 134 0 0 134 134 0 0 t40 134 0 0 134 134 0 0 t41 141 0 0 141 141 0 0 t42 141 0 0 141 141 0 0 t43 141 0 0 141 141 0 0 t44 141 0 0 141 141 0 0 t45 146 0 0 146 146 0 0 t46 146 0 0 146 146 0 0 t47 146 0 0 146 146 0 0 t48 146 0 0 146 146 0 0 t49 157 0 0 157 0,00 0 157 t50 157 0 0 157 0,00 0 157 t51 157 0 0 157 35 0 122 t52 157 0 0 157 157 0 0 t53 176 0 0 176 0,00 0 176 t54 176 0 0 176 0,00 0 176 t55 176 0 0 176 0,00 0 176 t56 176 0 0 176 0,00 0 176 t57 194 0 0 194 194 0 0 t58 194 0 0 194 194 0 0 t59 194 0 0 194 194 0 0 t60 194 0 0 194 194 0 0 t61 199 0 0 199 337,41 138,41 0 t62 199 0 0 199 199 0 0 t63 199 0 0 199 199 0 0 t64 199 0 0 199 199 0 0 t65 196 0 0 196 477,19 281,19 0 t66 196 0 0 196 477,19 281,19 0 t67 196 0 0 196 477,19 281,19 0 t68 196 0 0 196 477,19 281,19 0 t69 196 0 0 196 196 0 0 4.2 Escenarios estudiados 41 Tiempo Dom Lento Rápido Total pdem Pgen red Carga Descarga t70 196 0 0 196 196 0 0 t71 196 0 0 196 196 0 0 t72 196 0 0 196 196 0 0 t73 206 0 0 206 66,34 0 139,66 t74 206 0 0 206 206 0 0 t75 206 0 0 206 206 0 0 t76 206 0 0 206 206 0 0 t77 229 288,62 0 517,62 477,19 0 40,44 t78 229 288,62 0 517,62 477,19 0 40,44 t79 229 288,62 0 517,62 477,19 0 40,44 t80 229 273,2 0 502,2 477,19 0 25,02 t81 254 273,2 0 527,2 477,19 0 50,02 t82 254 273,2 0 527,2 477,19 0 50,02 t83 254 273,2 0 527,2 477,19 0 50,02 t84 254 252,19 0 506,19 477,19 0 29 t85 275 252,19 250 777,19 477,19 0 300 t86 275 252,19 250 777,19 477,19 0 300 t87 275 230,18 0 505,18 477,19 0 27,99 t88 275 230,18 0 505,18 477,19 0 27,99 t89 266 230,18 0 496,18 477,19 0 18,99 t90 266 201,58 0 467,58 467,58 0 0 t91 266 201,58 0 467,58 467,58 0 0 t92 266 201,58 0 467,58 467,58 0 0 t93 229 201,58 0 430,58 430,58 0 0 t94 229 166,51 0 395,51 395,51 0 0 t95 229 166,51 0 395,51 395,51 0 0 t96 229 166,51 0 395,51 395,51 0 0 Tabla 4.17 Escenario S1. Demandas y actuación batería. En la Fig. 4.6 se puede observar fácilmente el comportamiento de las diferentes variables presentes en la tabla. Comparativa costes caso con batería frente a caso sin batería (tabla 4.18): Tabla 4.18 Costes escenario S1. Unidad Caso sin batería Caso con batería Potencia contratada kW 778 478 Coste TP + energía/día e355.5988786 308.2560726 Coste TP + energía/año e129793.5907 112513.4665 Coste TP + energía/8 años e1038348.726 900107.7321 Ahorros (€) respecto al caso sin batería (tabla 4.19): 42 Capítulo 4. Resultados Figura 4.6 Escenario S1. Representación gráfica. Tabla 4.19 Ahorros escenario S1. Ahorro total anual 17280.12418 Ahorro total 8 años con precio actual 84090.99342 Ahorro total 8 años con precio 2025 112320.9934 Los paybacks de las inversiones mencionadas serían los que aparecen en la tabla 4.20: Tabla 4.20 Paybacks escenario S1. Payback actual 3.1337 3 años y 5 meses Payback 2025 1.4999 1 año y 6 meses Conexión 2 EV en pico de la mañana y 3 EV en pico consumo de la tarde : El pico de demanda se daría a las 22h, y su valor sería de 677kW, ya que no aparecen los 100kW que aportarían los 2 EV. •Escenario S2 : Para este caso se elige la batería de 250kWh por ser la que da mejores resultados, y se comentará a posterior la comparativa con otras baterías. Vemos en la tabla 4.21 las demandas presentes y la actuación de la batería elegida, de 250kWh. 4.2 Escenarios estudiados 43 Tiempo Dom Lento Rápido Total pdem Pgen red Carga Descarga t1 164 132,68 0 296,68 296,68 0 0 t2 164 132,68 0 296,68 296,68 0 0 t3 164 132,68 0 296,68 296,68 0 0 t4 164 100,97 0 264,97 169,97 0 95 t5 111 100,97 0 211,97 211,97 0 0 t6 111 100,97 0 211,97 211,97 0 0 t7 111 100,97 0 211,97 211,97 0 0 t8 111 68,27 0 179,27 179,27 0 0 t9 79 68,27 0 147,27 147,27 0 0 t10 79 68,27 0 147,27 147,27 0 0 t11 79 36,19 0 115,19 115,19 0 0 t12 79 36,19 0 115,19 115,19 0 0 t13 65 36,19 0 101,19 153,82 52,63 0 t14 65 12,19 0 77,19 77,19 0 0 t15 65 12,19 0 77,19 77,19 0 0 t16 65 12,19 0 77,19 77,19 0 0 t17 62 12,19 0 74,19 324,19 250 0 t18 62 1,62 0 63,62 313,62 250 0 t19 62 1,62 0 63,62 313,62 250 0 t20 62 1,62 0 63,62 313,62 250 0 t21 62 0 0 62 62 0 0 t22 62 0 0 62 62 0 0 t23 62 0 0 62 62 0 0 t24 62 0 0 62 62 0 0 t25 69 0 0 69 69 0 0 t26 69 0 0 69 69 0 0 t27 69 0 0 69 69 0 0 t28 69 0 0 69 69 0 0 t29 92 0 0 92 92 0 0 t30 92 0 0 92 92 0 0 t31 92 0 0 92 92 0 0 t32 92 0 0 92 92 0 0 t33 118 0 100 218 218 0 0 t34 118 0 100 218 218 0 0 t35 118 0 0 118 118 0 0 t36 118 0 0 118 118 0 0 t37 134 0 0 134 134 0 0 t38 134 0 0 134 134 0 0 t39 134 0 0 134 134 0 0 t40 134 0 0 134 134 0 0 t41 141 0 0 141 141 0 0 t42 141 0 0 141 141 0 0 t43 141 0 0 141 141 0 0 t44 141 0 0 141 141 0 0 t45 146 0 0 146 146 0 0 t46 146 0 0 146 146 0 0 t47 146 0 0 146 146 0 0 5 Conclusiones y trabajos futuros En el apartado previo, donde se comentan los resultados del trabajo, se puede observar que se alcanzan unos ahorros considerables, los cuales demuestran que las soluciones obtenidas para los diferentes escenarios estudiados son posibles y necesarias para la correcta integración del VE, sin tener que recurrir a la modificación de toda la estructura del sistema eléctrico, lo que implicaría un gran coste. Cabe mencionar que en todo este estudio hay muchos factores que no se han tenido en cuenta en el coste, como podría ser todo el sistema de montaje necesario para el uso de la batería (por ejemplo, los convertidores de potencia) y el desgaste por uso que sufren las baterías a lo largo de su vida útil, empeorando su eficiencia y rendimiento. Este último factor mencionado no sería muy relevante ya que el estudio se ha realizado a 8 años, y dichas baterías no suelen ver muy modificado su rendimiento en ese tiempo de uso. A modo de resumen, las ventajas que muestran los resultados de este trabajo serían las siguientes: • El ahorro estudiado en potencia y energía. Se observa que da de sobra para compensar el coste de la batería, por lo que se demuestra la rentabilidad del proyecto. • En el caso de que se tuvieran limitaciones de consumo se podrían realizar la carga de dichos VEs sin superar las restricciones. Se estaría bajando el pico de consumo, lo cual es muy beneficioso. • Colabora en el aplanamiento de la curva de demanda diaria, lo cual evitaría la necesidad actual de tener un sistema tan sobredimensionado. • Animar al consumidor en la idea de la adquisición de un VE. Como con todo, las ventajas económicas siempre suponen un incentivo. Este trabajo representa únicamente un estudio básico de las enormes ventajas que podría traer el uso de baterías en situaciones como las presentadas. Habría muchas posibles líneas futuras de trabajo, como las siguientes: • La utilización de placas fotovoltaicas asociadas a dichas baterías. De esta forma podríamos disponer de una fuente de energía más limpia y respetuosa con el medio ambiente, y nos permitiría producir nuestra propia energía. Con ello tendríamos que depender menos de la red y podríamos ahorrar en potencia y en energía. Habría que estudiar la rentabilidad que daría en nuestro caso el uso de placas fotovoltaicas, y ver las características de la zona en la que se instalaría, ya que es una tecnología muy dependiente del clima. • Realizar el estudio optimizando el término de potencia en lugar de optimizando el coste. Esta variante podría ser útil en escenarios que tengan unas limitaciones de potencia muy restrictivas, por problemas con la infraestructura. Podría ser más usual en zonas con infraestructuras más antiguas, menos preparadas para el aumento de consumo. 50 51 • En lo que a contadores se refiere hay mucha evolución posible que podría beneficiar a este tipo de estudios. Desde una conexión absoluta de los VE y la red conocida como “Vehicle to grid”, en la cual mediante las mediciones instantáneas de los contadores se pueda decidir cuál sería el mejor momento para estar cargando, para que se favorezca más a la curva de demanda, hasta que el VE funcionase también como acumulador de energía pudiendo descargarla si fuera necesario. Si el intercambio de datos entre el VE y las redes de distribución y generación estuviese bien diseñado se podría avisar del día y la hora a la que se va a requerir el VE la próxima vez (cargado) de forma que durante el tiempo que permanezca enchufado funcione como acumulador de energía que tome o ceda en función de las circunstancias. Teniendo en cuenta cómo funcionan las renovables, esta función de amortiguación sería de gran ayuda para las baterías. Este método comentado sería la integración inteligente. Se puede observar en la Fig. 5.1 la diferencia de costes que supone esa integración con el resto de opciones. Figura 5.1 Costes de inversión[5]. Se observa que habría que invertir mucho dinero para poder adaptar la red a una penetración masiva del VE si no se hiciera de forma inteligente, es decir, con el control previamente mencionado. • Respecto a los contadores también se está intentando llegar es a que tengamos un único contrato vinculado a dos contadores, con un único término de potencia. Así se podría cargar el VE del domicilio por la noche, que es cuando no estamos usando la gran mayoría de la potencia contratada. De esa forma se podría aprovechar por la noche la potencia que estás pagando y usando únicamente a lo largo del día. Evidentemente que se pueda llegar a dicho escenario futuro estaría condicionado a las decisiones de las empresas distribuidoras, o a las decisiones del gobierno, que mediante una modificación legal exija a las distribuidoras que lo permitan. Todo esto colaboraría en hacer más atractiva la idea para el consumidor de la compra de un VE. Apéndice A Código GAMS 1Sets 2n generador / n1/ 3t periodos /t0*t96/; 5Scalar 6E capacidad SAE(kWh) /250/ 7P potencia SAE (kW) /250/ 8nc rendimiento de carga /0.95/ 9nd rendimiento de descarga /0.95/ 10 pgmin potencia generada minima /0/; 12 Table 13 datprecios(t,*) datos precios energía 14 $ondelim 15 $include precios.csv 16 $offdelim ; 18 Table 19 datdom(t,*) datos consumos domésticos 20 $ondelim 21 $include domestico.csv 22 $offdelim ; 24 Table 25 datlento(t,*) datos VE lento 26 $ondelim 27 $include lento.csv 28 $offdelim ; 30 Table 31 datrapido(t,*) datos VE rápido 32 $ondelim 33 $include rapido.csv 34 $offdelim ; 36 Variables 37 coste coste total 38 pg(t) potencia generada período t 39 pdem(t) potencia demandada período t 40 soc(t) estado carga SAE período t 41 pc(t) carga SAE período t 42 pd(t) descarga SAE período t 43 pgmax potencia generada máxima; 53 54 Apéndice A. Código GAMS 45 Equations 46 eq_costes costes 47 eq_balance balance de potencia 48 eq_pdem demanda sistema estudio 49 eq_soc estado de carga 50 eq_pgmax potencia contratada; 52 eq_costes.. coste =e= sum(t, ((datprecios(t,’precio’)/1000)*pg(t)/4))+pgmax *3.4297/(30.5); 54 eq_balance(t)$(not sameas(t, "t0")).. pdem(t) =l= pg(t) + pd(t) −pc(t); 56 eq_pdem(t)$(not sameas(t, "t0")).. pdem(t) =e= datdom(t,’consumo’) + datlento(t,’consumo’) + datrapido(t,’consumo’); 58 eq_soc(t)$(not sameas(t, "t0")).. soc(t) =e= soc(t−1)+((pc(t))/4)*nc −((pd( t))/4)/nd; 60 eq_pgmax(t)$(not sameas(t, "t0")).. pg(t)=l=pgmax; 62 *Límites de las variables 63 pg.lo(t) = Pgmin; 64 pg.up(t) = 500; 65 soc.lo(t) = 0; 66 soc.up(t) = E; 67 soc.fx("t0") = 0.1*E; 68 pc.lo(t) = 0; 69 pc.up(t) = P; 70 pd.lo(t) = 0; 71 pd.up(t) = P; 73 model opt_coste /all/; 74 solve opt_coste minimizing coste using nlp; Índice de Figuras 1.1 Comparativa de alternativas de descarbonización del transporte de pasajeros particular (unidades/100km)[11] 2 1.2 Objetivos de reducción de emisiones GEI en España en 2050 en función de la transposición de los objetivos europeos[11] 3 1.3 Comparativa internacional de penetración del vehículo eléctrico durante los primeros años del despliegue (% anual de ventas)[11] 4 1.4 Incertidumbres críticas para el desarrollo futuro de la movilidad de pasajeros [11] 7 1.5 Parque de turismos en función del escenario de movilidad en el futuro (millones de vehículos) [11] 8 1.6 Evolución del parque de vehículos eléctricos en España (millones de vehículos; entre paréntesis% de ventas de VE sobre el total) [11] 9 2.1 Curva de carga del hogar medio en un día laborable de invierno[1] 13 2.2 Coeficiente de simultaneidad, según el número de viviendas[2] 14 2.3 Consumo medio diario doméstico 14 2.4 Consumo medio total del edificio 15 2.5 Curva de carga lenta del VE[3] 15 2.6 Probabilidad de conexión del VE según su estado de SOC [6] 16 2.7 Ejemplo sin decalaje para conexión a las 4:00h 17 2.8 Curva de carga rápida del VE[8] 17 2.9 Demanda debida a la carga rápida del VE 18 2.10 Tipología de infraestructura de recarga conductiva en función de la velocidad de recarga[11] 18 2.11 Curva agregada de las demandas mencionadas 19 2.12 Conexión VE sin temporización[6] 19 2.13 Conexión VE sin temporización 20 4.1 Disminución de precios de las baterías de ión litio[9] 25 4.2 Escenario C1. Representación gráfica 30 4.3 Escenario C2. Representación gráfica 33 4.4 Escenario C3. Representación gráfica 37 4.5 Escenario C4. Representación gráfica 38 4.6 Escenario S1. Representación gráfica 42 4.7 Escenario S2. Representación gráfica 45 4.8 Ahorros según escenarios 47 4.9 Paybacks según escenarios 48 5.1 Costes de inversión[5] 51 55 Índice de Tablas 4.1 Tabla resumen escenarios 27 4.2 Escenario C1. Demandas y actuación batería 29 4.3 Costes escenario C1 30 4.4 Ahorros escenario C1 30 4.5 Paybacks escenario C1 30 4.6 Escenario C2. Demandas y actuación batería 33 4.7 Costes escenario C2 34 4.8 Ahorros escenario C2 34 4.9 Paybacks escenario C2 34 4.10 Escenario C3. Demandas y actuación batería 36 4.11 Costes escenario C3 37 4.12 Ahorros escenario C3 37 4.13 Paybacks escenario C3 37 4.14 Costes escenario C4 38 4.15 Ahorros escenario C4 38 4.16 Paybacks escenario C4 39 4.17 Escenario S1. Demandas y actuación batería 41 4.18 Costes escenario S1 41 4.19 Ahorros escenario S1 42 4.20 Paybacks escenario S1 42 4.21 Escenario S2. Demandas y actuación batería 45 4.22 Costes escenario S2 45 4.23 Ahorros escenario S2 46 4.24 Paybacks escenario S2 46 4.25 Batería 400kWh (Ahorro)- S2 46 4.26 Batería 400kWh (Payback)- S2 46 4.27 Batería 400kWh (Ahorro)- S2 46 4.28 Batería 400kWh (Payback)- S2 46 4.29 Resumen ahorros obtenidos 47 4.30 Resumen paybacks obtenidos 48 56 Bibliografía [1] Proyecto indel, atlas de la demanda eléctrica española, Enero 1998. [2] Guía bt-10: Previsión de cargas para suministros en bt, Septiembre 2003. [3] El vehículo eléctrico y su interacción con la red eléctrica, Abril 2010. [4] Análisis del consumo energético del sector residencial en españa: Informe final, Julio 2011. [5] Evaluación del impacto de la integración del coche eléctrico en las redes de distribución de energía eléctrica, Octubre 2011. [6] Model validation and data analysis, Febrero 2015. [7] Estrategia andaluza de la calidad del aire, Abril 2016. [8] How fast charging works, Marzo 2016. [9] Batteries keep on getting cheaper, Diciembre 2017. [10] Plan movalt vehículos, Noviembre 2017. [11] Un modelo de transporte descarbonizado para españa en 2050: Recomendaciones para la transición, Marzo 2017. [12] Coche eléctrico en europa: situación actual y cifras de ventas, Marzo 2018. [13] An introduction to gams, Mayo 2018. 57