Soluciones al desacoplamiento entre generación y demanda

Equation Chapter 1 Section 1 Proyecto Fin de Carrera Ingeniería de Organización Industrial Soluciones al desacoplamiento entre generación y demanda Autor: María Gómez Rivas Tutor: Miguel Torres García Dpto. de Ingeniería Energética Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2022 iii Proyecto Fin de Carrera Ingeniería de Organización Industrial Soluciones al desacoplamiento entre generación y demanda Autor: María Gómez Rivas Tutor: Miguel Torres García Profesor titular Dpto. de Ingeniería Energética Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2022 v Proyecto Fin de Carrera: Soluciones al desacoplamiento entre generación y demanda Autor: María Gómez Rivas Tutor: Miguel Torres García El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2022 El Secretario del Tribunal vii A mi familia A mis maestros ix Agradecimientos En primer lugar, me gustaría dar las gracias a toda mi familia por haber sido mi pilar de apoyo fundamental durante estos años de carrera. Sin ellos, no me habría sido posible llegar hasta aquí. Una mención especial a todos mis compañeros de Cable Energía, sin ellos no habría sido posible introducirme en el maravilloso mundo de las energías renovables. Finalmente, gracias a Miguel y a Gonzalo, dos personas que me han acompañado durante todo el camino de elaboración de este trabajo final de carrera. María Gómez Rivas Sevilla, 2022 ÍNDICE DE TABLAS Tabla 1. Sistemas de almacenamiento 20 Tabla 2. Simulaciones Caso I 29 Tabla 3. Precios dados para el servicio de ramping para los microgrids 30 Tabla 4. Datos de las tecnologías del microgid 1 36 Tabla 5. Datos de las baterías 36 Tabla 6. Datos de las tecnologías del microgrid 2 37 Tabla 7. Datos de las baterías 37 Tabla 8. Rampa máxima y periodo de cada curva de demanda neta 40 Tabla 9. Microrred con mayor contribución para suavizar el peor evento de ramping 41 Tabla 10. Rampa máxima y período de cada curva de la demanda neta 43 Tabla 11. Microrred con mayor contribución para suavizar el peor evento de ramping 44 Tabla 12. Resultados para cada escenario simulado 45 Tabla 13. Valor en riesgo (VaR) dependiendo del precio del servicio 46 xvii ÍNDICE DE FIGURAS Figura 1. Ejemplo de una curva de pato 1 Figura 2. Niveles de generación eólica en el Reino Unido a lo largo del tiempo 2 Figura 3. Plantas de vapor seco, vapor flash y generación de energía de ciclo binario. 8 Figura 4. Producción combinada de vapor y electricidad 9 Figura 5. Sistema híbrido de almacenamiento de energía 10 Figura 6. Quemador regenerativo 11 Figura 7. Quemador recuperativo 11 Figura 8. Ilustración esquemática de una caldera de calor residual 12 Figura 9. Diagrama de una rueda térmica 13 Figura 10. Disposición de un precalentador de aire mostrando el movimiento del aire 13 Figura 11. Esquema de bobina de circulación 14 Figura 12. Intercambiador de calor de placas 14 Figura 13. Tubería de calor 15 Figura 14. Generador de vapor con recuperación de calor 15 Figura 15. Sistema IES acoplado a una etación de carga para flotas de VE 17 Figura 16. Límite de la demanda neta a l 20% de la demanda de la red principal 28 Figura 17. Diagrama de flujo Caso I 29 Figura 18. Diagrama de flujo Caso II 30 Figura 19. Demanda de la red principal escalada para los días 24 y 25 de marzo de 2017 38 Figura 20. Demanda neta par ala tarifa de un periodo y restricción de rampa de 1,5 MW 39 Figura 21. Demanda neta para la tarifa de un periodo y restricción de rampa de 2MW 39 Figura 22. Demanda neta par ala tarifa de un periodo y restricción de rampa de 3MW 40 Figura 23. Demanda neta para la tarfia de dos periodos y restricción de rampa de 1,5 MW 42 Figura 24. Demanda neta par ala tarifa de dos periodos y restricción de rampa de 2 MW 42 Figura 25. Demanda neta para la tarifa de dos periodos y restricción de rampa de 3 MW 43 Figura 26. Demanda neta par adiferentes precios de servicios 44 Figura 27. Función de distribución acumulada del beneficio del servicio 45 xix Notación i Unidad generadora j Microrred H Periodo de tiempo (horas) CO&M_i Coste de operación y mantenimiento por tecnología (k$/MWh) CF_i Coste del combustible por tecnología ($/MMBtu o k$/MWh) Cup_i Coste de puesta en marcha (k$) Bat O&M Coste de operación y mantenimiento de la batería (k$/MWh) E_h Precio de la electricidad (k$/MWh) R_i Tasa de calor (MMBTU/MWh) Pmax_i,j, Pmin_i,j Límites superior e inferior de la capacidad de generación (MW) Wind_profile_h Perfil de generación de los aerogeneradores cada hora Solar_profile_h Perfil de generación de los paneles fotovoltaicos cada hora TU_i Tiempo mínimo de subida por tecnología (h) TD_i Tiempo mínimo de inactividad por tecnología (h) Pg_j Capacidad de conexión a la red eléctrica con cada microrred (MW) L_j,h Demanda de la microrred (MWh) Lmg_ht Demanda de la red principal (kWh) Ebmax_j Capacidad de la batería (MWh) Pbcmax_j Tasa máxima de carga (MW) Pbdmax_j Tasa máxima de descarga (MW) Nelc Eficiencia de carga de la batería Neld Eficiencia de descarga de la batería SOCm Estado de carga mínimo de la batería TC Coste total del sistema P_i,j,h Potencia generada por la tecnología i en la microrred j en el momento h (MWh) Pg_j,h Intercambio de energía de la microrred j con la red principal en el momento h, (+) si se compra (-) si se vende, (MWh) Pbc_j,h Potencia de carga de la batería de la microrred j en el momento h (MWh) 1 1 INTRODUCCIÓN urante las últimas décadas, el planeta en el que vivimos se ha enfrentado de forma ininterrumpida a constantes retos derivados de un mismo problema matriz: el cambio climático. A medida que avanzamos en el tiempo, los métodos tradicionales para la obtención de la energía necesaria para la producción de electricidad han quedado obsoletos y necesitan ser sustituidos por métodos más sostenibles y comprometidos con el medio ambiente. Así pues, se han realizado estudios los cuales muestran que, con el sistema actualmente implantado en Europa, el calor residual procedente de la producción de electricidad y de la industria sería suficiente para abastecer la demanda total de calor en el continente [1]. A medida que se avanza hacia la transición energética, aparecen nuevos retos en el camino. Uno de ellos es la llamada “Curva de pato” en la generación de electricidad a escala de servicio público. Dicha curva muestra en el transcurso de un día el desequilibrio de tiempo entre la demanda máxima y la producción de energía renovable. D “El placer más noble es el júbilo de comprender.”. - Leonardo da Vinci - Figura 1. Ejemplo de una curva de pato Introducción 2 El curso de la “Curva de pato”, que es visiblemente estable por la noche, y luego disminuye bruscamente durante el amanecer y alcanza sus valores más bajos al mediodía, para luego subir bruscamente al atardecer y alcanzar sus valores máximos al anochecer, hace que tenga un impacto significativo en la regulación del pico energético. Este tipo de cambios pueden conducir inicialmente a la generación de inflexibilidad, lo que puede provocar un evento de sobregeneración y, por lo tanto, tener un impacto negativo en la estabilidad del sistema [2]. De aquí se puede deducir que el planeta en el que vivimos se encuentra en una difícil situación energética: por una parte, existe cada vez mayor demanda de energía y, por otra, las actuales fuentes tienen en su mayoría recursos limitados y su uso representa repercusiones ambientales indeseables. El crecimiento demográfico y económico en el mundo trae consigo un aumento en el consumo de energía, y las formas tradicionales en las que generamos, en su mayoría a través de los combustibles fósiles, nos da como resultado importantes efectos sobre el bienestar humano [3]. Se prevé que la población mundial crezca en 2.000 millones de personas hasta 2040, impulsando las necesidades energéticas mundiales [4]. De acuerdo con la Agencia Internacional de Energía (AIE), el mundo consumirá un 30% más de energía hacia este año, lo cual hace peligrar en gran medida el Acuerdo de París. Esto será como añadir otra China y otra India a la demanda global, de ahí la importancia de encontrar soluciones viables que permitan alcanzar el balance energético [5]. En un escenario para los próximos años, se establece como necesidad la reducción de las emisiones a casi la mitad con el fin de atajar el cambio climático. De lo contrario, si la evolución del consumo se mantiene en el ritmo actual, éste habrá aumentado en torno a un 45% [4]. El desarrollo de nuevos usos y aplicaciones puede originar nuevos mercados y oportunidades. Sin embargo, dado que las nuevas energías renovables son variables y, con esto nos referimos a la intermitencia e incertidumbre en la disponibilidad de cualquier recurso, resulta extremadamente complicado su control y previsión. De aquí, el problema de generación que se presenta actualmente, el cual se irá agravando con el paso de los años si no se comienzan a implementar soluciones que lo detengan. Figura 2. Niveles de generación eólica en el Reino Unido a lo largo del tiempo 3 3 Soluciones al desacoplamiento entre generación y demanda Tal y como se puede observar en la Figura 2, energías renovables como puede ser la energía eólica, se encuentran ligadas a una incertidumbre inherente a los fenómenos meteorológicos, por lo cual es difícil predecir cuál será su generación. Con el objetivo de abordar estos retos del futuro, es cómo nacen los “Smart Energy Systems” (SES). El Smart Energy System se define como un enfoque en el que las redes inteligentes de electricidad, calor y gas se combinan con las tecnologías de almacenamiento y se coordinan para identificar las sinergias entre ellas con el fin de lograr una solución óptima para cada sector individual, así como para el sistema energético global. Mientras que los Smart Grids se centran, principalmente, en el sector eléctrico, los SES adoptan un enfoque holístico integrado que incluye más sectores (electricidad, calefacción, refrigeración, industria, edificios y transporte) y permite identificar soluciones más factibles y asequibles para la transformación en futuras soluciones energéticas renovables y sostenibles [6]. Cabe destacar que uno de los mayores problemas a los que se enfrenta el diseño de los SES es el almacenaje de la electricidad. Por tanto, si el SES puede diseñarse de forma que evite por completo el almacenamiento de electricidad y, en su lugar, utilice energía que pueda almacenarse en forma de combustibles térmicos, gaseosos o líquidos aplicándose a nivel comunitario en lugar de a nivel de viviendas individuales, entonces sería más factible desarrollar la capacidad de almacenamiento necesaria para integrar gran parte de la producción de electricidad fluctuante; como la eólica, la undimotriz y la solar [7]. Con la finalidad de asegurar que el sistema disponga de generación suficiente que permita satisfacer la demanda se requieren unidades de respaldo. Dada la existencia de esta problemática, el objetivo de este trabajo no es otro que el estudio de tres de los pilares fundamentales de los anteriormente mencionados SES, los cuales podrían ser soluciones viables al problema anteriormente descrito: el acoplamiento de sectores, el almacenamiento energético y las microrredes. Introducción 4 5 2 EL PAPEL DEL SECTOR COUPLING “Nada en la vida es para ser temido, es solo para ser comprendido. Ahora es el momento de entender más, de modo que podamos temer menos.” - Marie Curieras la entrada en vigor del Acuerdo de París el 4 de noviembre de 2016, tratado internacional sobre el cambio climático jurídicamente vinculante, 196 partes se comprometieron con el objetivo de limitar el calentamiento mundial por debajo de 2 grados centígrados, en comparación con los niveles preindustriales [8]. “El acoplamiento de sectores (SC) describe el concepto de una conexión e interacción intencionada de los sectores energéticos para aumentar la flexibilidad de la oferta, la demanda y el almacenamiento” [9] Dos tercios de energía se consume en las ciudades, es por esto que éstas juegan un papel fundamental en el camino hacia alcanzar los objetivos establecidos por el Acuerdo de París. De esta forma, “el acoplamiento de los sectores de la calefacción y la electricidad mediante la conversión de energía a calor (P2H), empleando el excedente de electricidad renovable variable (ERV), ha ganado recientemente un creciente interés” [10] y está considerado como una pieza clave para alcanzar dichos objetivos. Atendiendo a un estudio realizado por J. Gea Bermúdez et al., los resultados muestran cómo el acoplamiento de sectores aumenta la demanda de electricidad, la integración de la ERV, la capacidad de almacenamiento de calor y la expansión de la transmisión de electricidad y calefacción urbana hacia 2050 [11] . Durante mucho tiempo, los sistemas energéticos industriales se han diseñado, construido y operado basados en la producción de calor y electricidad a partir de combustibles fósiles. La producción de energía se basaba principalmente en la utilización del calor disponible a partir de la quema de estos combustibles fósiles. Este calor de combustión era después utilizado para generar otras formas de energía; por ejemplo, electricidad a partir de vapor producido por la combustión [12]. T El papel del Sector Coupling 12 Figura 8. Ilustración esquemática de una caldera de calor residual 2.1.8 Economizadores Los economizadores o intercambiadores de calor de tubos aleteados que recuperan el calor residual bajomedio se utilizan principalmente para calentar líquidos. El sistema consiste en tubos recubiertos de aletas metálicas para maximizar la superficie de absorción de calor y la tasa de transferencia de calor [50]. El sistema se encuentra en el conducto que transporta los gases de escape y absorbe el calor residual haciendo que los gases calientes pasen por diferentes secciones cubiertas por los tubos con aletas. El líquido pasa a través de los tubos y captura el calor de los tubos con aletas. El líquido caliente se devuelve al sistema, maximizando y mejorando la eficiencia térmica. 2.1.9 Calderas de calor residual Las calderas de calor residual constan de varios tubos de agua que se colocan en paralelos entre sí y en la dirección del calor que sale del sistema. El sistema es adecuado para recuperar el calor de los gases de escape de media y alta temperatura y se utiliza para generar vapor. El vapor puede utilizarse para la generación de energía o devolverse al sistema para la recuperación de energía [51]. 13 Soluciones al desacoplamiento entre generación y demanda Figura 9. Diagrama de una rueda térmica Figura 10. Disposición de un precalentador de aire mostrando el movimiento del aire 2.1.10 Precalentadores de aire Los precalentadores de aire se utilizan principalmente para la recuperación del calor de los gases de escape y para aplicaciones de baja y media temperatura. Este sistema es especialmente útil cuando hay que evitar la contaminación cruzada en el proceso. Estas aplicaciones pueden incluir los escapes de las turbinas de gas y la recuperación de calor de hornos, estufas y calderas de vapor. El precalentamiento del aire puede basarse en dos diseños diferentes, el tipo de placa y el tipo de tubo de calor [49]. El papel del Sector Coupling 14 Figura 11. Esquema de bobina de circulación Figura 12. Intercambiador de calor de placas Dentro de los precalentadores de aire podemos distinguir regeneradores, regeneradores rotativos y bobinas de circulación (RAC). 2.1.11 Intercambiador de calor de placas Los intercambiadores de calor de placas se utilizan para transferir calor de un fluido a otro cuando es necesario evitar la contaminación cruzada. Un intercambiador de calor de placas se compone de varias placas metálicas finas apiladas o soldadas en paralelo entre sí y formando una carcasa metálica hueca [52]. Una tubería de calor es un dispositivo que puede transferir calor de un lugar a otro con la ayuda de la condensación y vaporización de un fluido de trabajo. Un tubo de calor consta de un 15 Soluciones al desacoplamiento entre generación y demanda Figura 13. Tubería de calor Figura 14. Generador de vapor con recuperación de calor recipiente sellado, una estructura de mecha y una pequeña cantidad de fluido de trabajo, como agua, acetona, metanol, amoníaco o sodio que está en equilibrio con su propio vapor. 2.1.12 Generador de vapor con recuperación de calor El generador de vapor con recuperación de calor (HRSG) es un sistema complejo utilizado para recuperar el calor residual de los gases de escape de una central eléctrica. Consta de varias secciones de recuperación de calor, como el evaporador, el súper calentador, el economizador y el tambor de vapor, que son muy grandes. El papel del Sector Coupling 16 2.1.13 Ciclos termodinámicos utilizados para la recuperación de calor Mediante el uso de ciclos termodinámicos, la recuperación de calor de las fuentes de residuos puede llevarse a cabo directamente para obtener energía eléctrica y mejorar la eficiencia energética de un proceso [53]. Algunos de estos ciclos son el Ciclo Orgánico de Rankine (CRC) y el Ciclo de Kalina. 2.1.14 Bombas de calor Una bomba de calor es un dispositivo termodinámico que toma y transfiere calor de una fuente de calor a un disipador de calor utilizando una pequeña cantidad de energía. Las bombas de calor recogen el calor del aire, el agua o la tierra y se clasifican en bombas de calor aire-aire, agua y geotérmicas [54]. 2.1.15 Dispositivos de conversión eléctrica directa También existen sistemas que producen electricidad directamente a partir del calor residual y eliminan la necesidad de convertir el calor en energía mecánica para producir energía eléctrica. Estas tecnologías incluyen el uso de dispositivos termoeléctricos, piezoeléctricos, termoeléctricos y termofotovoltaicos para la generación de electricidad [49]. 2.2 Vehicle-to-Grid (V2G) El concepto vehicle-to-grid (V2G) pretende optimizar la forma en que transportamos, utilizamos y producimos electricidad convirtiendo los coches eléctricos en “centrales eléctricas virutales” [55]. En el estudio realizado por Wei et al. en [56], se combina el sector de la energía y el del transporte mediante la integración de las teconologías V2G y los sistemas energéticos integrados (IES); y, además, cuantifica el impago de la tecnología V2G como almacenamiento móvil y flexible en el diseño y funcionamiento del IES, tanto desde el punto de vista económico como desde el medioambiental. La Fig. 1, ilustra el típico sistema IES acoplado a una estación de carga para flotas de vehículos eléctricos en la que las flotas de vehículos eléctricos están habilitadas para interactuar con el sistema IES cargando o descargando las baterías durante el tiempo especificado [56]. 17 Soluciones al desacoplamiento entre generación y demanda Figura 15. Sistema IES acoplado a una etación de carga para flotas de VE En [57], se evalúan las consecuencias de integrar buses y coches eléctricos en el sistema energético de la ciudad. El 85% de la demanda para la carga de coches eléctricos es flexible y las estrategias de carga inteligente pueden facilitar un 62% de la energía solar fotovoltaica en la combinación de electricidad de carga; en comparación con el 24% cuando los coches cargan directamente cuando están aparcados. Una propuesta muy interesante realizada en [58] es la combinación de carsharing y vehicle-to-grid para descarbonizar el transporte y los sistemas eléctricos. Se basan en las dificultades financieras que a menudo experimentan los operadores de carsharing, la prestación del servicio de vehículo a red podría generar ingresos adicionales al tiempo que apoyaría la integración de las energías renovables. En un estudio realizado en Suiza y Alemania sobre el carsharing, se ha comparado el atractivo de coches con tecnología V2G, eléctricos y convencionales. Se observa que los clientes prefieren el carsharing de vehiículos V2G frente al del eléctrico en un 56,1% de los casos y, frente al convencional, en el 74,2% de los casos. La transición del sector del transporte privado motorizado de los combustibles fósiles a las tecnologías basadas en la electricidad es una estrategia ampliamente debatida que puede contribuir a la consecución de los objetivos de protección del clima establecidos. Sin embargo, hay que analizarla desde un enfoque holístico teniendo en cuenta todo el sistema energético. En [59], proponen que la configuración óptima del sistema en cuanto a costes puede lograrse de forma controlada, reduciendo los picos de carga y suministro, integrando más energía de fuentes de energía renovable y reduciendo los costes anuales del sistema en varios miles de millones de euros. El papel del Sector Coupling 18 El acoplamiento entre fotovoltaica, vehículo eléctrico y batería no sólo depende del proceso tecnológico o de las regulaciones económicas, sino también de la aceptación de los usuarios hacia las tecnologías. Los nuevos avances en tecnologías emergentes obligarán a los operadores de la red eléctrica a reajustar la forma en la que se gestiona, al igual que se necesitarán nuevas regulaciones econímicas en el sector. La industria de la automoción y el usuario serán también variables decisivas para saber si la población está dispuesta a invertir en un sistema de energía distribuida [60]. Relacionado con lo mencionado anteriormente, en [61] se investiga el papel potencial de los vehículos eléctricos públicos conectados a la red en la mejora de la sostenibilidad del suministro eléctrico como almacenamiento virtual de energía en la red urbana. Los problemas y beneficios de la integración vehicle-to-grid se examinan en [62] con el uso de un agregador para encontrar estrategias óptimas de gestión V2G en forma de tiempo y potencia de carga y descarga. 19 3 ALMACENAMIENTO DE ENERGÍA EN LOS SES E n este apartado se describen varias opciones de almacenamiento de energía para sistemas multiportadores, es decir, en los que se encuentran presente energías procedentes de distintas fuentes. En el estudio realizado por Morteza et al. en [63], se evalúa la eficacia de considerar las interconexiones entre fuentes de energía, lo que se conoce como sistemas energéticos multiportadores, en el funcionamiento de las redes energéticas. En consecuencia, el papel de la tecnología de producción combinada de calor y electricidad, de las centrales eléctricas de gas, de los sistemas de almacenamiento de gas, del tanque de almacenamiento térmico y de las tubinas eólicas, así como de la energía y el consumo de energía, son puntos clave que se tienen en cuenta en dicho trabajo. “El aspecto más triste de la vida es que la ciencia reúne el conocimiento más rápidamente que la sociedad la sabiduría.” - Isaac Asimov - Almacenamiento de energía en los SES 20 Sistemas de almacenamiento físicos Sistemas de almacenamiento químicos Sistemas de almacenamiento térmicos Almacenamiento por bombeo Batería de iones de litio Sistemas de almacenamiento de calor sensible Almacenamiento de energía por aire comprimido Bateráis de iones de sodio Sistemas de almacenamiento de calor latente Almacenamiento de energía con volante de inercia Baterías de flujo Sistemas de almacenamiento termoquímico Almacenamiento de energía magnética por superconducción Baterías de sodio-azufre Baterías de plomo-ácido Supercondensadores Otras nuevas baterías Tabla 1. Sistemas de almacenamiento 3.1 Sistemas de almacenamiento físicos 3.1.1 Almacenamiento de energía por bombeo El almacenamiento por bombeo es una de las tecnologías de sistemas de almacenamiento más importantes a gran escala de forma global, con una capacidad instalada a nivel mundial de 130 GW [64]. Esta tecnología de almacenamiento consiste en la acumulación de energía eléctrica mediante el bombeo de agua desde el fondo del tanque hasta la altura del mismo como energía potencial [65]. La combinación de la energía eólica con los sistemas de almacenamiento por bombeo es digna de confianza para reducir la falta de fiabilidad de la energía eólica, causada por la naturaleza variable del viento, para contribuir al ahorro de picos de la red [66]. En el estudio realizado en [67] se presenta un pequeño sistema aislado de generación de energía compuesto por un sistema fotovoltaico con acumulación por bombeo y un pozo abierto el cual resolvía la dificultad de obtener electricidad en áreas remotas. En el trabajo realizado por Chazarra et al., se presenta un modelo de programación lineal entera mixta para la programación horaria de la energía y de la reserva de regulación secundaria de una central hidroeléctrica de acumulación por bombeo de velocidad variable y lazo cerrado, considerando las pérdidas de energía debidas al uso de convertidores electrónicos de frecuencia [68]. 21 Soluciones al desacoplamiento entre generación y demanda 3.1.2 Almacenamiento de energía con volante de inercia El almacenamiento de energía con volante de inercia se ha convertido en una energía ampliamente usada en la industria de los vehículos eléctricos y de los sistemas de energía [65]. Los volantes de inercia se han utilizado para almacenar energía durante miles de años. Estos, almacenan la energía en el momento angular de una masa que gira [69]. La mayor ventaja de los volantes de inercia sobre las baterías es que tienen una larga vida útil capaz de proporcionar varios cientos de miles de ciclos completos de carga y descarga [70]. La evaluación de la aplicabilidad de la tecnología del volante de inercia en el funcionamiento de los vehículos eléctricos a gran escala se explora en [71], proporcionando de esta forma apoyo técnico para resolver el problema de la pérdida de energía de reserva. En [72], se presenta el diseño de una estrategia de control del sistema de almacenamiento del volante de inercia basada en el calentamiento del motor de reluctancia síncrono asistido por imanes permanentes, el cual resuelve de manera efectiva los problemas del sistema de memoria y de la resistencia de la zona muerta. En el estudio llevado a cabo por Ghosh et al. en [73], se estudia una estrategia de control óptimo para la estabilidad de salida de un sistema de almacenamiento con volante de inercia basado en la función de energía, el cual resuelve de forma eficaz el problema de aislamiento entre la energía eólica y las fluctuaciones de tensión. 3.1.3 Almacenamiento de energía por aire comprimido El sistema de energía de aire comprimido almacena energía al comprimir el aire en el depósito y luego convertirlo en gas modificado [65]. En estos sistemas, el gas modificado (comprimido) se utiliza para hacer girar la turbina acoplada a una unidad de generación para que la turbina pueda generar electricidad expandiendo el gas comprimido [74]. Se ha llevado a cabo una investigación en la que se exploran tanto el modo operacional como las cuestiones de salud y seguridad relativas a estos sistemas de almacenamiento de energía [75]. 3.1.4 Almacenamiento de energía magnética por superconducción El almacenamiento de energía por superconducción muestra una característica dinámica y eficiente en la transferencia rápida de energía eléctrica a la red de forma bidireccional, aunque hay que tener en cuenta los elevados costes de los materiales superconductores [76]. 3.2 Sistemas de almacenamiento eléctricos El almacenamiento químico de energía se ajusta bien al gran reto de la transición de los combustibles fósiles a las formas renovables de producción de energía, como la eólica y la solar, equilibrando la intermitencia, la variabilidad y la generación de estas fuentes de producción de energía con las demandas geográficas de consumo [77]. Microrredes 28 28 Figura 16. Límite de la demanda neta a l 20% de la demanda de la red principal En concreto, el modelo matemático generado es un modelo lineal determinista y se ha optimizado utilizando el solver CPLEX en GAMS, siguiendo una estrategia utilizada en trabajos anteriores [103]–[105], [106]–[109]. El modelo desarrollado incluye para cada estudio de caso tres microrredes diferentes con varias tecnologías distribuidas, desde las convencionales hasta las de baja emisión de carbono. Las microrredes están conectadas a la red principal, por lo que es posible el intercambio de energía. El programa está diseñado para optimizar la programación de la microrred minimizando el coste operativo de cada microrred, basándose en trabajos anteriores realizados por [100][104][110], mientras se satisface la demanda de la microrred y se cumple al mismo tiempo el requisito de suavizar los eventos de rampa. Se calcula una demanda neta para evaluar las reducciones de los picos, que es la demanda principal de la red añadiendo los intercambios de electricidad con las microrredes. A continuación, se detallan los dos casos de estudio considerados. 4.2 Caso I En el caso I, las microrredes están conectadas a la red principal y pueden intercambiar energía en cualquier momento, aunque se establecen algunas restricciones para limitar el flujo de energía intercambiada. El objetivo es limitar y suavizar la curva de demanda neta cuando las microrredes tienen capacidad de generación adicional, y al mismo tiempo minimizar el coste de funcionamiento de las microrredes. Se han investigado dos escenarios principales: el primero, sin diferenciación en el precio de la electricidad, y el segundo, con dos precios diferentes para los periodos punta y no punta. Para estos dos escenarios, se han considerado cuatro restricciones diferentes, limitando la demanda neta a un valor máximo y mínimo (MD), que es inferior al pico máximo del tiempo estudiado. Los límites son un 20% del valor medio de la demanda de la red principal (representado en la Figura 2-1), un 15%, un 10% y un 5%. Para cada desviación máxima de la media, se ha establecido una restricción de rampa, limitando la rampa entre horas a 1,5 MW, 2 MW y 3 MW. El número de simulaciones realizadas para el Caso I se resume en la Tabla 2. 29 Soluciones al desacoplamiento entre generación y demanda Figura 17. Diagrama de flujo Caso I Periodos 1 Periodo 2 Periodos Rampa 1.5 MW 2MW 3 MW 1.5 MW 2MW 3 MW Desviación del valor medio 5% 5% 5% 5% 5% 5% 10% 10% 10% 10% 10% 10% 15% 15% 15% 15% 15% 15% 20% 20% 20% 20% 20% 20% Tabla 2. Simulaciones Caso I El diagrama de flujo del Caso I se muestra en la Figura 2-2. 4.3 Caso II En el caso II, las microrredes solo pueden intercambiar energía con la red principal durante los eventos de rampa, actuando como un servicio para la red principal. Este periodo representa de las 8 a las 13 horas y de las 17 a las 22 horas del 24 de marzo de 2017 y de las 17 a las 23 horas del 25 de marzo de 2017 en el Reino Unido. Los picos máximos y mínimos de la demanda neta se limitan a los límites superior e inferior de la demanda de la red principal para suavizar la rampa y no generar una más pronunciada con el intercambio de energía. En este caso, se han asignado diferentes precios al servicio ofrecido por las microrredes. El precio seleccionado, que es el precio de la electricidad elegido para el caso I, se ha reducido hasta el 50% y se ha aumentado hasta el 150% para estudiar qué precios son viables para que las microrredes den el servicio a la red principal. Las diferentes simulaciones realizadas para cada precio estudiado se muestran en la Tabla 2-2. El objetivo del Caso II es reducir los picos de la red principal cuando las microrredes tienen capacidad de generación extra, al igual que en el Caso I, pero en el Caso II el objetivo se establece para que se alcance sólo durante los eventos de rampa. Se supone que, al prestar el servicio a la red, y al ser acordado en el día anterior, el precio del servicio (compensado en la hora siguiente) se prevé en ese momento, y pueden producirse variaciones en el precio. Por lo tanto, para estudiar la incertidumbre de las microrredes de proporcionar un servicio rentable, se ha realizado un análisis probabilístico como en la sección 2.5. Microrredes 30 30 Tabla 3. Precios dados para el servicio de ramping para los microgrids Figura 18. Diagrama de flujo Caso II 4.4 Modelado matemático El modelo implementado en GAMS se detalla a continuación y considera las restricciones para el Caso I y el Caso II: SETS i: Unidad generadora j: Microrred h: Periodo de tiempo (horas) 31 Soluciones al desacoplamiento entre generación y demanda PARÁMETROS CO&M_i: coste de operación y mantenimiento por tecnología (k$/MWh) CF_i: Coste del combustible por tecnología ($/MMBtu o k$/MWh) Cup_i: Coste de puesta en marcha (k$) Bat O&M: Coste de operación y mantenimiento de la batería (k$/MWh) E_h: Precio de la electricidad (k$/MWh) R_i: Tasa de calor (MMBTU/MWh) Pmax_i,j, Pmin_i,j: Límites superior e inferior de la capacidad de generación (MW) Wind_profile_h: Perfil de generación de los aerogeneradores cada hora Solar_profile_h: Perfil de generación de los paneles fotovoltaicos cada hora TU_i: Tiempo mínimo de subida por tecnología (h) TD_i: Tiempo mínimo de inactividad por tecnología (h) Pg_j: Capacidad de conexión a la red eléctrica con cada microrred (MW) L_j,h: Demanda de la microrred (MWh) Lmg_h: Demanda de la red principal (kWh) Ebmax_j: Capacidad de la batería (MWh) Pbcmax_j: Tasa máxima de carga (MW) Pbdmax_j: Tasa máxima de descarga (MW) Nelc: Eficiencia de carga de la batería Neld: Eficiencia de descarga de la batería SOCm: Estado de carga mínimo de la batería VARIABLES BINARIAS u_i,j,h: 1 si el generador i de la microrred j está en línea en el momento h, 0 en caso contrario y_i,j,h: 1 si el generador i de la microrred j se ha puesto en marcha en el momento h, 0 en caso contrario z_i,j,h: 1 si el generador i de la microrred j se ha apagado en el momento h, 0 en caso contrario v_j,h: 1 si la batería de la microrred j se está cargando en el momento h, 0 en caso contrario w_j,h: 1 si la batería de la microrred j se está descargando en el momento h, 0 en caso contrario VARIABLES TC: Coste total del sistema P_i,j,h: Potencia generada por la tecnología i en la microrred j en el momento h (MWh) Pg_j,h: Intercambio de energía de la microrred j con la red principal en el momento h, (+) si se compra (-) si se vende, (MWh) Pbc_j,h: Potencia de carga de la batería de la microrred j en el momento h (MWh) Pbd_j,h: Potencia de descarga de la batería de la microrred j en el momento h (MWh) Eb_j,h: Energía de la batería de la microrred j en el momento h (MWh) Microrredes 32 32 ND_h: Energía de la red principal con las contribuciones de las microrredes en el momento h (MWh) ECUACIONES UNIDADES DE GENERACIÓN ∑ 𝑃 𝑖,𝑗,ℎ = 𝐿 𝑗,ℎ (2-1) 𝑃𝑚𝑖𝑛𝑖,𝑗 ∗ 𝑢𝑖,𝑗,ℎ ≤ 𝑃𝑖,𝑗,ℎ ≤ 𝑃𝑚𝑎𝑥𝑖,𝑗 ∗ 𝑢𝑖,𝑗,ℎ (2-2) 𝑢𝑖,𝑗,ℎ − 𝑦𝑖,𝑗,ℎ ≥ 0 K=h, …, h+TU_i ( 2-3) 1 − 𝑢𝑖,𝑗,ℎ – 𝑧𝑖,𝑗,ℎ ≥ 0 k=h, …, h+TD_i ( 2-4) 𝑃𝑖,𝑗,ℎ − 𝑃𝑖,𝑗,ℎ−1 ≤ 𝑅𝑈𝑖,𝑗 ( 2-5) 𝑃𝑖,𝑗,ℎ−1 − 𝑃𝑖,𝑗,ℎ ≤ 𝑅𝐷𝑖,𝑗 ( 2-6) 𝑦𝑖,𝑗,ℎ – 𝑧𝑖,𝑗,ℎ = 𝑢𝑖,𝑗,ℎ ( 2-7) 𝑦𝑖,𝑗,ℎ + 𝑧𝑖,𝑗,ℎ ≤ 1 ( 2-8) BATERÍAS 0 ≤ 𝑃𝑏𝑐𝑗,ℎ ≤ 𝑃𝑏𝑐𝑚𝑎𝑥𝑗 ∗ 𝑣𝑗,ℎ ( 2-9) 0 ≤ 𝑃𝑏𝑑𝑗,ℎ ≤ 𝑃𝑏𝑑𝑚𝑎𝑥𝑗 ∗ 𝑤𝑗,ℎ ( 2-10) ( 2-11) 𝐸𝑏𝑗,ℎ = 𝐸𝑏𝑗,ℎ−1 + 𝑃𝑏𝑐𝑗,ℎ ∗ 𝑡𝑎𝑜 ∗ 𝑛𝑒𝑙 – 𝑃𝑏𝑑𝑗,ℎ ∗ 𝑡𝑎𝑜/𝑛𝑒𝑙 𝑆𝑂𝐶 ∗ 𝐸𝑏𝑚𝑎𝑥𝑗 ≤ 𝐸𝑏𝑗,ℎ ≤ 𝐸𝑏𝑚𝑎𝑥𝑗 ( 2-12) 𝑣𝑗,ℎ + 𝑤𝑗,ℎ = 1 ( 2-13) 33 Soluciones al desacoplamiento entre generación y demanda RED En cada microrred, la potencia generada por todas las unidades en el momento h debe ser igual a la carga en ese momento, que se define en la ecuación (2-1), incluyendo los intercambios de energía con la red principal. La potencia de cada unidad despachable está limitada a una capacidad máxima y mínima (2-2), donde u es el compromiso de la unidad (1 si la unidad i está en línea, 0 en caso contrario). La potencia de las unidades no despachables depende de los perfiles de generación solar y eólica. Las restricciones para las horas mínimas en que una unidad despachable debe estar encendida o apagada se definen en las ecuaciones ( 2-3) y ( 2-4) respectivamente. Las restricciones de ramp-up y ramp-down máximas se definen en ( 2-5) y ( 2-6) para las unidades despachables. En las ecuaciones ( 2-7) y ( 2-8) se define el estado de los generadores. Las baterías se definen en las ecuaciones (2-9)-( 2-13). La ecuación de conservación de la energía de la batería está descrita en (2-11). El límite de flujo de energía de carga y descarga de las baterías se define en (2-9) y (2-10). La capacidad energética de la batería se define en (2-12) y (2-13) definiendo si la batería se está cargando, si v es 1 o descargando, si w es 1. Para el intercambio de energía con la red se ha definido una capacidad máxima y mínima por microrred en la ecuación (2-14). La demanda neta de la red principal en el momento h es igual a la energía vendida (-) o comprada (+) por las microrredes restando la demanda de la red principal (2-15). Para reducir los picos de la demanda de la red principal, la demanda neta se limita entre un valor máximo y un valor mínimo (2-16) y la rampa de subida y de bajada también se limita según las ecuaciones (2-17), (2-18). ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 1 Usada para el caso I y durante las horas de rampa del Caso II * Usada únicamente para el caso I −𝑃𝑔𝑐𝑗 ≤ 𝑃𝑔𝑗,ℎ ≤ 𝑃𝑔𝑐𝑗 ( 2-14) 𝑃𝑛𝑒𝑡ℎ = 𝐿𝑚𝑔ℎ − ∑ 𝑃𝑔𝑗,ℎ ( 2-15) 𝑀𝑖𝑛𝑁𝐷 ≤ 𝑃𝑛𝑒𝑡ℎ ≤ 𝑀𝑎𝑥𝑁𝐷 ( 2-16)1 𝑃𝑛𝑒𝑡ℎ – 𝑃𝑛𝑒𝑡ℎ−1 ≤ 𝑀𝑎𝑥_𝑁𝐷𝑈𝑝 ( 2-17)* 𝑃𝑛𝑒𝑡ℎ−1 – 𝑃𝑛𝑒𝑡ℎ ≤ 𝑀𝑎𝑥_𝑁𝐷𝐷𝑜𝑤𝑛 ( 2-18)* Microrredes 34 34 4.5 Value at Risk por los ingresos derivados de los servicios de las microrredes En el caso II, las microrredes adaptan su programación mientras esperan prestar un servicio el día anterior debido a las limitaciones de su red interna. En el momento del evento de rampa, la microrred recibe una señal de activación por parte del Operador del Sistema, siendo este un enfoque similar al que adoptan los servicios de reserva tradicionales de las grandes unidades de generación térmica. Normalmente, el servicio de reserva se adquiere mediante un contrato bilateral que incluye pagos por disponibilidad y pagos por utilización. Los pagos por utilización suelen compensarse en los mercados en tiempo real (PJM en EE.UU., AEMO en Australia) o en mercados de equilibrio cercanos al tiempo real (Reino Unido) [111]. Por lo tanto, el precio compensado en esos mercados tiene una incertidumbre el día anterior, es decir, cuando la microrred tiene que establecer el programa del día siguiente. El nuevo horario tendrá un OPEX más alto, por lo que el mayor coste tendrá que compensarse con los pagos por el servicio. Para cuantificar el riesgo se ha propuesto el Valor en Riesgo (VaR). El VaR representa el cuantil de la distribución de probabilidad del beneficio que iguala a 0 el beneficio, por ejemplo, un VaR del 5% significa que en el 5% de los casos el beneficio será 0 o inferior. Se supone que el precio de compensación del servicio el día anterior se distribuye normalmente con un Coeficiente de Variación (CV) de 0,18 (CV=σ/µ). Se ha tomado de forma heurística, asumiendo un rango aceptable de desviación media del 36% el 95% del tiempo. El precio medio tomado será el mínimo por el que la microrred comenzará a activar el servicio. El evento de rampa se produce en dos días consecutivos, por lo que el cálculo se ha realizado para ambos días. Esto se debe a que las restricciones de funcionamiento de las microrredes crean una dependencia con el programa de funcionamiento del día anterior. La hipótesis de distribución normal también es válida para el precio del segundo día, debiendo destacarse que ambos precios se han considerado como procesos estocásticos independientes. La función de beneficio y las ecuaciones implicadas se presentan a continuación: 𝑃𝑟𝑜𝑓𝑖𝑡 = 𝑇𝐶𝑖𝑠𝑙𝑎𝑛𝑑𝑖𝑛𝑔 − 𝑇𝐶𝑠𝑒𝑟𝑣𝑖𝑐𝑒 + 𝑞1𝑝1 + 𝑞2𝑝2 ( 2-19) 𝑝1 ≅ 𝑁 (𝜇𝑝, 𝜎𝑝) ( 2-20) 𝑝2 ≅ 𝑁 (𝜇𝑝, 𝜎𝑝) ( 2-21) 𝜎𝑝 = 𝜇𝑝 ∗ 0.18 ( 2-22) 𝜇𝑝𝑟𝑜𝑓𝑖𝑡 = 𝑇𝐶𝑖𝑠𝑙𝑎𝑛𝑑𝑖𝑛𝑔 − 𝑇𝐶𝑠𝑒𝑟𝑣𝑖𝑐𝑒 + 𝜇𝑝(𝑞1 + 𝑞2) ( 2-23) 𝜎𝑝𝑟𝑜𝑓𝑖𝑡 = √(𝑞1𝜎𝑝)2 + (𝑞2𝜎𝑝)2 ( 2-24) 𝑃𝑟𝑜𝑓𝑖𝑡 ≅ 𝑁 (𝜇𝑝𝑟𝑜𝑓𝑖𝑡, 𝜎𝑝𝑟𝑜𝑓𝑖𝑡) ( 2-25) 𝑉𝑎𝑅 = 𝑃(𝑃𝑟𝑜𝑓𝑖𝑡 ≤ 0) ( 2-26) 35 Soluciones al desacoplamiento entre generación y demanda Donde, TCislanding: Coste total de operación de las microrredes que operan en aislamiento TCservice: Coste total de explotación de las microrredes que prestan el servicio pi: Precio del servicio (i=1 para el día 24, i=2 para el día 25) qi: Cantidad total de energía suministrada por las microrredes El beneficio total de las microrredes (2-19), es la diferencia entre el coste total de funcionamiento en aislamiento y la prestación del servicio, sumando la cantidad vendida durante el primer día (24 de marzo) por el precio del mismo y lo mismo para el segundo día (25 de marzo). 4.6 Modelado del Mix de microrredes Se definen los supuestos y las limitaciones de los generadores integrados, la demanda y los sistemas de almacenamiento para cada una de las 3 microrredes modeladas. Al final de la sección, se analiza la interconexión con la red principal. Se asume la misma capacidad de mezcla para cada microrred, siendo 14 MW, un tercio de la demanda máxima del periodo estudiado. De este modo se garantiza que las microrredes modeladas puedan suministrar energía a la red principal en cualquier momento. El mix de generación se elige de forma diferente para cada microrred y se motiva a continuación: Microgrid 1 (µG1): Combinación real de generación en el Reino Unido La primera de las microrredes estudiadas se ha dimensionado con una capacidad instalada similar al mix de generación del país para esos días. La energía nuclear será sustituida por motores de gas natural (GN) y petróleo, ya que la central nuclear no es adecuada para potencias bajas. También se sustituirá el carbón por el GN, ya que es un combustible más limpio y sigue la proyección energética del país [112], [113]. La cuota de renovables para esta microrred es del 11%, con un 7% cubierto por energía solar fotovoltaica y un 4% por aerogeneradores. El 50% de la capacidad instalada se cubrirá con dos turbinas de gas natural en lugar de una turbina de gas de ciclo combinado (CCGT). Esto se debe a que las CCGT sólo son apropiadas para grandes capacidades de energía. Para aportar más capacidad de regulación a la microrred, el 25% de la capacidad instalada se cubrirá con dos pequeñas turbinas de vapor alimentadas con GN. El 14% restante se cubrirá con un motor de combustión interna alimentado con petróleo. Todos los datos de esta microrred se muestran en la Tabla 4. Microrredes 36 36 Tecnología Combustible Max/Min capacidad (MW) Coste O&M ($/kWh) Coste combustible ($/kWh) Fotovoltaica - 1.2-0 0.0032 - Eólica - 2-0 0.0045 - Pequeña turbina de vapor Gas natural 2-1 0.0057 0.114 Turbina de gas Gas natural 4-2 0.0057 0.09 Motor de petróleo de combustión interna Petróleo 2-0 0.006 0.169 Tabla 4. Datos de las tecnologías del microgid 1 Microgrid 2 (µG2): Escenario ecológico en el Reino Unido El principal motor de la microrred 2 es el mayor uso de tecnologías de energía renovable en comparación con la µG1, con el objetivo de reducir en gran medida las emisiones de GEI de acuerdo con la "Estrategia de Energía Renovable del Reino Unido" [114] y la "Directiva de Energía Renovable 2009/28/CE" [115]. Esta segunda µG representa la situación del Reino Unido entre las proyecciones energéticas para el año 2020 y el 2050, donde se prevé que toda la electricidad del Reino Unido sea producida por tecnologías renovables [116]. En esta microrred las tecnologías renovables representan el 50% de la capacidad total instalada, dividida en turbinas eólicas, que representan el 25% de la capacidad instalada, energía solar fotovoltaica, que representa el 10% y una unidad despachable, un generador de biomasa, que aporta más flexibilidad, que representa el 15% de la capacidad total instalada. Además, la microrred cuenta con una capacidad adicional de 6 MWh gracias a las baterías (Tabla 2-4), para que la microrred sea más fiable y pueda satisfacer la demanda a cada hora. Las tecnologías despachables son necesarias para seguir la carga fácilmente y de forma fiable, por lo que, además del generador de biomasa, se instalarán dos tecnologías despachables más, dos turbinas de gas y dos pequeñas turbinas de vapor con un 35% y un 15% de la capacidad instalada, como se muestra en la Tabla 2-5. Estas tecnologías han sido seleccionadas por ser fiables, económicamente competitivas, muy desarrolladas y por ser capaces de reducir los picos de consumo [92][117]. Capacidad (MW) 6 Flujo máximo de energía (MW/h) 2 Flujo mínimo de energía (MW/h) 0.4 Estado máximo de carga (MW) 4.8 Estado mínimo de carga (MW) 1.2 Eficiencia de la carga 1 Eficiencia de la descarga 0.95 Coste O&M ($/kWh) 0.01 Tabla 5. Datos de las baterías 37 Soluciones al desacoplamiento entre generación y demanda Tecnología Combustible Max/Min capacidad (MW) Coste O&M ($/k Wh) Coste combustible ($/kWh) Fotovoltaica - 2 0.0032 - Eólica - 5.5 0.0045 - μturbina de biomasa Biomasa 3-1.5 0. 0057 0.098 Turbina de gas Gas natural 4-2 0. 0057 0.09 μturbina de gas natural Gas natural 3-1.5 0. 0057 0.114 Tabla 6. Datos de las tecnologías del microgrid 2 Microgrid 3 (µG3): Proyección Reino Unido para 2030 La tercera microrred también seguirá la "Estrategia de Energías Renovables del Reino Unido" y el plan energético del Reino Unido para 2030, donde el 30% de la energía se producirá con [116]. Esta microrred está relacionada con la µG2 pero con menos capacidad renovable instalada, como se presenta en la Tabla 2-6. La capacidad instalada final sigue siendo un 30% de renovables, con un 20% de eólica y un 10% de solar, más un 40% de dos turbinas de GN y un 30% de capacidad instalada de dos microturbinas también alimentadas con GN para aportar más flexibilidad a la microrred. Technología Combustible Max-min capacidad (MW) Coste O&M ($/kWh) Coste combustible ($/kWh) Fotovoltaica - 2 0.0032 - Eólica - 4 0.0045 - Turbina de cas Gas natural 4-2 0. 0057 0.09 Μturbine de gas natural Gas natural 3-1.5 0. 0057 0.114 Tabla 7. Datos de las baterías La capacidad instalada de cada microrred será aproximadamente un tercio de la demanda máxima de la red nacional, siendo la suma de las unidades despachables de las tres microrredes igual a la demanda máxima del periodo estudiado, 42 MW. Se trata de un planteamiento similar al adoptado en [118] para garantizar que cada microrred pueda proporcionar una cantidad razonable de energía para realizar un cambio en la demanda de la red principal. Esta suposición se adopta para permitir una representación visual del impacto del funcionamiento de las microrredes agregadas en el perfil de generación de la red principal. La capacidad de interconexión de cada microrred depende de la capacidad de ramping que tenga la microrred durante el periodo estudiado. La capacidad de ramping mínima del periodo estudiado se ha seleccionado entre los máximos horarios para asegurarse de que en todo momento esta capacidad de ramping pueda ser aportada a la red. La capacidad de interconexión de la µG1 es de 8,5 MW, la de la microrred µG2 de 11,5 MW y la de la microrred µG3 de 12,5 MW. Microrredes 44 44 R1.5 R2 R3 5% mg2 mg1 mg2 10% mg2 mg3 mg2 15% mg1 mg3 mg3 20% mg3 mg1 mg2 Tabla 11. Microrred con mayor contribución para suavizar el peor evento de ramping 4.7.3 Resultados del Caso II Figure 3-8 shows the grid demand and the net demand after microgrid aggregation for each service price. Different curves have been obtained from the schedule of the microgrids optimized by minimizing the total operation cost of the microgrids. Figura 26. Demanda neta par adiferentes precios de servicios La Tabla 12 muestra el coste de funcionamiento de las tres microrredes, la energía intercambiada con la red principal y el beneficio de las microrredes que prestan el servicio. Como se puede observar en la Figura 3-8, los eventos de rampa se reducen para todas las simulaciones realizadas. Para precios del servicio inferiores a 80 $/MWh, se obtiene la misma curva de demanda neta. Asimismo, para precios superiores a 125,8 $/MWh, la curva de demanda neta se mantiene constante. Esto ocurre porque la cantidad de energía intercambiada con la red principal no varía, como se muestra en la Tabla 12. 45 Soluciones al desacoplamiento entre generación y demanda Figura 27. Función de distribución acumulada del beneficio del servicio Precio del servicio ($/kWh) Coste de operación (k$) Intercambio total de energía (MWh) Beneficio de las microrrede s (k$) 64 30.69 -45.33 -5.7 80 29.96 -45.88 -5 100 28.56 -56.27 -3.6 125.8 26.59 -93.94 -1.6 140 25.31 -93.94 -0.5 151 24.28 -93.94 0.7 Tabla 12. Resultados para cada escenario simulado Como se puede observar en la Tabla 12, para precios inferiores a 151 $/MWh no merece la pena que la microrred preste el servicio. El riesgo de tomar la decisión de prestar el servicio el día anterior con la dispersión considerada se muestra en la Figura 3-. En la Tabla 13, se muestra el valor en riesgo de la prestación del servicio para el precio mínimo 151 $/MWh, considerando que en el horizonte diario se supone que el precio previsto se ajusta a una distribución normal. También se presenta el precio necesario para reducir el riesgo a un valor aceptable (VaR 5%). Microrredes 46 46 Precio del servicio VaR 151.0 $/MWh 35.56% 183.1 $/MWh 5% Tabla 13. Valor en riesgo (VaR) dependiendo del precio del servicio 4.8 Discusión El aumento de la capacidad instalada de energía solar fotovoltaica distribuida en el Reino Unido está generando nuevos retos para los operadores del sistema, ya que se produce un crecimiento rápido y pronunciado de la demanda después de las horas de sol. En este artículo, se evalúa la contribución de las microrredes para reducir los eventos de rampa en la demanda de la red del Reino Unido, analizando el modo de funcionamiento de las microrredes. En el caso I, las microrredes se conectan a la red principal y actúan como prosumidores, mientras que en el caso II, el modo de funcionamiento normal de las microrredes es de manera aislada y sólo proporcionan el "servicio" durante las rampas. 4.8.1 Caso I Tarifa de un periodo A partir de los resultados obtenidos de la optimización del coste total de explotación de las microrredes para la tarifa de un periodo, se aprecia que se ha reducido la rampa de la red principal para todas las restricciones adoptadas, como se muestra en las figuras 3-2, 3-3 y 3-4. Cuanto más estrictas son las restricciones (límite del 5% y rampa máxima de 1,5 MW) más suave es la demanda neta, ya que se está reduciendo la libertad del sistema (estos resultados están en consonancia con los presentados en [100]). Asimismo, se aprecia que las restricciones de rampa entre horas apenas suponen cambios en la curva de demanda neta para cada restricción de MD, cambiando la rampa máxima diaria en torno a un 20% de la restricción menos restrictiva (3 MW), a la más restrictiva (1,5 MW) para la misma restricción de MD. Sin embargo, la restricción de MD genera más cambios entre las curvas de demanda neta, en amplitud y en rampa total. Teniendo más importancia para la tarifa de un periodo, la restricción MD. Por lo tanto, para la restricción de rampa entre horas, se seleccionará la más económica, y para la restricción de MD, dependiendo de cuánto se necesite reducir la rampa y el pico máximo de la demanda de la red se elegirá una restricción u otra. Centrándonos ahora en la reducción de la rampa de la red, en la tabla se puede concluir que la rampa máxima de la red principal, 11,8 MW en cuatro horas, se ha reducido en todos los escenarios. Se ha reducido en el peor de los casos, la rampa entre horas de 3 MW y el límite del 20% de la demanda media de la red principal, a 9 MW durante cinco horas, y en el mejor de los casos (rampa entre horas de 1,5 MW y el límite del 5% de la demanda media de la red principal) a 2 MW durante dos horas. La microrred que más reduce el evento de rampa depende de la simulación realizada. Así, hay que tener en cuenta las restricciones impuestas en cada simulación y la economía de la programación. Por lo tanto, no se 47 Soluciones al desacoplamiento entre generación y demanda puede asumir que la misma microrred será la que más reduzca el peor evento de rampa. Para todas las simulaciones estudiadas, la microrred que más contribuye a la reducción de rampas es la µG-1, que lo hace en siete de cada diez simulaciones. La microrred 3 lo hace en tres ocasiones y la µG-2 en dos, como se muestra en la Tabla 3-2. Esto puede explicarse porque la µG-1 es la que tiene más unidades despachables y también porque es la que tiene un mayor coste operativo, por lo que al prestar el servicio a la red disminuye su coste operativo. Tarifa de dos periodos Para la optimización de la tarifa de dos periodos, la Figura 3-5 , la Figura 3-6 , y la Figura 3-7 muestran cómo la demanda neta tiene un comportamiento diferente en comparación con la demanda de la red. En este caso, se producen rampas cuando hay cambios en el precio de la electricidad. Esto se debe a que la demanda neta sigue el precio de la electricidad. Así, en algunos escenarios, los eventos de rampa se producen en un periodo de tiempo diferente a los originales. Cuando el precio de la electricidad es más alto, las microrredes tienden a producir más energía para venderla a la red y reducir el coste operativo del sistema (las tres microrredes), cuando el precio de la electricidad es más bajo, la demanda neta es mayor que en el otro periodo, ya que es más económico comprar electricidad a la red principal que producirla en las microrredes. Para la misma restricción de MD, la variación de la demanda neta para las diferentes restricciones de rampa entre horas es mayor que para la tarifa de un periodo, pero sigue sin ser significativa. En cuanto a las diferentes restricciones de MD, la demanda neta para la misma restricción de rampa tiene un patrón similar (siguiendo el precio), no como para la tarifa de un período. La rampa máxima de 11,8 MW en cuatro horas se ha reducido incluso en el peor de los casos, para un 20%-2 MW, a 11,2 MW en seis horas. La reducción de la rampa tiene un mayor impacto para la tarifa de un periodo, debido a la optimización para la tarifa de dos periodos. La minimización de la rampa depende de las restricciones, siendo mayor la reducción de rampa para los escenarios más restrictivos. Para este caso de estudio, la microrred 2, la que tiene más capacidad renovable instalada, es la que más veces contribuye a reducir el peor evento de rampa de la red principal, seguida de la microrred 3 (se muestra en la Tabla 3-4). 4.8.2 Caso II Como se refleja en la Figura 24, se intercambian diferentes cantidades de energía en función del precio del servicio para reducir el coste de funcionamiento del sistema. Para todos los precios del servicio, la rampa máxima entre horas se reduce a 3,6 MW, y la rampa máxima total a 5,6 MW en tres horas. El beneficio obtenido por las microrredes es la diferencia entre el coste de explotación de las microrredes que operan en aislamiento y el coste de explotación que proporciona el servicio. Si el precio del servicio es inferior a 151 $/MWh, la prestación del servicio no es viable para las microrredes, ya que les genera pérdidas, por lo que estas opciones no se tienen en cuenta en el estudio. Teniendo en cuenta que las microrredes toman la decisión de prestar el servicio el día anterior con el precio del servicio de 151 $/MWh, y que éste puede variar hasta el momento de la transacción, debido a la dispersión del precio (18%), es necesario realizar un estudio probabilístico para estudiar el riesgo de tener pérdidas que tiene y si es seguro tomar la decisión. Los resultados del estudio probabilístico se muestran en la Figura 3-9, en la que la función de beneficio se aproxima a una distribución normal de media 151, el precio del servicio 151 $/MWh, y una desviación estándar de 27,18. El riesgo de que las microrredes tengan pérdidas es del 35,56%. Esta probabilidad representa un alto riesgo de tener pérdidas, por lo que la decisión de prestar el servicio a este precio es inaceptable. Para reducir el riesgo a un valor aceptable del 5%, el precio del servicio debería ser de 183,1 $/MWh. Microrredes 48 48 49 Soluciones al desacoplamiento entre generación y demanda 5 CONCLUSIONES “La ciencia es la progresiva aproximación del hombre al mundo real.” -Max Planck- En este trabajo se hace una revisión exhaustiva de la bibliografía existente centrándose en tres aspectos: el Sector Coupling, los sistemas de almacenamiento de energía y las microrredes. El documento revisa las patentes activas y los artículos publicados referentes a los aspectos mencionandos anteriormente. Además, se analizan retos y tendencias futuras. 5.1 Solución I. Sector Coupling El acoplamiento entre sectores surge con la idea principal de que para que un sistema energético sea robusto, no puede basarse únicamente en una fuente energética. Por tanto, esta solución marca la diferencia en la forma de generar y utilizar la energía, tanto si se aplica a una escala pequeña como a una industrial. Los diversos sectores (eléctrico, térmico, combustibles…) deben estar interconectados para que puedan nutrirse y ayudarse entre ellos. De esta forma, los inconvenientes innatos de cada uno de los sectores se ven reducidos gracias a las fortalezas de otros. Además, debido a la variabilidad de la generación renovable, es necesario que los excedentes de un tipo de fuente energética, puedan ser también utilizados o almacenados en otra fuente. A modo de ejemplo, el potencial que existe de generación eléctrica renovable es inmenso, sin embargo, a la hora de almacenar energía a gran escala, los sistemas térmicos son más prometedores y sostenibles actualmente. El camino hacia la transición energética será dificultoso puesto que conlleva un gran coste, responsabilidad social por parte de los ciudadanos y está altamente ligado a efectos políticos, puesto que se ve directamente afectado por la legislación. De esta forma, el llamado acoplamiento de sectores será un elemento fundamental de la transición energética, e implica una mayor electrificación de otros sectores, empleando fuentes renovables de forma extensa junto con los problemas inherentes a ellas, dado que están sujetas a la incertidumbre de generación de energía. Gracias al acoplamiento, se consiguen crear sinergias entre sectores que permiten que el sistema energético global sea más flexible, aspecto clave para conseguir que esté basado en su totalidad por energías renovables. Además, se reduce la dependencia de determinadas fuentes energéticas específicas, lo que supone que el sistema es más resiliente y le afectan menos los cambios futuros que se puedan suceder. Aunque inicialmente suponga un desembolso mayor de inversión, debido a que al diversificar el sistema hay que apostar también por tecnologías menos rentables que otras y a que se necesitan sistemas que acoplen los diversos sectores (transformen fuentes energéticas); en el futuro el sistema puede suponer ahorros, debido a que las pérdidas se reducen, es más eficiente, los cambios del mercado le afectan menos y a que el confort obtenido por los usuarios finales aumenta. De esta forma, si el objetivo final es conseguir que el sector energético sea 100% renovable, el acoplamiento entre sectores será algo necesario a realizar, ya sea en mayor o en menor medida. No obstante, aunque el acoplamiento de sectores continuará enfrentando retos en el futuro próximo, el camino hacia una sociedad que se abastezca principalmente de energías renovables es el correcto, dado que las metas climáticas se han de cumplir. 50 50 5.2 Solución II. Sistemas de almacenamiento Como se ha podido observar anteriormente en este trabajo, existen distintas posibilidades en cuanto al almacenamiento de energía. Cada sistema tiene unos costes y características de operación diferentes, lo cual habrá que tener en cuenta dependiendo del proyecto que se esté llevando a cabo. Cabe de estacar que el almacenamiento de energía es uno de los grandes problemas a los que se enfrentan los sistemas de suministro energético. Esto es un problema principalmente relevante desde el punto de las energías renovables, si se quieren ver como una alternativa realista a las energías consumibles, puesto que será necesario almacenar la energía durante los periodos de baja demanda para poder utilizarla posteriormente durante los periodos pico. Actualmente, las baterías de iones de litio son esperanzadores para el alcance de estos objetivos dado que cada vez son más económicas y presentan una mayor potencia. No obstante, aún queda mucho trabajo por realizar puesto que la mayoría de tecnologías de almacenamiento de energía se encuentran aún en fase de pruebas. Teniendo en cuenta lo revisado en la bibliografía, todas concluyen en que se debe realizar ya una gran inversión en el estudio y desarrollo de estos sistemas de almacenamiento puesto que ya no son problemas del futuro, y las tecnologías necesarias para solucionarlos podrían tardar años en desarrollarse. 5.3 Solución III. Microrredes Acomodar niveles crecientes crecientes de recursos distribuidos en el sistema del Reino Unido requerirá un conocimiento detallado de la forma de la carga, especialmente en las horas centrales del día. En ambos casos estudiados -microgrids como prosumidores y microgrids que prestan un serviciolas microgrids fueron capaces de reducir los eventos de ramping en la demanda nacional para el periodo caracterizado estudiado. Las microrredes que actúan como prosumidores cuando las condiciones meteorológicas extremas alteran las condiciones del sistema, con una tarifa de dos periodos, presentan los resultados económicos más favorables. Sin embargo, con una tarifa de un solo periodo, se consigue la mayor reducción de rampa. Si la microrred funciona dando servicio a la red principal, la cantidad de energía intercambiada siempre tiende a ser la mínima posible, dando servicio primero a su mercado energético local. Cuando la microrred actúa como prosumidor, existe una fuerte correlación con el precio de la electricidad y el periodo tarifario, por lo que se producirían diferentes curvas de demanda y costes de operación con una configuración diferente. Si la microrred actúa prestando un servicio, existe un precio mínimo que hace rentable la interacción con ciertos umbrales de riesgo. El caso presentado puede utilizarse para generalizar el par de combinaciones más adecuadas de rampareducción/coste total de operación para exógenos del mix de generación modelo del país que se desea analizar. REFERENCIAS [1] H. Lund, “Renewable heating strategies and their consequences for storage and grid 51 Soluciones al desacoplamiento entre generación y demanda infrastructures comparing a smart grid to a smart energy systems approach,” Energy, vol. 151, pp. 94–102, May 2018, doi: 10.1016/J.ENERGY.2018.03.010. [2] P. Olczak, P. Jaśko, D. Kryzia, D. Matuszewska, M. I. Fyk, and A. Dyczko, “Analyses of duck curve phenomena potential in polish PV prosumer households’ installations,” Energy Reports, vol. 7, pp. 4609–4622, Nov. 2021, doi: 10.1016/J.EGYR.2021.07.038. [3] “El problema energético mundial. Energías renovables y cambio climático – Revista Energy Management.” https://e-management.mx/2019/11/16/el-problema-energetico-mundial- energias-renovables-y-cambio-climatico/ (accessed Jul. 11, 2022). [4] “[2.1] El futuro de la energía | Informe integrado / febrero 2018.” https://www.iberdrola.com/wcorp/gc/prod/es_ES/informe-integrado/2018/informeintegrado/futuro-energia.html (accessed Jul. 11, 2022). [5] “El mundo consumirá un 30% más de energía en 2040 y se aleja de cumplir el Acuerdo de París | Economía | EL PAÍS.” https://elpais.com/economia/2017/11/14/actualidad/1510661591_352717.html (accessed Jul. 11, 2022). [6] H. Lund, P. A. Østergaard, D. Connolly, and B. V. Mathiesen, “Smart energy and smart energy systems,” Energy, vol. 137, pp. 556–565, Oct. 2017, doi: 10.1016/J.ENERGY.2017.05.123. [7] H. Lund et al., “Energy Storage and Smart Energy Systems,” International Journal of Sustainable Energy Planning and Management, vol. 11, pp. 3–14, Oct. 2016, doi: 10.5278/IJSEPM.2016.11.2. [8] “El Acuerdo de París | CMNUCC.” https://unfccc.int/es/process-and-meetings/the-paris- agreement/el-acuerdo-de-paris (accessed May 09, 2022). [9] G. Fridgen, R. Keller, M. F. Körner, and M. Schöpf, “A holistic view on sector coupling,” Energy Policy, vol. 147, p. 111913, Dec. 2020, doi: 10.1016/J.ENPOL.2020.111913. [10] V. Arabzadeh, J. Mikkola, J. Jasiūnas, and P. D. Lund, “Deep decarbonization of urban energy systems through renewable energy and sector-coupling flexibility strategies,” Journal of Environmental Management, vol. 260, p. 110090, Apr. 2020, doi: 10.1016/J.JENVMAN.2020.110090. [11] J. Gea-Bermúdez et al., “The role of sector coupling in the green transition: A least-cost energy system development in Northern-central Europe towards 2050,” Applied Energy, vol. 289, p. 116685, May 2021, doi: 10.1016/J.APENERGY.2021.116685. [12] J. K. Kim, H. Son, and S. Yun, “Heat integration of power-to-heat technologies: Case studies on heat recovery systems subject to electrified heating,” Journal of Cleaner Production, vol. 331, p. 130002, Jan. 2022, doi: 10.1016/J.JCLEPRO.2021.130002. [13] A. Herrmann, A. Mädlow, and H. Krause, “Key performance indicators evaluation of a domestic hydrogen fuel cell CHP,” International Journal of Hydrogen Energy, vol. 44, no. 35, pp. 19061–19066, Jul. 2019, doi: 10.1016/J.IJHYDENE.2018.06.014. [14] M. Higuita Cano, K. Agbossou, S. Kelouwani, and Y. Dubé, “Experimental evaluation of a power management system for a hybrid renewable energy system with hydrogen production,” Renewable Energy, vol. 113, pp. 1086–1098, Dec. 2017, doi: 10.1016/J.RENENE.2017.06.066. [15] Y. Kalinci, A. Hepbasli, and I. Dincer, “Techno-economic analysis of a stand-alone hybrid renewable energy system with hydrogen production and storage options,” International Journal of Hydrogen Energy, vol. 40, no. 24, pp. 7652–7664, Jun. 2015, doi: 10.1016/J.IJHYDENE.2014.10.147. [16] T. Kowalczyk, J. Badur, and M. Bryk, “Energy and exergy analysis of hydrogen production combined with electric energy generation in a nuclear cogeneration cycle,” Energy Conversion and Management, vol. 198, Oct. 2019, doi: 10.1016/J.ENCONMAN.2019.111805. Referencias 52 52 [17] T. Tsujimura and Y. Suzuki, “The utilization of hydrogen in hydrogen/diesel dual fuel engine,” International Journal of Hydrogen Energy, vol. 42, no. 19, pp. 14019–14029, May 2017, doi: 10.1016/J.IJHYDENE.2017.01.152. [18] P. Dimitriou, T. Tsujimura, and Y. Suzuki, “Hydrogen-diesel dual-fuel engine optimization for CHP systems,” Energy, vol. 160, pp. 740–752, Oct. 2018, doi: 10.1016/J.ENERGY.2018.07.038. [19] W. Li, Y. Wang, L. Xu, Y. Tang, X. Wu, and J. Liu, “Thermodynamic evaluation of electricity and hydrogen cogeneration from solar energy and fossil fuels,” Energy Conversion and Management, vol. 256, p. 115344, Mar. 2022, doi: 10.1016/J.ENCONMAN.2022.115344. [20] S. Belik, V. Dreissigacker, and S. Zunft, “Power-to-heat integration in regenerator storage: Enhancing thermal storage capacity and performance,” Journal of Energy Storage, vol. 50, p. 104570, Jun. 2022, doi: 10.1016/J.EST.2022.104570. [21] J. Sánchez, M. D. Curt, N. Robert, and J. Fernández, “Biomass Resources,” The Role of Bioenergy in the Bioeconomy, pp. 25–111, Jan. 2019, doi: 10.1016/B978-0-12-813056- 8.00002-9. [22] M. Naqvi, E. Dahlquist, and J. Yan, “Complementing existing CHP plants using biomass for production of hydrogen and burning the residual gas in a CHP boiler,” https://doi.org/10.1080/17597269.2016.1153362, vol. 8, no. 6, pp. 675–683, Nov. 2016, doi: 10.1080/17597269.2016.1153362. [23] A. Perna, M. Minutillo, E. Jannelli, V. Cigolotti, S. W. Nam, and K. J. Yoon, “Performance assessment of a hybrid SOFC/MGT cogeneration power plant fed by syngas from a biomass down-draft gasifier,” Applied Energy, vol. 227, pp. 80–91, Oct. 2018, doi: 10.1016/J.APENERGY.2017.08.077. [24] L. Raslavičius and Ž. Bazaras, “Ecological assessment and economic feasibility to utilize first generation biofuels in cogeneration output cycle - The case of Lithuania,” Energy, vol. 35, no. 9, pp. 3666–3673, 2010, doi: 10.1016/J.ENERGY.2010.05.011. [25] “The Difference Between Biomass and Biogas - Eco Sustainable Solutions.” https://www.thisiseco.co.uk/news/the-difference-between-biomass-and-biogas/ (accessed May 16, 2022). [26] R. Dalpaz, O. Konrad, C. Cândido da Silva Cyrne, H. Panis Barzotto, C. Hasan, and M. Guerini Filho, “Using biogas for energy cogeneration: An analysis of electric and thermal energy generation from agro-industrial waste,” Sustainable Energy Technologies and Assessments, vol. 40, Aug. 2020, doi: 10.1016/J.SETA.2020.100774. [27] S. Giarola, O. Forte, A. Lanzini, M. Gandiglio, M. Santarelli, and A. Hawkes, “Technoeconomic assessment of biogas-fed solid oxide fuel cell combined heat and power system at industrial scale,” Applied Energy, vol. 211, pp. 689–704, Feb. 2018, doi: 10.1016/J.APENERGY.2017.11.029. [28] A. de Klerk, Transport fuel: Biomass-, coal-, gas- and waste-to-liquids processes. Elsevier, 2020. doi: 10.1016/B978-0-08-102886-5.00010-4. [29] K. S. Balkhair and K. U. Rahman, “Sustainable and economical small-scale and low-head hydropower generation: A promising alternative potential solution for energy generation at local and regional scale,” Applied Energy, vol. 188, pp. 378–391, 2017, doi: 10.1016/J.APENERGY.2016.12.012. [30] K. Huang et al., “Improving complementarity of a hybrid renewable energy system to meet load demand by using hydropower regulation ability,” Energy, vol. 248, Jun. 2022, doi: 10.1016/J.ENERGY.2022.123535. [31] T. Kału˙ Za et al., “The hydropower sector in Poland: Barriers and the outlook for the future,” Renewable and Sustainable Energy Reviews, vol. 163, p. 112500, Jul. 2022, doi: 10.1016/J.RSER.2022.112500. 53 Soluciones al desacoplamiento entre generación y demanda [32] Y. X. Zhou, Y. P. Li, G. H. Huang, Y. F. Zhang, and Y. Ma, “A fixed-mix stochastic fractional programming method for optimizing agricultural irrigation and hydropower generation in Central Asia,” Journal of Contaminant Hydrology, vol. 248, p. 104004, Jun. 2022, doi: 10.1016/J.JCONHYD.2022.104004. [33] A. Bekker, M. van Dijk, and C. M. Niebuhr, “A review of low head hydropower at wastewater treatment works and development of an evaluation framework for South Africa,” Renewable and Sustainable Energy Reviews, vol. 159, p. 112216, May 2022, doi: 10.1016/J.RSER.2022.112216. [34] K. Gyanwali, A. Bhattarai, T. R. Bajracharya, R. Komiyama, and Y. Fujii, “Assessing green energy growth in Nepal with a hydropower-hydrogen integrated power grid model,” International Journal of Hydrogen Energy, vol. 47, no. 34, pp. 15133–15148, Apr. 2022, doi: 10.1016/J.IJHYDENE.2022.03.041. [35] X. Lei, “Research on development and utilization of hydropower in Myanmar,” Energy Reports, vol. 8, pp. 16–21, May 2022, doi: 10.1016/J.EGYR.2021.11.031. [36] R. Hemmati, “Optimal cogeneration and scheduling of hybrid hydro-Thermal-wind-solar system incorporating energy storage systems,” Journal of Renewable and Sustainable Energy, vol. 10, no. 1, Jan. 2018, doi: 10.1063/1.5017124. [37] I. Dincer and H. Ishaq, “Hydrogen Production Methods,” Renewable Hydrogen Production, pp. 35–90, 2022, doi: 10.1016/B978-0-323-85176-3.00005-6. [38] K. Li, C. Liu, S. Jiang, and Y. Chen, “Review on hybrid geothermal and solar power systems,” Journal of Cleaner Production, vol. 250, Mar. 2020, doi: 10.1016/J.JCLEPRO.2019.119481. [39] Y. Chen, J. Wang, and P. D. Lund, “Thermodynamic performance analysis and multi-criteria optimization of a hybrid combined heat and power system coupled with geothermal energy,” Energy Conversion and Management, vol. 210, Apr. 2020, doi: 10.1016/J.ENCONMAN.2020.112741. [40] S. van Erdeweghe, J. van Bael, B. Laenen, and W. D’haeseleer, “Optimal combined heat-and- power plant for a low-temperature geothermal source,” Energy, vol. 150, pp. 396–409, May 2018, doi: 10.1016/J.ENERGY.2018.01.136. [41] S. van Erdeweghe, J. van Bael, B. Laenen, and W. D’haeseleer, “Optimal configuration for a low-temperature geothermal CHP plant based on thermoeconomic optimization,” Energy, vol. 179, pp. 323–335, Jul. 2019, doi: 10.1016/J.ENERGY.2019.04.205. [42] E. Assareh, M. Delpisheh, E. Farhadi, W. Peng, and H. Moghadasi, “Optimization of geothermal- and solar-driven clean electricity and hydrogen production multi-generation systems to address the energy nexus,” Energy Nexus, vol. 5, p. 100043, Mar. 2022, doi: 10.1016/J.NEXUS.2022.100043. [43] Ashok Kumar L., Indragandhi V., and Uma Maheswari Y., “PVSYST,” Software Tools for the Simulation of Electrical Systems, pp. 349–392, 2020, doi: 10.1016/B978-0-12-819416- 4.00009-0. [44] A. V. Rodrigues, D. A. R. de Souza, F. D. R. Garcia, and S. J. L. Ribeiro, “Renewable energy for a green future: Electricity produced from efficient luminescent solar concentrators,” Solar Energy Advances, vol. 2, p. 100013, 2022, doi: 10.1016/J.SEJA.2022.100013. [45] A. Kasaeian, G. Nouri, P. Ranjbaran, and D. Wen, “Solar collectors and photovoltaics as combined heat and power systems: A critical review,” Energy Conversion and Management, vol. 156, pp. 688–705, Jan. 2018, doi: 10.1016/J.ENCONMAN.2017.11.064. [46] D. R. Myers, “Solar Radiation Resource Assessment for Renewable Energy Conversion,” Comprehensive Renewable Energy, vol. 1, pp. 213–237, Jan. 2012, doi: 10.1016/B978-0-08- 087872-0.00112-8. [47] Y. Vorobiev, J. González-Hernández, P. Vorobiev, and L. Bulat, “Thermal-photovoltaic solar hybrid system for efficient solar energy conversion,” Solar Energy, vol. 80, no. 2, pp. 170–176,