Revista UIS Ingenierías

Vol. 15 Núm. 2 (2016): Revista UIS Ingenierías
Artículos

Gestión óptima de la potencia eléctrica en una microgrids conectada, basada en el algoritmo genético para optimización multiobjetivo MOGA

PDF HTML
  • Fabian Andres Zuñiga Cortes,
  • Eduardo Francisco Caicedo Bravo,
  • Danny Mauricio López Santiago
Fabian Andres Zuñiga Cortes
Universidad del Valle
Biografía
Eduardo Francisco Caicedo Bravo
Universidad del Valle
Biografía
Danny Mauricio López Santiago
Universidad del Valle
Biografía
Portada RUI 15.2
DOI: https://doi.org/10.18273/revuin.v15n2-2016002

Publicado 2016-05-25

Palabras clave

  • algoritmos evolutivos de optimización multiobjetivo,
  • algoritmo genético multiobjetivo,
  • gestión óptima de potencia,
  • microrred,
  • optimización multiobjetivo,
  • sistema de gestión de energía
    • ...Más
    Menos

Cómo citar

Zuñiga Cortes, F. A., Caicedo Bravo, E. F., & López Santiago, D. M. (2016). Gestión óptima de la potencia eléctrica en una microgrids conectada, basada en el algoritmo genético para optimización multiobjetivo MOGA. Revista UIS Ingenierías, 15(2), 17–33. https://doi.org/10.18273/revuin.v15n2-2016002
Aviso de derechos de autor/a

Resumen

Las microrredes son un concepto revolucionario que enfrenta algunos problemas de los grandes sistemas eléctricos centralizados. Aunque este concepto promete numerosos beneficios, también presenta nuevos desafíos en materia de control y operación. Uno de los desafíos más importantes es gestionar, de manera óptima, la energía producida por las microrredes. Este artículo presenta una estrategia de gestión de potencia en una microrred conectada, basada en el algoritmo MOGA. La estrategia se formula con base en dos objetivos conflictivos entre sí: la reducción de los costos operacionales de la microrred y la reducción de la cantidad de emisiones de gases contaminantes. Los resultados de simulación muestran los beneficios de usar la estrategia de gestión basada en MOGA, en comparación con una estrategia de importación total de la red principal, lo cual hace a MOGA una técnica competitiva para integrar el núcleo optimizador de un sistema de gestión de energía en microrredes.

PDF HTML

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

  1. R. Carballo et al., “Design and Implementation of a Three-Phase DC-AC Converter for Microgrids Based on Renewable Energy Sources,” IEEE Latin America Transactions, vol. 11, núm. 1, pp. 118-124, feb. 2013. DOI 10.1109/TLA.2013.6502788.
  2. Y. Muñoz y A. Ospino, “Selecting the optimal energy mix and sizing of a isolated microgrid,” Revista inge@UAN, vol. 4, núm. 7, pp. 59-67, jul-dic. 2013.
  3. G. Corso, et al. “Multi-objective long term optimal dispatch of distributed energy resources in micro-grids,” en UPEC, 45th International, 2010, pp.1-5.
  4. R. Jaganmohan Reddy et al., “Distributed ANNs in a Layered Architecture for Energy Management and Maintenance Scheduling of Renewable Energy HPS Microgrids,” IEEE Power and Energy Society General Meeting, 2012, pp. 1-6. DOI: 10.1109/APCET.2012.6302067
  5. P. Faria et al., “Modified Particle Swarm Optimization applied to integrated demand response and DG resources scheduling,” IEEE Transactions on smart grid, vol. 4, núm. 1, pp. 606-618, mar. 2013. DOI: 10.1109/TSG.
  6. 2235866.
  7. D.M. López, “Gestión óptima de la potencia eléctrica en microgrids, basada en inteligencia computacional,” tesis de maestría, Esc. Ing. Sist. Y Comp., Univalle, Santiago de Cali, 2013.
  8. M.B. Shadmand y R.S. Balog, “Multi-Objective Optimization and Design of Photovoltaic-Wind Hybrid System for Community Smart DC Microgrid,” IEEE Transactions on Smart Grid, vol. 5, núm. 5, pp. 2635-2643, ago. 2014. DOI: 10.1109/TSG.2014.2315043
  9. H.A. Gabbar et al., “Performance optimization of integrated gas and power within microgrids using hybrid PSO–PS algorithm,” International Journal of Energy Research, vol. 40, núm. 7, pp. 971–982, jun. 2016. DOI: 10.1002/er.3493
  10. H. Kumar Nunna y S. Doolla, “Multiagent-Based Distributed-Energy-Resource Management for Intelligent Microgrids,” IEEE Transactions on Industrial Electronics, vol. 60, núm. 4, pp. 1678-1687, abr. 2012. DOI: 10.1109/TIE.2012.2193857
  11. M.J. Santofimia Romero, X.D.T. García y J.C. López, “Técnicas de Inteligencia Artificial aplicadas a la Red Eléctrica Inteligente (Smart Grid),” Novática, núm. 213, pp. 29-34, sep-oct 2011.
  12. European Comission, “The 2020 climate & energy package,” Disponible en: http://ec.europa.eu/clima
  13. /policies/strategies/2020_en
  14. X. Wang, J.M. Guerrero y Z.Chen, “Control of Grid Interactive AC Microgrids,” IEEE International Symposium on Industrial Electronics, ISIE, jul. 2010, pp. 2211-2216. DOI: 10.1109/ISIE.2010.5637807
  15. J.M. Guerrero, J.C. Vásquez y R. Teodorescu, “Hierarchical control of droop-controlled DC and AC microgrids — a general approach towards standardization,” IECON '09. 35th Annual Conference of IEEE, (Porto), 2009, pp. 4305-4310. DOI: 10.1109/IECON.2009.5414926
  16. W. Su y J. Wang, “Energy Management Systems in Microgrid Operations,” The Electricity Journal, vol. 25, núm. 8, pp. 45-60, oct. 2012. DOI: 10.1016/j.tej.2012.09.010
  17. S. Diaf et al., “A methodology for optimal sizing of autonomous hybrid PV/wind system,” Energy Policy, vol. 35, núm. 11, pp. 5708–5718, nov. 2007. DOI: 10.1016/j.enpol.2007.06.020
  18. Guía para el desarrollo de una pequeña central hidroeléctrica, European Small Hydropower Association (ESHA), 2006.
  19. A.J. Wood y B.F. Wollenberg, Power Generation, Operation and Control, 2a ed. New York: Wiley, 1996, p. 593.
  20. Cummins Power Generation, “Generator set data sheet 10 kW standby DSKAA Diesel EPA”.
  21. A.M. Azmy y I.Erlich, “Online optimal management of PEM fuel cells using neural networks,” IEEE Trans. Power Deliv., vol. 20, núm. 2, pp. 1051–1058, abr. 2005. DOI: 10.1109/TPWRD.2004.833893
  22. R. Noroozian y H. Vahedi, “Optimal management of MicroGrid using bacterial foraging algorithm,” 18th ICEE, 2010, pp. 895–900. DOI: 10.1109/IRANIANCEE.2010.5506951
  23. Metodología para definir el índice de perdidas reconocidas en la actividad de distribución, Comisión de Regulación de Energía y Gas (CREG), 2002.
  24. M. Pipattanasomporn, M. Willingham y S. Rahman, “Implications of on-site distributed generation for commercial/industrial facilities,” IEEE Trans. On Power Systems, vol. 20, núm. 1, pp. 206–212, feb. 2005. DOI: 10.1109/TPWRS.2004.841233
  25. C.M. Fonseca y P.J. Fleming, “Genetic Algorithms for Multi-Objective Optimization: Formulation, Discussion and Generalization 5th International Conf. on Genetic Algorithms, 1993, pp. 416-423.