Modelo de un sistema de administración de energía autónomo operado desde la nube para optimizar la gestión de un grupo de microrredes

Organizar la generación, almacenamiento y gestión de energía eléctrica desde la perspectiva de las energías renovables, así como la parametrización de las características de consumo energético de las comunidades con acceso limitado al suministro eléctrico interconectado, ha tomado mayor relevancia en los últimos años debido a las demandas que definen el bienestar social de este siglo. Complementariamente al aumento de la demanda, otros factores requieren la mejora y actualización de la infraestructura de la red eléctrica y su apertura a otras tecnologías que satisfagan las necesidades de los usuarios finales. El interés en las fuentes de energía renovable, la evolución de las tecnologías de almacenamiento de energía, la investigación continua en sistemas de gestión de microrredes y la masificación de tecnologías y herramientas disponibles en el entorno de la computación en la nube, aprendizaje automático, big data y el internet de las cosas motivaron el desarrollo de esta investigación doctoral. Esta investigación doctoral se centra en tres tareas vinculadas al funcionamiento de un grupo de microrredes. La primera tarea es la integración fluctuante de dispositivos y objetos heterogéneos de generación de energía cuyas características de movilidad y distribución son particulares en varias áreas geográficas. El segundo es la necesidad de una operación en tiempo real y amplias capacidades de procesamiento y almacenamiento de información. Finalmente, la tercera tarea considera los factores de conservación para aplicaciones críticas ligadas a técnicas avanzadas de optimización, especialmente el costo operativo y la vida útil de la batería. Un modelo de gestión energética autónomo y escalable que sigue la estructura de control jerárquico y basa su funcionamiento en la computación en la nube, el internet de las cosas, el aprendizaje automático y el big data resuelve las tareas antes mencionadas. Esta investigación define los elementos que considera la arquitectura del sistema de gestión de energía autónomo y escalable en tiempo real en un grupo de microrredes. Para esto, es necesario emular el comportamiento de un grupo de microrredes interconectadas y probar la arquitectura en escenarios reales con la ayuda de plataformas power-hardware-in-the-loop conectadas a un servidor en la nube. La programación del servidor debe incluir la implementación del protocolo de gestión del modelo que explota el algoritmo de optimización y la ecualización del estado de carga. Además, el modelo aprovecha las herramientas de aprendizaje automático y big data disponibles en un entorno de computación en la nube, asegurando la escalabilidad de la operación del modelo en función de la fluctuación de los recursos disponibles en una microrred o extendiendo su operación a un grupo de microrredes de forma transparente a través de la incorporación de sensores IoT u otras herramientas. Esta tesis doctoral resume los resultados de investigación del modelo y la evidencia publicada en un libro, dos artículos de revistas, dos conferencias internacionales y una conferencia nacional.

• Tipo de recurso: Doctoral thesis
• Fecha de publicación: 2022
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/35552
• Acceso en línea: http://hdl.handle.net/11349/35552
• Palabra clave: Sistema de administración de energía; Internet de las cosas; Aprendizaje automático; Grupo de microrredes; Tiempo real; Banco de pruebas; Doctorado en Ingeniería -- Tesis y disertaciones académicas; Generación de energía eléctrica; Microrredes; Computación en la nube; Tecnologías de almacenamiento de energía; Energy Management System; Internet of things; Machine learning; Microgrid cluster; Real-time; Real-life; Testbed
• License: Attribution-NoDerivatives 4.0 Internacional