Herramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivo

Con el presente trabajo se buscó la implementación de un algoritmo matemático evolutivo que permitiera dimensionar de forma óptima sistemas híbridos off-grid pvwind-battery-diésel. Inicialmente se realizó la verificación de antecedentes con el objetivo de tener presente las metodologías ya existente...

Full description

Autores:: Torres Landazábal, Víctor Andrés

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2021

Institución:: Universidad Autónoma de Bucaramanga - UNAB

Repositorio:: Repositorio UNAB

Idioma:: spa

id	UNAB2_aae66817145e1828c94949e2955f3918
oai_identifier_str	oai:repository.unab.edu.co:20.500.12749/14063
network_acronym_str	UNAB2
network_name_str	Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv	Herramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivo
dc.title.translated.spa.fl_str_mv	Tool for the optimal sizing of off-grid pv-wind-battery-diesel hybrid systems, based on an evolutionary algorithm
title	Herramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivo
spellingShingle	Herramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivo Energy engineering Technological innovations Energy Optimization Hybrid systems Genetic algorithm Sizing Data processing Algorithms Mathematical models Ingeniería en energía Innovaciones tecnológicas Energía Procesamiento de datos Algoritmos Modelos matemáticos Optimización Sistemas híbridos Algoritmo genético Dimensionamiento
title_short	Herramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivo
title_full	Herramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivo
title_fullStr	Herramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivo
title_full_unstemmed	Herramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivo
title_sort	Herramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivo
dc.creator.fl_str_mv	Torres Landazábal, Víctor Andrés
dc.contributor.advisor.none.fl_str_mv	Acevedo Arenas, César Yobany
dc.contributor.author.none.fl_str_mv	Torres Landazábal, Víctor Andrés
dc.contributor.cvlac.spa.fl_str_mv	Acevedo Arenas, César Yobany [0000376671]
dc.contributor.orcid.spa.fl_str_mv	Acevedo Arenas, César Yobany [0000-0002-5470-181X]
dc.contributor.researchgate.spa.fl_str_mv	Acevedo Arenas, César Yobany [Cesar-Y-Acevedo-Arenas-2154624305]
dc.contributor.linkedin.none.fl_str_mv	Acevedo Arenas, César Yobany [césar-yobany-acevedo-arenas-355a062b]
dc.subject.keywords.spa.fl_str_mv	Energy engineering Technological innovations Energy Optimization Hybrid systems Genetic algorithm Sizing Data processing Algorithms Mathematical models
topic	Energy engineering Technological innovations Energy Optimization Hybrid systems Genetic algorithm Sizing Data processing Algorithms Mathematical models Ingeniería en energía Innovaciones tecnológicas Energía Procesamiento de datos Algoritmos Modelos matemáticos Optimización Sistemas híbridos Algoritmo genético Dimensionamiento
dc.subject.lemb.spa.fl_str_mv	Ingeniería en energía Innovaciones tecnológicas Energía Procesamiento de datos Algoritmos Modelos matemáticos
dc.subject.proposal.spa.fl_str_mv	Optimización Sistemas híbridos Algoritmo genético Dimensionamiento
description	Con el presente trabajo se buscó la implementación de un algoritmo matemático evolutivo que permitiera dimensionar de forma óptima sistemas híbridos off-grid pvwind-battery-diésel. Inicialmente se realizó la verificación de antecedentes con el objetivo de tener presente las metodologías ya existentes para diseñar sistemas híbridos y, a partir de esto, plantear un método práctico que aporte resultados altamente significativos. Una vez evaluados los antecedentes, estos sirven como sustento para la creación del correspondiente código en la plataforma de Matlab, teniendo como base un algoritmo genético, donde se realiza el dimensionamiento óptimo del sistema de generación renovable, de almacenamiento y generación diésel, tomando en consideración variables como la irradiancia, velocidad del viento, curva de carga y temperatura del emplazamiento donde se vaya a realizar el respectivo dimensionamiento del sistema hibrido. Posteriormente, con la herramienta desarrollada se prueba, evalúa y analiza, mediante casos hipotéticos, si se logra un dimensionamiento óptimo del sistema hibrido. Finalmente, mediante un caso práctico aplicado en condiciones reales, se corrobora que la solución que arroja la herramienta desarrollada cubre la totalidad de la demanda energética indistintamente de la época del año, brindando una solución efectiva al problema planteado. Para esta parte se tomó como caso de estudio a la ciudad de Valencia - España, debido a que se contó, en el desarrollo del proyecto, con una cantidad suficiente de datos de carga, irradiancia, velocidad de viento y temperatura, necesarias para realizar un dimensionamiento con resultados significativos y confiables. Considerando la variabilidad geográfica y climatológica que se presentan a lo largo del año, en Valencia - España, la herramienta nos indica que la configuración óptima para la estación climática de verano es de 64 módulos fotovoltaicos, 1 turbinas eólicas, 12 baterías y 1 generador diésel con un LCOE de 0,172 $/kWh; mientras que para el invierno es de un sistema hibrido conformado por 57 módulos fotovoltaicos, 3 turbinas eólicas, 5 baterías y 1 generadores diésel con un LCOE de 0,186 $/kWh.
publishDate	2021
dc.date.accessioned.none.fl_str_mv	2021-08-27T21:41:01Z
dc.date.available.none.fl_str_mv	2021-08-27T21:41:01Z
dc.date.issued.none.fl_str_mv	2021
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.local.spa.fl_str_mv	Trabajo de Grado
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.redcol.none.fl_str_mv	http://purl.org/redcol/resource_type/TP
format	http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/20.500.12749/14063
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional UNAB
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repository.unab.edu.co
url	http://hdl.handle.net/20.500.12749/14063
identifier_str_mv	instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	[1] J. A. A. Valencia, «Factibilidad de la implementación de paneles solares fotovoltaicos para la generación de energía eléctrica en las cabeceras municipales de las zonas no interconectadas de Colombia,» Universidad EAFIT, Medellín, Colombia, 2018 [2] M. Giraldo, R. Vacca Ramírez y A. Urrego Quintanilla, «Las energías alternativas ¿una oportunidad para Colombia?,» Politécnico Colombiano, 2018 [3] J. L. Agustín, «Aplicación de algoritmos genéticos al diseño óptimo de sistemas de distribución de energía eléctrica,» Zaragoza, 1988. [4] Siddaiah, R., & Saini, R. P. (2016). A review on planning, configurations, modeling and optimization techniques of hybrid renewable energy systems for off grid applications. Renewable and Sustainable Energy Reviews, 58, 376–396 [5] D. Ciatera Díaz, “Modelo de Optimización Multiobjetivo para Evaluación de Eficiencia en una Empresa de Servicios Eléctricos,” Dep. Ing. Ind., vol. Ingeniería, p. 91, 2015 [6] N. P. & Akpan and I. A. Iwok, “Application of Linear Programming for Optimal Use of Raw Materials in Bakery,” Int. J. Math. Stat. Invent. www.ijmsi.org, vol. 4, no. 8, pp. 51–57, 2016. [7] S. Ashok, “Optimised model for community-based hybrid energy system,” Renew. Energy, vol. 32, no. 7, pp. 1155–1164, 2007 [8] T. K. Das, D. Chakraborty, and S. Seth, “Energy consumption and prospects for renewable energy technologies in an Indian village,” Energy, vol. 15, no. 5, pp. 445–449, 1990. [9] L. A. Gen, “ALGORITMOS GE ETICOS 1 Introducción,” pp. 1–34, 1859. [10] S. Sengupta, S. Basak, and R. Peters, “Particle Swarm Optimization: A Survey of Historical and Recent Developments with Hybridization Perspectives,” Mach. Learn. Knowl. Extr., vol. 1, no. 1, pp. 157–191, 2018 [11] Dorigo, M., Birattari, M., & Stutzle, T. (2006). Ant colony optimization. IEEE Computational Intelligence Magazine, 1(4), 28–39. [12] Zong Woo Geem, Joong Hoon Kim, & Loganathan, G. V. (2001). A New Heuristic Optimization Algorithm: Harmony Search. SIMULATION, 76(2), 60–68. [13] P. El, “Un Algoritmo Metaheurístico De Recocido Simulado Para El 3Ap-Axial,” Saber, vol. 28, no. 3, pp. 566–573, 2016. [14] Katsigiannis, Y. A., Georgilakis, P. S., & Karapidakis, E. S. (2012). Hybrid Simulated Annealing–Tabu Search Method for Optimal Sizing of Autonomous Power Systems With Renewables. IEEE Transactions on Sustainable Energy, 3(3), 330–338 [15] Lujano-Rojas, J. M., Dufo-López, R., & Bernal-Agustín, J. L. (2013). Probabilistic modelling and analysis of stand-alone hybrid power systems. Energy, 63, 19–27 [16] Guo, Q., Yu, H., & Xu, A. (2006). A hybrid PSO-GD based intelligent method for machine diagnosis. Digital Signal Processing, 16(4), 402–418. [17] GOLDBERG and D. E., “Genetic Algorithms in Search,” Optim. Mach., 1989 [18] Mitchell, Melanie (1996). An Introduction to Genetic Algorithms. Cambridge, MA: MIT Press [19] Whitley, D. (1994). A genetic algorithm tutorial. Statistics and Computing, 4(2). [20] "XI. Crossover and Mutation". http://www.obitko.com/: Marek Obitko. Retrieved 2011-04-07 [21] Rowland J. O. Ekeocha, 2019. "Optimization of Systems," International Journal of Sciences, Office ijSciences, vol. 8(03), pages 118-125, March [22] Valencia, P. E. (1997, August). Optimización mediante algoritmos genéticos. In Anales del Instituto de Ingenieros de Chile (Vol. 109, No. 2, pp. 83-92). [23] Bhandari, B., Lee, K.-T., Lee, G.-Y., Cho, Y.-M., & Ahn, S.-H. (2015). Optimization of hybrid renewable energy power systems: A review. International Journal of Precision Engineering and Manufacturing-Green Technology, 2(1), 99–112 [24] García, E. R. S., González, R. L. P. E. F., & Morales, J. M. F. Análisis del costo nivelado de energía para diversas fuentes renovables al año 2030 y 2050. Un parámetro clave en la toma de decisión de proyectos de inversión. Serieponencias, 19. [25] Kaabeche, A., Belhamel, M., & Ibtiouen, R. (2011). Sizing optimization of gridindependent hybrid photovoltaic/wind power generation system. Energy, 36(2), 1214–1222 [26] Energetika - Curva I-V de un panel fotovoltaico. (2018). Energiteka. http://www.energetika.com.ar/Curva%20I-V.html [27] T. Markvart, Solar Electricity. WILEY, 2000. [28] M. A. Habib, S. A. M. Said, M. A. El-Hadidy, and I. Al-Zaharna, “Optimization procedure of a hybrid photovoltaic wind energy system,” Energy, vol. 24, no. 11, pp. 919–929, 1999 [29] Notton. G, Cristofari. C, Mattei. M. and Poggi. P. (2005). Modelling of a doubleglass photovoltaic module using finite differences, Appl. Therm.Eng, 25, 2854– 2877. [30] S. Diaf, G. Notton, M. Belhamel, M. Haddadi, and A. Louche, “Design and techno-economical optimization for hybrid PV/wind system under various meteorological conditions,” Appl. Energy, vol. 85, no. 10, pp. 968–987, 2008 [31] E.-L. J, Manual de energía eólica. 2011 [32] A. Ilinca, E. McCarthy, J. L. Chaumel, and J. L. Rétiveau, “Wind potential assessment of Quebec Province,” Renew. Energy, vol. 28, no. 12, pp. 1881–1897, 2003 [33] B. Ai, H. Yang, H. Shen, and X. Liao, “Computer-aided design of PV/wind hybrid system,” Renew. Energy, vol. 28, no. 10, pp. 1491–1512, 2003 [34] S. H. El-Hefnawi, “Photovoltaic diésel-generator hybrid power system sizing,” Renew. Energy, vol. 13, no. 1, pp. 33–40, 1998. [35] Giangrandi V., L. (2011). “Aspectos técnico económicos para evaluación de proyectos de cogeneración en base a grupos generadores diésel”. Universidad Catolica De Chile [36] M. K. Deshmukh and S. S. Deshmukh, “Modeling of hybrid renewable energy systems,” Renew. Sustain. Energy Rev., vol. 12, no. 1, pp. 235–249, 2008 [37] A. Kaabeche, M. Belhamel, and R. Ibtiouen, “Techno-economic valuation and optimization of integrated photovoltaic/wind energy conversion system,” Sol. Energy, vol. 85, no. 10, pp. 2407–2420, 2011 [38] LAZARD. (2020). Levelized Cost of Energy and Levelized Cost of Storage – 2020. https://www.lazard.com/perspective/levelized-cost-of-energy-and-levelizedcost-of-storage-2020/ [39] Predescu, M. (2016). Economic evaluation of small wind turbines and hybrid systems for residential use. Renewable Energy and Environmental Sustainability, 1, 33 [40] ARE’s Technology Working Group. (2020, junio). Rural Electrification with Renewable Energy. Alliance for Rural Electrification.
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv	Abierto (Texto Completo)
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.*.fl_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 2.5 Colombia
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.coverage.spatial.spa.fl_str_mv	Colombia
dc.coverage.campus.spa.fl_str_mv	UNAB Campus Bucaramanga
dc.publisher.grantor.spa.fl_str_mv	Universidad Autónoma de Bucaramanga UNAB
dc.publisher.program.spa.fl_str_mv	Pregrado Ingeniería en Energía
institution	Universidad Autónoma de Bucaramanga - UNAB
bitstream.url.fl_str_mv	https://repository.unab.edu.co/bitstream/20.500.12749/14063/1/2021_Tesis_Victor_Andres_Torres.pdf https://repository.unab.edu.co/bitstream/20.500.12749/14063/2/2021_Licencia_Victor_Andres_Torres.pdf https://repository.unab.edu.co/bitstream/20.500.12749/14063/3/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/14063/4/2021_Tesis_Victor_Andres_Torres.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/14063/5/2021_Licencia_Victor_Andres_Torres.pdf.jpg
bitstream.checksum.fl_str_mv	a3a4f1e0dd27041c990b42f6e69e6d9f 2195bfbf0e7658b74d6b3d5901e8ad7d 8a4605be74aa9ea9d79846c1fba20a33 9d5c9895fbb1db20675ff3e0cb7eb2b2 117f99382000e7e027c262226b76c746
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional \| Universidad Autónoma de Bucaramanga - UNAB
repository.mail.fl_str_mv	repositorio@unab.edu.co
_version_	1814277902049476608
spelling	Acevedo Arenas, César Yobanyd5668344-5671-4ba9-92fc-441b2ddecad6-1Torres Landazábal, Víctor Andrése70a95a0-21e5-4871-afa3-f9bd5cec7f17-1Acevedo Arenas, César Yobany [0000376671]Acevedo Arenas, César Yobany [0000-0002-5470-181X]Acevedo Arenas, César Yobany [Cesar-Y-Acevedo-Arenas-2154624305]Acevedo Arenas, César Yobany [césar-yobany-acevedo-arenas-355a062b]ColombiaUNAB Campus Bucaramanga2021-08-27T21:41:01Z2021-08-27T21:41:01Z2021http://hdl.handle.net/20.500.12749/14063instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coCon el presente trabajo se buscó la implementación de un algoritmo matemático evolutivo que permitiera dimensionar de forma óptima sistemas híbridos off-grid pvwind-battery-diésel. Inicialmente se realizó la verificación de antecedentes con el objetivo de tener presente las metodologías ya existentes para diseñar sistemas híbridos y, a partir de esto, plantear un método práctico que aporte resultados altamente significativos. Una vez evaluados los antecedentes, estos sirven como sustento para la creación del correspondiente código en la plataforma de Matlab, teniendo como base un algoritmo genético, donde se realiza el dimensionamiento óptimo del sistema de generación renovable, de almacenamiento y generación diésel, tomando en consideración variables como la irradiancia, velocidad del viento, curva de carga y temperatura del emplazamiento donde se vaya a realizar el respectivo dimensionamiento del sistema hibrido. Posteriormente, con la herramienta desarrollada se prueba, evalúa y analiza, mediante casos hipotéticos, si se logra un dimensionamiento óptimo del sistema hibrido. Finalmente, mediante un caso práctico aplicado en condiciones reales, se corrobora que la solución que arroja la herramienta desarrollada cubre la totalidad de la demanda energética indistintamente de la época del año, brindando una solución efectiva al problema planteado. Para esta parte se tomó como caso de estudio a la ciudad de Valencia - España, debido a que se contó, en el desarrollo del proyecto, con una cantidad suficiente de datos de carga, irradiancia, velocidad de viento y temperatura, necesarias para realizar un dimensionamiento con resultados significativos y confiables. Considerando la variabilidad geográfica y climatológica que se presentan a lo largo del año, en Valencia - España, la herramienta nos indica que la configuración óptima para la estación climática de verano es de 64 módulos fotovoltaicos, 1 turbinas eólicas, 12 baterías y 1 generador diésel con un LCOE de 0,172 $/kWh; mientras que para el invierno es de un sistema hibrido conformado por 57 módulos fotovoltaicos, 3 turbinas eólicas, 5 baterías y 1 generadores diésel con un LCOE de 0,186 $/kWh.1. INTRODUCCIÓN ................................................................................................ 1 2. MARCO REFERENCIAL ..................................................................................... 3 2.1. TÉCNICAS PARA EL DIMENSIONAMIENTO ÓPTIMO DE SISTEMAS HIBRIDOS ........................................................................................................... 3 2.2. ALGORITMO GENETICO COMO TECNICA DE OPTIMIZACION SELECCIONADA ................................................................................................ 5 2.3. OPTIMIZACIÓN ...................................................................................... 8 2.4. COSTO NIVELADO DE LA ENERGIA (LCOE) ...................................... 9 3. OBJETIVOS ...................................................................................................... 11 3.1. OBJETIVOS ESPECIFICOS ....................................................................... 11 4. METODOLOGÍA ............................................................................................... 12 5. DESARROLLO DE LA HERRAMIENTA COMPUTACIONAL ........................... 13 5.1. DESCRIPCIÓN DE LOS COMPONENTES DEL SISTEMA HÍBRIDO ........ 13 5.2. IMPLEMENTACIÓN DEL ALGORITMO GENETICO .................................. 14  GENERACIÓN DE LA POBLACIÓN INICIAL ............................................. 14  CÁLCULO FUNCIÓN OBJETIVO ............................................................... 14  SELECCIÓN ............................................................................................... 15  CRUCE ....................................................................................................... 15  MUTACIÓN ................................................................................................. 15  CRITERIO DE PARADA ............................................................................. 15 5.3. MODELOS MATEMÁTICOS ....................................................................... 16 5.3.1. PANELES FOTOVOLTAICOS .............................................................. 16 5.3.2. TURBINAS EÓLICAS ........................................................................... 18 5.3.3. BANCO DE BATERÍAS ........................................................................ 20 5.3.4. GENERADOR DIÉSEL ......................................................................... 21 5.3.5. BALANCE DE ENERGÍA ...................................................................... 22 5.3.6. CRITERIO DE EVALUACIÓN .............................................................. 23 5.4. ESTRUCTURA DE LA HERRAMIENTA ..................................................... 26 6. PRUEBAS A LA HERRAMIENTA DESARROLLADA ................................. 28 6.1. CASO 1 – ESTACIONES DEL AÑO ..................................................... 29 6.2. VALIDACIÓN DE EFECTIVIDAD: CASO VALENCIA ................................. 30 7. RESULTADOS .................................................................................................. 31 7.1. CASO 1 – ESTACIONES DEL AÑO ..................................................... 31 7.2. VALIDACIÓN DE EFECTIVIDAD: CASO VALENCIA ................................. 34 7.3. INTERFAZ DE LA HERRAMIENTA ............................................................ 37 8. CONCLUSIONES Y RECOMENDACIONES .................................................... 40 8.1. CONCLUSIONES ........................................................................................... 40 8.2. RECOMENDACIONES .................................................................................. 41 9. REFERENCIAS ................................................................................................. 42PregradoWith the present work, the implementation of an evolutionary mathematical algorithm was sought that would allow optimally dimensioning hybrid off-grid pvwind-battery-diesel systems. Initially, the background check was carried out in order to keep in mind the existing methodologies to design hybrid systems and, based on this, propose a practical method that provides highly significant results. Once the antecedents have been evaluated, they serve as support for the creation of the corresponding code in the Matlab platform, based on a genetic algorithm, where the optimal sizing of the renewable generation, storage and diesel generation system is carried out, taking into consideration variables such as irradiance, wind speed, load curve and temperature of the site where the respective sizing of the hybrid system is to be carried out. Subsequently, with the developed tool, it is tested, evaluated and analyzed, through hypothetical cases, if an optimal sizing of the hybrid system is achieved. Finally, through a practical case applied in real conditions, it is confirmed that the solution provided by the developed tool covers the entire energy demand regardless of the time of year, providing an effective solution to the problem posed. For this part, the city of Valencia - Spain was taken as a case study, due to the fact that, in the development of the project, there was a sufficient amount of load data, irradiance, wind speed and temperature, necessary to carry out a sizing with significant and reliable results. Considering the geographical and climatological variability that occur throughout the year, in Valencia - Spain, the tool indicates that the optimal configuration for the summer weather season is 64 photovoltaic modules, 1 wind turbines, 12 batteries and 1 diesel generator. with an LCOE of $ 0.172 / kWh; while for the winter it is a hybrid system made up of 57 photovoltaic modules, 3 wind turbines, 5 batteries and 1 diesel generators with an LCOE of $ 0.186 / kWh.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 2.5 ColombiaHerramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivoTool for the optimal sizing of off-grid pv-wind-battery-diesel hybrid systems, based on an evolutionary algorithmIngeniero en EnergíaUniversidad Autónoma de Bucaramanga UNABPregrado Ingeniería en Energíainfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/redcol/resource_type/TPEnergy engineeringTechnological innovationsEnergyOptimizationHybrid systemsGenetic algorithmSizingData processingAlgorithmsMathematical modelsIngeniería en energíaInnovaciones tecnológicasEnergíaProcesamiento de datosAlgoritmosModelos matemáticosOptimizaciónSistemas híbridosAlgoritmo genéticoDimensionamiento[1] J. A. A. Valencia, «Factibilidad de la implementación de paneles solares fotovoltaicos para la generación de energía eléctrica en las cabeceras municipales de las zonas no interconectadas de Colombia,» Universidad EAFIT, Medellín, Colombia, 2018[2] M. Giraldo, R. Vacca Ramírez y A. Urrego Quintanilla, «Las energías alternativas ¿una oportunidad para Colombia?,» Politécnico Colombiano, 2018[3] J. L. Agustín, «Aplicación de algoritmos genéticos al diseño óptimo de sistemas de distribución de energía eléctrica,» Zaragoza, 1988.[4] Siddaiah, R., & Saini, R. P. (2016). A review on planning, configurations, modeling and optimization techniques of hybrid renewable energy systems for off grid applications. Renewable and Sustainable Energy Reviews, 58, 376–396[5] D. Ciatera Díaz, “Modelo de Optimización Multiobjetivo para Evaluación de Eficiencia en una Empresa de Servicios Eléctricos,” Dep. Ing. Ind., vol. Ingeniería, p. 91, 2015[6] N. P. & Akpan and I. A. Iwok, “Application of Linear Programming for Optimal Use of Raw Materials in Bakery,” Int. J. Math. Stat. Invent. www.ijmsi.org, vol. 4, no. 8, pp. 51–57, 2016.[7] S. Ashok, “Optimised model for community-based hybrid energy system,” Renew. Energy, vol. 32, no. 7, pp. 1155–1164, 2007[8] T. K. Das, D. Chakraborty, and S. Seth, “Energy consumption and prospects for renewable energy technologies in an Indian village,” Energy, vol. 15, no. 5, pp. 445–449, 1990.[9] L. A. Gen, “ALGORITMOS GE ETICOS 1 Introducción,” pp. 1–34, 1859.[10] S. Sengupta, S. Basak, and R. Peters, “Particle Swarm Optimization: A Survey of Historical and Recent Developments with Hybridization Perspectives,” Mach. Learn. Knowl. Extr., vol. 1, no. 1, pp. 157–191, 2018[11] Dorigo, M., Birattari, M., & Stutzle, T. (2006). Ant colony optimization. IEEE Computational Intelligence Magazine, 1(4), 28–39.[12] Zong Woo Geem, Joong Hoon Kim, & Loganathan, G. V. (2001). A New Heuristic Optimization Algorithm: Harmony Search. SIMULATION, 76(2), 60–68.[13] P. El, “Un Algoritmo Metaheurístico De Recocido Simulado Para El 3Ap-Axial,” Saber, vol. 28, no. 3, pp. 566–573, 2016.[14] Katsigiannis, Y. A., Georgilakis, P. S., & Karapidakis, E. S. (2012). Hybrid Simulated Annealing–Tabu Search Method for Optimal Sizing of Autonomous Power Systems With Renewables. IEEE Transactions on Sustainable Energy, 3(3), 330–338[15] Lujano-Rojas, J. M., Dufo-López, R., & Bernal-Agustín, J. L. (2013). Probabilistic modelling and analysis of stand-alone hybrid power systems. Energy, 63, 19–27[16] Guo, Q., Yu, H., & Xu, A. (2006). A hybrid PSO-GD based intelligent method for machine diagnosis. Digital Signal Processing, 16(4), 402–418.[17] GOLDBERG and D. E., “Genetic Algorithms in Search,” Optim. Mach., 1989[18] Mitchell, Melanie (1996). An Introduction to Genetic Algorithms. Cambridge, MA: MIT Press[19] Whitley, D. (1994). A genetic algorithm tutorial. Statistics and Computing, 4(2).[20] "XI. Crossover and Mutation". http://www.obitko.com/: Marek Obitko. Retrieved 2011-04-07[21] Rowland J. O. Ekeocha, 2019. "Optimization of Systems," International Journal of Sciences, Office ijSciences, vol. 8(03), pages 118-125, March[22] Valencia, P. E. (1997, August). Optimización mediante algoritmos genéticos. In Anales del Instituto de Ingenieros de Chile (Vol. 109, No. 2, pp. 83-92).[23] Bhandari, B., Lee, K.-T., Lee, G.-Y., Cho, Y.-M., & Ahn, S.-H. (2015). Optimization of hybrid renewable energy power systems: A review. International Journal of Precision Engineering and Manufacturing-Green Technology, 2(1), 99–112[24] García, E. R. S., González, R. L. P. E. F., & Morales, J. M. F. Análisis del costo nivelado de energía para diversas fuentes renovables al año 2030 y 2050. Un parámetro clave en la toma de decisión de proyectos de inversión. Serieponencias, 19.[25] Kaabeche, A., Belhamel, M., & Ibtiouen, R. (2011). Sizing optimization of gridindependent hybrid photovoltaic/wind power generation system. Energy, 36(2), 1214–1222[26] Energetika - Curva I-V de un panel fotovoltaico. (2018). Energiteka. http://www.energetika.com.ar/Curva%20I-V.html[27] T. Markvart, Solar Electricity. WILEY, 2000.[28] M. A. Habib, S. A. M. Said, M. A. El-Hadidy, and I. Al-Zaharna, “Optimization procedure of a hybrid photovoltaic wind energy system,” Energy, vol. 24, no. 11, pp. 919–929, 1999[29] Notton. G, Cristofari. C, Mattei. M. and Poggi. P. (2005). Modelling of a doubleglass photovoltaic module using finite differences, Appl. Therm.Eng, 25, 2854– 2877.[30] S. Diaf, G. Notton, M. Belhamel, M. Haddadi, and A. Louche, “Design and techno-economical optimization for hybrid PV/wind system under various meteorological conditions,” Appl. Energy, vol. 85, no. 10, pp. 968–987, 2008[31] E.-L. J, Manual de energía eólica. 2011[32] A. Ilinca, E. McCarthy, J. L. Chaumel, and J. L. Rétiveau, “Wind potential assessment of Quebec Province,” Renew. Energy, vol. 28, no. 12, pp. 1881–1897, 2003[33] B. Ai, H. Yang, H. Shen, and X. Liao, “Computer-aided design of PV/wind hybrid system,” Renew. Energy, vol. 28, no. 10, pp. 1491–1512, 2003[34] S. H. El-Hefnawi, “Photovoltaic diésel-generator hybrid power system sizing,” Renew. Energy, vol. 13, no. 1, pp. 33–40, 1998.[35] Giangrandi V., L. (2011). “Aspectos técnico económicos para evaluación de proyectos de cogeneración en base a grupos generadores diésel”. Universidad Catolica De Chile[36] M. K. Deshmukh and S. S. Deshmukh, “Modeling of hybrid renewable energy systems,” Renew. Sustain. Energy Rev., vol. 12, no. 1, pp. 235–249, 2008[37] A. Kaabeche, M. Belhamel, and R. Ibtiouen, “Techno-economic valuation and optimization of integrated photovoltaic/wind energy conversion system,” Sol. Energy, vol. 85, no. 10, pp. 2407–2420, 2011[38] LAZARD. (2020). Levelized Cost of Energy and Levelized Cost of Storage – 2020. https://www.lazard.com/perspective/levelized-cost-of-energy-and-levelizedcost-of-storage-2020/[39] Predescu, M. (2016). Economic evaluation of small wind turbines and hybrid systems for residential use. Renewable Energy and Environmental Sustainability, 1, 33[40] ARE’s Technology Working Group. (2020, junio). Rural Electrification with Renewable Energy. Alliance for Rural Electrification.ORIGINAL2021_Tesis_Victor_Andres_Torres.pdf2021_Tesis_Victor_Andres_Torres.pdfTesisapplication/pdf2009696https://repository.unab.edu.co/bitstream/20.500.12749/14063/1/2021_Tesis_Victor_Andres_Torres.pdfa3a4f1e0dd27041c990b42f6e69e6d9fMD51open access2021_Licencia_Victor_Andres_Torres.pdf2021_Licencia_Victor_Andres_Torres.pdfLicenciaapplication/pdf434727https://repository.unab.edu.co/bitstream/20.500.12749/14063/2/2021_Licencia_Victor_Andres_Torres.pdf2195bfbf0e7658b74d6b3d5901e8ad7dMD52metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repository.unab.edu.co/bitstream/20.500.12749/14063/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53open accessTHUMBNAIL2021_Tesis_Victor_Andres_Torres.pdf.jpg2021_Tesis_Victor_Andres_Torres.pdf.jpgIM Thumbnailimage/jpeg5235https://repository.unab.edu.co/bitstream/20.500.12749/14063/4/2021_Tesis_Victor_Andres_Torres.pdf.jpg9d5c9895fbb1db20675ff3e0cb7eb2b2MD54open access2021_Licencia_Victor_Andres_Torres.pdf.jpg2021_Licencia_Victor_Andres_Torres.pdf.jpgIM Thumbnailimage/jpeg10119https://repository.unab.edu.co/bitstream/20.500.12749/14063/5/2021_Licencia_Victor_Andres_Torres.pdf.jpg117f99382000e7e027c262226b76c746MD55open access20.500.12749/14063oai:repository.unab.edu.co:20.500.12749/140632023-11-22 02:01:02.551open accessRepositorio Institucional \| Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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

Herramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivo

Publicaciones similares