Gestión de la demanda en las redes inteligentes. Perspectiva y control desde el usuario y la distribuidora

• Sergio N. Bragagnolo ^[1] ; Jorge C. Vaschetti ; Fernando Magnago ; Juan C. Gómez
  1. [1] Universidad Tecnológica Nacional

     Universidad Tecnológica Nacional

     Argentina

     
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 31, Nº. 3 (Junio), 2020, págs. 159-170
• Idioma: español
• Títulos paralelos:
  • Demand management in smart networks. Perspective and control of users and suppliers
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El objetivo de este artículo es desarrollar el concepto de gestión de la demanda en relación a los tipos de control existentes y presentar un ejemplo simple de optimización de la demanda para evaluar las potencialidades de un control híbrido. Se presenta una breve introducción, detallando el conocimiento actual en gestión de demanda, se desarrolla el concepto de control directo e indirecto sobre la demanda, se identifica, y se elabora una tabla con las cargas residenciales. Se modelan dos residencias que podrán modificar su carga ante un esquema de precios dados y un objetivo de no concentración de la demanda fijados por la distribuidora, obteniendo una correcta optimización y dispersando las cargas de diferente forma en la segunda ronda. Se concluye que una intervención de la distribuidora puede mejorar la distribución de la demanda por la aleatoriedad del algoritmo genético sin comprometer la privacidad del usuario.

  • English

    The article aims is to develop the demand side management concept in relation to existing control types. It also aims to providing a simple example of demand optimization to evaluate the potentialities of a hybrid control. A brief introduction is presented detailing the state of the art. Then, the direct and indirect control over demand was discussed, the types of loads were described, and a table with the residential loads was prepared.

    Two residences were modeled, which could modify their load before a given price scheme and a nonconcentration objective set by the distributor. This resulted in obtaining a correct optimization and distributing of the loads in a different way in the second round. It is concluded that an intervention of the distributor can improve the distribution of the demand by the randomness of the genetic algorithm without compromising user privacy.