Energy management Systems for demand response in power distribution Systems including Prosumers and market Participants

• Autores: Daniel Fernández Valderrama
• Directores de la Tesis: Juan Ignacio Guerrero Alonso (dir. tes.), Carlos León de Mora (dir. tes.), Michela Robba (dir. tes.)
• Lectura: En la Universidad de Sevilla ( España ) en 2025
• Idioma: inglés
• Número de páginas: 129
• Enlaces
  • Tesis en acceso abierto en: Idus
• Resumen

  • Esta tesis se centra en la aplicación de métodos de optimización y técnicas de control a los sistemas eléctricos. El uso de técnicas de optimización promueve la gestión eficiente de los recursos energéticos disponibles, minimizando los costes operativos y reduciendo el impacto medioambiental. El desarrollo de nuevas estrategias de control permite el diseño de nuevas políticas donde las tecnologías emergentes, como los VE, pueden jugar un papel clave en el sistema. Esta tesis introduce novedosas estrategias de control que se adaptan al caso de estudio. Además, se han abordado diferentes carencias basadas en el trabajo desarrollado.

    En estos sistemas, los VE, los generadores tradicionales y los prosumidores, entre otras entidades, colaboran de forma coordinada. Estos elementos activos se agrupan en agregadores para atender las necesidades del sistema. La principal innovación de este punto consiste en el desarrollo de un problema de optimización multinivel para el mercado de balance, en el que los vehículos eléctricos participan activamente. Los problemas de optimización desarrollados están destinados a ser insertados en Sistemas de Gestión de Energía. Estos sistemas identifican la programación óptima de los sistemas de producción y almacenamiento. Además, el objetivo es minimizar los costes, las pérdidas de potencia y las emisiones de CO2 al tiempo que se satisface la demanda de energía. Los problemas de optimización desarrollados se enfrentan al problema de definir estrategias de respuesta a la demanda en el mercado de equilibrio. Para ello, es necesario considerar diferentes niveles de decisión y diferentes técnicas de solución. En particular, en el nivel superior, con frecuencia es necesario coordinar diferentes agentes por agregadores en el mercado de energía para proporcionar respuesta a la demanda. Una vez que el agregador ha decidido la contribución de cada agente, el sistema local (microrredes, edificios, parques de recarga) debe gestionar sus componentes, minimizando costes y emisiones, teniendo en cuenta las incertidumbres y la presencia de diferentes controladores. Todas estas cuestiones se han formalizado como problemas de optimización y se presentan en esta tesis. Los agregadores deben coordinarse con variables estocásticas, como las energías renovables o la demanda, para abastecer las necesidades del sistema eléctrico y conducirlo a un punto de trabajo estable y óptimo. Por ello, también se presta especial atención al análisis de las posibles incertidumbres y al uso de técnicas de inteligencia artificial para la predicción de las energías renovables y la demanda. Se ha derivado un problema de optimización estocástica para microrredes de poligeneración. En cuanto a las incertidumbres y la optimización estocástica, se ha desarrollado un nuevo enfoque para la generación de escenarios, que hace uso de un algoritmo evolutivo para generar escenarios, calculando además la probabilidad asociada a cada escenario en función de las condiciones meteorológicas.

    Con el objetivo de explorar diferentes estrategias de control en las que el caso de estudio requiere un procesamiento de cálculo superior, las arquitecturas distribuidas han sido objeto de estudio. En esta tesis se presenta una investigación desarrollada en colaboración con CISCO, en la que se propone una arquitectura distribuida para la programación óptima. Los enfoques distribuidos favorecen la computación robusta y paralela. Además, se han abordado las vulnerabilidades de ciberseguridad referidas a la integridad del sistema encontradas en el desarrollo del trabajo. La infraestructura distribuida adoptada la convierte en un objetivo ideal para este tipo de vulnerabilidades. Por ello, se ha adoptado un novedoso algoritmo basado en aprendizaje automático informado por la física en una arquitectura de autoencoder para detectar posibles ataques, lo que aborda otra línea de investigación.