Show simple item record

dc.contributor.advisorVale, Zita
dc.contributor.advisorCorchado Rodríguez, Juan Manuel 
dc.contributor.authorCanizes, Bruno Miguel da Rocha
dc.date.accessioned2020-02-06T11:58:11Z
dc.date.available2020-02-06T11:58:11Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/10366/140827
dc.description.abstract[ES] Esta tesis aporta contribuciones a los temas de los sistemas de energía y la movilidad eléctrica. Por lo tanto, se proponen soluciones innovadoras para la planificación de la red de distribución radial tradicional sin o con pocas unidades de recursos energéticos distribuidos, y para la planificación, operación, reconfiguración, y gestión de recursos energéticos en redes de distribución en media tensión considerando una alta penetración de los recursos energéticos distribuidos en el contexto de las redes inteligentes. Las preocupaciones sobre la disponibilidad de combustibles fósiles y el aumento de los efectos climático causados por su uso generalizado en la generación de electricidad han llevado a varias políticas e incentivos para atenuar estos problemas. Estas medidas contribuyeron a inversiones considerables en fuentes de energía renovables y motivaron muchas iniciativas de redes inteligentes. Aunque el panorama futuro de los sistemas eléctricos modernos parece muy prometedor, la integración a gran escala de fuentes de energía renovables de naturaleza intermitente, como la eólica y la fotovoltaica, plantea nuevos desafíos y limitaciones en la industria eléctrica actual. Hoy en día, el diseño de la red de distribución no está correctamente preparado para alojar una gran cantidad de fuentes de energía renovables distribuidas. Por lo tanto, los operadores del sistema de distribución reconocen la necesidad de cambiar el diseño de la red mediante la planificación y el refuerzo. A medida que aumenta la penetración de las fuentes de energía renovable, un agregador de energía puede proporcionar una generación y demanda altamente flexibles según lo requiere el paradigma de red inteligente. Además, esta entidad puede permitir lograr una alta integración de la oferta de energía renovable y aumentar el valor para los pequeños productores y consumidores que no pueden negociar directamente en el mercado mayorista. Sin embargo, la entidad agregadora de energía necesita herramientas adecuadas de apoyo a la decisión para superar los desafíos complejos y hacer frente a un gran número de recursos energéticos. Por lo tanto, la gestión de recursos energéticos es crucial para que la entidad agregadora de energía reduzca los costos de operación, aumente de los beneficios, reduzca la huella de carbono y mejore la estabilidad del sistema. En la perspectiva mundial actual, muchas personas se están mudando a las ciudades en busca de una mejor calidad de vida, contribuyendo de esta manera a la continua expansión de las áreas urbanas. En consecuencia, el sector de transportes está jugando un papel crítico en las emisiones de dióxido de carbono. Teniendo en cuenta esto, muchas ventajas medioambientales y económicas pueden ser obtenidas del cambio de los motores de combustión interna a los vehículos eléctricos. Sin embargo, este cambio contribuirá a una carga en la red de distribución, dando lugar a la posibilidad de congestión de la red. Por lo tanto, para facilitar la integración de la carga de los vehículos eléctricos en la red de distribución, un modelo de predicción del comportamiento del usuario de un vehículo eléctrico pode ser una herramienta muy importante. Además, el paradigma de la red inteligente está desafiando la estructura de control y operación convencional diseñado para redes de distribución pasivas. De este modo, la reconfiguración de la red de distribución será una estrategia esencial y significativa para el operador del sistema de distribución. En el estado del arte actual se identificó una falta de modelos, estrategias y herramientas de apoyo a la toma de decisiones adecuadas para los dominios de problemas de planificación, operación y gestión de recursos energéticos de redes de distribución en media tensión con una alta penetración de fuentes de energía distribuidas. Por lo tanto, surgen varios desafíos de investigación que llevan a la necesidad de desarrollar modelos nuevos e innovadores que aborden: a) el impacto de las fuentes de energía renovable y la variabilidad de la demanda en la planificación de la expansión a largo plazo, b) el problema de la gestión de los recursos energéticos a gran escala, teniendo en cuenta la demanda, las fuentes de energía renovables, los vehículos eléctricos y la variabilidad de los precios del mercado, c) el análisis de impacto de los precios de carga dinámicos de los vehículos eléctricos en la operación de la red de distribución y en el comportamiento del usuario del vehículo eléctrico. Además, en el contexto de la red de distribución de media tensión radial tradicional, también se verificó la necesidad de modelos innovadores para mejorar la confiabilidad a través de la identificación de nuevas inversiones en los componentes de la red. Por lo tanto, esta tesis propone soluciones innovadoras para hacer frente a todos estos vacíos y problemas. Para ese propósito, las contribuciones de la tesis, resultan en un innovador sistema de apoyo a la decisión llamado Advanced Decision Support Tool for Smart Grid Planning and Operation (SupporGrid). El SupporGrid se compone de un conjunto de modelos diversificados que juntos contribuyen a manejar la complejidad de la planificación tradicional de las redes de distribución radial (PlanTGrid), y para la planificación (PlanSGrid), operación (OperSGrid), y los problemas de gestión de recursos energéticos (ERMGrid) en redes de distribución de media tensión en el paradigma de red inteligente. PlanTGrid incluye un modelo de planificación de expansión para redes de distribución radial tradicionales para identificar la posibilidad de nuevas inversiones al costo mínimo. La planificación de la expansión a largo plazo de las redes de distribución en un contexto de red inteligente con una alta penetración de fuentes de energía renovables distribuidas y que trata las fuentes de incertidumbre se resuelve mediante el uso PlanSGrid. OperSGrid contiene una herramienta de simulación de viajes de los usuarios de los vehículos eléctricos funcionando en conjunto con un modelo de operación y reconfiguración que utiliza descomposición de Benders y precios marginales para comprender el impacto del precio de carga de energía dinámica en ambos lados: la red de distribución y el usuario de vehículo eléctrico. Para hacer frente a la gestión de recursos energéticos a gran escala con problemas de respuesta a la demanda y sistemas de almacenamiento de energía, así como con la variabilidad de la demanda, las fuentes de energía renovable, los vehículos eléctricos y el precio de mercado, ERMGrid incluye un modelo estocástico de dos etapas. Las metodologías desarrolladas para el sistema de soporte de decisiones se han probado y validado en escenarios realistas. Los resultados prometedores logrados en condiciones realistas respaldan la hipótesis de que las metodologías son adecuadas e innovadoras para la planificación de la red de distribución radial tradicional, y para la planificación, operación, reconfiguración y gestión de recursos energéticos a largo plazo de la red de distribución considerando alta penetración de recursos energéticos distribuidos y de vehículos eléctricos en el contexto de red inteligente. Los resultados prometedores logrados en condiciones realistas respaldan la hipótesis de que las metodologías son adecuadas e innovadoras para la planificación de la red de distribución radial tradicional, y para la planificación, operación, reconfiguración y gestión de recursos energéticos a largo plazo de la red de distribución considerando la alta distribución de recursos energéticos y la penetración de vehículos eléctricos. De hecho, este sistema de apoyo a la decisión mejorará el funcionamiento de las redes de distribución de media tensión, permitiendo ahorros para las partes interesadas.es_ES
dc.format.mimetypeapplication/pdf
dc.language.isoenges_ES
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectTesis y disertaciones académicases_ES
dc.subjectUniversidad de Salamanca (España)es_ES
dc.subjectResumen de tesises_ES
dc.subjectThesis Abstractses_ES
dc.subjectProgramación enteraes_ES
dc.subjectProgramación no lineales_ES
dc.subjectDescomposición de Benderses_ES
dc.subjectGestión de recursos energéticoses_ES
dc.subjectMovilidad eléctricaes_ES
dc.subjectOperación de redes de distribuciónes_ES
dc.subjectOptimizaciónes_ES
dc.subjectPlanificación de redes de distribuciónes_ES
dc.subjectReconfiguración de redes de distribuciónes_ES
dc.subjectRedes inteligenteses_ES
dc.subjectSistemas estocásticoses_ES
dc.titleResumen de tesis. Decision Support for Smart Grid Planning and Operation Considering Reliabilityes_ES
dc.title.alternativeDecision Support for Smart Grid Planning and Operation Considering Reliabilityes_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
dc.subject.unesco1203.17 Informáticaes_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Internacional