Formulación de Funciones de Costo de Incertidumbre en Pequeñas Centrales Hidroeléctricas dentro de una Microgrid

Abstract

El presente artículo propone extender el concepto de costo de incertidumbre en la operación de sistemas de energía que contienen fuentes renovables (solar y eólica) a sistemas de potencia con penetración de pequeñas centrales hidroeléctricas (PCHs). La extensión propuesta se logra obtener conociendo la probabilidad de distribución del caudal donde está la PCH. Para ello, se presenta el desarrollo analítico de los costos de incertidumbre en pequeñas centrales hidroeléctricas, obteniendo la probabilidad de potencia inyectada por la central y desarrollando la formulación matemática de los costos por subestimar y sobreestimar la potencia disponible. Adicionalmente, se presenta la validación de la formulación analítica a través de simulaciones de Monte Carlo, comprobando que en los dos casos (costo de incertidumbre con la formula analítica y valor esperado de la simulación de Monte Carlo) se llega al mismo costo de incertidumbre. Adicionalmente, se presentan los códigos que calculan el costo esperado mediante la formulación analítica obtenida y el costo esperado mediante el valor medio de los costos de la simulación de Monte Carlo.

References

[1] M. Hashempour, J. Savaghebi, J. Vasquez y J. Guerrero, «A Control Architecture to Coordinate Distributed Generators and Active Power Filters Coexisting in a Microgrid,» IEEE Transactions on Smart Grid, vol. 7, nº 5, pp. 2325-2336, 2016.

[2] F. Dörfler, J. Simpson-Porco y F. Bullo, «Breaking the Hierarchy: Distributed Control and Economic Optimality in Microgrids,» IEEE Transactions on Control of Network Systems, vol. 3, nº 3, pp. 241-253, 2016.

[3] S. Rivera, A. Farid y K. Youcef-Toumi, «A multi-agent system transient stability platform for resilient self-healing operation of multiple microgrids,» de Innovative Smart Grid Technologies Conference (ISGT), 2014 IEEE PES, Washington, DC, 2014.

[4] S. Rivera, A. Farid y K. Youcef-Toumi, «An Intelligent Multi-Agent Based Architecture for Resilient Self-Healing Operation of Multiple Microgrids,» de Industrial Agents: Emerging Applications of Software Agents in Industry, Amsterdam, Elsevier, 2015, pp. 269-286.

[5] T. Chang, «Investigation on Frequency Distribution of Global Radiation Using Different Probability Density Functions,» International Journal of Applied Science and Engineering, vol. 8, nº 2, pp. 99-107, 2010.

[6] J. Hetzer, D. Yu y K. Bhattarai, «An Economic Dispatch Model Incorporating Wind Power,» IEEE Transactions on Energy Conversion, vol. 23, nº 2, pp. 603-611, 2008.

[7] V. Nava, R. Fabelo y J. Romero, «Automatización de procesos en la administración de energía eléctrica en el área residencial,» INGENIERIAS USBMED, vol. 6, nº 1, pp. 13-23, 2015.
[8] J. Coello, S. Pool y R. Fabelo, «Control difuso de STATCOM para la regulación del factor de potencia en una red eléctrica,» INGENIERIAS USBMED, vol. 4, nº 2, pp. 55-61, 2013.
[9] S. Haddi y T. Bouktir, «Economic/Emission dispatch including wind power using ABC-Weighted-Sum,» International Journal of Engineering and Technical Research (IJETR), vol. 3, nº 10, pp. 61-66, 2015.


[10] Y. Yao, W. Gao, J. Momoh y E. Muljadi, «Economic Dispatch for Microgrid Containing Electric Vehicles via Probabilistic Modeling,» de North American Power Symposium, Charlotte, North Carolina, October 4–6, 2015.

[11] R. Montanari, «Criteria for the economic planning of a low power hydroelectric plant,» Renewable Energy, vol. 28, pp. 2129-2145, 2003.

[12] P. Cabus, «River flow prediction through rainfall–runoff modelling with a probability-distributed model (PDM) in Flanders, Belgium,» Agricultural Water Management, vol. 95, nº 7, pp. 859-868, 2008.

[13] N. Mujere, «Flood Frequency Analysis Using the Gumbel Distribution,» International Journal on Computer Science and Engineering (IJCSE), vol. 3, nº 7, pp. 2774-2778, 2011.

Cited by