Sistema híbrid eòlic-fotovoltaic eficient amb emmagatzematge

1. Anàlisi de les característiques de la generació d'energia eòlica i fotovoltaica solar

L'anàlisi de les característiques de la generació d'energia eòlica i fotovoltaica (PV) solar és fonamental per al disseny d'un sistema híbrid complementari. L'anàlisi estadística de les dades anuals de velocitat del vent i radiació solar per a una regió específica revela que els recursos eòlics presenten variacions estacionals, amb velocitats més altes en hivern i primavera i més baixes en estiu i tardor. La generació d'energia eòlica és proporcional al cub de la velocitat del vent, resultant en fluctuacions significatives de la producció.

Els recursos solars, d'altra banda, mostren patrons diaris i estacionals clars—hores de llum més llargues i radiació més forta en estiu, i condicions més febles en hivern. L'eficiència dels panells PV es veu afectada negativament pel creixement de les temperatures. Comparant la distribució temporal de l'energia eòlica i solar, és evident que mostren un comportament complementari tant a nivell diari com anual. Aquesta complementariedad permet el disseny de sistemes d'energia eficients i estables, on es pot configurar una raó òptima de capacitat entre les dues fonts d'energia per suavitzar la producció total d'energia.

2. Modelització de sistemes de generació d'energia híbrida eòlica-solar

2.1 Model del sub-sistema eòlic

El model del sub-sistema eòlic es basa en les dades de velocitat del vent i les característiques de les turbinas. Es fa servir la distribució de Weibull per ajustar la distribució de probabilitat de la velocitat del vent, descriure'n amb precisió el seu comportament estadístic. La relació entre la potència de sortida de la turbina i la velocitat del vent es representa mitjançant una funció a trossos que incorpora paràmetres clau com la velocitat de tall d'entrada, la velocitat nominal i la velocitat de tall de sortida. 

Es fa servir el mètode dels mínims quadrats per ajustar la corba de potència de la turbina, obtenint una expressió matemàtica de la potència de sortida en funció de la velocitat del vent. Per tenir en compte la aleatorietat de la velocitat del vent, s'introdueix el mètode de simulació de Monte Carlo per preveure la generació del parc eòlic. El model reflecteix amb precisió les característiques dinàmiques dels sistemes eòlics i proporciona una base per a l'optimització del sistema. També incorpora l'impacte dels canvis de direcció del vent en l'eficiència de generació introduint un factor de correcció de direcció del vent, millorant així la precisió de la predicció.

2.2 Model del sub-sistema fotovoltaic

El model del sub-sistema fotovoltaic considera de manera exhaustiva la radiació solar, la temperatura ambiental i les característiques dels mòduls fotovoltaics. Es estableix un model estadístic de la radiació solar per descriure les seves variacions temporals. Les característiques de sortida dels mòduls fotovoltaics es representen mitjançant corbes I-V. L'efecte de la temperatura en l'eficiència es modelitza utilitzant un circuit equivalent de diode única, amb la potència de sortida calculada resolent un sistema d'equacions no lineals.

El model també inclou factors com l'ombra i l'acumulació de pols, introduint coeficients de correcció per millorar la precisió de la predicció. Té en compte el vellissement dels mòduls fotovoltaics incorporant una taxa de degradació anual per preveure els canvis de potència a llarg termini. Aquest model reflecteix amb precisió el rendiment del sistema fotovoltaic en diverses condicions ambientals.

2.3 Model del sistema d'emmagatzematge d'energia

El model del sistema d'emmagatzematge d'energia es basa principalment en les característiques de les bateries de ions de liti. Es desenvolupa un model dinàmic de l'estat de càrrega (SOC) de la bateria per descriure els processos de càrrega i descàrrega. Se n'han tingut en compte les característiques de descàrrega automàtica i l'eficiència de càrrega/descàrrega, introduint un factor de correcció de temperatura per reflectir els impacts ambientals. La vida útil de la bateria es modelitza utilitzant una combinació de comptador de cicles i profunditat de descàrrega (DOD) per preveure la degradació de la capacitat.

El model reflecteix amb precisió el rendiment de la bateria en diferents condicions d'operació, suportant estratègies òptimes de dimensionament i gestió. També considera la variació de la resistència interna establint relacions funcionals entre la resistència, el comptador de cicles i la temperatura, permetent una simulació més precisa del comportament dinàmic. Les sortides clau inclouen el SOC en temps real, la capacitat disponible, la potència de càrrega/descàrrega i la vida útil esperada—proporcionant un suport de dades complet per a l'operació i manteniment òptim.

2.4 Model d'integració del sistema

El model integrat combina els sub-sistemes eòlic, solar i d'emmagatzematge en un marc unitari. Es fa servir el mètode de càrrega equivalent per gestionar les fluctuacions de càrrega, i s'estableix una equació de balanç de potència del sistema. S'introdueixen índexs de fiabilitat com la Probabilitat de Pèrdua de Càrrega (LOLP) i l'Energia Esperada No Suministrada (EENS) per avaluar el rendiment del sistema. La simulació seqüencial en sèrie temporal s'utilitza per calcular els estats d'operació del sistema en diferents escalas temporals.

El model pren en compte les interaccions entre els sub-sistemes, com l'ombrejat de les turbinas eòliques sobre els panells fotovoltaics. També incorpora una interfície de xarxa, permetent l'anàlisi de les estratègies d'operació connectades a la xarxa, incloent-hi la despresa econòmica amb tarifes horàries i serveis de regulació de freqüència de la xarxa. Les sortides inclouen la generació total d'energia, la taxa de satisfacció de la càrrega i els indicadors de rendiment econòmic, proporcionant una base teòrica completa per a la planificació, el disseny i la presa de decisions operatives del sistema.

3. Mètodes d'optimització i anàlisi experimental de sistemes híbrids eòlico-solar

3.1 Funció objectiu i restriccions

La funció objectiu d'optimització integra consideracions econòmiques, de fiabilitat i ambientals. L'objectiu econòmic minimitza el cost total del sistema, incloent-hi la inversió inicial, l'operació i manteniment (O&M), i els costos de reemplaçament. L'objectiu de fiabilitat maximitza la fiabilitat del subministrament d'energia, quantificada per la minimització de la LOLP. L'objectiu ambiental es mesura per la maximització de la reducció d'emissions de carboni.

Les restriccions inclouen el balanç de potència, límits de capacitat d'emmagatzematge d'energia i límits operatius de l'equipament. La restricció de balanç de potència assegura que la demanda de càrrega es compleixi en tot moment. Les restriccions de capacitat d'emmagatzematge limiten la profunditat de descàrrega (DOD) per allargar la vida útil de la bateria. Les restriccions de l'equipament consideren la potència nominal i les característiques operatives dels components. Un mètode de ponderació multi-objectiu integra aquests objectius en una sola funció objectiu, amb pesos determinats en base a les preferències dels decisor i els escenaris d'aplicació.

3.2 Aplicació de l'Optimització per Enxam (PSO)

S'aplica l'Optimització per Enxam (PSO), un algoritme d'optimització intel·ligent, al disseny de sistemes híbrids eòlico-solar. Simulant el comportament del vol d'ocells, el PSO cerca solucions òptimes en l'espai de solucions. Cada partícula representa una configuració potencial del sistema, incloent-hi variables de decisió com la capacitat de la turbina eòlica, la capacitat fotovoltaica i la capacitat d'emmagatzematge. La posició i la velocitat de les partícules es van actualitzant iterativament, convergint cap al òptim global.

Per millorar el rendiment, s'adopta una estratègia de pes d'inèrcia que decreix linealment—mantenint una forta exploració global inicial i augmentant l'exploitació local posterior. Es introdueix una mutació adaptativa per evitar els òptims locals. Donada la complexitat del problema, s'utilitza una estratègia de codificació jeràrquica per separar les variables contínues i discretes. L'algoritme finalitza quan es assolix el nombre màxim d'iteracions o quan el valor òptim canvia menys d'un llindar en iteracions consecutives.

3.3 Disseny experimental i ajust de paràmetres

L'experiment es basa en dades meteorològiques i de càrrega reals d'una regió específica, utilitzant dades horàries d'un any típic. Les entrades meteorològiques inclouen la velocitat del vent, la radiació solar i la temperatura ambiental horàries. Els perfils de càrrega segueixen un patró de consum típic d'un parc industrial, reflectint les variacions estacionals i diurnes. Es seleccionen paràmetres d'equipament de turbines eòliques i mòduls fotovoltaics comercials principals, amb dades de rendiment obtingudes de rapports de proves del fabricant.

Es fa servir una bateria de ions de liti per a l'emmagatzematge, amb paràmetres que inclouen la capacitat nominal, l'eficiència de càrrega/descàrrega i la vida útil en cicles. Els paràmetres del PSO són els següents: mida de població = 50, iteracions màximes = 1000, pes d'inèrcia que decreix linealment de 0,9 a 0,4, i factors d'aprenentatge c1 i c2 ambdós establerts a 2. Per assegurar la fiabilitat dels resultats, cada configuració es repeteix 30 vegades, i es pren la mitjana com a resultat final.

3.4 Mètriques d'avaluació del rendiment del sistema

Les mètriques d'avaluació del rendiment cobreixen aspectes tècnics, econòmics i ambientals. Les indicadors tècnics inclouen la fiabilitat del sistema, la taxa d'utilització d'energia i el suavitzament de la potència. La fiabilitat es mesura per l'Índex de Capacitat de Subministrament Fiable (RSCI) i la Probabilitat de Pèrdua de Subministrament d'Energia (LPSP). La taxa d'utilització reflecteix l'eficiència de l'energia renovable, mentre que el suavitzament de la potència avaluï la estabilitat de la sortida. Els indicadors econòmics inclouen el Cost Nivellat de l'Electricitat (LCOE), el Valor Present Net (NPV) i el període de retorn. El LCOE considera els costos de cicle de vida, el NPV reflecteix la rentabilitat del projecte, i el període de retorn avaluï la velocitat de recuperació del capital.

L'indicador ambiental és la reducció d'emissions de carboni, calculada en comparació amb la generació basada en combustibles fòssils convencionals. A més, un índex de benefici integral del sistema (SCBI) integra factors tècnics, econòmics i ambientals mitjançant una suma ponderada. Aquestes mètriques i els seus pesos es determinen en base al judici d'experts i les necessitats pràctiques, proporcionant una avaluació completa del rendiment del sistema i suportant la presa de decisions informada.

3.5 Anàlisi dels resultats d'optimització

Els resultats d'optimització demostraven que el sistema de generació d'energia híbrid eòlico-solar ofereix avantatges significatius respecte als sistemes d'una sola energia. En el cas de la situació de referència, la configuració òptima consisteix en 2 MW de capacitat eòlica, 1,5 MW de capacitat fotovoltaica (PV) i 500 kWh d'emmagatzematge d'energia. Aquesta configuració redueix la Probabilitat de Pèrdua de Subministrament d'Energia (LPSP) a menys del 1% i abaixa el Cost Nivellat de l'Electricitat (LCOE) en aproximadament un 15% en comparació amb els sistemes eòlics o fotovoltaics independents. L'anàlisi de sensibilitat revela que el cost de l'equipament té el major impacte en els resultats d'optimització—una reducció del 10% en el cost porta a una disminució aproximada del 8% en el LCOE. 

Les variacions del perfil de càrrega afecten significativament la dimensió de l'emmagatzematge d'energia; els increments en les diferències de càrrega pico-valle requereixen una capacitat d'emmagatzematge més gran. Les configuracions òptimes varien segons la regió: les àrees riques en vent favoreixen ratios més altes de potència eòlica, mentre que les regions amb abundància de sol incrementen la quota de PV. L'optimització multi-objectiu genera un front de Pareto, permetent als decisors equilibrar l'eficiència econòmica i la fiabilitat segons les necessitats pràctiques. Els resultats també mostren que l'incorporació d'un mecanisme de comerç de carboni millora encara més el rendiment econòmic, reduint el LCOE en un 5%–10% addicional. La simulació a llarg termini confirma la estabilitat del