Desarrollo de una aplicación para la simulación y comparación de algoritmos de control terciario en microrredes

Abstract

La creciente demanda de integración de fuentes renovables y recursos energéticos distribuidos (DER) ha promovido el desarrollo de microrredes como una solución eficiente para mejorar la flexibilidad y resiliencia en la operación de sistemas eléctricos (Guerrero et al., 2011). Estas pueden operar de forma autónoma o conectadas a una red principal y se caracterizan por la presencia de generadores renovables y sistemas de almacenamiento, que garantizan el suministro de potencia, manteniendo estándares de calidad y estabilidad. Este proceso requiere un control eficiente para la optimización de los recursos. En el ámbito del control. El control terciario, está enfocado en la optimización económica y técnica del sistema (D. E. Olivares et al., 2014). El control terciario permite gestionar la operación global, minimizan los costos de generación y maximizan la eficiencia. También habilita servicios auxiliares que mejoren la calidad del servicio y reducen las pérdidas en la red. Actualmente, el control terciario en microrredes es un campo de investigación activo, donde los esfuerzos se centran en mejorar la eficiencia, incrementar la capacidad de recuperación de la red y optimizar la integración de un mayor número de DERs (Khodaei et al., 2015). los algoritmos de optimización son una herramienta clave para distribuir la potencia generada de manera óptima, considerando limitaciones técnicas y costos asociados (Boyd et al., 2010). A pesar de los avances, muchas aplicaciones disponibles en el mercado están orientadas a expertos y no permiten una interacción directa con algoritmos de control terciario para el análisis del despacho de potencia. En este proyecto, se desarrolló una aplicación en App Designer para simular y comparar algoritmos de control terciario en microrredes. Se implementaron dos enfoques: el Método de Direcciones Alternadas de los Multiplicadores (ADMM) y la Programación Cuadrática Secuencial (SQP). ADMM un enfoque descentralizado, distribuye el cálculo de las soluciones (Boyd et al., 2010), mientras que SQP, un algoritmo centralizado, se implementa con la herramienta fmincon de MATLAB. La aplicación permite simular escenarios IEEE con 3, 13 y 33 nodos, comparando el desempeño de ambos algoritmos en términos de tiempo, eficiencia, costos operativos y pérdidas de energía.