Sistema cooperativo de planificación de demanda de electricidad agregada: comunidades sostenibles que optimizan el consumo de renovables

• Autores: Carlos Cruz de la Torre
• Directores de la Tesis: Ignacio Bravo Muñoz (dir. tes.) , Esther Palomar González (codir. tes.)
• Lectura: En la Universidad de Alcalá ( España ) en 2022
• Idioma: español
• Tribunal Calificador de la Tesis: Francisco José Mora Más (presid.) , Alfredo Gardel Vicente (secret.) , Javier Díaz Alonso (voc.)
• Enlaces
  • Tesis en acceso abierto en: TESEO
• Resumen
  • español

    Hoy en día, la eficiencia energética aparece como eje fundamental para combatir el cambio climático y reducir nuestra huella de carbono. En este sentido, el rol del ciudadano y las decisiones de los consumidores con respecto a su estilo de vida, como el uso de vehículos híbridos o eléctricos, el consumo de alimentos procedentes de agricultura sostenible y una gestión eficiente de la energía en hogares son piezas claves para promover una nueva realidad de energía sostenible. Instituciones públicas están prestando programas de ayuda para la modernización de equipamiento, y financiando reformas hacia una mayor eficiencia energética en hogares, instalaciones públicas y edificios residenciales. Por su parte, Red Eléctrica promueve un nuevo modelo energético, estimulado por Directivas Europeas, en el que la gestión de la flexibilidad de demanda, el fomento de autoconsumo y almacenamiento procedente de fuentes renovables, así como la integración del consumidor en servicios de balanceo son iniciativas reales.

    La conocida como comunidad inteligente surge como evolución del paradigma de las ciudades inteligentes y supone un enfoque centrado en las personas en el que los ciudadanos aspiran a lograr objetivos comunes. Este paradigma, junto con los electrodomésticos inteligentes y otros dispositivos conectados en la Internet de las cosas, han aumentado las expectativas en las tecnologías TIC para la consecución y mayor aceptación de programas de eficiencia energética como la Respuesta de Demanda. Estos programas buscan balancear suministro y demanda energética, reducir emisiones, promover la integración de las energías renovables y fomentar un cambio en el comportamiento del consumidor.

    Esta tesis doctoral surge de la necesidad de diseñar, desarrollar, implantar y medir los beneficios derivados de la gestión de la demanda mediante una solución tecnológica que ayude a los consumidores a administrar su demanda y su flexibilidad. Para ello, se diseña un algoritmo de planificación de la demanda agregada de electricidad en una comunidad de consumidores y un controlador de sus electrodomésticos conectados. Esta agregación se optimiza gracias a una función objetivo que se alimenta con la oferta disponible de energía renovable. La solución se implementa en plataformas ligeras y económicas, y se valida en entornos de laboratorio cumpliendo estrictos requisitos de rendimiento, fiabilidad, calidad de servicio y seguridad.

    Escenarios emulados en prototipos ofrecen resultados muy eficientes y realistas y permiten reconocer un conjunto de tres patrones de comportamiento en comunidades de consumidores construidas sobre un conjunto de datos de consumo real. La flexibilidad, el volumen y curva de demanda son factores determinantes para una planificación más efectiva y eficiente de la demanda total de la comunidad. La identificación, por experto y por aprendizaje automático, de estos patrones ayuda a definir y predecir una mejor estrategia en el desarrollo de programas de gestión de demanda y de agregación en comunidades reales que busquen cooperativamente maximizar el aprovechamiento de fuentes renovables además de fomentar un cambio en el comportamiento del consumidor hacia un consumo más sostenible y eficiente.

  • English

    Energy efficiency is emerging as a key element in the fight against climate change and to reduce our carbon footprint. A more sustainable energy system is being influenced by consumers’ lifestyle choices such as the one related to, for instance, the use of hybrid/electric vehicles, food from sustainable agriculture and energy-efficient households. Public institutions are also providing programme support, e.g., funding equipment retrofitting, and energy efficiency subsidies for public and private facilities, with the aim at encouraging citizens to play a more active role within the electricity system. Moreover, utility companies commit towards the same goal and a more intelligent network that better allows the management of flexibility of demand, the participation of consumers in balancing services, and the integration of energy storage services and self – consumption.

    Within the smart city paradigm, smart community initiatives embrace a citizen/consumer-centric approach, which enable energy consumers to pursue common goals through cooperation and coordinated behavior. In particular, aiming at efficient energy utilization, smart appliances and other connected devices through the Internet of Things have raised expectations about the real deployment and consumer engagement in demand response programmes. This thesis aims to provide sustainable evidence of the benefits and viability of an ICT – supported demand-side management system that contributes to balance supply and demand, maximise renewable energy use and promote a behavioural change within a community of collaborative electricity consumers. We design, implement and evaluate a novel scheduling algorithm that aggregates and optimises the community demand maximising the utilisation of the available supply of renewable energy. Validation of performance, feasibly, quality of service and security measures is performed over a laboratory testbed using lightweight cost – effective hardware platforms such as Raspberry Pi boards and living lab datasets.

    Emulated scenarios throw realistic and efficient results that allow us to identify a number of three main behavioural patterns of aggregated community, where the consumers’demand volume, curve and flexibility are shown as the key factors. The identification of these patterns assists in the establishment and prediction of a better strategy when deploying demand-side management programmes in real communities that pursue a sustainable and efficient energy usage and behavioural change.