Diseño de una red inteligente con fuentes de energías renovables

Abstract

En este trabajo de tesis se presenta un diseño para la operación optima de una micro red de energía eléctrica con fuentes de energías renovables, basada en redes neuronales recurrentes para la predicción y gestión de cargas. Se define la configuración de la red de energía, producto de la revisión de la literatura de distintos sistemas híbridos propuestos y se dimensionan los elementos que la componen. La configuración del sistema hibrido de generación de energía (SHGE) está compuesta de un arreglo fotovoltaico y aerogeneradores como fuentes de generación renovable, la red de energía eléctrica de Comisión Federal de Electricidad (CFE) como sistema de respaldo, banco de baterías y vehículos eléctricos que funcionan como medio de almacenamiento y suministro de energía, cargas eléctricas en corriente alterna e inversores para interconexión a la red. El objetivo final de esta tesis es determinar las cantidades óptimas de energía para los sistemas eólico, solar, de baterías y el consumo de la red de energía eléctrica de CFE. El proceso de optimización requiere minimizar los costos de operación del SHGE. Se utiliza el prototipo del SHGE de la Universidad Autónoma de Yucatán (UADY), facultad de ingeniera, en Mérida, Yucatán, para solucionar el problema de optimización de su operación. Se diseña un algoritmo de predicción y optimización el cual se implementa en simulación de la operación de un SHGE en el software Matlab. Se diseña y construye un sistema de monitoreo de potencia, el cual fue elaborado y caracterizado para su implementación en una red eléctrica inteligente. El dispositivo fue elaborado con el propósito de crear una tarjeta de medición de bajo costo para el monitoreo de la generación de fuentes de energías renovables como son sistemas eólicos y fotovoltaicos. El desarrollo de este dispositivo tiene la finalidad de procesar las mediciones de generación energética para ser empleadas en un sistema de gestión que pueda tomar decisiones de cuales cargas en el edificio puedan ser alimentadas mediante la implementación de predicciones usando redes neuronales.