Optimización de un sistema fotovoltaico híbrido y la predicción de la demanda energética y variables climáticas utilizando la inteligencia artificial

Abstract

Los sistemas fotovoltaicos híbridos están teniendo gran atención en el campo de la energía renovable, debido a que son una solución energética confiable y sostenible para áreas remotas. Sin embargo, los principales desafíos que enfrenta este sistema son la variabilidad de las condiciones climática que afectan en la generación de energía y el dimensionamiento inadecuado que la hace menos eficiente y rentable. En base a lo mencionado, el primer objetivo de esta tesis doctoral se centra en evaluar diferentes modelos predictivos para estimar la demanda energética y condiciones climáticas (radiación solar y temperatura ambiente) con el fin de determinar un modelo predictivo con alta precisión y confiabilidad. Por otro lado, el segundo objetivo tiene como propósito diseñar un algoritmo que simule y optimice la operatividad dinámica de un sistema fotovoltaico híbrido, el cual determine de manera óptima las cantidades de sus componentes con la finalidad de minimizar el costo presente neto durante la vida del proyecto. Los resultados de la evaluación y comparación de modelos predictivos (SARIMA, ANN y LSTM) sobre la información del lugar en estudio, en forma de series temporales, han indicado que el modelo LSTM tiene un notable potencial predictivo con valores de MSE y RSME próximos a cero y un valor de R2 por encima de 0.97, con respecto a los otros modelos. Por otro lado, la simulación del sistema fotovoltaica híbrido apoyado por batería y diésel, mediante el programa HOMER, ha determinado las capacidades óptimas de sus componentes y obtenido mejores resultados del Costo Presente Neto (CPN), costo de la electricidad y la confiabilidad del sistema, que un sistema fotovoltaico apoyado únicamente con baterías. Así mismo, el desarrollo e implementación de un algoritmo evolutivo en la operatividad del sistema fotovoltaico híbrido (Fotovoltaico, Baterías) ha permitido determinar las cantidades óptimas de módulo fotovoltaico y baterías con un mínimo valor del CPN, costo de electricidad y un valor de probabilidad de pérdida de energía de cero, indicando la confiabilidad del sistema. Se ha identificado, en estos dos últimos estudios, que el tiempo de vida esperado de las baterías en un sistema fotovoltaico híbrido es un factor importante que hace que el costo de reemplazo aumente o disminuya generando cambios en el CPN del proyecto.

Hybrid photovoltaic systems are getting a lot of attention in the renewable energy field because they are a reliable and sustainable energy solution for remote areas. However, the main challenges faced by this system are the variability of climatic conditions that affect power generation and the inadequate sizing that makes it less efficient and cost-effective. Based on the above, the first objective of this doctoral thesis focuses on evaluating different predictive models to estimate energy demand and climatic conditions (solar radiation and ambient temperature) in order to determine a predictive model with high accuracy and reliability. On the other hand, the second objective is to design an algorithm that simulates and optimizes the dynamic operation of a hybrid photovoltaic system, which optimally determines the quantities of its components in order to minimize the net present cost during the life of the project. The results of the evaluation and comparison of predictive models (SARIMA, ANN and LSTM) on the information of the site under study, in the form of time series, have indicated that the LSTM model has a remarkable predictive potential with MSE and RSME values close to zero and an R2 value above 0.97, with respect to the other models. On the other hand, the simulation of the hybrid photovoltaic system supported by battery and diesel, using the HOMER program, has determined the optimal capacities of its components and obtained better results of Net Present Cost (NPC), cost of electricity and reliability of the system, than a photovoltaic system supported only by batteries. Likewise, the development and implementation of an evolutionary algorithm in the operation of the hybrid photovoltaic system (PV, batteries) has allowed determining the optimal quantities of PV module and batteries with a minimum NPC value, electricity cost and a zero energy loss probability value, indicating the reliability of the system. It has been identified, in these last two studies, that the expected lifetime of the batteries in a hybrid PV system is an important factor that makes the replacement cost increase or decrease generating changes in the CPN of the project.