VII JORNADAS TÉCNICAS DE TRANSMISIÓN
OPERACIÓN DE PARQUES EÓLICOS CON ALMACENAMIENTO DE ENERGÍA (BESS) 24 de Agosto de 2016
Convenio de Investigación 2
ISAGEN y UniAndes establecieron un convenio de cooperación para el estudio de conexión de fuentes de energía eólica a sistemas de potencia. Estudio de tecnologías: Parques
BESS HVDC
Eólicos
Equipo de Investigación 3
UniAndes DIEE Prof. Mario A. Ríos (Director Proyecto de Investigación) Prof. Gustavo Ramos Ing. Diego Gómez Ing. María Paula González Ing. Andrés Vera
ISAGEN Investigación y Desarrollo Ing. Luis Alberto Posada Ing. Hernán Palacios
Contenido 4
Estado del Arte BESS Alternativas de implementación Capacidad instalada Usos de BESS Requerimientos para generación renovable Características de las tecnologías Proyectos implementados
Metodología de dimensionamiento BESS Modelamiento de BESS Estudio de estado estable y análisis dinámico Conclusiones y trabajos futuros
5
Fuente: http://aesenergystorage.com/implementaciones/?lang=es
Estado del Arte
Alternativas de implementación 6
Fuente: http://article.sapub.org/10.5923.j.eee.20160601.01.html#Ref International Electrotechnical Commission (IEC), «Electrical Energy Storage,» IEC, Ginebra, 2011
Las baterías de litio son consideradas de gran utilidad para soporte de la red. Las aplicaciones deseadas son: transporte de energía, gestión en el mercado de energía, sistemas de respaldo, regulación de frecuencia y control de fluctuaciones de generación eólica y fotovoltaica.
Capacidad instalada 7
Fuente: International Electrotechnical Commission (IEC), «Electrical Energy Storage,» IEC, Ginebra, 2011
Usos de BESS 8
Usos de BESS 9
Ubicación óptima de BESS para reducir el número de contingencias críticas en la red. Control de estados de carga y descarga con respecto a los periodos de máxima y mínima demanda, las condiciones de operación de la red y el escenario de despacho de energía. Fuente: Haisheng Chen, Thang Ngoc Cong, Wei Yang, Chunqing Tan, Yongliang Li, Yulong Ding, Progress in electrical energy storage system: A critical review, Progress in Natural Science, Volume 19, Issue 3, 10 March 2009, Pages 291-312
Requerimientos para generación renovable 10
Aplicación
Generación renovable
Descripción Regulación de frecuencia Reserva rodante Aplanamiento de potencia & Intermitencias Soporte de energía
Capacidad
Duración
Ciclos por año
Vida útil (años)
1-100 MW
15 min
>8.000
15
10-100 MW 1-10 MW distribuido/100-400 MW centralizado 100-400 MW
1-5 horas
-
20
15 minutos
5.000
20
5-10 horas
300-500
20
[1] Electric Power Research Institute (EPRI), «Electricity Energy Storage Technology Options,» EPRI, California, 2010. [2] International Electrotechnical Commission (IEC), «Electrical Energy Storage,» IEC, Ginebra, 2011.
Características de tecnologías BESS 11
Aplicación
Tecnología
Capacidad Potencia (MWh) (MW)
Duración (horas)
Eficiencia Ciclos de Costo total (%) carga (USD$/kW)
SodiumSulfur
300
50
6
75
4.500
3.100-3.300
Advanced Lead-Acid
200 250 400
50 20-50 100
4 5 4
85-90 85-90 85-90
2.200 4.500 4.500
1.700-1.900 4.600-4.900 2700
250
50
5
65-75
>10.000 3.100-3.700
250 250
50 50
5 5
60 75
>10.000 1.450-1.750 >10.000 1.800-1.900
250
50
5
75
>10.000 1.440-1.700
0,25-25
1-100
0,25-1
87-92
>100.000 1.085-1.550
0,25-50
1-100
0,25-1
75-90
>100.000
Soporte del sistema e integración de Vanadium energía Redox renovable Zn/Br Redox Fe/Cr Redox Zn/Air Redox Aplanamiento Li-Ion de potencia & Advanced Intermitencias Lead-Acid
950-1.590
[1] Electric Power Research Institute (EPRI), «Electricity Energy Storage Technology Options,» EPRI, California, 2010. [2] International Electrotechnical Commission (IEC), «Electrical Energy Storage,» IEC, Ginebra, 2011.
Características de tecnologías BESS 12
Aplicación
Almacenamiento de energía para aplicaciones de transmisión y distribución
Almacenamiento de energía para aplicaciones comerciales e industriales
Capacidad Potencia Duración Eficiencia Ciclos Costo total (MWh) (MW) (horas) (%) de carga (USD$/kW) Advanced 2.0003,2-48 1-12 3,2-4 75-90 4.500 Lead-Acid 4.600 Sodium-Sulfur 7,2 1 7,2 75 4.500 3.200-4.000 Zn/Br Redox 5-50 1-10 5 60-65 >10.000 1.670-2.015 Vanadium 4-40 1-10 4 65-70 >10.000 3.000-3.310 Redox Fe/Cr Redox 4 1 4 75 >10.000 1.200-1.600 Zn/Air 5,4 1 5,4 75 4.500 1.750-1.900 Li-Ion 4-24 1-10 2-4 90-94 4.500 1.800-4.100 Advanced 0,1-10 0,2-1 4-10 75-90 4.500 2.800-4.600 Lead-Acid Sodium-Sulfur 7,2 1 7,2 75 4.500 3.200-4.000 Zn/Br Flow 0,625 0,125 5 60-63 >10.000 2420 Vanadium Flow 0,6-4 0,2-1,2 3,5-3,3 65-70 >10.000 4.380-3.020 Li-Ion 0,1-0,8 0,05-0,2 2-4 80-93 4.500 3.000-4.400 Tecnología
[1] Electric Power Research Institute (EPRI), «Electricity Energy Storage Technology Options,» EPRI, California, 2010. [2] International Electrotechnical Commission (IEC), «Electrical Energy Storage,» IEC, Ginebra, 2011.
Proyectos implementados 13
Elkins, West Virginia – AES Laurel Mountain
Duke, Oklahoma
Regulación de frecuencia e integración de energía renovable. BESS de 36MW/24MWh Parque eólico de 200MW
Futumata, Japón
Regulación de frecuencia e integración de energía renovable BESS de 32MW/8MWh Parque eólico de 98MW
Control de intermitencias e integración de energía renovable. BESS de 34MW Parque eólico de 51MW
Tehachapi, California
Integración de energía renovable BESS de 8MW/32MWh Parque eólico de 660MW
14
Fuente: http://aesenergystorage.com/implementaciones/?lang=es
Metodología de dimensionamiento
Métodos de dimensionamiento 15
Método de dimensionamiento
Optimización de costos de operación y mantenimiento
Parámetros
Técnica de solución
Estimación de beneficio total Ingresos por generación Ingresos por estabilidad Ingresos por beneficio ambiental Gastos por almacenamiento
Procesos evolutivos
Función de Espectro de frecuencia de densidad de Predicción de intermitencias con velocidad del viento probabilidad base en métodos probabilísticos Weibull/Beta y estadísticos Distribución de probabilidad del Espectro Van Der error de estimación Hoven Predicción de Control de las intermitencias en velocidad Medición de velocidad del la potencia de«Sizing salida las Lógica [3] Z. Y. Gao, P. Wang, L. Bertling y J. H. Wang, of Energyde Storage for Power Systems with Wind Farms Based on Reliability Cost and Wroth Analysis,» de Power and Energy Society General Meeting, 2011 IEEE, San viento Diego, 2011. [4] Y. Yuan, Q. Li yturbinas W. Wang, «Optimal operation strategy of energy storage unit in wind power integration based on stochastic programming,» IET Renewable Power Generation, difusa/métodos vol. 5, nº 2, pp. 194-201, Marzo 2011. [5] U. Hassan y D. Syke, «Wind structure and statistics,» de Freris, L. L. (ed.). Wind energy conversion systems, New York, 1990. [6] J. P. Barton y D. G. Infield, «A probabilistic method for calculating the usefulness of a store with finite energy capacity for smoothing electricity generation from wind and solar power,» Journal of Power Sources, vol. 162, nº 2, metaheurísticos pp. 943-948, 22 Noviembre 2006. [7] Y. V. Makarov, M. C. Kintner-Meyer, P. Du, C. Jin y H. F. Illian, «Sizing Energy Storage to Accommodate High Penetration of Variable Energy Resources,» IEEE Transactions on Sustainable Energy, vol. 3, nº 1, pp. 34-40, Enero 2012. [8] W. Wang, C. Mao, J. Lu y D. Wang, «An Energy Storage System Sizing Method for Wind Power Integration,» Energies, vol. 6, nº 7, pp. 3392-3404, 2013. [9] T. K. A. Brekken, A. Yokochi, A. Yokochi, Z. Z. Yen, H. M. Hapke y D. A. Halamay, «Optimal Energy Storage Sizing and Control for Wind Power Applications,» IEEE Transactions on Sustainable Energy, vol. 2, nº 1, pp. 6977, Enero 2011.
Metodología de dimensionamiento 16
Objetivo: Controlar las fluctuaciones del sistema al establecer una potencia de referencia deseada a la salida de un parque eólico de 400MW. Planteamiento: Problema de optimización en donde el modelo de referencia define la capacidad de almacenamiento requerida. Función objetivo y restricción: N
EESS =
PWIND t i − Pref t i i=1
2
N
N
PESS t i = i=1
Pwind (t i − Pref (t i )) < ε i=1
Modelos de referencia:
Potencia constante definida por el promedio en un periodo de regulación
Segmentación fija definida por la división del periodo de regulación en N intervalos.
Segmentación variable del periodo de regulación. [8] W. Wang, C. Mao, J. Lu y D. Wang, «An Energy Storage System Sizing Method for Wind Power Integration,» Energies, vol. 6, nº 7, pp. 3392-3404, 2013.
Segmentación fija 17
Segmentación fija 18
Cálculode del perfil de Cálculo potencia y definición de segmentos segmentos
Inicialización de método metaheurístico Cálculo de potencia de turbinas eólicas con base en series de viento Cálculo de potencia promedio de turbinas
Definición de parámetros de algoritmo evolutivo • Número de individuos • Espacio de búsqueda • Límites de solución para a y b • k=1
Definición de segmentos de regulación
Pref 2
No Cálculo de coeficientes a y b para el segmento correspondiente con evolución diferencial
Pref1 = a1 t + b1 = a2 t − N1 + a1 N1 + b1 . . . m−1
Pref m = am t − Nm−1 +
¿φ < 𝜖? k=k+1 Si Si Capacidades para cada segmento
Revisión de restricción y finalización No
¿k = N?
ak Nk − Nk−1 + a1 N1 + b1 k=2
N
𝜑=
N
𝑃𝐸𝑆𝑆 𝑡𝑖 = i=1
Pwind t i − Pref k t i i=1
N
EESS =
Pwind t i − Pref k t i
2
i=1
[8] W. Wang, C. Mao, J. Lu y D. Wang, «An Energy Storage System Sizing Method for Wind Power Integration,» Energies, vol. 6, nº 7, pp. 3392-3404, 2013. [10] C. Sosa and G. Leguizam, «Evolucion Diferencial con Factor de Mutacion Dinamico». Universidad Nacional de San Luis.
Resultados 19
𝚫𝐏𝟐
𝚫𝐏𝟑
Resultados 20
𝚫𝐏𝟏𝟐 𝚫𝐏𝟔
Resultados 21
𝚫𝐏𝟐𝟒 𝚫𝐏𝟒𝟖
Resultados 22
Resultados Promedio
Segmentos
2 3 6 12 24 48
Capacidad Batería [MW] 140,35 116,6 (17%) 107,1 (24%) 100,6 (28%) 98,12 (30%) 96,67 (31%) 92,84 (34%)
Tiempo de convergencia [s] 3,17 8,79 22,28 227,01 501,36 821,57
Segmentación automática 23
Segmentación Inicialización de método metaheurístico automática
Cálculo de potencia de turbinas eólicas con base en series de viento
Cálculo de potencia promedio de turbinas
24
Si
Cálculo de puntos automático los Cálculo del perfilde demáxima variación deldeperfil de segmentos regulación potencia generación ¿∑φm < ϵ?
Cálculo de los N-1 puntos de la serie de viento con mayor variación k(2:N)
Definición de parámetros de algoritmo evolutivo • Número de individuos • Espacio de búsqueda • Límites de solución para a y b • j = 1; i = 2
No
k(1) = t(1) k(N+1) = t(final)
Si
Pref 2 No
Cálculo de coeficientes a y b para el segmento k(j:i) con evolución diferencial
¿j = N + 1?
Pref1 = a1 t + b1 = a2 t − N1 + a1 N1 + b1 . . . m−1
Pref m = am t − Nm−1 + j = i ∀ min EESS m i= j+1
i=i+1
Capacidad ESS
N
N
Revisión de restricción y finalización No
Si
ak Nk − Nk−1 + a1 N1 + b1 k=2
φm =
PESS tj:i =
i=1
Pwind tj:i − Pref k tj:i
i=1
N
¿i = N+1?
EESSm =
Pwind tj:i − Pref k tj:i
2
i=1
[8] W. Wang, C. Mao, J. Lu y D. Wang, «An Energy Storage System Sizing Method for Wind Power Integration,» Energies, vol. 6, nº 7, pp. 3392-3404, 2013. [10] C. Sosa and G. Leguizam, «Evolucion Diferencial con Factor de
Resultados 25
Potencia Batería: 86,2 MW – 39%
26
Fuente: http://aesenergystorage.com/implementaciones/?lang=es
Modelamiento de BESS
Modelo dinámico de BESS 27
Vbatt
Q = Ebatt − 𝐾 ∙ ∙ it − R int ∙ i + A ∙ e−B∙it Q − it Rint
Ibatt BT1
Ebatt
Ebatt : Voltaje de circuito abierto (V) + Q: Capacidad de la batería Ah R int : Resistencia interna Ω Vbatt : Voltaje de batería (V) A: Voltaje exponencial V Vbatt i: Corriente de batería A it: Capacidad extraida Ah _ B: Capacidad exponencial Ah−1 𝐾: Constante de polarización V/Ah
[11] A. A. H. Hussein and I. Batarseh, «An overview of generic battery models,» 2011 IEEE Power and Energy Society General Meeting, San Diego, CA, 2011, pp. 1-6. [12] O. Tremblay, L. A. Dessaint and A. I. Dekkiche, «A Generic Battery Model for the Dynamic Simulation of Hybrid Electric Vehicles,» 2007 IEEE Vehicle Power and Propulsion Conference,
Límite de estabilidad 28
Pconv Vbatt = Ebatt − R int ∙ i Vbatt = i R int ∙ i2 − Ebatt ∙ i + Pconv = m ∙ R int n
Restricción exacta:
2 Ebatt ≥ 4 ∙ Pconv ∙ R int
Restricción aproximada: R int ≤ a ∙ Ebatt + b
m ∙ Vmin ∙ n ∙ Imax ≥ Pconv
m m ∙ Ebatt
b∙n m> R int − n ∙ a ∙ Ebatt
n [13] D. Bazargan, S. Filizadeh and A. Gole, «Stability analysis of converter-connected battery energy storage systems in the grid,» 2015 IEEE Power & Energy Society General Meeting, Denver,
Control de potencia activa 29
Pref
Iac max Vac
Pmax +
Pmed
MBase SBase
-
Pac
1
−Pmax
1
MBase SBase
Pout
−Iac max Vac Pout >
Pout
Out Eff s
+ Eout
[1] Electric Power Research Institute (EPRI), «Electricity Energy Storage Technology Options,» EPRI, California, 2010. [14] K. Saeed, «Battery Energy Storage Systems: Grid Applications, Technologies, and Modeling,» S&C Electric Company, IEEE SMARTGRID, Chicago, 2016.
Pout