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