Mejorando la Eficiencia del Almacenamiento de Energía a Través de Nuevos Modelos
Nuevos modelos mejoran la toma de decisiones sobre almacenamiento de energía y la eficiencia operativa.
Maaike B. Elgersma, Germán Morales-España, Karen I. Aardal, Niina Helistö, Juha Kiviluoma, Mathijs M. de Weerdt
― 6 minilectura
Tabla de contenidos
Cuando hablamos de Energía renovable, a menudo pensamos en la energía eólica y solar. Pero aquí está el truco: no siempre producen energía cuando la necesitamos. A veces el sol brilla, pero queremos usar energía por la noche, o el viento está soplando fuerte cuando necesitamos menos energía. Ahí es donde entra el Almacenamiento de energía. Es como tener una batería gigante que puede guardar energía para cuando más la necesitamos.
Pero averiguar cómo construir y operar estos sistemas de almacenamiento es complicado. Necesitamos herramientas matemáticas inteligentes para ayudarnos. Ahí es donde entra la Programación Entera Mixta (MIP). Nos ayuda a encontrar la mejor manera de hacer inversiones en almacenamiento y usarlo de manera eficiente.
Sin embargo, los modelos de MIP pueden ser tan complejos como resolver un cubo Rubik con los ojos vendados. A medida que tratamos de incluir más detalles, como reservas (energía extra que podemos usar cuando la necesitamos), los modelos pueden volverse aún más difíciles. A veces, doblamos un poco las reglas, permitiendo cargar y descargar al mismo tiempo—imagina intentar llenar un vaso de agua y beber de él al mismo tiempo. ¡Simplemente no funciona bien!
Así que lo que buscamos es crear mejores modelos de MIP que puedan manejar las realidades del almacenamiento de energía sin volvernos locos por las matemáticas complicadas.
El Problema con los Modelos Actuales
Imagina que tienes una unidad de almacenamiento, como una batería gigante, que puede cargarse cuando tienes energía extra y descargarse cuando necesitas más. Pero los modelos de MIP actuales tienen algunos inconvenientes molestos. A menudo permiten cargar y descargar al mismo tiempo, lo que es como intentar malabarear huevos mientras montas un monociclo—la mayoría de las veces, termina en desastre.
Esto lleva a soluciones que se ven geniales en papel, pero que no funcionan en el mundo real. Sugieren que podemos abrir un grifo y beber agua al mismo tiempo, lo que solo crearía un desastre. En lugar de centrarnos en estas dobles tareas, necesitamos asegurar que nuestros sistemas de almacenamiento funcionen correctamente, solo Cargando o Descargando cuando deben.
Lo Que Hicimos
Decidimos agitar las cosas y crear una nueva forma de pensar sobre estos modelos de MIP. Nuestro objetivo era hacerlos más ajustados, lo que significa que nos dan mejores respuestas sin el caos de las dobles tareas. Descubrimos cómo crear formulaciones que mantengan todo bajo control mientras siguen siendo útiles para diversas situaciones, como presupuestar nuevas inversiones en almacenamiento.
No solo abordamos cómo operar el almacenamiento, sino también cómo invertir en ellos sabiamente. Esto significa incorporar reservas—capacidad extra que podemos usar en emergencias—en la mezcla.
Cómo Lo Hicimos
Piénsalo así: tomamos los modelos existentes, dejamos de lado las partes desordenadas y conservamos lo que tiene sentido. Trabajamos para definir nuestras restricciones de una manera que asegure que nuestras unidades de almacenamiento funcionen inteligentemente sin permitir el caos (o sea, la carga y descarga simultáneas).
Para obtener formulaciones ajustadas, utilizamos una técnica conocida que nos ayuda a derivar las mejores respuestas posibles. Esto involucró dibujar las posibilidades y recortar el exceso hasta que tuviéramos solo lo esencial que funciona bien en conjunto.
Resultados: Probando Nuestros Nuevos Modelos
Hicimos pasar nuestras nuevas formulaciones por algunas pruebas, como darle una vuelta a un coche nuevo antes de llevarlo a un viaje por el país. Miramos dos escenarios de energía diferentes: gestionar el uso de energía con generadores y planificar nuevas rutas de energía.
Estudio de Caso de Compromiso de Unidades
En nuestra primera prueba, configuramos una situación con dos productores de energía y nuestra unidad de almacenamiento. La meta era minimizar costos mientras se satisfacían las necesidades energéticas durante dos horas. Nuestras nuevas formulaciones demostraron que pueden resolver problemas de manera efectiva sin el lío de cargar y descargar al mismo tiempo.
Imagina que nuestra unidad de almacenamiento tiene una capacidad máxima de 13 megavatios-hora (MWh). Durante las pruebas, el modelo antiguo permitía acciones simultáneas, lo que llevaba a desperdiciar energía—como intentar llenar una taza y beber de ella al mismo tiempo. Sin embargo, nuestro nuevo modelo mantuvo todo ordenado, asegurando que no se desperdiciara energía y que todo funcionara sin problemas.
Estudio de Caso de Planificación de Expansión de Transmisión
La siguiente fue nuestra segunda escena, en la que analizamos la expansión de las líneas de transmisión. Esta vez, añadimos la idea de decisiones de inversión. La meta aquí era encontrar la manera más rentable de gestionar y potencialmente expandir nuestras rutas de energía. Nuevamente, el modelo antiguo permitía demasiado caos, llevando a respuestas que simplemente no funcionarían en la práctica. Nuestra nueva formulación una vez más se aseguró de que no tuviéramos problemas manteniendo un control más estricto sobre los procesos.
Por Qué Esto Importa
Entonces, ¿por qué deberíamos preocuparnos por estas formulaciones de MIP ajustadas? Bueno, nos ayudan a planificar mejor. El almacenamiento de energía es crucial para la transición a fuentes de energía renovable. Con nuestras nuevas formulaciones, podemos tomar decisiones más inteligentes sobre dónde invertir, cómo operar y cómo gestionar reservas.
En resumen, estas mejoras ayudarán a reducir costos mientras apoyan una operación más fluida para los sistemas energéticos. No son solo un montón de matemáticas elegantes; son herramientas que pueden ayudarnos a enfrentar los desafíos climáticos que enfrentamos y avanzar hacia un futuro más verde.
Conclusión
Para resumir, hemos desarrollado nuevos modelos de MIP que mantienen todo en orden, evitando el lío de intentar hacer demasiado a la vez. Con estos modelos, podemos hacer planes más inteligentes para invertir en y operar sistemas de almacenamiento de energía. A medida que trabajamos hacia un futuro energético más limpio, tener estas herramientas a nuestra disposición ayudará a asegurar que alcancemos nuestros objetivos de manera inteligente y eficiente.
¡Mantengamos las cosas simples, efectivas y listas para los desafíos que vengan en el mundo del almacenamiento de energía!
Título: Tight MIP Formulations for Optimal Operation and Investment of Storage Including Reserves
Resumen: Fast and accurate large-scale energy system models are needed to investigate the potential of storage to complement the fluctuating energy production of renewable energy systems. However, the standard Mixed-Integer Programming (MIP) models that describe optimal investment and operation of these storage units, including the optional capacity to provide up/down reserves, do not scale well. To improve scalability, the integrality constraints are often relaxed, resulting in Linear Programming (LP) relaxations that allow simultaneous charging and discharging, while this is not feasible in practice. To address this, we derive the convex hull of the solutions for the optimal operation of storage for one time period, as well as for problems including investments and reserves, guaranteeing that no tighter MIP formulation or better LP approximation exists for one time period. When included in multi-period large-scale energy system models, these improved LP relaxations can better prevent simultaneous charging and discharging. We demonstrate this with illustrative case studies of a unit commitment problem and a transmission expansion planning problem.
Autores: Maaike B. Elgersma, Germán Morales-España, Karen I. Aardal, Niina Helistö, Juha Kiviluoma, Mathijs M. de Weerdt
Última actualización: 2024-11-26 00:00:00
Idioma: English
Fuente URL: https://arxiv.org/abs/2411.17484
Fuente PDF: https://arxiv.org/pdf/2411.17484
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.