Show simple item record

dc.contributor.advisorAcevedo Arenas, César Yobany
dc.contributor.authorTorres Landazábal, Víctor Andrés
dc.coverage.spatialColombiaspa
dc.date.accessioned2021-08-27T21:41:01Z
dc.date.available2021-08-27T21:41:01Z
dc.date.issued2021
dc.identifier.urihttp://hdl.handle.net/20.500.12749/14063
dc.description.abstractCon el presente trabajo se buscó la implementación de un algoritmo matemático evolutivo que permitiera dimensionar de forma óptima sistemas híbridos off-grid pvwind-battery-diésel. Inicialmente se realizó la verificación de antecedentes con el objetivo de tener presente las metodologías ya existentes para diseñar sistemas híbridos y, a partir de esto, plantear un método práctico que aporte resultados altamente significativos. Una vez evaluados los antecedentes, estos sirven como sustento para la creación del correspondiente código en la plataforma de Matlab, teniendo como base un algoritmo genético, donde se realiza el dimensionamiento óptimo del sistema de generación renovable, de almacenamiento y generación diésel, tomando en consideración variables como la irradiancia, velocidad del viento, curva de carga y temperatura del emplazamiento donde se vaya a realizar el respectivo dimensionamiento del sistema hibrido. Posteriormente, con la herramienta desarrollada se prueba, evalúa y analiza, mediante casos hipotéticos, si se logra un dimensionamiento óptimo del sistema hibrido. Finalmente, mediante un caso práctico aplicado en condiciones reales, se corrobora que la solución que arroja la herramienta desarrollada cubre la totalidad de la demanda energética indistintamente de la época del año, brindando una solución efectiva al problema planteado. Para esta parte se tomó como caso de estudio a la ciudad de Valencia - España, debido a que se contó, en el desarrollo del proyecto, con una cantidad suficiente de datos de carga, irradiancia, velocidad de viento y temperatura, necesarias para realizar un dimensionamiento con resultados significativos y confiables. Considerando la variabilidad geográfica y climatológica que se presentan a lo largo del año, en Valencia - España, la herramienta nos indica que la configuración óptima para la estación climática de verano es de 64 módulos fotovoltaicos, 1 turbinas eólicas, 12 baterías y 1 generador diésel con un LCOE de 0,172 $/kWh; mientras que para el invierno es de un sistema hibrido conformado por 57 módulos fotovoltaicos, 3 turbinas eólicas, 5 baterías y 1 generadores diésel con un LCOE de 0,186 $/kWh.spa
dc.description.tableofcontents1. INTRODUCCIÓN ................................................................................................ 1 2. MARCO REFERENCIAL ..................................................................................... 3 2.1. TÉCNICAS PARA EL DIMENSIONAMIENTO ÓPTIMO DE SISTEMAS HIBRIDOS ........................................................................................................... 3 2.2. ALGORITMO GENETICO COMO TECNICA DE OPTIMIZACION SELECCIONADA ................................................................................................ 5 2.3. OPTIMIZACIÓN ...................................................................................... 8 2.4. COSTO NIVELADO DE LA ENERGIA (LCOE) ...................................... 9 3. OBJETIVOS ...................................................................................................... 11 3.1. OBJETIVOS ESPECIFICOS ....................................................................... 11 4. METODOLOGÍA ............................................................................................... 12 5. DESARROLLO DE LA HERRAMIENTA COMPUTACIONAL ........................... 13 5.1. DESCRIPCIÓN DE LOS COMPONENTES DEL SISTEMA HÍBRIDO ........ 13 5.2. IMPLEMENTACIÓN DEL ALGORITMO GENETICO .................................. 14  GENERACIÓN DE LA POBLACIÓN INICIAL ............................................. 14  CÁLCULO FUNCIÓN OBJETIVO ............................................................... 14  SELECCIÓN ............................................................................................... 15  CRUCE ....................................................................................................... 15  MUTACIÓN ................................................................................................. 15  CRITERIO DE PARADA ............................................................................. 15 5.3. MODELOS MATEMÁTICOS ....................................................................... 16 5.3.1. PANELES FOTOVOLTAICOS .............................................................. 16 5.3.2. TURBINAS EÓLICAS ........................................................................... 18 5.3.3. BANCO DE BATERÍAS ........................................................................ 20 5.3.4. GENERADOR DIÉSEL ......................................................................... 21 5.3.5. BALANCE DE ENERGÍA ...................................................................... 22 5.3.6. CRITERIO DE EVALUACIÓN .............................................................. 23 5.4. ESTRUCTURA DE LA HERRAMIENTA ..................................................... 26 6. PRUEBAS A LA HERRAMIENTA DESARROLLADA ................................. 28 6.1. CASO 1 – ESTACIONES DEL AÑO ..................................................... 29 6.2. VALIDACIÓN DE EFECTIVIDAD: CASO VALENCIA ................................. 30 7. RESULTADOS .................................................................................................. 31 7.1. CASO 1 – ESTACIONES DEL AÑO ..................................................... 31 7.2. VALIDACIÓN DE EFECTIVIDAD: CASO VALENCIA ................................. 34 7.3. INTERFAZ DE LA HERRAMIENTA ............................................................ 37 8. CONCLUSIONES Y RECOMENDACIONES .................................................... 40 8.1. CONCLUSIONES ........................................................................................... 40 8.2. RECOMENDACIONES .................................................................................. 41 9. REFERENCIAS ................................................................................................. 42spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleHerramienta para el dimensionamiento óptimo de sistemas híbridos Off-Grid Pv-Wind-Battery-Diésel, basado en algoritmo evolutivospa
dc.title.translatedTool for the optimal sizing of off-grid pv-wind-battery-diesel hybrid systems, based on an evolutionary algorithmspa
dc.degree.nameIngeniero en Energíaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.programPregrado Ingeniería en Energíaspa
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsEnergy engineeringspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsEnergyspa
dc.subject.keywordsOptimizationspa
dc.subject.keywordsHybrid systemsspa
dc.subject.keywordsGenetic algorithmspa
dc.subject.keywordsSizingspa
dc.subject.keywordsData processingspa
dc.subject.keywordsAlgorithmsspa
dc.subject.keywordsMathematical modelsspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.relation.references[1] J. A. A. Valencia, «Factibilidad de la implementación de paneles solares fotovoltaicos para la generación de energía eléctrica en las cabeceras municipales de las zonas no interconectadas de Colombia,» Universidad EAFIT, Medellín, Colombia, 2018spa
dc.relation.references[2] M. Giraldo, R. Vacca Ramírez y A. Urrego Quintanilla, «Las energías alternativas ¿una oportunidad para Colombia?,» Politécnico Colombiano, 2018spa
dc.relation.references[3] J. L. Agustín, «Aplicación de algoritmos genéticos al diseño óptimo de sistemas de distribución de energía eléctrica,» Zaragoza, 1988.spa
dc.relation.references[4] Siddaiah, R., & Saini, R. P. (2016). A review on planning, configurations, modeling and optimization techniques of hybrid renewable energy systems for off grid applications. Renewable and Sustainable Energy Reviews, 58, 376–396spa
dc.relation.references[5] D. Ciatera Díaz, “Modelo de Optimización Multiobjetivo para Evaluación de Eficiencia en una Empresa de Servicios Eléctricos,” Dep. Ing. Ind., vol. Ingeniería, p. 91, 2015spa
dc.relation.references[6] N. P. & Akpan and I. A. Iwok, “Application of Linear Programming for Optimal Use of Raw Materials in Bakery,” Int. J. Math. Stat. Invent. www.ijmsi.org, vol. 4, no. 8, pp. 51–57, 2016.spa
dc.relation.references[7] S. Ashok, “Optimised model for community-based hybrid energy system,” Renew. Energy, vol. 32, no. 7, pp. 1155–1164, 2007spa
dc.relation.references[8] T. K. Das, D. Chakraborty, and S. Seth, “Energy consumption and prospects for renewable energy technologies in an Indian village,” Energy, vol. 15, no. 5, pp. 445–449, 1990.spa
dc.relation.references[9] L. A. Gen, “ALGORITMOS GE ETICOS 1 Introducción,” pp. 1–34, 1859.spa
dc.relation.references[10] S. Sengupta, S. Basak, and R. Peters, “Particle Swarm Optimization: A Survey of Historical and Recent Developments with Hybridization Perspectives,” Mach. Learn. Knowl. Extr., vol. 1, no. 1, pp. 157–191, 2018spa
dc.relation.references[11] Dorigo, M., Birattari, M., & Stutzle, T. (2006). Ant colony optimization. IEEE Computational Intelligence Magazine, 1(4), 28–39.spa
dc.relation.references[12] Zong Woo Geem, Joong Hoon Kim, & Loganathan, G. V. (2001). A New Heuristic Optimization Algorithm: Harmony Search. SIMULATION, 76(2), 60–68.spa
dc.relation.references[13] P. El, “Un Algoritmo Metaheurístico De Recocido Simulado Para El 3Ap-Axial,” Saber, vol. 28, no. 3, pp. 566–573, 2016.spa
dc.relation.references[14] Katsigiannis, Y. A., Georgilakis, P. S., & Karapidakis, E. S. (2012). Hybrid Simulated Annealing–Tabu Search Method for Optimal Sizing of Autonomous Power Systems With Renewables. IEEE Transactions on Sustainable Energy, 3(3), 330–338spa
dc.relation.references[15] Lujano-Rojas, J. M., Dufo-López, R., & Bernal-Agustín, J. L. (2013). Probabilistic modelling and analysis of stand-alone hybrid power systems. Energy, 63, 19–27spa
dc.relation.references[16] Guo, Q., Yu, H., & Xu, A. (2006). A hybrid PSO-GD based intelligent method for machine diagnosis. Digital Signal Processing, 16(4), 402–418.spa
dc.relation.references[17] GOLDBERG and D. E., “Genetic Algorithms in Search,” Optim. Mach., 1989spa
dc.relation.references[18] Mitchell, Melanie (1996). An Introduction to Genetic Algorithms. Cambridge, MA: MIT Pressspa
dc.relation.references[19] Whitley, D. (1994). A genetic algorithm tutorial. Statistics and Computing, 4(2).spa
dc.relation.references[20] "XI. Crossover and Mutation". http://www.obitko.com/: Marek Obitko. Retrieved 2011-04-07spa
dc.relation.references[21] Rowland J. O. Ekeocha, 2019. "Optimization of Systems," International Journal of Sciences, Office ijSciences, vol. 8(03), pages 118-125, Marchspa
dc.relation.references[22] Valencia, P. E. (1997, August). Optimización mediante algoritmos genéticos. In Anales del Instituto de Ingenieros de Chile (Vol. 109, No. 2, pp. 83-92).spa
dc.relation.references[23] Bhandari, B., Lee, K.-T., Lee, G.-Y., Cho, Y.-M., & Ahn, S.-H. (2015). Optimization of hybrid renewable energy power systems: A review. International Journal of Precision Engineering and Manufacturing-Green Technology, 2(1), 99–112spa
dc.relation.references[24] García, E. R. S., González, R. L. P. E. F., & Morales, J. M. F. Análisis del costo nivelado de energía para diversas fuentes renovables al año 2030 y 2050. Un parámetro clave en la toma de decisión de proyectos de inversión. Serieponencias, 19.spa
dc.relation.references[25] Kaabeche, A., Belhamel, M., & Ibtiouen, R. (2011). Sizing optimization of gridindependent hybrid photovoltaic/wind power generation system. Energy, 36(2), 1214–1222spa
dc.relation.references[26] Energetika - Curva I-V de un panel fotovoltaico. (2018). Energiteka. http://www.energetika.com.ar/Curva%20I-V.htmlspa
dc.relation.references[27] T. Markvart, Solar Electricity. WILEY, 2000.spa
dc.relation.references[28] M. A. Habib, S. A. M. Said, M. A. El-Hadidy, and I. Al-Zaharna, “Optimization procedure of a hybrid photovoltaic wind energy system,” Energy, vol. 24, no. 11, pp. 919–929, 1999spa
dc.relation.references[29] Notton. G, Cristofari. C, Mattei. M. and Poggi. P. (2005). Modelling of a doubleglass photovoltaic module using finite differences, Appl. Therm.Eng, 25, 2854– 2877.spa
dc.relation.references[30] S. Diaf, G. Notton, M. Belhamel, M. Haddadi, and A. Louche, “Design and techno-economical optimization for hybrid PV/wind system under various meteorological conditions,” Appl. Energy, vol. 85, no. 10, pp. 968–987, 2008spa
dc.relation.references[31] E.-L. J, Manual de energía eólica. 2011spa
dc.relation.references[32] A. Ilinca, E. McCarthy, J. L. Chaumel, and J. L. Rétiveau, “Wind potential assessment of Quebec Province,” Renew. Energy, vol. 28, no. 12, pp. 1881–1897, 2003spa
dc.relation.references[33] B. Ai, H. Yang, H. Shen, and X. Liao, “Computer-aided design of PV/wind hybrid system,” Renew. Energy, vol. 28, no. 10, pp. 1491–1512, 2003spa
dc.relation.references[34] S. H. El-Hefnawi, “Photovoltaic diésel-generator hybrid power system sizing,” Renew. Energy, vol. 13, no. 1, pp. 33–40, 1998.spa
dc.relation.references[35] Giangrandi V., L. (2011). “Aspectos técnico económicos para evaluación de proyectos de cogeneración en base a grupos generadores diésel”. Universidad Catolica De Chilespa
dc.relation.references[36] M. K. Deshmukh and S. S. Deshmukh, “Modeling of hybrid renewable energy systems,” Renew. Sustain. Energy Rev., vol. 12, no. 1, pp. 235–249, 2008spa
dc.relation.references[37] A. Kaabeche, M. Belhamel, and R. Ibtiouen, “Techno-economic valuation and optimization of integrated photovoltaic/wind energy conversion system,” Sol. Energy, vol. 85, no. 10, pp. 2407–2420, 2011spa
dc.relation.references[38] LAZARD. (2020). Levelized Cost of Energy and Levelized Cost of Storage – 2020. https://www.lazard.com/perspective/levelized-cost-of-energy-and-levelizedcost-of-storage-2020/spa
dc.relation.references[39] Predescu, M. (2016). Economic evaluation of small wind turbines and hybrid systems for residential use. Renewable Energy and Environmental Sustainability, 1, 33spa
dc.relation.references[40] ARE’s Technology Working Group. (2020, junio). Rural Electrification with Renewable Energy. Alliance for Rural Electrification.spa
dc.contributor.cvlacAcevedo Arenas, César Yobany [0000376671]spa
dc.contributor.orcidAcevedo Arenas, César Yobany [0000-0002-5470-181X]spa
dc.contributor.researchgateAcevedo Arenas, César Yobany [Cesar-Y-Acevedo-Arenas-2154624305]spa
dc.subject.lembIngeniería en energíaspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembEnergíaspa
dc.subject.lembProcesamiento de datosspa
dc.subject.lembAlgoritmosspa
dc.subject.lembModelos matemáticosspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.description.abstractenglishWith the present work, the implementation of an evolutionary mathematical algorithm was sought that would allow optimally dimensioning hybrid off-grid pvwind-battery-diesel systems. Initially, the background check was carried out in order to keep in mind the existing methodologies to design hybrid systems and, based on this, propose a practical method that provides highly significant results. Once the antecedents have been evaluated, they serve as support for the creation of the corresponding code in the Matlab platform, based on a genetic algorithm, where the optimal sizing of the renewable generation, storage and diesel generation system is carried out, taking into consideration variables such as irradiance, wind speed, load curve and temperature of the site where the respective sizing of the hybrid system is to be carried out. Subsequently, with the developed tool, it is tested, evaluated and analyzed, through hypothetical cases, if an optimal sizing of the hybrid system is achieved. Finally, through a practical case applied in real conditions, it is confirmed that the solution provided by the developed tool covers the entire energy demand regardless of the time of year, providing an effective solution to the problem posed. For this part, the city of Valencia - Spain was taken as a case study, due to the fact that, in the development of the project, there was a sufficient amount of load data, irradiance, wind speed and temperature, necessary to carry out a sizing with significant and reliable results. Considering the geographical and climatological variability that occur throughout the year, in Valencia - Spain, the tool indicates that the optimal configuration for the summer weather season is 64 photovoltaic modules, 1 wind turbines, 12 batteries and 1 diesel generator. with an LCOE of $ 0.172 / kWh; while for the winter it is a hybrid system made up of 57 photovoltaic modules, 3 wind turbines, 5 batteries and 1 diesel generators with an LCOE of $ 0.186 / kWh.spa
dc.subject.proposalOptimizaciónspa
dc.subject.proposalSistemas híbridosspa
dc.subject.proposalAlgoritmo genéticospa
dc.subject.proposalDimensionamientospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia