Método para la Generación de Pérfiles de Demanda en Comunidades Aisladas y Predicción de Demanda de Corto Plazo, para Micro-Redes Basadas en Energías Renovables

“Método para la Generación de Perfiles de Demanda en Comunidades Aisladas y Predicción de Demanda de Corto Plazo, para Micro-redes Basadas en Energías Renovables” El incremento del abastecimiento energético en comunidades aisladas empleando fuentes renovables, ha impulsado el estudio de la demanda eléctrica en estas zonas. Como etapa inicial de este tipo de proyectos se requieren perfiles de demanda eléctrica futuros que reflejen el comportamiento de los usuarios al disponer de energía ininterrumpida. Estos perfiles permiten además dimensionar las unidades de generación. Una herramienta importante en micro-redes eléctricas basadas en energías renovables es el sistema de gestión de la energía (EMS) que proporciona consignas óptimas a las unidades de generación, basadas en: predictor de recursos de energía, y predictor de demanda eléctrica. Esta tesis se enfoca en el desarrollo de un método que permita obtener perfiles de demanda diarios para comunidades aisladas que no cuentan con energía eléctrica, o que disponen de suministro eléctrico en horarios limitados. La propuesta es un método que incorpora un modelo que procesa entradas como: el número de habitantes, número de casas, número de escuelas, encuestas individuales por cada casa y número de luminarias del alumbrado público, obteniendo al final la demanda eléctrica total de la comunidad, y la demanda total considerando días festivos. Esta propuesta incorpora: módulo de entradas, módulo clasificador en base a mapas auto-organizados de Kohonen (SOM), módulo de búsqueda heurística, base de datos y módulos de generación de perfiles más específicos como por ejemplo de escuelas, y alumbrado público. Además en este trabajo de tesis, para la predicción del consumo eléctrico a corto plazo, se usa redes neuronales artificiales, por su capacidad en el tratamiento de las no linealidades. Requiere como entrada la demanda de un día pasado obteniendo a su salida la predicción de la demanda eléctrica en un horizonte de dos días. Utiliza entrenamiento en línea, permitiendo que el modelo vaya cambiando los parámetros neuronales en función del incremento de mediciones de la demanda eléctrica disponible en línea, para el entrenamiento. Para validar ambas propuestas se considera una micro-red ubicada en Huataconto, proyecto ESUSCON, que disponía de energía desde las 14:00 hasta 00:00. Se obtuvo un perfil diario de demanda de la comunidad, y se verificó que el perfil generado por el método en base a SOM se aproxima al perfil de demanda diario cuando se dispone de suministro ininterrumpido. El modelo neuronal de predicción de la demanda eléctrica propuesto e implementado, utiliza mediciones reales, obteniendo errores MAPE del 13%, y superando a modelos lineales tradicionales. Este modelo de estimación actualmente es usado en el sistema de gestión de energía EMS en la micro-red de Huatacondo. Como trabajo futuro se plantea trabajar en predictores de demanda que consideren sistemas de gestión de demanda, utilizando señales indicadoras del comportamiento del uso de la energía por parte de los usuarios aplicada a la micro-red Huatacondo