Gestión de recursos de demanda flexible bajo el paradigma de smart grid

Abstract

El acceso y la disponibilidad de energía son fundamentales para el desarrollo económico y social. Los objetivos energéticos actuales buscan diversificar la matriz energética, reducir la dependencia de recursos finitos y garantizar el acceso para la mayoría de la población. Sin embargo, es necesario gestionar los recursos energéticos de manera responsable debido a las consecuencias ambientales y la necesidad de cambiar la forma en que generamos y consumimos energía. La transición energética actual se caracteriza por el crecimiento de los recursos renovables y la electrificación del transporte y los edificios. Aunque se espera que la electricidad se convierta en el principal producto energético, aún depende en gran medida de los combustibles fósiles, y la incorporación de renovables plantea desafíos operativos y económicos. La participación activa de los usuarios finales y la incorporación de recursos flexibles del lado de la demanda son cruciales para optimizar el consumo de energía y absorber la variabilidad de las fuentes renovables. En este contexto, los agregadores desempeñan un papel fundamental al actuar como intermediarios entre los consumidores de energía y los operadores del sistema eléctrico. La transición hacia un sistema energético más sostenible requiere la incorporación de herramientas digitales y Tecnologías de la Información y Comunicación (TIC). La digitalización, la inteligencia artificial y la ciencia de datos permiten optimizar el consumo de energía y maximizar los recursos físicos del sistema. En este sentido, la participación activa de los usuarios finales a través de los agregadores es fundamental para lograr una transición energética rentable y sostenible. Esta tesis se centra en el problema de incorporar a los usuarios finales y los vehículos eléctricos como recursos de flexibilidad en el sistema eléctrico, abordando sus desafíos y oportunidades. La primera parte se centra en modelar la interacción entre los distintos agentes que participan en el sistema, optimizando el uso de los recursos y planificando el consumo de electricidad para cubrir las necesidades de cada uno. Se considera la participación del operador de la red de distribución, los usuarios finales y un conjunto de agregadores. El aporte principal consiste en modelar el comportamiento de los agregadores, que actúan como intermediarios entre el mercado mayorista y sus clientes, intercambiando información con los operadores de red para optimizar los recursos físicos del sistema. El problema se plantea como un problema de optimización del bienestar social, donde se maximizan los beneficios y se minimizan los costos de proveer servicios entre los participantes. Se utilizan herramientas de optimización convexa y métodos de descomposición que promueven la noción de mercado en el sistema, y se incorpora un Optimal Power Flow en la red de distribución para promover un uso eficiente de los recursos. El aporte en esta área se centra en modelar y analizar la interacción entre los participantes, preservando la integridad de la información privada de cada uno, buscando maximizar su beneficio de forma individual. La electrificación del transporte liviano plantea desafíos y oportunidades. Más del 60% de la energía del sector transporte proviene de vehículos livianos privados, que en general se van a cargar en la red de distribución con su propia infraestructura. En la segunda parte de esta tesis, abordamos la coordinación de las sesiones de carga de vehículos eléctricos (EVs) residenciales y comerciales, y buscamos aprovechar su flexibilidad como recurso en los mercados mayoristas. En una primera instancia, nos enfocamos en coordinar la carga de un conjunto de EVs privados cuando existe disponibilidad de renovables en el sistema y considerando las limitaciones prácticas de la infraestructura de carga privada. Para ello, utilizamos herramientas matemáticas de aprendizaje automático y modelamos la coordinación con el mercado y otros usuarios. Este enfoque nos permitiría optimizar la carga de vehículos eléctricos en edificios del tipo residencial, optimizando recursos y evitando problemas de simultaneidad. Luego, nos enfrentamos al desafío de coordinar un gran número de vehículos eléctricos privados distribuidos en una ciudad. Para modelar este problema, empleamos herramientas de optimización a gran escala y técnicas estocásticas para evitar problemas de sincronización y tomar decisiones basadas en la información disponible en tiempo real. Nuestros aportes se centran en desarrollar un modelo que coordine eficazmente un gran número de usuarios, teniendo en cuenta los conceptos de mercado y buscando soluciones de equilibrio incluso con información incompleta. Es importante resaltar que todos los resultados y las contribuciones de la tesis son verificados mediante simulaciones en diversos escenarios.

Access to and availability of energy are essential for economic and social development. Current energy objectives aim to diversify the energy matrix, reduce dependence on finite resources, and ensure widespread access. However, responsible management of energy resources is necessary due to environmental consequences and the imperative to transform our generation and consumption practices. The current energy transition is characterized by the growth of renewable resources and the electrification of transportation and buildings. Although electricity is expected to become the primary energy product, it still heavily relies on fossil fuels, posing operational and economic challenges. Active participation of end-users and the incorporation of demand-side flexible resources are crucial for optimizing energy consumption and absorbing the variability of renewable sources. In this context, aggregators play a fundamental role as intermediaries between energy consumers and system operators. Transitioning to a more sustainable energy system requires the incorporation of digital tools and Information and Communication Technologies (ICT). Digitalization, artificial intelligence, and data science enable energy consumption optimization and maximize physical resource utilization. In this regard, active participation of end-users through aggregators is essential for achieving a cost-effective and sustainable energy transition. This thesis focuses on addressing the challenges and opportunities associated with incorporating end-users and electric vehicles as flexible resources within the power system. The first part centers on modeling the interaction among different agents, optimizing resource utilization, and planning electricity consumption to meet individual needs. Participants include distribution network operators, endusers, and a set of aggregators. The primary contribution lies in modeling the behavior of aggregators as intermediaries between the wholesale market and their customers, facilitating information exchange with network operators to optimize the physical resources of the system. The problem is formulated as a social welfare optimization problem, aiming to maximize benefits and minimize costs while providing services among participants. To address this, convex optimization tools and decomposition methods are employed to promote market-based mechanisms within the system. Additionally, an Optimal Power Flow is incorporated into the distribution network to promote efficient resource utilization. This contribution primarily focuses on modeling and analyzing the interaction among participants, ensuring the integrity of private information, and maximizing individual benefits. The electrification of light-duty transportation presents both challenges and opportunities. Private light-duty vehicles account for over 60% of energy consumption in the transportation sector and will rely on the distribution network for charging infrastructure. The second part of this thesis addresses the coordination of residential and commercial electric vehicle (EV) charging sessions, aiming to leverage their flexibility as a resource in wholesale markets. Initially, our focus lies in coordinating the charging of private EVs when renewable energy is available within the system, considering practical limitations of private charging infrastructure. Machine learning tools are utilized to model the coordination with the market and other users. This approach enables us to optimize the charging of electric vehicles in residential buildings, ensuring efficient resource utilization and mitigating simultaneity issues. Subsequently, we tackle the challenge of coordinating a large number of distributed private electric vehicles within a city. To address this problem, we employ large-scale optimization tools and stochastic techniques to manage synchronization issues and make real-time data-driven decisions. Our contributions primarily revolve around developing an effective model that coordinates a large number of users, incorporating market concepts, and seeking equilibrium solutions, even with incomplete information. It is essential to highlight that all the results and contributions presented in this thesis are validated through simulations conducted in various scenarios.