Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
▪ Conclusiones
Integración de
Calidad de
nuevas
energía
tecnologías
Sistemas de
potencia y
energía
Redes
Análisis de datos
inteligentes
Planificación
Simulador digital
en tiempo real
Vehículo eléctrico
Sistema PV-almacenamiento
Centralizado
Generación Observabilidad y control: Limitada
Redes pasivas para clientes pasivos
Enfoque “Fit and forget” → Bajo uso activos
Transmisión Distribución
Demanda bien
conocida, no controlable Casas,
Escuelas/Colegios,
Tiendas, Negocios
* Adaptada de presentaciones de Prof. Luis(Nando) Ochoa
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 6
La red del futuro…
Control Jerárquico
Motor Motor
eléctrico combustión
Tanque
Baterías Gas
3.5
Zero net emissions
3
CO2 emissions (metric tons per capita)
Baseline
2.5
1.5
1
~3oC
0.5
~2oC
0
~1.5oC
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
The World Bank Group, CO2 emissions data,
https://data.worldbank.org/indicator/EN.ATM.CO2E.PC
Fay, M., Hallegatte, S., Vogt-Schilb, A., Rozenberg, J., Narloch, U., Kerr, T., 2015.
Decarbonizing Development: Three Steps to a Zero-Carbon Future. World Bank
Publications.
2018→ ? Japan
1982.04 India
2 000
Netherlands
France
1 500 USA
1239.45
Se esperan 125M para el 2030 Korea
1 000 China
703.65 Canada
Germany
500 327.3
179.03 BEVs
1.89 2.23 2.69 5.16 7.48 14.26 61.34 BEVs + PHEVs
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
*Source: IEA
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 11
Las opciones aumentan
Resulta en costos
de los VEs mucho
más bajos
Aumenta la
costo-efectividad
*Fuente: McKinsey&Company
~US$ 6000
Se verá beneficiado por los planes de crecimiento de los productores *Fuente: Cambridge Econometrics
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 15
Los VEs vienen, y qué?
▪ Etc. etc.
Cero emisiones
(depende del sistema)
• Investigación y desarrollo
• Seguridad / Mercadeo
• Reducir precios de tecnología
Empresas Eléctricas
• Incentivos / Baterías / Reciclaje
• Infraestructura
Incentivos Valor • Soporte al cliente
Política Regulación / Tecnológico • Programas de educación
Legislación
• Seguridad Nacional Clientes • Incentivos a vehículos e
infraestructura
• Emisiones carbono / GEI
• Mejoras en planeación
• Economía
• Interrelación con usuario
• Incentivos / Créditos
• Independientes • Integración e
• Mandatos • Reducción costos interoperabilidad
• Bienestar común • Beneficios ambientales • Velar por requerimientos
• Salud económica Trabajos
Infraestructura Energía del sistema
• Salud ambiental
de recarga Conveniente • Impactos en la red
• Adopción de estándares
• Desarrollo de redes
Apoyo en servicios y bienes
inteligentes
• Programas de recarga
• Investigación y desarrollo
inteligente
• Educación y superación
• Seguridad
• Permisos / Códigos / Estándares
• Planeación y desarrollo
• Infraestructura de recarga
*Fuente: Progress Energy
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 22
Desafíos
Futuros
Impacto Bajo
Consumidor
Automotriz
Proveedor
Empresas
Eléctricas
Gobierno
Servicio
Desafíos del Mercado
▪ Hora de llegada
– Después de llegar de trabajo → define Costo Total
myelectricavenue.info
𝐿 𝑦−𝜇𝑖 2
1 −
2𝜎𝑖2
𝑓𝑌 𝑦 = 𝜔𝑖 𝑓𝑁 𝑦 𝑓𝑁 𝜇𝑖 ,𝜎𝑖2 𝑦 = 𝑒
𝜇𝑖 ,𝜎𝑖2
𝑖=1 2𝜋𝜎𝑖2
3.0
2.5
Probabilidad (%)
2.0
Otras PDFs no
1.5
pueden
1.0 caracterizar esta
0.5 forma
0.0
0h 2h 4h 6h 8h 10h 12h 14h 16h 18h 20h 22h
Hora del día – Resolución de 15 min
Total Cost
US$15m
Project run by
EA Technology
Funding DNO
SSE PD
myelectricavenue.info
Objetivos
120 Ensayo
social
101 Ensayo
técnico
221 en total
ON
SOC = 11 Units
SOC = 6 Units
EV Status
Un solo VE 2 conexiones
2 días
OFF
0h 3h 6h 9h 12h 15h 18h 21h 24h 3h 6h 9h 12h 15h 18h 21h 24h
Time of day
Nissan Leaf, 24 kWh
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 31
Número de recargas al día
Number of Connections per day - All the Time
80
Weekday
70
Weekend
60
Probability (%)
50
40
30 ~70% de los VEs son
cargadados una sola vez
20
10
0
1 2 3 4 5 6 7 8 9 10
Number of Connections
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 32
Hora de conexión
3
First Connection
2
1
Probability (%)
0
3
Second Connection
2
0
0h 2h 4h 6h 8h 10h 12h 14h 16h 18h 20h 22h 24h
*Weekday Time of Day - 15 min resolution
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 33
Estado de carga al inciar
14 6h-10h
15h-21h 1st Charging Event
12
21h-6h, 10h-15h
10 Whole Day
Probability (%)
Whole Day
50
40
10
40
Weekday
35
Weekend
30 Probabilidad de cargar
+50% de los VEs is >75%
Probability (%)
25
20
10
0
0 10 20 30 40 50 60 70 80 90 100
EV Penetration Level (%)
4.0
EV 1 Demanda: ~1.1kW
3.0
EV 2
EV demand (kW) 2.0 EV 3
1.0
0
(a) - Individual profiles
1.2
1.0 avg. EV
0.8 avg. EV GMM
0.6
0.4
avg. Monitored
0.2 avg. EV-TI
0
0h 2h 4h 6h 8h 10h 12h 14h 16h 18h 20h 22h 24h
(b) - Aggregated average demand
Time of Day Energía: ~12 kWh
TC
O
𝑪𝒐𝒔𝒕
▪ Para comprender el estado actual y futuro de las redes de baja tensión con VEs
▪ Métricas
– Sobrecargas
– Bajas tensiones
DN QGIS2OPE QGIS2RUN
VISION
Corrector NDSS OPENDSS
*J. Quirós-Tortós, G. Valverde, A. Arguello, L.F. Ochoa “Geo-Information Is Power: Using Geographical Information Systems to Assess Rooftop Photovoltaics in Costa Rica” IEEE Power and Energy Magazine, Mar. 2017.
*G. Valverde, A. Arguello, R. González, J. Quirós-Tortós "Integration of Open Source Tools for Studying Large-Scale Distribution Networks" in IET Gen. Trans. & Dist. Jan. 2017.
Consola de Python
disponible en QGIS
▪ Líneas de MT y BT
– Aéreo y subterráneo
▪ Transformadores
– Trifásico
– Monofásico
– Bancos
▪ Demanda
– Estática
– ZIP
▪ Equipo de protección
– Fusibles
– Seccionadoras
– Relés
– Recerradores
▪ Nuevas tecnologías
– Fotovoltaico
– Almacenamiento
– Vehículos eléctricos
Se reportan inconsistencias y
errores en datos
Y sec:Voltage, max=0
1106000
1104000
1102000
Demanda circuito
cortocircuito
Flujo anual
40
20
0
140
F3 F5 Thermal Limit
120
F4
100
80
60
40
20
0
0 10 20 30 40 50 60 70 80 90 100
Trafo → Circuitos EV Penetration Level (%)
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 52
Análisis probabilístico de VEs: Análisis multi-red
100
First Problem Occurrence (%)
80
60
9 redes de BT
40 31 circuitos de BT
Tx Congestion 2,000+ clientes
20 Feeder Congestion
Voltage Problem
0
0 10 20 30 40 50 60 70 80 90 100
EV Penetration Level (%)
Sobrecarga sigue siendo el principal problema → a 40% de penetración de VEs
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 53
Demanda residencial (1/2)
2
1.8 Residencial
1.6 VE
Residencial + VE
1.4
Demanda (kW)
1.2
1
0.8
0.6
0.4
0.2
0
00:01 02:01 04:01 06:01 08:01 10:01 12:01 14:01 16:01 18:01 20:01 22:01
Hora del día
Load + MEA
2.0 Load + UKNTS
Load + Small-scale trial
1.6
1.2
0.8
Resumen de la
infraestructura
Sensors (V, I)
head of feeders
PLC-like device
at substations
(control hub) Modo de carga
lento
Transformer Estado de
carga
11/0.4 kV Desconocido
PLC
Power Line Carrier-
based communications
(bi-directional)
9 redes de BT residencial, 221
My Electric Avenue. http://myelectricavenue.info/
VEs
J. Quirós-Tortós, L. F. Ochoa, S. Alnaser, and T. Butler, "Control of EV Charging Points for Thermal and Voltage Management of LV Networks," IEEE Trans. on Power Systems, vol. 31, no.4, pp. 3028 - 3039, Jul. 2016.
K. Petrou, J. Quirós-Tortós, and L. F. Ochoa, "Controlling electric vehicle charging points for congestion management of UK LV networks," in IEEE PES ISGT, Washington, USA, 2015, pp. 1-5.
K − X i , if K Xi
Transformer Level Selection of EVs S EV S EV
Define Y Select disconnected EVs with
lowest charging time
Selection of EVs
800
600
w/o control Red de BT real en UK
1 min control cycle
370 casas, 500 kVA Tx
(kVA)
1.00 El algoritmo es
efectivo en
(p.u.)
0.95
mantener la carga
0.90 del transformador y
las tensiones en los
0.85 rangos permitidos
6h 8h 10h 12h 14h 16h 18h 20h 22h 24h 2h 4h 6h
Minimum Voltage
Time of day 59
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 59
Efecto en la demanda del VE (Determinístico, 100%
EVs)
500
400 Muchos de los VEs se
cargan antes de las
(kVA)
300
200 6am
100
0
Aggregated EV Demand
4
3 17:44h 23:04h
(kVA)
0
6h 8h 10h 12h 14h 16h 18h 20h 22h 24h 2h 4h 6h
Individual EV Demand
Time of day
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 60
Efecto en el usuario Customer Impact Level (CIL)
(Determinístico, 100% EVs)
Impact Level 100% EV penetration
50
La mitad no son afectados
40
Probability (%)
30
30% de los VEs requieren menos que
20 la mitad del tiempo original
10
0
0 1 2 3 4 5 6 7 8 9
Impact Level Customer Impact Level 0 1 2 3 4
Additional Charging Time (%) 0 1-25 26-50 51-75 76-100
Customer Impact Level 5 6 7 8 9
Additional Charging Time (%) 101-125126-150151-175176-200 > 200
Transformer
110
Thermal Limit
100
A 10-min control
cycle is as
effective
90
40 50 60 70 80 90 100
EV Penetration Level (%)
62
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 62
Efecto en el usuario (Probabilístico)
Percentage of EV users
w/o delay
CIL = 0
and it improves
customer
acceptance
Tx Loading (%)
Modelo complete de red
Observabilidad
1
5%
0.8
SOC de VEs
0.6
Objetivo: Minimizar el 0.4
número de desconexiones 0.2 10-min control cycle
0
sujeto a
Límites de flujos de
potencia y tensiones Control EV Penetration Level (%)
Approach 50 60 70 80 90 100
w/o
88 95 103 111 118 132
control
Proposed
88 94 98 102 104 107
RBC
OPF 87 92 95 98 99 102
64
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 64
Manejo (Real) de la Demanda de VEs
120
7:54h 8:05h
100 73A 56A
53A 70A
80
(A) Banda
60
40
20 8:30h
52A • Control inicial basado en una banda y con
20 Acciona
0
ciclos de control de 15-min*
• Solo se monitoreaba la corriente del
8:05h alimentador
15
8:30h
(A)
10
Desconexión
5
Ejemplo Real
0
7h 8h 9h 10h 11h 12h 13h 14h
Time of day
* http://myelectricavenue.info/sites/default/files/86002_8_R_SDRC%209.7%20Issue%202.pdf Control May 2015
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 65
Ubicación de estaciones de recarga
Áreas Posibles
1000
Elevación (m)
800
22.5
600 kWh
Orotina
400
Limonal
Barranca
200
0
0 20 40 60 80 100 120 140
Distancia (km)
Ejemplo
San José – Orotina – Barranca -Limonal
© 2019 EPERLab – Universidad de Costa Rica Vehículos eléctricos y el sistema eléctrico 68
28.05 kWh
1000
San José
Elevación (m)
800
22.5
600 kWh
Orotina
400
Barranca
200
0
0 20 40 60 80 100 120 140
Distancia (km)
Limonal – Barranca – Orotina - San José
Ejemplo
34 Red mínima
43 Red media
48 Red robusta