Servicio de Información Comunitario sobre Investigación y Desarrollo - CORDIS

FP7

SMPCBCSG Resultado resumido

Project ID: 302255
Financiado con arreglo a: FP7-PEOPLE
País: Suiza

Modelos predictivos contribuyen a la gestión eficiente de la energía

La gestión de la energía en los edificios y a nivel de red eléctrica entraña muchas dificultades debido a una serie de incertidumbres relacionadas con la ocupación y con cuestiones meteorológicas. Un grupo de investigadores europeos abordó estas dificultades mediante el uso del control predictivo por modelo estocástico.
Modelos predictivos contribuyen a la gestión eficiente de la energía
La gestión eficiente de la energía de los sistemas de los edificios tendrá un papel fundamental a la hora de rebajar el consumo y los costes energéticos en el futuro, ya que una gran parte de la energía se consume actualmente en los edificios. El uso del control predictivo por modelo (MPC), junto con predicciones meteorológicas y de ocupación, representa un método eficaz para ahorrar energía de manera significativa.

El control de las redes eléctricas también representa una gran preocupación debido al número creciente de fuentes de energía renovable, que puede provocar una variabilidad adicional en el flujo de potencia. Esta dificultad se puede mitigar utilizando el almacenamiento adicional que representa el hecho de aprovechar la energía térmica almacenada en los propios edificios.

Por estos motivos, el proyecto SMPCBCSG (Stochastic model predictive control, energy efficient building control, smart grid), financiado con fondos de la Unión Europea, investigó modelos informáticos predictivos que pudieran aplicarse a edificios y redes eléctricas.

La investigadora desarrolló e implantó una nueva estrategia de control eficiente de la energía para edificios y la sometió a pruebas en un banco de pruebas de la Universidad de California- Berkeley, en Estados Unidos. También se formularon problemas manejables de flujos dinámicos de potencia con una formulación estocástica que incluía los edificios como almacenamiento adicional en la formulación.

Se abordaron los problemas que entraña la gestión eficiente de la energía en edificios y redes eléctricas mediante el uso de nuevas formulaciones estocásticas de MPC basadas en la teoría de probabilidad de martingala. La formulación inicial de restricciones estaba basada en el denominado método de escenarios, que se adaptó en línea para endurecer las restricciones en función de la probabilidad empírica de incumplimiento de las mismas.

Se desarrolló una estrategia de control estocástico para edificios que también se puede utilizar para proporcionar regulación de frecuencia a la red eléctrica. La estrategia incluía restricciones probabilísticas debidas a las incertidumbres meteorológicas así como restricciones sólidas para garantizar la provisión de reservas para todas las desviaciones de frecuencia posibles.

Se probó la aplicación del nuevo método de MPC estocástico en redes eléctricas. Los resultados demostraron que la probabilidad de incumplimiento converge en el nivel deseado, por lo que es posible lograr un ahorro de costes. Además, se compararon diferentes reformas de las restricciones probabilísticas analíticas en una formulación de flujo de potencia óptimo con restricciones de seguridad física.

El equipo de SMPCBCSG investigó soluciones de control avanzadas e innovadoras para gestionar la incertidumbre, los sistemas a gran escala, los sistemas distribuidos y las predicciones del comportamiento futuro del sistema. Avances recientes en la programación convexa aleatoria se combinaron con MPC para desarrollar una formulación de MPC estocástica innovadora que podría aplicarse a sistemas a gran escala utilizados en el control de edificios y en las redes eléctricas.

Información relacionada

Palabras clave

Gestión eficiente de la energía, sistemas de edificios, control predictivo por modelo, flujo de energía, modelo estocástico, SMPCBCSG, red eléctrica inteligente, teoría de probabilidad de martingala
Número de registro: 188555 / Última actualización el: 2016-09-15
Dominio: Energía