Debido a los beneficios que trae el uso de las fuentes de generación de energía renovables, tanto en el ámbito social como por los beneficios medioambientales, se han venido implementado las llamadas MG. En este sentido, una MG es una red eléctrica pequeña que consiste de diferentes fuentes de generación distribuida, como turbinas eólicas, paneles fotovoltaicos y sistema de generación con biomasa, dispositivos de almacenamiento, carga, entre otros [1].

En la implementación de estos sistemas híbridos de generación se busca el suministro de energía a la carga de manera confiable y económica, incluyendo, para ello, no solo los costos de la energía de las diferentes fuentes del sistema, sino también, los precios de la energía de la red para el caso de conexión a la red eléctrica convencional. La unidad responsable de la operación confiable y económica de una MG y sus funcionalidades se denomina sistema de gestión de energía (EMS) [2]. Así mismo, estos sistemas de gestión se utilizan para optimizar, monitorear y controlar el desempeño de la MG mediante diferentes arquitecturas como la centralizada, descentralizada y distribuida [3], [4].

En este sentido, se han realizado trabajos bajo diferentes enfoques alrededor de los sistemas de gestión de energía que buscan alimentar a la carga, implementando para ello variadas estrategias de optimización e inclusión de diferentes sistemas de generación de energía y almacenamiento. Es así como en [5] se propone un modelo basado en un sistema multiagente para una MG integrada con fuentes renovables a nivel distribuido, logrando mayor robustez y un control de alto rendimiento en comparación con la distribución centralizada. En [6] se implementa el algoritmo de abejas artificial multiperiodo para la optimización de la operación una MG obteniendo una reducción de costos cercana al 30 % en comparación con otros algoritmos. Una técnica inteligente para EMS basada en una red neuronal recurrente se presente en [7] con el objetivo de encontrar la programación de potencia en una MG. En [8] se implementa optimización estocástica para la gestión de la energía del día siguiente de una MG rural aislada basada en renovables. Un EMS de dos niveles se propone en [9] para la gestión del lado de la oferta y la demanda de una MG aislada, logrando minimizar los costes de energía para los usuarios. En [10] se implementa la teoría de juegos para la programación de una MG en un esquema de dos etapas, con lo cual se logró reducir los costos de operación y la desviación de la tensión. Una estrategia de planificación multinivel interactiva para la gestión energética de redes de distribución con MG agrupadas se presenta en [11]. En [12] Se presenta un algoritmo de gestión estocástica para la operación óptima de una MG con alta penetración de recursos energéticos renovables, logrando un beneficio económico mediante la reducción en el costo total de la operación. En [13] se presenta un sistema multiagente para la gestión de un conjunto de MG distribuidas en un entorno aislado para evitar sobrecargas y descargas profundas de las baterías, además de mantener en buen funcionamiento la conexión común entre las MG. En estos estudios predominan fuentes renovables como la fotovoltaica y eólica, y fuentes no renovables como el diésel, así como almacenamiento en baterías y transferencia de energía con la red eléctrica convencional.

Una de las fuentes de energía que últimamente ha llamado la atención es la biomasa y en particular en Colombia existe una gran variedad de fuentes de biomasa residual en los contextos agrícola e industrial, y en particular el país cuenta con un potencial anual de generación de entre 442 y 698 MWh a partir de residuos de bosques plantados y naturales [14]. Sin embargo, solo el 0.8 % de los 15 GW de capacidad de generación eléctrica instalada en el país se sustenta en biomasa [15]. En este sentido, según [16] Colombia cuenta con un plan de expansión hacia el año 2030 para el desarrollo de más de 1.1 GW de proyectos de fuentes de energía renovables no convencionales, en el cual la biomasa es una de las fuentes de principales para esta expansión. Lo anterior indica que el país se ha concientizado de las ventajas del aprovechamiento de este tipo de fuentes de una manera más técnica y organizada. Así mismo, un estudio sobre el potencial de los cultivos energéticos y los residuos agrícolas realizados por la UPME [17] sugiere que la biomasa residual se puede convertir en una fuente alternativa de energía renovable en Colombia.

El interés en la biomasa, para la generación de energía eléctrica, se ha visto reflejado en diferentes estudios en los cuales esta fuente es incorporada en sistemas híbridos de generación de energía eléctrica que busca alimentar una carga. Por ejemplo, en [18] se utiliza biomasa en una MG gestionada por un EMS, en el cual se combina un módulo de optimización estocástico y simulación de Monte Carlo planteando la naturaleza estocástica del gasificador mediante la función de densidad de probabilidad de Bernoulli. En [19] se propone un sistema de control para una MG que incluye biomasa para el suministro de electricidad, en la cual se incluyeron dos funciones de adecuación: el valor presente neto y un sistema del ciclo de vida de las emisiones dióxido de carbono. En [20] se desarrolló un modelo económico de programación lineal para evaluar el diseño y programación de un sistema de cogeneración (calor y electricidad) usando biomasa como una de sus fuentes principales. En [21] se desarrolló un esquema de control para una MG que incluye biomasa para el suministro de electricidad y de calor representando la naturaleza estocástica del gasificador mediante la función de densidad de probabilidad de Bernoulli. En [22] Se presenta un procedimiento de optimización jerárquica de dos niveles para la gestión de energía y el reparto de recursos de MG cooperativas basadas en fuentes de energía renovables en la industria de caña de azúcar Brasileña. Un sistema de gestión bajo un enfoque de programación de dos niveles se presenta en [23] para la operación de una microrred comunitaria, en la cual se considera a la biomasa como una de sus fuentes. Mediante el uso de módulos de plantas de biogás incorporadas en HOMER en [24] se presentan una serie de pasos para incluir parámetros técnicos y económicos con el fin simular la alimentación de un generador eléctrico a través del uso de biomasa. En [25] se propone un esquema coordinado de funcionamiento para una MG con múltiples fuentes que incluye instalaciones de eliminación de residuos de biomasa, estableciendo para ello, un modelo robusto de operación optimizada que busca maximizar la eliminación de residuos. Un sistema de gestión de energía para obtener el tamaño de cada elemento de forma óptima de una MG con inclusión de biomasa se presenta en [26] mediante modelos matemáticos para cada componente del sistema, comparando los resultados de cuatro algoritmos de optimización para determinar el mejor. En [27] se propone una estrategia de control jerárquica para la operación de una MG, mediante el desarrollo de un algoritmo que busca determinar los puntos óptimos de operación de los diferentes dispositivos que la integran, entre ellos, un generador de energía a partir de biomasa. En estos estudios evidencian la importancia que ha tomado la biomasa para el suministro de energía eléctrica a cargas conectadas a microrredes.

Por otro lado, mediante el proceso de gasificación, teniendo a la biomasa como materia prima, se obtiene un gas (syngas) que se utiliza en motores de combustión interna para la generación de energía eléctrica, para este propósito su composición es muy importante para decidir su uso en sistemas eléctricos. Por lo anterior, se han realizado estudios mediante modelos matemáticos que buscan predecir la composición del syngas considerando diferentes variables. Por ejemplo, en [28] se estudia el rendimiento de un gasificador de biomasa de flujo descendente utilizando un modelo de equilibrio para la zona de piro-oxidación y modelo cinético para la zona de reducción para averiguar los parámetros de funcionamiento adecuados para diferentes tipos de biomasa. En [29] se desarrolla el modelo de un gasificador de flujo descendente basado en el equilibrio químico en la zona de piro-oxidación y reacciones químicas de velocidad finita y controladas cinéticamente en la zona de reducción. En [30] se desarrolla un modelo de equilibrio termodinámico basado en la constante de equilibrio para predecir la composición del syngas en un gasificador de residuos de flujo descendente.

El tipo de biomasa, la humedad de la biomasa y el factor de aire son variables que influyen no solo en la calidad del gas sino también en la energía eléctrica generada, lo cual puede influir negativamente en el buen comportamiento de una MG. Por ello, el uso de modelos matemáticos se convierte en una herramienta fundamental, con la cual se puede decidir qué tipo de biomasa utilizar y establecer valores adecuados para las variables mencionadas, de tal manera que se tenga certeza de su idoneidad para ser utilizada en MG.

Es evidente el interés en el estudio de EMS para gestionar MG, de la biomasa como fuente para la generación de energía eléctrica y del desarrollo de modelos matemáticos para predecir el comportamiento de gasificadores en el proceso de gasificación. Sin embargo, hasta donde tienen conocimiento los autores no existen estudios de EMS para MG con inclusión de biomasa, donde se considere la generación de energía eléctrica del sistema gasificador – generador mediante modelos matemáticos.

Este artículo propone, un sistema de gestión de energía que considera el comportamiento de un sistema gasificador – generador mediante el uso de modelos matemáticos en la generación de electricidad basada en biomasa en una MG compuesta por fuentes convencionales y no convencionales de generación de energía eléctrica, almacenamiento en baterías, respuesta a la demanda, y conexión a la red para el suministro económico de potencia a la carga.

Este artículo está organizado de la siguiente manera, en la sección 2 se describe la metodología usada para el desarrollo de sistema de gestión de energía y el análisis de la biomasa en la generación de energía eléctrica. En la sección 3 se presentan los resultados obtenidos. Finalmente, en la sección 4 se presentan las conclusiones.

El sistema de gestión de energía propuesto en este estudio busca la operación óptima de una MG, para lo cual se siguen los siguientes pasos: se realiza la formulación matemática del sistema de gestión, se selecciona un lenguaje de programación para escribir el algoritmo que busca solucionar el problema de optimización y finalmente se realizan simulaciones. En este sentido, se define la función objetivo de optimización, que incluye los costos y las variables de decisión de cada una de las fuentes, almacenamiento y carga que hacen parte del sistema. Así mismo, se establecen una serie de restricciones que responden a las capacidades y límites mínimos y máximos tanto de las fuentes de generación como del almacenamiento y de la carga correspondiente a la respuesta a la demanda. Con estas ecuaciones matemáticas se efectúan una serie de simulaciones computacionales en MATLAB 2019a y se utilizan el toolbox CVX y el solucionador MOSEK. Este toolbox convierte a MATLAB en un lenguaje de modelamiento, permitiendo que se emplee su sintaxis para la descripción del objetivo y restricciones de problemas de optimización[31] y también facilita la escritura del problema en el entorno de MATLAB. Por su parte, el solucionador MOSEK se implementa en el entorno de CVX para solucionar el problema de optimización. Una vez se tiene la solución, se analizan los resultados tanto para el caso de la MG conectada a la red como para la MG aislada. El análisis de los resultados conduce, finalmente, a la conclusión sobre el funcionamiento del sistema de gestión propuesto.

Se realizaron simulaciones para comprobar el funcionamiento del EMS propuesto para los casos de la MG conectada a la red y aislada. Las simulaciones se llevaron a cabo en Matlab 2019a y los precios utilizados, en dólares estadounidenses por kWh , para M_t ^PV, M_t ^WT y Mt^WT , fueron 0.104, 0.109, 0.126, respectivamente. Por su parte, los precios utilizados para M_t ^BTc, M_t ^BTd, M_t ^Pen, M_t ^Resa y M_t ^Resd , fueron 0.147, 0.164, 3.038, 0.152, 0.152, respectivamente. Entre tanto, el precio del galón de combustible diésel se tomó como MtD =2.025 . Los pronósticos de generación de las fuentes renovables, la carga y los precios de compra – venta de energía de la red utilizados en las simulaciones se muestran en la Figura 4, Figura 5, y Figura 6 respectivamente. El EMS recibe de manera externa la información de pronóstico de la generación con biomasa, al igual que lo hace con las demás fuentes renovables.

Figura 4 . Figura 4 . Pronóstico de las fuentes renovables Fuente: Elaboración propia

Figura 5 . Figura 5 . Pronóstico de la carga Fuente: Elaboración propia.

Figura 6 . Figura 6 . Costo de energía de la red Fuente: Elaboración propia.

En este estudio se realizó el desarrollo de un sistema de gestión de energía para una MG que incluye fuentes convencionales y no convencionales de generación de energía eléctrica en conjunto con almacenamiento mediante baterías, conexión a la red y respuesta a la demanda. En particular, se incluyó a la biomasa debido al creciente interés que existe alrededor del uso de este tipo de fuentes. El aporte de energía de la biomasa a la MG se realizó mediante un modelo matemático presente en la literatura, el cual permitió estudiar el comportamiento del conjunto gasificador – generador en la generación de potencia para diferentes valores de humedad de la biomasa de cascarilla de arroz y factor de aire.

Se realizaron simulaciones para los casos de la MG conectada a la red y aislada, evidenciando que el EMS propuesto atendió a la carga de manera económica, operando entre los límites establecidos como restricción para cada una de las fuentes y almacenamiento del sistema.

Para la MG conectada a la red se puedo evidenciar que la red eléctrica se utilizó en momentos de escasez de generación por parte de las fuentes renovables e igualmente recibía potencia de la MG cuando existía excedentes de generación de potencia. Así mismo, se pudo constatar la interacción de las baterías con la MG aportando potencia en aquellos momentos en que se les requería y recibiendo potencia para cargarse en momentos de precios bajos de energía de la red y de excedentes de generación de potencia de las fuentes renovables. En el caso de la MG conectada a la red no se presentó la activación del generador diésel para el suministro de potencia, debido a que su costo de operación era mayor al de las demás fuentes y porque estas últimas contaban con la capacidad de potencia suficiente para alimentar a la carga.

En el caso de la MG aislada fue necesaria la utilización del generador diésel, durante el periodo de tiempo establecido como restricción, debido a que existía demanda de carga que debía ser alimentada y el EMS cumplió con este objetivo, a pesar del costo del combustible diésel. Así mismo, el EMS priorizó el uso de las fuentes renovables considerando el precio de cada una de estas fuentes y se atendió no solo a la carga, sino también, a las baterías para que se cargaran y se descargaran en momentos determinados.

En ambos casos se atendió a la respuesta a la demanda, adicionando carga en momentos de excedentes de generación y disminuyendo carga en momentos establecidos por el EMS, cumpliendo con las restricciones establecidas para ello. En el caso de la MG asilada se presentó demanda no atendida debido a que la generación no era suficiente para atender a la carga.