3442 TecnoLógicas 0123-7799 2256-5337 Instituto Tecnológico Metropolitano Colombia tecnologicas@itm.edu.co 344273557008 https://doi.org/10.22430/22565337.2565 Artículos de investigación Dimensionamiento y análisis de sensibilidad de una microrred aislada usando HOMER Pro Sizing and Sensitivity Analysis of a Stand-alone Microgrid Using HOMER Pro https://orcid.org/0000-0003-4527-143X García-García Jersson jersson2218419@correo.uis.edu.co https://orcid.org/0000-0001-9665-0267 Osma-Pinto German gealosma@uis.edu.co Universidad Industrial de Santander, Bucaramanga-Colombia, jersson2218419@correo.uis.edu.co Universidad Industrial de Santander Colombia Universidad Industrial de Santander, Bucaramanga-Colombia, gealosma@uis.edu.co Universidad Industrial de Santander Colombia Enero 2023 26 56 e2565 10 11 2022 15 03 2023 21 03 2023 2019 Instituto Tecnológico Metropolitano https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 2.5 Argentina. Resumen

En años recientes, ha incrementado la implementación y el estudio de microrredes (MR). Su dimensionamiento depende de los datos de entrada (ej., demanda, microclima, costos y restricciones), por lo que la variación de uno o más de estos pueden modificar la solución óptima de la MR y su operación esperada. Tal variación se presenta debido al contexto económico, tecnológico o climático, por lo que, se propuso hacer un análisis de sensibilidad que caracterice su impacto. Con el fin de aportar en la aplicación del análisis de sensibilidad en proyectos de MR, el objetivo de este trabajo consistió en estudiar el impacto de siete variables de sensibilidad (irradiación solar, velocidad del viento, temperatura ambiente, estado de carga mínimo del banco de baterías, precio del combustible, tasa de descuento y tasa de inflación) sobre el dimensionamiento e indicadores económicos y operativos de una MR aislada para usuarios residenciales en un municipio rural de Colombia. El análisis se realizó a partir del uso de la herramienta HOMER Pro, siendo los principales indicadores analizados: costo presente neto, costo de energía, costo de capital, costo de operación y fracción renovable. Los resultados permitieron identificar que las variables más influyentes para el caso de estudio son: precio del combustible, tasa de inflación, tasa de descuento e irradiación solar; asimismo, apreció la utilidad de HOMER Pro para este tipo de análisis y la conveniencia de la representación gráfica para estudiar el impacto de las variables de sensibilidad. En conclusión, la variación de los datos de entrada influye en la factibilidad de resultados, como por ejemplo, el costo presente neto disminuye con el aumento del precio del combustible, la temperatura ambiente o la tasa de inflación, mientras que aumenta con la reducción del estado de carga mínimo, la irradiación solar o la tasa de descuento.

 Abstract

In recent years, the implementation and study of microgrids (MG) has increased. Their sizing depends on the input data (e.g., demand, microclimate, costs, and constraints), so that the variation of one or more of these can modify the optimal solution of the MG and its expected operation. Such variation occurs due to the economic, technological, or climatic context, so a sensitivity analysis was proposed to characterize its impact. In order to contribute to the application of sensitivity analysis in MG projects, the objective of this work was to study the impact of seven sensitivity variables (solar irradiation, wind speed, ambient temperature, minimum state of charge of the battery bank, fuel price, discount rate and inflation rate) on the sizing and economic and operational indicators of an isolated MG for residential users in a rural municipality of Colombia. The analysis was carried out using the HOMER Pro tool, and the main indicators analyzed were net present cost, energy cost, capital cost, operating cost and renewable fraction. The results allowed identifying that the most influential variables for the case study are fuel price, inflation rate, discount rate and solar irradiation; likewise, it appreciated the usefulness of HOMER Pro for this type of analysis and the convenience of the graphic representation to study the impact of the sensitivity variables. In addition, the variation of the input data influences the feasibility of results, as, for example, the net present cost decreases with increasing fuel price, ambient temperature, or inflation rate, while it increases with decreasing minimum state of charge, solar irradiance, or discount rate.

 Palabras clave Análisis de sensibilidad HOMER Pro indicadores económicos indicadores técnicos microrred aislada procedimiento de dimensionamiento Keywords Sensitivity analysis HOMER Pro economic indicators technical indicators stand-alone microgrid sizing procedure Cómo citar / How to cite J. García-García, G. Osma-Pinto, “Dimensionamiento y análisis de sensibilidad de una microrred aislada usando HOMER Pro,” TecnoLógicas, vol. 26, nro. 56, e2565, 2023. https://doi.org/10.22430/22565337.2565 <bold>Highlights </bold>

El análisis de sensibilidad explora el impacto de variables sobre el dimensionamiento de microrredes

El trabajo estudia el impacto de siete variables de sensibilidad sobre indicadores de una microrred

El software Homer Pro es utilizado en la obtención de indicadores financieros y operativos

Los resultados indican que la variable más influyente es el precio del combustible

<bold>1. INTRODUCCIÓN</bold>

Una microrred (MR) es un grupo interconectado de cargas y recursos energéticos (p.ej., generación fotovoltaica, generación eólica y grupos electrógenos) con límites eléctricos claramente definidos y que busca actuar como una unidad. Puede ser aislada o conectada a la red; esta última también puede operar en modo isla al contar con almacenamiento de energía [1].

En los últimos años, el estudio y la implementación de MR han incrementado tanto por la promoción de la generación renovable como por la búsqueda del mejoramiento de la confiabilidad en redes eléctricas y la accesibilidad a la energía eléctrica [2].

El diseño y análisis de estos sistemas comprende desafíos asociados a la intermitencia de algunas fuentes de generación (p.ej., generador fotovoltaico o turbinas eólicas), la cantidad de soluciones factibles y su viabilidad técnico-financiera, entre otros [3]–[6]. El dimensionamiento de una MR puede realizarse a partir de varios métodos o herramientas computacionales [7], siendo HOMER Pro uno de los softwares más utilizados.

Éste determina la solución de dimensionamiento de la MR a partir de un proceso de optimización que busca el menor costo presente neto (CPN). A continuación, se relacionan algunos estudios que emplearon este software.

En [8] estudian la viabilidad técnica-financiera y ambiental de cuatro configuraciones conformadas por la combinación de generador FV, grupos electrógenos y sistema de almacenamiento de energía (baterías) para suministrar energía a la comunidad Cerrito de los Morreños en Guayaquil, Ecuador. En [9] estudian diversas combinaciones de componentes como celdas de combustibles, turbinas eólicas, generador fotovoltaico (FV) y convertidores para diseñar un sistema híbrido en las aldeas de Sharak y Gujar de Baluchistán, Pakistán. Eras et al. [10], analizan sistemas con tecnologías energéticas como generador FV, aerogeneradores, grupo electrógeno, baterías y bombeo hidráulico, con el fin de dimensionar una solución energética en las Islas Galápagos, Ecuador.

En [11] analizan la viabilidad técnico-financiera de una MR híbrida para suministrar energía a una aldea de Chamarajanagar en Karnataka (India).

HOMER Pro permite inferir sobre la viabilidad técnica-financiera de una MR a partir de la simulación de su operación y la cuantificación de indicadores financieros y operativos [12], [13],[14].

La Tabla 1, relaciona indicadores empleados en el dimensionamiento de MR en diversos casos. Los indicadores operativos típicamente usados son fracción renovable (FR), emisiones de CO2 (ECO2) y carga insatisfecha (Lun); este último indica la cantidad de energía no suministrada en un periodo de tiempo. Por su parte, el análisis financiero se basa principalmente en los siguientes indicadores: costo de energía – COE (cost of energy), CPN, costo de capital (Cca) y costo de operación (Cop), siendo COE (85 %) y CPN (85 %) los más utilizados.

Indicadores operativos y financieros empleados en el dimensionamiento de MR Tabla 1 Indicadores operativos y financieros empleados en el dimensionamiento de MR
Ref. Año País Indicadores operativos Indicadores financieros
FR ECO2 Lun COE CPN Cca Cop
[18] 2022 Arabia Saudita √
[19] 2021 √ √ √ √
[20] 2021 √ √ √ √
[21] 2022 Reino Unido √ √
[22] 2022 √ √ √
[23] 2022 Ecuador √ √ √ √ √
[24] 2022 Suecia √ √
[25] 2022 Alemania √
[26] 2022 Bangladés √ √ √
[27] 2021 √ √ √
[28] 2022 Qatar √ √
[29] 2022 Egipto √ √ √
[30] 2021 Nigeria √ √ √ √ √
[31] 2021 Nueva Zelanda √ √ √ √ √ √
[32] 2020 Emiratos Árabes Unidos √ √ √ √ √
[32] 2020 √ √ √ √
[33] 2020 Colombia √ √ √ √
[15] 2020 √ √
[16] 2018 √ √ √ √ √ √
[17] 2018 √ √
Representatividad 45% 25% 10% 85% 85% 55% 50%
Fuente: elaboración propia.

FR: fracción renovable; ECO2 : emisiones de dióxido de carbono; Lun: carga no atendida; COE: costo de la energía; CPN: costo presente neto; Cca : costo de capital; Cop : costo de operación

Para el caso colombiano, algunos trabajos estudian el dimensionamiento de MR. Barrozo et al. [15] determinan el dimensionamiento de una MR conformada por un generador FV y turbina eólica para condiciones climáticas de La Guajira usando CPN y ECO2. Restrepo et al. [16] dimensionan una MR aislada (generación FV, generación eólica, banco de baterías y grupo electrógeno) y una MR conectada a la red (generación FV, generación eólica y banco de baterías) en Medellín (Antioquia) a partir del análisis de la producción de energía, Cca Cop, y ECO2. Y Torres et al. [17] estudian el impacto de variables meteorológicas, el nivel de confiabilidad y el desempeño financiero (COE, CPN, tasa interna de retorno - TIR y el periodo de recuperación de la inversión) para cuatro arquitecturas de MR en Neiva (Huila).

Además de trabajos de dimensionamiento de MR, la literatura también expone la importancia del análisis de sensibilidad como herramienta para estudiar el impacto de la variación de datos de entrada sobre las capacidades de los componentes y la viabilidad técnico-financiera de una MR [34]–[36].

La realización de un análisis de sensibilidad es uno de los mayores atractivos de HOMER Pro, el cual permite considerar simultáneamente diversos valores de tasa de descuento, tasa de inflación, tiempo de vida, fracción renovable, demanda promedio diaria y precio del combustible, entre otros [37], [38], denominadas variables de sensibilidad. Por ejemplo, Suman et al. [39] estudian la afectación del COE debido a variación de la demanda diaria; Oladigbolu et al. [40] caracterizan el impacto de la variación de la irradiación solar, la demanda diaria, el costo del combustible y el precio de venta de energía a partir de los indicadores CPN, COE y ECO2; y Jahangir y Cheraghi [41] estiman el comportamiento de COE, Cca y Cop considerando la variación de la tasa de entrada de biomasa, el precio de la biomasa y la tasa de inflación.

La Tabla 2, relaciona variables de entrada e indicadores empleados en diversos análisis de sensibilidad. Se aprecia que las variables de entrada tienden a tomar entre 2 y 8 valores, siendo la irradiación solar (54 %) y la velocidad del viento (46 %) las más usadas, seguidas por el precio de combustible (31 %) y la demanda (31 %).

Variables de sensibilidad e indicadores de desempeño usando HOMER Pro Tabla 2 Variables de sensibilidad e indicadores de desempeño usando HOMER Pro
Ref. año País Variable de entrada (# de valores) Indicadores
PC PE H TE CFV CGE TM VV PTE PB TI TF DB FR D COE CPN Cca Cop FR Lun
[42] 2022 Kenia 3 2 2 √ √
[19] 2022 Arabia Saudita 2 3 √ √ √ √ √
[43] 2022 India 3 3 4 √ √
[44] 2021 6 6 √ √
[39] 2021 8 8 8 8 √ √
[45] 2021 6 5 6 √ √ √ √ √ √
[31] 2021 Nueva Zelanda 2 4 √ √ √ √ √
[46] 2020 China 5 5 √ √
[33] 2020 Colombia 4 6 5 √ √ √
[41] 2020 Irán 3 2 3 √ √ √ √
[40] 2019 Nigeria 5 5 5 5 √ √ √ √
[47] 2018 Reino Unido 5 7 √ √
[48] 2014 Grecia 3 4 √ √
Representatividad 31% 8% 54% 15% 8% 8% 8% 46% 8% 15% 8% 8% 15% 8% 31% 77% 92% 46% 31% 46% 31%
Fuente: elaboración propia.

PC: precio del combustible; PE: precio de energía; H: irradiación solar; TE: turbina eólica; CFV: capacidad instalada del generador FV; CGE: capacidad instalada del generador electrógeno; TM: turbina mareomotriz; VV: velocidad del viento; PTE: precio de turbina eólica; PB: precio de biomasa; TI: tasa de interés; TF: tasa de inflación; DB: disponibilidad de biomasa; FR: fracción renovable; D: demanda; COE: costo de la energía; CPN: costo presente neto; Cca: costo de capital; Cop: costo de operación; Lun: carga no atendida

Los indicadores financieros más empleados en los trabajos revisados sobre análisis de sensibilidad son CPN (92 %) y COE (77 %). Note que la FR puede ser tanto una variable de entrada (restricción) para fijar la mínima participación de generación renovable como un indicador operativo que caracteriza a la solución óptima.

Con el fin de contribuir a la aplicación del análisis de sensibilidad, este trabajo presenta el dimensionamiento de una MR y la caracterización del impacto de siete variables sobre indicadores de viabilidad técnico-financiera. Para ello, se establece la solución óptima de dimensionamiento de una MR aislada a partir de HOMER Pro, la cual busca atender la demanda energética de usuarios ubicados en una zona no interconectada (ZNI) cercana al municipio de Sipí (Chocó, Colombia). Las variables de sensibilidad son irradiación solar, velocidad del viento, temperatura ambiente, precio del combustible, estado mínimo de carga de las baterías, tasa de inflación y tasa de descuento, cuyo impacto de variación es caracterizado numérica y gráficamente a partir de indicadores financieros (p.ej., CPN, COE, Cca y Cop) e indicadores operativos (p.ej., FR y Lun) de la MR usando mayormente las funcionales de HOMER Pro para análisis de sensibilidad.

El estudio pretende conocer el impacto de la variación de ciertas variables de entrada sobre indicadores técnicos y financieros. La variabilidad de condiciones micro climáticas puede ocasionar inquietudes sobre las capacidades óptimas de la MR y su operación estimada [19]; específicamente, Sharma et al. [43] indican que el incremento de la irradiación solar o la velocidad del viento reduce la capacidad instalada renovable y los valores del CPN. Y el COE. El precio del combustible puede variar por disposiciones políticas o dinámicas de oferta y demanda a nivel mundial; tal como mencionan Murty y Kumar [49] y Masrur et al. [50], un mayor valor del combustible incrementa el costo de operación del grupo electrógeno y, por ende, del CPN y el COE. y las variables económicas (tasa de descuento y tasa de inflación) pueden influir en los flujos de caja del proyecto [46], [51]; tal como exponen Son et al. [52] el incremento de la tasa de inflación aumenta el COE, mientras Chaurasia et al. [53] indican que el incremento de la tasa de inflación aumenta el CPN.

El estudio realizado contribuye a la divulgación del análisis de sensibilidad como herramienta de toma de decisiones en proyectos de MR. Específicamente, se destacan cuatro aspectos; primero, la presentación gráfica del impacto de variables de sensibilidad (7) sobre indicadores técnicos (4) y operativos (9) para facilitar la identificación de tendencias y nivel de afectación; segundo, el uso de HOMER Pro como herramienta de dimensionamiento y análisis de sensibilidad; tercero, la identificación de la existencia de correlaciones entre variables de sensibilidad e indicadores; cuarto, la cuantificación de decrementos o incrementos en indicadores por unidad de la variable de sensibilidad, con el fin de determinar el nivel de influencia (1 a 4) de cada una de éstas.

Además, se considera que este trabajo es de interés para el entorno colombiano dado que existen un marco legal soportado en las leyes 1715 de 2014 [54] y 2099 de 2021 [55], las cuales promueven el uso de fuentes de energía no convencionales (FNCE) y el acceso a energía eléctrica en ZNI.

 <bold>2. METODOLOGÍA</bold>

Esta sección presenta el caso de estudio que incluye el perfil de carga y los recursos energéticos característicos del lugar (Sección 2.1), consideraciones técnicas y financieras para el dimensionamiento de la MR (Sección 2.2), consideraciones para la simulación con HOMER Pro (Sección 2.3) y, finalmente, las variables de sensibilidad y los valores definidos para el estudio (Sección 2.4), tal como muestra la Figura 1.

Esquema de metodología propuesta Figura 1. Esquema de metodología propuesta Fuente: elaboración propia.

Note que HOMER Pro es una herramienta ampliamente utilizada en diversas publicaciones científicas. En este caso de estudio, HOMER Pro se utilizó para realizar el dimensionamiento de la MR y obtener resultados numéricos (indicadores) y gráficos (de sistema óptimo y de superficie) para los diversos valores de las variables de sensibilidad.

Posteriormente, los datos resultantes fueron analizados en Microsoft Excel, lo que permitió construir curvas normalizadas para caracterizar la influencia de las variables de sensibilidad, establecer la existencia de correlaciones entre variables de sensibilidad e indicadores usando el coeficiente R2 y cuantificar los decrementos o incrementos en indicadores por unidad de la variable de sensibilidad a fin de determinar el nivel de influencia (1 a 4) de cada una de éstas.

<bold>2.1 Caso de estudio</bold>

Este trabajo considera un conjunto de usuarios residenciales rurales ubicados cerca al municipio de Sipí (4.653°N, 76.645°W) a 332 msnm, lugar que corresponde a una zona del departamento de Chocó (Colombia) con limitaciones para el acceso al servicio de energía eléctrica. La Figura 2 muestra los perfiles de carga diario y anual considerado para una demanda promedio de 50 kWh/día (1500 kWh/mes o 18250 kWh/año), alcanzando un valor horario promedio y máximo de 2.08 y 9.28 kW durante el año, respectivamente.

Perfiles estimados de carga de los usuarios Figura 2. Perfiles estimados de carga de los usuarios Fuente: HOMER Pro [56].

Según NASA Prediction of Worldwide Energy Resource database, Sipí presenta valores promedio de irradiación solar, temperatura ambiente y velocidad del aire de 3.94 kWh/m2∙día, 23 °C y 2.48 m/s, respectivamente. La Figura 3 presenta información sobre la irradiación solar y la velocidad del viento.

Recursos energéticos en el municipio de Sipí (Chocó, Colombia) Figura 3. Recursos energéticos en el municipio de Sipí (Chocó, Colombia) Fuente: [57] y [58].

<bold>2.2 Consideraciones técnicas y financieras para el dimensionamiento de la MR</bold>

La Figura 4 muestra el esquema de la MR considerada para este caso, la cual está conformada por un generador FV, turbinas eólicas, un sistema de almacenamiento (baterías), un grupo electrógeno y un convertidor. La Tabla 3 relaciona los parámetros generales del proyecto y la Tabla 4 presenta los costos de los componentes (capital, reemplazo y operación y mantenimiento) y su vida útil.

Esquema de la MR Figura 4. Esquema de la MR Fuente: HOMER Pro [56].

Parámetros empleados para el dimensionamiento de la MR Tabla 3 Parámetros empleados para el dimensionamiento de la MR
Parámetro Valor
Tasa de descuento (%) 8
Tasa de inflación (%) 2
Capacidad de escasez (%) 5
Precio del combustible ($/l) 0.51
Vida útil (años) 25
Fuente: elaboración propia.

Parámetros empleados para el dimensionamiento de la MR Tabla 4 Parámetros empleados para el dimensionamiento de la MR
Componentes Capital ($) Remplazo ($) O&M ($/año) Vida útil
Generador fotovoltaico 1 210/kW 1 210/kW 15/kW 25 años
Unidad de almacenamiento 300/kWh 300/kWh 3.75/kWh 10 años
Convertidor 590/kW 590/kW 10/kW 15 años
Generador diésel 340/kW 340/kW 10.95/kW 15 000 horas
Turbina eólica 1500/kW 1500/kW 190/kW 20 años
Fuente: elaboración propia.

<bold>2.2.1 Modelo del generador FV</bold>

El generador FV seleccionado en HOMER Pro es tipo Generic flat plate PV. La potencia de salida del generador FV es determinada por (1), donde YPV es la capacidad nominal del generador FV, fPV es el factor de reducción de potencia, GT es la irradiancia solar incidente, GT,STC es la irradiancia incidente en condiciones de prueba estándar, αp es el coeficiente de temperatura de potencia, Tc es la temperatura del panel FV y Tc,STC es la temperatura del panel FV en condiciones de prueba estándar.

 <bold>2.2.2 Modelo de turbina eólica</bold>

La potencia de salida de la turbina eólica está relacionada con la velocidad del aire como lo indica la Figura 5a. La turbina tiene una capacidad nominal de 10 kW y una vida útil de 20 años.

Curvas características de la turbina eólica y el grupo electrógeno Figura 5. Curvas características de la turbina eólica y el grupo electrógeno Fuente: elaboración propia.

<bold>2.2.3 Modelo del generador diésel</bold>

El tipo de grupo electrógeno seleccionado en HOMER Pro es Autosize Genset, el cual se dimensiona automáticamente para satisfacer la demanda. La Figura 5.b presenta el comportamiento de la tasa de consumo de combustible y la eficiencia de conversión como funciones de la potencia de salida considerando un valor nominal de 11 kW. El consumo de combustible está dado por (2), donde F0 es coeficiente de intercepción de la curva de combustible, Ygen es la capacidad nominal del generador (kW), F1 es la pendiente de la curva de combustible Pgen es la salida de potencia eléctrica del generador (kW).

 <bold>2.2.4 Modelo del banco de baterías</bold>

La batería considerada para el estudio es de plomo ácido y tiene una capacidad de 2.40 kWh (12 V, 200 Ah) y SOC mínimo de 30 %. HOMER Pro determina las potencias de carga y descarga de las baterías mediante (3) y (4), respectivamente, donde Q1 es la energía disponible en el almacenamiento al comienzo del paso de tiempo, Q es la cantidad total de energía al comienzo del paso del tiempo, c es la relación de capacidad de almacenamiento, k es la constante de velocidad de almacenamiento, ∆t es la duración de paso de tiempo y, finalmente, Qmax es la capacidad total de almacenamiento.

 <bold>2.2.5 Indicadores técnicos y financieros</bold>

Los indicadores financieros permiten establecer los costos del proyecto e inferir sobre la viabilidad financiera. Los indicadores técnicos describen características de la microrred y permiten comprender su desempeño. La Tabla 5 presenta definiciones y expresiones para determinar indicadores considerados en este estudio.

Indicadores financieros y técnicos Tabla 5. Indicadores financieros y técnicos Fuente: elaboración propia

Cc: Costo del componente k; CO&mk: Costo de operación del componente k; ENR: Producción de energía no renovable; Es: Carga servida; Eunh: Energía no atendida en la hora h; FCN: Flujo de caja neto; H: Total de horas; I: Inversión; K: número de componentes de la microrred; n: Número de años; r: Tasa de interés; t: vida útil de proyecto

<bold>2.3 Simulación</bold>

El funcionamiento de HOMER Pro se basa en tres conceptos principales: simulación, optimización y análisis de sensibilidad [59]–[61]. En la simulación se modela la configuración de la microrred y se determina la viabilidad técnica. La optimización determina la mejor configuración del sistema, la cual satisface los requerimientos del usuario con el menor CPN.Y el análisis de sensibilidad realiza múltiples configuraciones y muestra qué tan sensibles son las salidas debido a cambios en las entradas. El diagrama de bloques de la Figura 6 relaciona de manera general las variables de entradas requeridas por el software y algunos resultados que suministra.

Diagrama de bloques de las entradas y salidas de Homer Pro Figura 6. Diagrama de bloques de las entradas y salidas de Homer Pro Fuente: elaboración propia.

<bold>2.4 Análisis de sensibilidad</bold>

HOMER Pro permite asignar varios valores a algunos datos de entrada, a las cuales se denominan variables de sensibilidad y se relacionan en la Tabla 6 para este estudio. En el municipio de Sipí, los valores de irradiación solar, velocidad del viento y temperatura ambiente varían de 3.75 a 4.25 kWh/m2día, 2 a 3 m/s y 21 a 25 °C, respectivamente. Los demás valores considerados permiten extrapolar al lector los hallazgos para otros escenarios y lugares de Colombia.

Variables de sensibilidad Tabla 6 Variables de sensibilidad
Variable Valores Comentario
Irradiación solar (kWh/m2día) 3.5, 3.75, 4.0, 4.25, 5.0, Rango de valores de irradiación solar en Colombia.
Velocidad del viento (m/s) 1.0, 2.0, 2.5, 3.0, 4.0 Rango de valores de velocidad del viento en Colombia.
Precio del combustible ($/l) 0.38, 0.51, 0.64, 0.77, 1.02 Potencial variación del precio de combustible en Colombia
Estado mínimo de carga de la batería (%) 30, 40, 50, 60, 70 Valores posibles usados en dimensionamiento
Temperatura ambiente (°C) 15, 21, 23, 25, 30, 35 Rango de valores de temperaturas ambiente promedio en Colombia
Tasa de descuento (%) 8, 9, 10, 11, 12 Valores representativos para Colombia
Tasa de inflación (%) 2, 3, 4, 5, 6
Fuente: elaboración propia.

El impacto de las variables de sensibilidad es analizado a partir del comportamiento de indicadores financieros y operativos y gráficas de sensibilidad, tal como muestra la Tabla 7.

Relación entre variables de entrada e indicadores y gráficas de sensibilidad Tabla 7 Relación entre variables de entrada e indicadores y gráficas de sensibilidad
Variables de entrada Indicadores financieros Indicadores operativos Representación
CPN COE Cca Cop FR Lun CN AO DE tauto tlife PFV topGE Num GTSO GS GST GCN
Irradiación solar √ √ √ √ √ √ √ √ √
Velocidad del viento √ √ √ √ √ √ √ √ √
Precio del combustible √ √ √ √ √ √ √ √ √ √ √
Estado mínimo de carga de la batería √ √ √ √ √ √ √ √ √ √ √ √
Temperatura ambiente √ √ √ √ √ √ √ √ √ √ √ √
Tasa de descuento √ √ √ √ √ √ √
Tasa de inflación √ √ √ √ √ √ √
Fuente: elaboración propia.

CPN: costo presente neto; COE: costo de la energía; Cca : costo de capital; Cop : costo de operación; FR: fracción renovable; Lun : carga no atendida; CN: capacidades nominales; AO: arquitecturas óptimas; DE: despacho de energía; tauto : tiempo de autonomía (día); tlife : tiempo de vida (año); PFV: producción del generador FV (kWh/año); topGE : tiempo de operación del grupo electrógeno (h/año); Num: representación numérica; GTSO: gráfico de tipo de sistema óptimo; GS: gráfico de superficie; GST: gráfico de series temporales; GCN: gráfico de curvas normalizadas

<bold>3. RESULTADOS Y DISCUSIÓN</bold>

La solución óptima obtenida con HOMER Pro está conformada por un generador FV con capacidad nominal de 11.4 kWp, tres baterías de 2.40 kWh, un convertidor de 4.04 kW y grupo electrógeno de 11.0 kW. Esta solución se caracteriza financieramente por un COE de $ 0.442/kWh, una generación renovable de 32 % (FR) y una atención del 100 % de la demanda. La Tabla 8 muestra las capacidades nominales de los componentes y los indicadores financieros y operativos de la solución.

Solución óptima para el caso de estudio Tabla 8. Solución óptima para el caso de estudio
Arquitectura Indicadores financieros Indicadores operativos
CFV TE CGE Conv Nbat CPN COE Cca Cop FR Lun tauto tlife topGE PFV PGE
kW Unid kW kW Unid $ $/kWh $ $/año % % h año h/año kWh/año kWh/año
11.4 - 11.0 4.04 3 104 270 0.442 21 700 1 385 32 - 2.43 1.22 3 834 12 320 12 405
Fuente: elaboración propia.

CFV: capacidad instalada fotovoltaica; TE: turbina eólica; CGE: capacidad del grupo electrógeno; Conv: convertidor; Nbat: número de baterías; CPN: costo presente neto; COE: costo de la energía; Cca : costo de capital; Cop : costo de operación; FR: fracción renovable; Lun : carga no atendida; tauto : tiempo de autonomía de las baterías (día); tlife : tiempo de vida de las baterías (año); topGE : tiempo de operación del grupo electrógeno (h/año); PFV: producción del generador FV (kWh/año); PGE: producción del generador electrógeno (kWh/año)

Esta sección presenta los resultados obtenidos al realizar variaciones en los datos de entrada de variables como precio del combustible (3.1), estado de carga mínimo de la batería (3.2), temperatura ambiente (3.3), recursos energéticos (3.4) y tasas de inflación y descuento (3.5) con respecto a los valores obtenidos de los indicadores operativos y financieros de la solución óptima; note que Lun es 0.0 % en todos los casos. Adicionalmente, presenta un consolidado de la afectación causada por las variables de sensibilidad (3.6).

<bold>3.1 Análisis del precio del combustible</bold>

La Tabla 9 presenta las características y los costos asociados de la MR obtenidos al variar el precio de combustible con valores de $ 0.38/L, $ 0.51/L, $ 0.64/L, $ 0.77/L y $ 1.02/L. Los resultados muestran que un precio bajo de combustible incrementa el tiempo de uso y energía suministrada por el grupo electrógeno, lo cual implica una menor capacidad del generador FV y del banco de baterías.

Capacidad de componentes e indicadores de la MR según la variación del precio del combustible Tabla 9. Capacidad de componentes e indicadores de la MR según la variación del precio del combustible
Precio del combustible
$ 0.38/L $ 0.51/L $ 0.64/L $ 0.77/L $ 1.02/L
Componentes CFV (kWp) 9.7 11.4 12.6 13.7 14.1
Nbat 3 3 3 4 4
Conv (kW) 3.69 4.04 3.99 4.47 4.57
GE (kW) 11.0
Indicadores topGE (h/año) 4 004 3 834 3 745 3 290 3 262
PGE (kWh/año) 12 885 12 405 12 153 10 891 10 812
CPN ($) 95 263 104 270 113 082 121 238 136 035
COE ($) 0.404 0.442 0.479 0.514 0.577
Cca ($) 19 448 21 700 23 189 25 342 25 342
Cop ($/año) 1 429 1 385 1 361 1 229 1 223
FR (%) 29.4 32 33.4 40.3 40.8
Fuente: elaboración propia.

El precio del combustible impacta en la viabilidad financiera, ya que su mayor valor incrementa CPN, Cca y FR. Cca aumenta debido al incremento de las capacidades nominales del generador FV y el banco de baterías y, por ende, CPN. Además, topGE disminuye con el aumento del precio del combustible y, en consecuencia, Cop. También cabe resaltar que las soluciones óptimas con cada valor del precio de combustible pueden satisfacer el 100 % de la demanda, por lo que Lun es 0.0 %.

La Figura 7 muestra el despacho de energía de la MR para precios de combustible de $ 0.51/L y $ 1.02/L. Se puede evidenciar el aumento del suministro de energía por parte del generador FV cuando hay incremento del precio del combustible y, por ende, un menor suministro de energía por parte del grupo electrógeno.

Series temporales del despacho de energía con la variación del precio del combustible Figura 7. Series temporales del despacho de energía con la variación del precio del combustible Fuente: elaboración propia.

El precio del combustible afecta el dimensionamiento y los costos de una MR, ya que su variación ocasiona que pueda decidir si usar el grupo electrógeno un mayor o menor tiempo. Ello está en consonancia con lo indicado por Murty y Kumar [49] y Masrur et al. [50], quienes señalan que un mayor valor del combustible incrementa tanto el costo de operación del grupo electrógeno como los indicadores CPN y COE.

 <bold>3.2 Análisis del estado de carga mínimo del banco de baterías</bold>

La Figura 8 muestra características de la MR cuando cambia el valor del estado de carga mínimo (SOCmin) de las baterías. Los valores están normalizados con respecto a la solución obtenida para las condiciones del caso de estudio (ver Tabla 7) y son determinados mediante (5), donde vn es el valor normalizado, xT es el valor en función de la variable de sensibilidad y xRef es el valor del caso base.

Caracterización de indicadores de la MR según la variación del SOCmin Figura 8. Caracterización de indicadores de la MR según la variación del SOCmin Fuente: elaboración propia.

Al aumentar el SOCmin, la cantidad de energía que puede entregar por descarga y la autonomía es menor, por lo que es necesario el aumento de baterías; en contraste, un aumento del SOCmin ayuda a incrementar la vida útil de la batería.

Para un SOCmin de 40 %, la solución implica un aumento en el número de baterías, de este modo incrementa el tiempo de autonomía y la capacidad de almacenamiento de energía, la cual puede ser aprovechada aumentando la capacidad del generador FV; además, reduce topGE y aumentan Cca y FR respecto a la solución obtenida con un SOCmin de 30 %.

 <bold>3.3 Análisis de temperatura ambiente</bold>

La Figura 9 muestra las características de la MR cuando cambia la temperatura ambiente. La temperatura impacta en la producción de energía del generador FV. El incremento de la temperatura en el rango de 15 a 30 °C reduce la producción de energía y, por ende, aumenta la capacidad nominal del generador FV y resulta en un incremento de Cca. Para temperaturas mayores a 30 °C, es más económico aumentar el uso del grupo electrógeno, aunque se incurra en un incremento de Cop; así, CPN resulta afectado por la variación de Cca y Cop.

Caracterización de indicadores de la MR según la variación de la temperatura ambiente Figura 9. Caracterización de indicadores de la MR según la variación de la temperatura ambiente Fuente: elaboración propia.

La potencia nominal del convertidor depende de la capacidad FV o la producción de energía, por lo que un incremento de éstos aumenta Cca. Asimismo, es posible notar una reducción de Cca cuando la temperatura alcanza 35 °C, dado que se reduce la producción FV y ello resulta en la reducción de la capacidad nominal del convertidor.

Con el fin de analizar la producción de energía del generador FV, se fija su capacidad en 11.4 kW y se varía el valor de la temperatura ambiente. La Figura 10 muestra la afectación tanto de la producción de energía de los generadores PV y diésel como de los indicadores CPN y Cop. Los valores están normalizados respecto a la solución obtenida con el generador FV de 11.4 kW y con temperatura ambiente de 23 °C.

Resultados con capacidad del generador FV fija y variación de la temperatura Figura 10. Resultados con capacidad del generador FV fija y variación de la temperatura Fuente: elaboración propia.

La producción de energía a partir del generador FV disminuye con el aumento de la temperatura ambiente a pesar de mantener la misma capacidad nominal, lo cual es debido al aumento de la temperatura de operación de la celda Tc. Tal afectación térmica también es descrita por Mehdi et al. [62] y Tello et al. [63] con quienes se coincide en que el aumento de Tc disminuye la eficiencia de conversión y, por ende, reduce la potencia de salida ocasionando que el grupo electrógeno sea utilizado mayor tiempo, lo cual incrementa Cop y CPN.

 <bold>3.4 Análisis de recursos energéticos</bold>

La Figura 11 presenta las arquitecturas óptimas según la disponibilidad de los recursos energéticos. La región encerrada en un recuadro punteado corresponde al rango de valores de irradiación solar y velocidad del viento en Sipí. La arquitectura conformada por un grupo electrógeno, un generador FV y banco de baterías es óptima para velocidades del viento de hasta 4.2 m/s; mientras para valores superior a 4.2 m/s es incluida una turbina eólica en la MR.

Configuración óptima ante la variación de la irradiación solar y la velocidad del viento Figura 11. Configuración óptima ante la variación de la irradiación solar y la velocidad del viento Fuente: Homer Pro [56].

Las figuras 12.a a 12.c muestran el impacto de la irradiación solar y la velocidad del viento en CPN, Cca y Cop, respectivamente. CPN es mayor con los menores valores de irradiación solar debido a que aumenta Cop al requerir del funcionamiento del grupo electrógeno por mayor tiempo. Además, se requiere aumentar la capacidad instalada FV para valores de irradiación solar baja, lo cual incrementa el Cca.

Gráficas de superficie de indicadores según la variación de la irradiancia solar y la velocidad del viento Figura 12. Gráficas de superficie de indicadores según la variación de la irradiancia solar y la velocidad del viento Fuente: Homer Pro [56].

Las Figuras 12.d y 12.e muestran el efecto sobre COE y FR; como es lógico, COE incrementa y FR disminuye principalmente cuando la irradiación solar baja y viceversa. La velocidad del viento tiene poca influencia en los indicadores debido a que la participación de la generación eólica es nula o reducida en las soluciones óptimas. Al igual que en Sharma et al. [43] y en Sharma et al. [44], CPN y COE disminuyen a medida que aumentan los valores de irradiación solar y velocidad del viento, siendo la primera de mayor incidencia sobre los indicadores.

La Figura 13 muestra las capacidades nominales de los componentes e indicadores como funciones de la irradiación solar. En general, son observables tendencias de incremento o decremento; donde la causalidad permite modelar linealmente los decrementos de CPN (R2=0.9963), topGE (R2=0.8246) y COE (R2=0.9963) y el incremento de FR (R2=0.8249).

Gráficas de dispersión de indicadores según la variación de la irradiación solar Figura 13. Gráficas de dispersión de indicadores según la variación de la irradiación solar Fuente: elaboración propia.

El aumento de la irradiación solar aumenta producción del generador FV, permitiendo reducir su capacidad y el tiempo de operación del GE y aumentar FR; a su vez, esto permite un menor valor de Cca por las menores capacidades del generador FV y convertidor. Estos hallazgos concuerdan con lo indicado por Sadat et al. [64] en cuanto a la influencia de la variación de la irradiación solar sobre los indicadores financieros de una MR.

 <bold>3.5 Impacto de las tasas de inflación y descuento</bold>

La Figura 14 muestra que el incremento de la tasa de inflación y la disminución de la tasa de descuento simultáneos ocasionan el incremento de CPN, Cca y FR y la disminución de Cop y COE.

Gráficas de superficie de indicadores según la variación de las tasas de interés y de descuento Figura 14. Gráficas de superficie de indicadores según la variación de las tasas de interés y de descuento Fuente: HOMER Pro [56].

Los resultados muestran que los costos de una MR y el valor de FR son impactados por las variaciones de las tasas de inflación y descuento, lo cual corrobora afirmaciones realizadas en otros estudios. En [52] se indica que el COE aumenta con el incremento de la tasa de descuento y Chaurasia et al. [53] señala que el crecimiento de la tasa de inflación reduce el COE y aumenta moderadamente el CPN.

Dado que el efecto de las tasas depende mayormente de su diferencia, la Figura 15 presenta capacidades de componentes e indicadores en función de la tasa real de descuento (TRD), la cual se calcula a partir de (6) donde TI es la tasa de inflación y TF es la tasa de interés o de descuento. Las líneas de tendencias y coeficientes de determinación evidencian un grado importante de causalidad, por lo que es recomendable el análisis de sensibilidad considere conjuntamente a TI y TF.

Gráficas de dispersión de indicadores según la variación de la tasa real de descuento Figura 15. Gráficas de dispersión de indicadores según la variación de la tasa real de descuento Fuente: elaboración propia.

A mayor TRD (mayor diferencia entre la TI y TF), se reduce la capacidad del generador FV (R2=0.8617) y los CPN (R2=0.9754) y de Cca (R2=0.8677) y la FR (R2=0.8596), aunque ocasiona el aumento del COE (R2=0.9998) y del uso del grupo electrógeno (R2=0.8555).

 <bold>3.6 Afectación de las variables de sensibilidad</bold>

La Tabla 10 presenta la tendencia de variación de CPN, COE, Cca, Cop, FR y Lun por unidad de cada variable de sensibilidad. El aumento en el indicador es representado con una flecha en dirección hacia arriba y la reducción con una flecha en dirección hacia abajo. Además, el color verde significa un resultado deseado, mientras el color rojo indica un resultado no deseable.

Tendencia de resultados debido a variables de sensibilidad Tabla 10. Tendencia de resultados debido a variables de sensibilidad
Variable CPN ($) COE ($/kWh) Cca ($) Cop ($/año) FR
Precio de combustible ($/L) 63 706 ⬆ 0.270 ⬆ 9209.4 ⬆ -321.9 ⬇ 17.8% ⬆
SOCmin (%) -205 ⬇ -0.0009 ⬇ 45.7 ⬆ -0.10 ⬇ 0.032% ⬆
Temperatura ambiente (°C) 78 ⬆ 0.0003 ⬆ 48.2 ⬆ 0.75 ⬆ -0.030% ⬇
Irradiación solar (kWh/m2día) -3 268 ⬇ -0.014 ⬇ -1031.8 ⬇ -38.0 ⬇ 2.1% ⬆
Tasa de descuento (%) -6 061 ⬇ 0.0078 ⬆ -863.0 ⬇ 15.8 ⬆ -1.4% ⬇
Tasa de inflación (%) 10 634 ⬆ -0.0082 ⬇ 960.5 ⬆ -10.3 ⬇ 1.0% ⬆
Fuente: elaboración propia.

CPN aumenta con el incremento del precio de combustible, la temperatura ambiente o la tasa de inflación, a tasas aproximadas de , y , respectivamente; mientras decrece a mayor SOCmin , irradiación solar o tasa de descuento . FR puede incrementar con el aumento del precio del combustible , el SOCmin , la irradiación solar o la tasa de inflación ; mientras disminuye por la elevación de la temperatura ambiente y la tasa de descuento .

Con base en los resultados presentados, es posible establecer un nivel de influencia de las variables de sensibilidad sobre los indicadores analizados, tal como muestra la Tabla 11. El número representa el grado de influencia sobre los indicadores, donde 1 es el menor grado y 4 el mayor grado. Para este caso de estudio, se aprecia que las variables más influyentes son el precio de combustible, la tasa de inflación, la tasa de descuento y la irradiación solar; mientras las menos influyentes son el SOCmin, la temperatura ambiente y la velocidad del viento.

Incidencia de las variables de sensibilidad en los indicadores Tabla 11. Incidencia de las variables de sensibilidad en los indicadores
Variable CPN COE Cca Cop FR
Precio del combustible ($/L) 4 4 4 4 4
SOCmin (%) 2 2 2 1 2
Temperatura ambiente (°C) 1 1 2 1 1
Irradiación solar (kWh/m2día) 2 2 2 2 3
Velocidad del viento (m/s) 1 1 1 1 1
Tasa de descuento (%) 3 2 3 2 3
Tasa de inflación (%) 4 2 3 2 3
Fuente: elaboración propia.

<bold>4. CONCLUSIONES</bold>

El estudio presenta el dimensionamiento y el análisis sensibilidad para una MR aislada, con el fin de estudiar la afectación de siete variables, a saber; precio de combustible, estado mínimo de carga de las baterías, temperatura ambiente, irradiación solar, velocidad del viento, tasa de descuento y tasa de inflación, sobre las capacidades nominales de los componentes e indicadores operativos y financieros.

El precio de combustible resultó ser la variable de mayor relevancia. Su aumento reduce el consumo de combustible, el tiempo de uso del grupo electrógeno e incrementa las capacidades del generador FV y del banco de baterías, lo cual aumenta el valor de CPN, Cca y FR.

A parte del precio del combustible, las otras variables más influyentes son tasa de inflación, tasa de descuento e irradiación solar; mientras las menos influyentes son SOCmin, temperatura ambiente y velocidad del viento, tal como muestra la Tabla 11. Tal aproximación al grado de influencia de las variables de sensibilidad es particular para cada proyecto, por lo que determinarlo facilitaría el proceso de toma de decisiones a los interesados.

Los resultados muestran que la ocurrencia simultánea de un incremento de la tasa de inflación con una disminución de la tasa de descuento ocasiona el incremento de CPN, Cca y FR y la disminución de Cop y COE. Se apreció que la intensidad del impacto depende de la diferencia entre las dos tasas, por lo que es conveniente analizar la afectación sobre las capacidades de los componentes e indicadores en función de la tasa real de descuento (TRD); específicamente, se hallaron valores del coeficiente R2 de 0.8555 a 0.9998 entre TRD e indicadores. A mayor valor de TRD, se reduce la capacidad del generador FV y los valores de CPN, Cca y FR, aunque se aumenta el valor de COE y el uso del grupo electrógeno.

Con respecto a las otras variables de sensibilidad, se tienen los siguientes hallazgos: primero, el aumento de la temperatura ambiente reduce la generación fotovoltaica (sin afectar la capacidad instalada), lo cual ocasiona un incremento en el tiempo de uso y consumo de combustible del grupo electrógeno; segundo, el análisis del SOCmin permite apreciar que las descargas profundas reducen la vida útil de las baterías resultando en mayores costos; tercero, la presencia de un alto potencial energético puede disminuir los valores de CPN, COE y Cop, aunque ello implica un mayor Cca por el aumento de la capacidad instalada; y cuarto, se destaca que la capacidad nominal del grupo electrógeno no es influenciada por variable alguna, ya que depende principalmente de la potencia máxima demandada por la carga.

Se destaca la utilidad del software HOMER Pro por la oferta y la amigable configuración de las variables de sensibilidad, la búsqueda simultánea de las soluciones óptimas y la representación tabuladas y gráfica para observar las tendencias de influencia de las variables de sensibilidad sobre los indicadores analizados.

 Agradecimientos

Los autores agradecen el apoyo brindado por la Escuela de Ingenierías Eléctrica, Electrónica y de Telecomunicaciones de la Universidad Industrial de Santander.

 <bold>REFERENCIAS</bold> [1] M. N. Alam, S. Chakrabarti, and A. Ghosh, “Networked Microgrids: State-of-the-Art and Future Perspectives,” IEEE Trans Industr Inform, vol. 15, no. 3, pp. 1238–1250, Mar. 2019, https://doi.org/10.1109/TII.2018.2881540 Alam M. N. Chakrabarti S. Ghosh A. Networked Microgrids: State-of-the-Art and Future Perspectives IEEE Trans Industr Inform 2018 https://doi.org/10.1109/TII.2018.2881540 [2] M. Sandelic, S. Peyghami, A. Sangwongwanich, and F. Blaabjerg, “Reliability aspects in microgrid design and planning: Status and power electronics-induced challenges,” Renewable and Sustainable Energy Reviews, vol. 159, p. 112127, May. 2022, https://doi.org/10.1016/j.rser.2022.112127 Sandelic M. Peyghami S. Sangwongwanich A. Blaabjerg F. Reliability aspects in microgrid design and planning: Status and power electronics-induced challenges Renewable and Sustainable Energy Reviews 2022 https://doi.org/10.1016/j.rser.2022.112127 [3] M. Debouza, A. Al-Durra, T. H. M. EL-Fouly, and H. H. Zeineldin, “Survey on microgrids with flexible boundaries: Strategies, applications, and future trends,” Electric Power Systems Research, vol. 205, p. 107765, Apr. 2022, https://doi.org/10.1016/j.epsr.2021.107765 Sandelic M. Peyghami S. Sangwongwanich A. Blaabjerg F. Survey on microgrids with flexible boundaries: Strategies, applications, and future trends Electric Power Systems Research 2022 https://doi.org/10.1016/j.epsr.2021.107765 [4] V. Lavanya and N. S. Kumar, “A Review: Control Strategies for Power Quality Improvement in Microgrid,” International Journal of Renewable Energy Research, vol. 8, no. 1, pp. 1–16, Mar. 2018, https://doi.org/10.20508/ijrer.v8i1.6643.g7290 Lavanya and N. S. Kumar V. A Review: Control Strategies for Power Quality Improvement in Microgrid International Journal of Renewable Energy Research 2018 https://doi.org/10.20508/ijrer.v8i1.6643.g7290 [5] K. M. Krishna, “Optimization analysis of Microgrid using HOMER - A case study,” in 2011 Annual IEEE India Conference, Dec. 2011, pp. 1–5. https://doi.org/10.1109/INDCON.2011.6139566 Krishna K. M. Optimization analysis of Microgrid using HOMER - A case study 2011 https://doi.org/10.1109/INDCON.2011.6139566 [6] S. Fazal, E. Haque, M. Taufiqul, and A. Gargoom, “Grid integration impacts and control strategies for renewable based microgrid,” Sustainable Energy Technologies and Assessments, vol. 56, p. 103069, Mar. 2023, https://doi.org/10.1016/j.seta.2023.103069 Fazal S. Haque E. Taufiqul M. Gargoom A. Grid integration impacts and control strategies for renewable based microgrid Sustainable Energy Technologies and Assessments 2023 https://doi.org/10.1016/j.seta.2023.103069 [7] J. Lian, Y. Zhang, C. Ma, Y. Yang, and E. Chaima, “A review on recent sizing methodologies of hybrid renewable energy systems,” Energy Convers Manag, vol. 199, p. 112027, Nov. 2019, https://doi.org/10.1016/j.enconman.2019.112027 Lian J. Zhang Y. Yang Y. Chaima E. A review on recent sizing methodologies of hybrid renewable energy systems Energy Convers Manag 2019 https://doi.org/10.1016/j.enconman.2019.112027 [8] R. Hidalgo-Leon et al., “Feasibility Study for Off-Grid Hybrid Power Systems Considering an Energy Efficiency Initiative for an Island in Ecuador,” Energies , vol. 15, no. 5, p. 1776, Feb. 2022, https://doi.org/10.3390/en15051776 Hidalgo-Leon R. Feasibility Study for Off-Grid Hybrid Power Systems Considering an Energy Efficiency Initiative for an Island in Ecuador [9] M. Ur Rashid, I. Ullah, M. Mehran, M. N. R. Baharom, and F. Khan, “Techno-Economic Analysis of Grid-Connected Hybrid Renewable Energy System for Remote Areas Electrification Using Homer Pro,” Journal of Electrical Engineering & Technology, vol. 17, no. 2, pp. 981–997, Mar. 2022, https://doi.org/10.1007/s42835-021-00984-2 Ur Rashid M. Ullah I. Mehran M. Baharom M. N. R. Khan F. Techno-Economic Analysis of Grid-Connected Hybrid Renewable Energy System for Remote Areas Electrification Using Homer Pro Journal of Electrical Engineering & Technology 2022 https://doi.org/10.1007/s42835-021-00984-2 [10] P. Arévalo, A. A. Eras-Almeida, A. Cano, F. Jurado, and M. A. Egido-Aguilera, “Planning of electrical energy for the Galapagos Islands using different renewable energy technologies,” Electric Power Systems Research, vol. 203, p. 107660, Feb. 2022, https://doi.org/10.1016/j.epsr.2021.107660 Arévalo P. Eras-Almeida A. A. Cano A. Jurado F. Egido-Aguilera M. A. Planning of electrical energy for the Galapagos Islands using different renewable energy technologies Electric Power Systems Research 2021 https://doi.org/10.1016/j.epsr.2021.107660 [11] S. Vendoti, M. Muralidhar, and R. Kiranmayi, “Techno-economic analysis of off-grid solar/wind/biogas/biomass/fuel cell/battery system for electrification in a cluster of villages by HOMER software,” Environ Dev Sustain, vol. 23, no. 1, pp. 351–372, Jan. 2021, https://doi.org/10.1007/s10668-019-00583-2 Vendoti S. Muralidhar M. Kiranmayi R. Techno-economic analysis of off-grid solar/wind/biogas/biomass/fuel cell/battery system for electrification in a cluster of villages by HOMER software Environ Dev Sustain 2021 https://doi.org/10.1007/s10668-019-00583-2 [12] M. N. Uddin, M. M. Biswas, and S. Nuruddin, “Techno-economic impacts of floating PV power generation for remote coastal regions,” Sustainable Energy Technologies and Assessments, vol. 51, p. 101930, Jun. 2022, https://doi.org/10.1016/j.seta.2021.101930 Uddin M. N. Biswas M. M. Nuruddin S. Techno-economic impacts of floating PV power generation for remote coastal regions Sustainable Energy Technologies and Assessments 2021 https://doi.org/10.1016/j.seta.2021.101930 [13] S. Ladide, A. EL Fathi, M. Bendaoud, H. Hihi, and K. Faitah, “Flexible design and assessment of a stand-alone hybrid renewable energy system: a case study Marrakech, Morocco,” International Journal of Renewable Energy Research, vol. 9, no. 4, pp. 2003–2022, Dec. 2019, https://doi.org/10.20508/ijrer.v9i4.9936.g7806 Ladide S. EL Fathi A. Bendaoud M. Hihi H. Faitah K. Flexible design and assessment of a stand-alone hybrid renewable energy system: a case study Marrakech, Morocco International Journal of Renewable Energy Research 2019 https://doi.org/10.20508/ijrer.v9i4.9936.g7806 [14] S. Sreenath, A. M. Azmi, and Z. A. M. Ismail, “Feasibility of solar hybrid energy system at a conservation park: Technical, economic, environmental analysis,” Energy Reports, vol. 9, supplement 1, pp. 711–719, Mar. 2023, https://doi.org/10.1016/j.egyr.2022.11.065 Sreenath S. Azmi A. M. Ismail Z. A. M. Feasibility of solar hybrid energy system at a conservation park: Technical, economic, environmental analysis Energy Reports 2022 https://doi.org/10.1016/j.egyr.2022.11.065 [15] F. A. Barrozo Budes, G. Valencia Ochoa, L. G. Obregon, A. Arango-Manrique, and J. R. Núñez Álvarez, “Energy, Economic, and Environmental Evaluation of a Proposed Solar-Wind Power On-grid System Using HOMER Pro®: A Case Study in Colombia,” Energies, vol. 13, no. 7, p. 1662, Apr. 2020, https://doi.org/10.3390/en13071662 Barrozo Budes F. A. Valencia Ochoa G. Obregon L. G. Arango-Manrique A. Núñez Álvarez J. R. Energy, Economic, and Environmental Evaluation of a Proposed Solar-Wind Power On-grid System Using HOMER Pro®: A Case Study in Colombia Energies 2020 https://doi.org/10.3390/en13071662 [16] D. Restrepo, B. Restrepo-Cuestas, and A. Trejos, “Microgrid analysis using HOMER: A case study,” DYNA (Colombia), vol. 85, no. 207, pp. 129–134, Oct. 2018, http://doi.org/10.15446/dyna.v85n207.69375 Restrepo D. Restrepo-Cuestas B. Trejos A. Microgrid analysis using HOMER: A case study DYNA (Colombia) 2018 http://doi.org/10.15446/dyna.v85n207.69375 [17] A. F. Torres Ome, A. L. Paque Salazar, and F. Díaz Franco, “Arquitecturas híbridas para la evaluación económica de un sistema de energía eólico-solar a partir del análisis de las variables meteorológicas en la ciudad de Neiva,” Cina Research, vol. 2, no. 3, pp. 14–27, Jan. 2018. https://journals.uninavarra.edu.co/index.php/cinaresearch/article/view/134 Torres Ome A. F. Paque Salazar A. L. Díaz Franco F. Arquitecturas híbridas para la evaluación económica de un sistema de energía eólico-solar a partir del análisis de las variables meteorológicas en la ciudad de Neiva Cina Research 2018 https://journals.uninavarra.edu.co/index.php/cinaresearch/article/view/134 [18] S. Ferahtia, H. Rezk, M. A. Abdelkareem, and A. G. Olabi, “Optimal techno-economic energy management strategy for building’s microgrids based bald eagle search optimization algorithm,” Applied Energy, vol. 306, pp. 118069, Jan. 2022, https://doi.org/10.1016/j.apenergy.2021.118069 Ferahtia S. Rezk H. Abdelkareem M. A. Olabi A. G. Optimal techno-economic energy management strategy for building’s microgrids based bald eagle search optimization algorithm Applied Energy, 2021 https://doi.org/10.1016/j.apenergy.2021.118069 [19] M. M. A. Seedahmed, M. A. M. Ramli, H. R. E. H. Bouchekara, M. S. Shahriar, A. H. Milyani, and M. Rawa, “A techno-economic analysis of a hybrid energy system for the electrification of a remote cluster in western Saudi Arabia,” Alexandria Engineering Journal, vol. 61, no. 7, pp. 5183–5202, Jul. 2022, https://doi.org/10.1016/j.aej.2021.10.041 Seedahmed M. M. A. Ramli M. A. M. Bouchekara H. R. E. H. Shahriar M. S. Milyani A. H. Rawa M. A techno-economic analysis of a hybrid energy system for the electrification of a remote cluster in western Saudi Arabia Alexandria Engineering Journal, 2021 https://doi.org/10.1016/j.aej.2021.10.041 [20] M. M. A. Seedahmed et al., “Optimal sizing of grid-connected photovoltaic system for a large commercial load in Saudi Arabia,” Alexandria Engineering Journal, vol. 61, no. 8, pp. 6523–6540, Aug. 2022, https://doi.org/10.1016/j.aej.2021.12.013 Seedahmed et al M. M. A. Optimal sizing of grid-connected photovoltaic system for a large commercial load in Saudi Arabia Alexandria Engineering Journal 2021 https://doi.org/10.1016/j.aej.2021.12.013 [21] S. Kumar, R. Sharma, S. Srinivasa Murthy, P. Dutta, W. He, and J. Wang, “Thermal analysis and optimization of stand-alone microgrids with metal hydride based hydrogen storage,” Sustainable Energy Technologies and Assessments, vol. 52, no. PA, p. 102043, Aug. 2022, https://doi.org/10.1016/j.seta.2022.102043 Kumar S. Sharma R. Srinivasa Murthy S. Dutta P. Wang J. Thermal analysis and optimization of stand-alone microgrids with metal hydride based hydrogen storage Sustainable Energy Technologies and Assessments 2022 https://doi.org/10.1016/j.seta.2022.102043 [22] H. Mohammadpourkarbasi and S. Sharples, “Appraising the life cycle costs of heating alternatives for an affordable low carbon retirement development,” Sustainable Energy Technologies and Assessments, vol. 49, Jul. 2021, p. 101693, Feb. 2022, https://doi.org/10.1016/j.seta.2021.101693 Mohammadpourkarbasi H. Sharples S. Appraising the life cycle costs of heating alternatives for an affordable low carbon retirement development Sustainable Energy Technologies and Assessments 2021 https://doi.org/10.1016/j.seta.2021.101693 [23] D. A. Figueroa Guerra, J. F. Culqui Tipan, M. D. Núñez Verdezoto, and O. D. Cruz Panchi, “Modelamiento de un sistema fotovoltaico conectado a la red considerando la variación de irradiancia solar en Homer Pro,” Ingeniería Investigación y Desarrollo, vol. 22, no. 1, pp. 60–71, Jun. 2022, https://doi.org/10.19053/1900771X.v22.n1.2022.14456 Figueroa Guerra D. A. Culqui Tipan J. F. Núñez Verdezoto M. D. Cruz Panchi O. D. Modelamiento de un sistema fotovoltaico conectado a la red considerando la variación de irradiancia solar en Homer Pro Ingeniería Investigación y Desarrollo 2022 https://doi.org/10.19053/1900771X.v22.n1.2022.14456 [24] O. Tang, J. Rehme, and P. Cerin, “Levelized cost of hydrogen for refueling stations with solar PV and wind in Sweden: On-grid or off-grid?,” Energy, vol. 241, no. 3, p. 122906, Feb. 2022, https://doi.org/10.1016/j.energy.2021.122906 Tang O. Rehme J. Cerin P. Levelized cost of hydrogen for refueling stations with solar PV and wind in Sweden: On-grid or off-grid? Energy 2021 https://doi.org/10.1016/j.energy.2021.122906 [25] C. Klemm and F. Wiese, “Indicators for the optimization of sustainable urban energy systems based on energy system modeling,” Energy Sustain Soc, vol. 12, no. 3, pp. 1–20, Jan. 2022, https://doi.org/10.1186/s13705-021-00323-3 Klemm C. Wiese F. Indicators for the optimization of sustainable urban energy systems based on energy system modeling Energy Sustain Soc 2022 https://doi.org/10.1186/s13705-021-00323-3 [26] A. K. Podder et al., “Feasibility Assessment of Hybrid Solar Photovoltaic-Biogas Generator Based Charging Station: A Case of Easy Bike and Auto Rickshaw Scenario in a Developing Nation,” Sustainability, vol. 14, no. 1, p. 166, Dec. 2021, https://doi.org/10.3390/su14010166 Podder A. K. Feasibility Assessment of Hybrid Solar Photovoltaic-Biogas Generator Based Charging Station: A Case of Easy Bike and Auto Rickshaw Scenario in a Developing Nation Sustainability 2021 https://doi.org/10.3390/su14010166 [27] M. F. Ishraque et al., “Optimal Sizing and Assessment of a Renewable Rich Standalone Hybrid Microgrid Considering Conventional Dispatch Methodologies,” Sustainability, vol. 13, no. 22, p. 12734, Nov. 2021, https://doi.org/10.3390/su132212734 Ishraque M. F. Optimal Sizing and Assessment of a Renewable Rich Standalone Hybrid Microgrid Considering Conventional Dispatch Methodologies Sustainability 2021 https://doi.org/10.3390/su132212734 [28] A. al Wahedi and Y. Bicer, “Techno-economic optimization of novel stand-alone renewables-based electric vehicle charging stations in Qatar,” Energy, vol. 243, p. 123008, Mar. 2022, https://doi.org/10.1016/j.energy.2021.123008 Bicer Y. Techno-economic optimization of novel stand-alone renewables-based electric vehicle charging stations in Qatar Energy 2021 https://doi.org/10.1016/j.energy.2021.123008 [29] A. I. Omar, N. M. Khattab, and S. H. E. Abdel Aleem, “Optimal strategy for transition into net-zero energy in educational buildings: A case study in El-Shorouk City, Egypt,” Sustainable Energy Technologies and Assessments, vol. 49, p. 101701, Feb. 2022, https://doi.org/10.1016/j.seta.2021.101701 Omar A. I. Khattab N. M. Abdel Aleem S. H. E. Optimal strategy for transition into net-zero energy in educational buildings: A case study in El-Shorouk City, Egypt Sustainable Energy Technologies and Assessments 2021 https://doi.org/10.1016/j.seta.2021.101701 [30] M. S. Okundamiya, “Integration of photovoltaic and hydrogen fuel cell system for sustainable energy harvesting of a university ICT infrastructure with an irregular electric grid,” Energy Convers Manag, vol. 250, p. 114928, Dec. 2021, https://doi.org/10.1016/j.enconman.2021.114928 Okundamiya M. S. Integration of photovoltaic and hydrogen fuel cell system for sustainable energy harvesting of a university ICT infrastructure with an irregular electric grid Energy Convers Manag 2021 https://doi.org/10.1016/j.enconman.2021.114928 [31] N. Majdi Nasab, J. Kilby, and L. Bakhtiaryfard, “Case Study of a Hybrid Wind and Tidal Turbines System with a Microgrid for Power Supply to a Remote Off-Grid Community in New Zealand,” Energies, vol. 14, no. 12, p. 3636, Jun. 2021, https://doi.org/10.3390/en14123636 Majdi Nasab N. Kilby J. Bakhtiaryfard L. Case Study of a Hybrid Wind and Tidal Turbines System with a Microgrid for Power Supply to a Remote Off-Grid Community in New Zealand Energies 2021 https://doi.org/10.3390/en14123636 [32] C. Ghenai, T. Salameh, and A. Merabet, “Technico-economic analysis of off grid solar PV/Fuel cell energy system for residential community in desert region,” Int J Hydrogen Energy, vol. 45, no. 20, pp. 11460–11470, Apr. 2020, https://doi.org/10.1016/j.ijhydene.2018.05.110 Ghenai C. Salameh T. Merabet A. Technico-economic analysis of off grid solar PV/Fuel cell energy system for residential community in desert region Int J Hydrogen Energy 2018 https://doi.org/10.1016/j.ijhydene.2018.05.110 [33] K. Rakhsia, M. Shezad, R. Yudhistira, N. Ruiz, A. Prasad, and G. Ropero, “Polygeneration System Design for Filipinas.” 2020. https://www.diva-portal.org/smash/get/diva2:1555554/FULLTEXT01.pdf Rakhsia K. Shezad M. Yudhistira R. Ruiz N. Prasad A. Ropero G. Polygeneration System Design for Filipinas 2020 https://www.diva-portal.org/smash/get/diva2:1555554/FULLTEXT01.pdf [34] M. Hunt and A. Benigni, “Sensitivity Analysis of Optimal Battery Sizing to Differences in Microgrid Use,” in 2019 International Conference on Clean Electrical Power (ICCEP), Jul. 2019, pp. 444–449. https://doi.org/10.1109/ICCEP.2019.8890179 Hunt M. Benigni A. Sensitivity Analysis of Optimal Battery Sizing to Differences in Microgrid Use 2019 https://doi.org/10.1109/ICCEP.2019.8890179 [35] S. A. Luthfi, Novizon, and R. Fahreza, “Cost of Energy Sensitivity Analysis of PV/Diesel with Hydro Pumped Storage for Mentawai Microgrid System,” in 2021 IEEE 4th International Conference on Computing, Power and Communication Technologies (GUCON), Sep. 2021, pp. 1–5. https://doi.org/10.1109/GUCON50781.2021.9573985 Luthfi S. A. Cost of Energy Sensitivity Analysis of PV/Diesel with Hydro Pumped Storage for Mentawai Microgrid System 2021 https://doi.org/10.1109/GUCON50781.2021.9573985 [36] M. Nur Sabrina Noorpi, K. Meng, X. Li, Z. Yang Dong, and W. Kong, “Zonal Formation for Multiple Microgrids using Load Flow Sensitivity Analysis,” in 2018 International Conference on Power System Technology (POWERCON), Nov. 2018, pp. 358–363. https://doi.org/10.1109/POWERCON.2018.8601576 Nur Sabrina Noorpi M. Meng K. Yang Dong Z. Kong W. Zonal Formation for Multiple Microgrids using Load Flow Sensitivity Analysis 2018 https://doi.org/10.1109/POWERCON.2018.8601576 [37] P. Jagadeesh, M. Mohamed Thameem Ansari, and M. Saiveerraju, “Optimal Power Management of an Educational Institution Using HOMER,” Journal of Electrical Engineering and Technology, vol. 16, no. 4, pp. 1793–1798, Jul. 2021, https://doi.org/10.1007/s42835-021-00713-9 Jagadeesh P. Mohamed Thameem Ansari M. Saiveerraju M. Optimal Power Management of an Educational Institution Using HOMER Journal of Electrical Engineering and Technology 2021 https://doi.org/10.1007/s42835-021-00713-9 [38] M. A. A. Rahmat et al., “An Analysis of Renewable Energy Technology Integration Investments in Malaysia Using HOMER Pro,” Sustainability (Switzerland), vol. 14, no. 20, Oct. 2022, https://doi.org/10.3390/su142013684 Rahmat M. A. A. An Analysis of Renewable Energy Technology Integration Investments in Malaysia Using HOMER Pro Sustainability 2022 https://doi.org/10.3390/su142013684 [39] G. K. Suman, J. M. Guerrero, and O. P. Roy, “Optimisation of solar/wind/bio-generator/diesel/battery based microgrids for rural areas: A PSO-GWO approach,” Sustain Cities Soc, vol. 67, p. 102723, Apr. 2021, https://doi.org/10.1016/j.scs.2021.102723 Suman G. K. Guerrero J. M. Roy O. P. Optimisation of solar/wind/bio-generator/diesel/battery based microgrids for rural areas: A PSO-GWO approach Sustain Cities Soc 2021 https://doi.org/10.1016/j.scs.2021.102723 [40] J. O. Oladigbolu, M. A. M. Ramli, and Y. A. Al-Turki, “Techno-Economic and Sensitivity Analyses for an Optimal Hybrid Power System Which Is Adaptable and Effective for Rural Electrification: A Case Study of Nigeria,” Sustainability, vol. 11, no. 18, p. 4959, Sep. 2019, https://doi.org/10.3390/su11184959 Oladigbolu J. O. Ramli M. A. M. Al-Turki Y. A. Techno-Economic and Sensitivity Analyses for an Optimal Hybrid Power System Which Is Adaptable and Effective for Rural Electrification: A Case Study of Nigeria Sustainability 2019 https://doi.org/10.3390/su11184959 [41] M. H. Jahangir and R. Cheraghi, “Economic and environmental assessment of solar-wind-biomass hybrid renewable energy system supplying rural settlement load,” Sustainable Energy Technologies and Assessments, vol. 42, p. 100895, Dec. 2020, https://doi.org/10.1016/j.seta.2020.100895 Jahangir M. H. Cheraghi R. Economic and environmental assessment of solar-wind-biomass hybrid renewable energy system supplying rural settlement load Sustainable Energy Technologies and Assessments 2020 https://doi.org/10.1016/j.seta.2020.100895 [42] F. Eze, J. Ogola, R. Kivindu, M. Egbo, and C. Obi, “Technical and economic feasibility assessment of hybrid renewable energy system at Kenyan institutional building: A case study,” Sustainable Energy Technologies and Assessments, vol. 51, p. 101939, Jun. 2022, https://doi.org/10.1016/j.seta.2021.101939 Eze F. Ogola J. Kivindu R. Egbo M. Obi C. Technical and economic feasibility assessment of hybrid renewable energy system at Kenyan institutional building: A case study Sustainable Energy Technologies and Assessments 2021 https://doi.org/10.1016/j.seta.2021.101939 [43] S. Sharma et al., “Modeling and sensitivity analysis of grid-connected hybrid green microgrid system,” Ain Shams Engineering Journal, vol. 13, no. 4, p. 101679, Jun. 2022, https://doi.org/10.1016/j.asej.2021.101679 Sharma S. Modeling and sensitivity analysis of grid-connected hybrid green microgrid system Ain Shams Engineering Journal 2021 https://doi.org/10.1016/j.asej.2021.101679 [44] S. Sharma and Y. R. Sood, “Optimal planning and sensitivity analysis of green microgrid using various types of storage systems,” Wind Engineering, vol. 45, no. 4, pp. 939–952, Aug. 2021, https://doi.org/10.1177/0309524X20941475 Sharma S. Sood Y. R. Optimal planning and sensitivity analysis of green microgrid using various types of storage systems Wind Engineering 2021 https://doi.org/10.1177/0309524X20941475 [45] P. Malik, M. Awasthi, and S. Sinha, “Techno-economic and environmental analysis of biomass-based hybrid energy systems: A case study of a Western Himalayan state in India,” Sustainable Energy Technologies and Assessments, vol. 45, p. 101189, Jun. 2021, https://doi.org/10.1016/j.seta.2021.101189 Malik P. Awasthi M. Sinha S. Techno-economic and environmental analysis of biomass-based hybrid energy systems: A case study of a Western Himalayan state in India Sustainable Energy Technologies and Assessments 2021 https://doi.org/10.1016/j.seta.2021.101189 [46] X. Yang, S. Liu, L. Zhang, J. Su, and T. Ye, “Design and analysis of a renewable energy power system for shale oil exploitation using hierarchical optimization,” Energy, vol. 206, p. 118078, Sep. 2020, https://doi.org/10.1016/j.energy.2020.118078 Yang X. Liu S. Zhang L. Design and analysis of a renewable energy power system for shale oil exploitation using hierarchical optimization Energy 2020 https://doi.org/10.1016/j.energy.2020.118078 [47] A. Oulis Rousis, D. Tzelepis, I. Konstantelos, C. Booth, and G. Strbac, “Design of a Hybrid AC/DC Microgrid Using HOMER Pro: Case Study on an Islanded Residential Application,” Inventions, vol. 3, no. 3, p. 55, Aug. 2018, https://doi.org/10.3390/inventions3030055 Oulis Rousis A. Tzelepis D. Konstantelos I. Booth C. Strbac G. Design of a Hybrid AC/DC Microgrid Using HOMER Pro: Case Study on an Islanded Residential Application Inventions 2018 https://doi.org/10.3390/inventions3030055 [48] D. I. Papaioannou, C. N. Papadimitriou, A. L. Dimeas, E. I. Zountouridou, G. C. Kiokes, and N. D. Hatziargyriou, “Optimization & Sensitivity Analysis of Microgrids using HOMER software- A Case Study,” in MedPower 2014, pp. 1–7, Nov. 2014. https://doi.org/10.1049/cp.2014.1668 Papaioannou D. I. Papadimitriou C. N. Dimeas A. L. Zountouridou E. I. Kiokes G. C. Hatziargyriou N. D. Optimization & Sensitivity Analysis of Microgrids using HOMER software- A Case Study 2014 https://doi.org/10.1049/cp.2014.1668 [49] V. V. V. S. N. Murty and A. Kumar, “Optimal Energy Management and Techno-economic Analysis in Microgrid with Hybrid Renewable Energy Sources,” Journal of Modern Power Systems and Clean Energy, vol. 8, no. 5, pp. 929–940, Sep. 2020, https://doi.org/10.35833/MPCE.2020.000273 Murty V. V. V. S. N. Kumar A. Optimal Energy Management and Techno-economic Analysis in Microgrid with Hybrid Renewable Energy Sources Journal of Modern Power Systems and Clean Energy 2020 https://doi.org/10.35833/MPCE.2020.000273 [50] H. Masrur, H. O. R. Howlader, M. Elsayed Lotfy, K. R. Khan, J. M. Guerrero, and T. Senjyu, “Analysis of Techno-Economic-Environmental Suitability of an Isolated Microgrid System Located in a Remote Island of Bangladesh,” Sustainability, vol. 12, no. 7, p. 2880, Apr. 2020, https://doi.org/10.3390/su12072880 Masrur H. Howlader H. O. R. Elsayed Lotfy M. Khan K. R. Guerrero J. M. Senjyu T. Analysis of Techno-Economic-Environmental Suitability of an Isolated Microgrid System Located in a Remote Island of Bangladesh Sustainability 2020 https://doi.org/10.3390/su12072880 [51] T. Khan, M. Waseem, H. A. Muqeet, M. M. Hussain, M. Yu, and A. Annuk, “3E analyses of battery-assisted photovoltaic-fuel cell energy system: Step towards green community,” Energy Reports, vol. 8, pp. 184–191, Dec. 2022, https://doi.org/10.1016/j.egyr.2022.10.393 Khan T. Waseem M. Muqeet H. A. Hussain M. M. Annuk A. 3E analyses of battery-assisted photovoltaic-fuel cell energy system: Step towards green community Energy Reports 2022 https://doi.org/10.1016/j.egyr.2022.10.393 [52] I. W. Son, Y. Jeong, S. Son, J. H. Park, and J. I. Lee, “Techno-economic evaluation of solar-nuclear hybrid system for isolated grid,” Appl Energy, vol. 306, no. PA, p. 118046, Jan. 2022, https://doi.org/10.1016/j.apenergy.2021.118046 Son I. W. Jeong Y. Son S. Park J. H. Lee J. I. Techno-economic evaluation of solar-nuclear hybrid system for isolated grid Appl Energy 2021 https://doi.org/10.1016/j.apenergy.2021.118046 [53] R. Chaurasia, S. Gairola, and Y. Pal, “Technical, economic, and environmental performance comparison analysis of a hybrid renewable energy system based on power dispatch strategies,” Sustainable Energy Technologies and Assessments, vol. 53, no. PD, p. 102787, Oct. 2022, https://doi.org/10.1016/j.seta.2022.102787 Chaurasia R. Gairola S. Pal Y. Technical, economic, and environmental performance comparison analysis of a hybrid renewable energy system based on power dispatch strategies Sustainable Energy Technologies and Assessments 2022 https://doi.org/10.1016/j.seta.2022.102787 [54] Congreso de la República de Colombia, “Ley 1715 del 13 de mayo de 2014,” 2014. http://www.upme.gov.co/normatividad/nacional/2014/ley_1715_2014.pdf Congreso de la República de Colombia Ley 1715 del 13 de mayo de 2014 2014 http://www.upme.gov.co/normatividad/nacional/2014/ley_1715_2014.pdf [55] Congreso de la República de Colombia, “Ley 2099 del 10 de julio de 2021,” 2021. https://dapre.presidencia.gov.co/normativa/normativa/LEY Congreso de la República de Colombia Ley 2099 del 10 de julio de 2021 2021 https://dapre.presidencia.gov.co/normativa/normativa/LEY [56] HOMER Pro, “HOMER Pro - Microgrid Software for Designing Optimized Hybrid Microgrids,”, 2022. https://www.homerenergy.com/products/pro/index.html (accessed Jan. 26, 2023). HOMER Pro HOMER Pro - Microgrid Software for Designing Optimized Hybrid Microgrids 2022 https://www.homerenergy.com/products/pro/index.html [57] IDEAM, “Atlas Interactivo - Radiación IDEAM.”, Accessed: Sep. 27, 2022. http://atlas.ideam.gov.co/visorAtlasRadiacion.html IDEAM Atlas Interactivo - Radiación IDEAM 2022 http://atlas.ideam.gov.co/visorAtlasRadiacion.html [58] IDEAM, “Atlas Interactivo - Vientos - IDEAM.”, (accessed Sep. 27, 2022). http://atlas.ideam.gov.co/visorAtlasVientos.html IDEAM Atlas Interactivo - Vientos - IDEAM http://atlas.ideam.gov.co/visorAtlasVientos.html [59] A. Singh, P. Baredar, and B. Gupta, “Computational Simulation & Optimization of a Solar, Fuel Cell and Biomass Hybrid Energy System Using HOMER Pro Software,” Procedia Eng, vol. 127, pp. 743–750, 2015, https://doi.org/10.1016/j.proeng.2015.11.408 Singh A. Baredar P. Gupta B. Computational Simulation & Optimization of a Solar, Fuel Cell and Biomass Hybrid Energy System Using HOMER Pro Software Procedia Eng 2015 https://doi.org/10.1016/j.proeng.2015.11.408 [60] M. Nurunnabi, N. K. Roy, E. Hossain, and H. R. Pota, “Size Optimization and Sensitivity Analysis of Hybrid Wind/PV Micro-Grids- A Case Study for Bangladesh,” IEEE Access, vol. 7, pp. 150120–150140, Oct. 2019, https://doi.org/10.1109/ACCESS.2019.2945937 Nurunnabi M. Roy N. K. Hossain E. Pota H. R. Size Optimization and Sensitivity Analysis of Hybrid Wind/PV Micro-Grids- A Case Study for Bangladesh IEEE Access 2019 https://doi.org/10.1109/ACCESS.2019.2945937 [61] J. R. Baral, S. R. Behera, and T. Kisku, “Design and Economic Optimization of Community Load Based Microgrid System Using HOMER Pro,” in 2022 International Conference on Intelligent Controller and Computing for Smart Power (ICICCSP), Jul. 2022, pp. 1–5. https://doi.org/10.1109/ICICCSP53532.2022.9862479 Baral J. R. Behera S. R. Kisku T. Design and Economic Optimization of Community Load Based Microgrid System Using HOMER Pro 2022 https://doi.org/10.1109/ICICCSP53532.2022.9862479 [62] M. Mehdi, N. Ammari, A. Alami Merrouni, H. El Gallassi, M. Dahmani, and A. Ghennioui, “An experimental comparative analysis of different PV technologies performance including the influence of hot-arid climatic parameters: Toward a realistic yield assessment for desert locations,” Renewable Energy, vol. 205, pp. 695–716, Mar. 2023, https://doi.org/10.1016/j.renene.2023.01.082 Mehdi M. Ammari N. Alami Merrouni A. El Gallassi H. Dahmani M. Ghennioui A. An experimental comparative analysis of different PV technologies performance including the influence of hot-arid climatic parameters: Toward a realistic yield assessment for desert locations Renewable Energy 2023 https://doi.org/10.1016/j.renene.2023.01.082 [63] C. E. Tello-Argüelles, M. J. Espinosa-Trujillo, D. M. Medina Carril, “Evaluación del efecto de la radiación solar sobre la superficie de un sistema fotovoltaico,” in, ECORFAN, 2020, pp. 196–209. https://doi.org/10.35429/H.2020.5.196.209 Tello-Argüelles C. E. Espinosa-Trujillo M. J. Medina Carril D. M. Evaluación del efecto de la radiación solar sobre la superficie de un sistema fotovoltaico 2020 https://doi.org/10.35429/H.2020.5.196.209 [64] S. A. Sadat, J. Faraji, M. Babaei, and A. Ketabi, “Techno‐economic comparative study of hybrid microgrids in eight climate zones of Iran,” Energy Sci Eng, vol. 8, no. 9, pp. 3004–3026, Sep. 2020, https://doi.org/10.1002/ese3.720 Sadat S. A. Faraji J. Babaei M. Ketabi A. Techno‐economic comparative study of hybrid microgrids in eight climate zones of Iran Energy Sci Eng 2020 https://doi.org/10.1002/ese3.720 Notas

CONFLICTOS DE INTERÉS DE LOS AUTORES

Todos los autores declaran que no hay conflicto de intereses.

CONTRIBUCIONES DE LOS AUTORES

Jersson García-García: conceptualización, metodología, software, análisis formal, investigación, redacción del documento, visualización

German Osma-Pinto: conceptualización, metodología, validación, análisis formal, investigación, edición del documento, visualización, supervisión.