Optimización en redes de energía

Andrés Ferragut - Universidad ORT Uruguay

Foro de 2a. transición energética: hacia la descarbonización de la demanda

Agosto 2024.

Algunos números

  • En Uruguay se vendieron 860.000 m3m^3 de gasolina en 2021.

  • Corresponden a 10300 millones de kms. (a 12 km/l)

  • Se requieren 1300 GWh anuales para sustituir la gasolina (a 0.125 kwh/km)

  • Uruguay consumió 11200 GWh en 2021, y exportó 2800 GWh, mayormente de fuentes renovables.

Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

La energía está:

Uruguay dispone de la energía eléctrica para electrificar todo su parque automotor inmediatamente.



Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Desafío:

Se requiere gestionar la demanda para evitar la congestión de la red eléctrica.



¿Cómo lo hacemos?: Optimización, optimización, optimización...

Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Nuestro equipo:

Grupo de Matemática Aplicada a Telecomunicaciones y Energía

Universidad ORT Uruguay


Investigadores:

  • Fernando Paganini (SNI Nivel III)
  • Andrés Ferragut (SNI Nivel II)

Colaborador:

  • Enrique Briglia
Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Proyectos y Estudiantes

  • Múltiples proyectos financiados a través del Fondo Sectorial de Energía (DNE-ANCAP-UTE-ANII) desde 2012.

    • Gestión de recarga de vehículos eléctricos y su integración inteligente con la red eléctrica, 2019-2021.

    • Red de recarga adaptativa para vehículos eléctricos. 2021-2022.

  • Una decena de estudiantes y graduados del grupo en estos años.

  • Mantenemos además colaboración activa con UdelaR y universidades del extranjero (Caltech, Johns Hopkins, Georgia Tech).

Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Aportes realizados

Mencionamos ahora algunos ejemplos de aportes que hemos construido en este tiempo.



Foco común: Incorporar estrategias de optimización y probabilidad para generar algoritmos con impacto práctico.

Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Ejemplo: agenda de vehículos

Consideremos un parking que ofrece servicio de carga de vehículos.

Pregunta:
Si tengo congestión, ¿en qué orden se deben cargar los vehículos?

¿En orden de llegada? Muy mala idea


Solución 1:
Priorizar por urgencia de la carga (tiempo de partida).

Mejor...pero tengo que confiar en los usuarios...

Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Ejemplo: agenda de vehículos

Solución 2:
Cargarlos en orden inverso al de llegada.

Contraintuitivo, pero aproxima perfectamente el algoritmo anterior sin necesidad de saber el tiempo de permanencia.


Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Ejemplo: gestión de demanda de EVs

Idea: Si tengo control sobre la carga puedo aprovechar la flexibilidad de los usuarios.

  • Ejemplo: en Canadá, 95% del tiempo los vehículos están parados.

  • Podemos optimizar la gestión de carga para minimizar el impacto en la red:

    • Disminuir picos de potencia.
    • Reducir el desbalance trifásico.

Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Ejemplo: ubicación de puestos de carga

Idea: a partir del consumo actual georreferenciado, diseñar una infraestructura de carga óptima para una región:


Solución: diseñamos un algoritmo de Machine Learning para estimar la demanda, y calculamos los puntos de ubicación óptima de cargadores.

Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Ejemplo: asignación dinámica de usuarios

Idea: estudiar cómo funciona la congestión en una red urbana de cargadores.

  • Los usuarios eligen el cargador más cercano?
  • O eligen uno que les proporcione más tiempo de carga/energía?

Pregunta: Si dejamos a los usuarios elegir de manera egoísta, ¿se llega a un equilibrio? ¿Es eficiente?

Resultado: Probamos que las decisiones egoístas alcanzan un equilibrio y caracterizamos su ineficiencia.

Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Ejemplo: asignación dinámica de usuarios

Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Conclusiones

  • Debemos adecuar la gestión de la red para evitar la congestión.

  • Debemos incorporar algoritmos y matemática para llevarlo a cabo.

  • El desafío ahora es incorporar la investigación en el desarrollo de nuevos proyectos.



Andres Ferragut, Universidad ORT Uruguay. Agosto 2024

Muchas gracias

Contacto: ferragut@ort.edu.uy

Website: https://aferragu.github.io

--- # Lo que los promedios esconden... * Esos **1300 GWh** serían demanda mayormente residencial. * La demanda residencial es 45% del total de energía actual. * **Resultado:** La demanda *residencial* de energía se incrementaría en un **25%**. <p /> <p /> <p /> Si además, consideramos que los vehículos se cargan de noche: * El consumo nocturno es un 70% del consumo medio residencial. * La energía a entregar en horas de la noche se **duplicaría**.