Optimización de un sistema fotovoltaico híbrido y la predicción de la demanda energética y variables climáticas utilizando la inteligencia artificial

• Autor: Peñalva Sánchez, Jhon Jhonathan
• Formato: tesis doctoral
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/27731
• Enlace del recurso: http://hdl.handle.net/20.500.14076/27731
• Nivel de acceso: acceso abierto
• Materia: Radiación solar; Demanda energética; Energía no renovable; Sistemas fotovoltaicos híbridos; Energía renovable; Algoritmo inteligente de optimización; Evolución diferencial; https://purl.org/pe-repo/ocde/ford#2.03.02

Los sistemas fotovoltaicos híbridos están teniendo gran atención en el campo de la energía renovable, debido a que son una solución energética confiable y sostenible para áreas remotas. Sin embargo, los principales desafíos que enfrenta este sistema son la variabilidad de las condiciones climática que afectan en la generación de energía y el dimensionamiento inadecuado que la hace menos eficiente y rentable. En base a lo mencionado, el primer objetivo de esta tesis doctoral se centra en evaluar diferentes modelos predictivos para estimar la demanda energética y condiciones climáticas (radiación solar y temperatura ambiente) con el fin de determinar un modelo predictivo con alta precisión y confiabilidad. Por otro lado, el segundo objetivo tiene como propósito diseñar un algoritmo que simule y optimice la operatividad dinámica de un sistema fotovoltaico híbrido, el cual determine de manera óptima las cantidades de sus componentes con la finalidad de minimizar el costo presente neto durante la vida del proyecto. Los resultados de la evaluación y comparación de modelos predictivos (SARIMA, ANN y LSTM) sobre la información del lugar en estudio, en forma de series temporales, han indicado que el modelo LSTM tiene un notable potencial predictivo con valores de MSE y RSME próximos a cero y un valor de R2 por encima de 0.97, con respecto a los otros modelos. Por otro lado, la simulación del sistema fotovoltaica híbrido apoyado por batería y diésel, mediante el programa HOMER, ha determinado las capacidades óptimas de sus componentes y obtenido mejores resultados del Costo Presente Neto (CPN), costo de la electricidad y la confiabilidad del sistema, que un sistema fotovoltaico apoyado únicamente con baterías. Así mismo, el desarrollo e implementación de un algoritmo evolutivo en la operatividad del sistema fotovoltaico híbrido (Fotovoltaico, Baterías) ha permitido determinar las cantidades óptimas de módulo fotovoltaico y baterías con un mínimo valor del CPN, costo de electricidad y un valor de probabilidad de pérdida de energía de cero, indicando la confiabilidad del sistema. Se ha identificado, en estos dos últimos estudios, que el tiempo de vida esperado de las baterías en un sistema fotovoltaico híbrido es un factor importante que hace que el costo de reemplazo aumente o disminuya generando cambios en el CPN del proyecto.