Función de costos de incertidumbre para una celda de combustible alimentada por hidrógeno que proviene de la generación de energía renovable híbrida solar y eólica
Cargando...
Autores
Director
Tipo de contenido
Editor
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
En este trabajo se presenta y valida una metodología para determinar la función de costos de incertidumbre (UCF) en un sistema de hidrógeno verde con generación híbrida solar-eólica y celdas de combustible, que comprende las siguientes etapas: en primer lugar, se calcula analíticamente las UCF para las tecnologías solar fotovoltaica y eólica modelando la irradiancia y velocidad de viento por medio de distribuciones Lognormal y Rayleigh; en segundo lugar, se aplica el método de igualación de momentos para obtener la UCF del electrolizador. En tercer lugar, mediante simulaciones de Monte Carlo con un número de 10^5 iteraciones, se demuestra la robustez del modelo analítico alcanzando una alta precisión con errores relativos inferiores al 0,04% en las fuentes renovables y cercanos al 1,8% en la producción de hidrógeno. Finalmente, se integra este modelo en un esquema de optimización multiobjetivo usando el Algoritmo Genético de Clasificación No Dominada (NSGA-II) para una comunidad residencial urbana. Los resultados presentan un frente de Pareto que permite minimizar el costo de ciclo de vida, la interacción con la red y la incertidumbre operativa facilitando la toma de decisiones de diseño y escalabilidad. (Texto tomado de la fuente)
Abstract
In this work, a methodology is presented and validated to determine the uncertainty cost function (UCF) in a green hydrogen system with hybrid solar–wind generation and fuel cells. The methodology comprises the following stages: first, the UCF for wind and photovoltaic solar technologies is analytically calculated by modeling irradiance and wind speed using Lognormal and Rayleigh distributions; second, the method of moments matching is applied to obtain the UCF of the electrolyzer. Third, Monte Carlo simulations with 10^5 iterations demonstrate the robustness of the analytical model, achieving remarkable accuracy with relative errors below 0,04% for renewable sources and around 1,8% for hydrogen production. Finally, this model is integrated into a multi-objective optimization framework using the Non-dominated Sorting Genetic Algorithm (NSGA-II) for an urban residential community. The results present a Pareto front that allows minimizing life-cycle cost, grid interaction, and operational uncertainty, thus facilitating design and scalability decision-making.
Palabras clave propuestas
Descripción
ilustraciones a color, diagramas