Sistema robusto de gestión predictiva de energía en redes de distribución con múltiples microrredes con inclusión de energías renovables

Abstract

Esta tesis aborda el desafío de modelar y optimizar la operación de sistemas de múltiples microrredes interconectadas (NMG) bajo condiciones de incertidumbre. Las microrredes, como evolución de los sistemas de distribución eléctrica, integran fuentes de generación distribuida —principalmente renovables— junto con sistemas de almacenamiento y cargas. Sin embargo, la variabilidad inherente a las fuentes renovables y al comportamiento de la demanda introduce importantes incertidumbres en su operación. El trabajo explora distintas metodologías para gestionar estas incertidumbres, enfocándose en la Optimización Robusta Distribucional (DRO) mediante la distancia de Wasserstein. Esta metodología se presenta como un enfoque intermedio entre la programación estocástica y la optimización robusta, ofreciendo una toma de decisiones más equilibrada, realista y menos conservadora frente a la incertidumbre. Se desarrolla un modelo de despacho económico para microrredes aisladas, utilizando el enfoque DRO-W para optimizar su operación. Además, se amplía el análisis a sistemas de múltiples microrredes interconectadas, introduciendo el concepto de energía transactiva para evaluar sus beneficios en el despacho eficiente de energía entre varias microrredes. Este estudio contribuye al desarrollo de herramientas para la gestión eficiente y confiable de sistemas energéticos distribuidos, incorporando las incertidumbres de las fuentes renovables y la demanda. De este modo, promueve la transición hacia sistemas energéticos más sostenibles, resilientes y orientados al futuro. (Texto tomado de la fuente).

This thesis addresses the challenge of modeling and optimizing the operation of interconnected multi-microgrid systems (NMG) under uncertainty. Microgrids, as an evolution of electrical distribution systems, integrate distributed generation sources—mainly renewables—alongside storage systems and loads. However, the inherent variability of renewable sources and demand behavior introduces significant uncertainties into their operation. The study explores various methodologies for managing these uncertainties, focusing on Distributionally Robust Optimization (DRO) using the Wasserstein distance. This approach offers a middle ground between stochastic programming and robust optimization, enabling more balanced, realistic, and less conservative decision-making under uncertainty. An economic dispatch model is developed for isolated microgrids, applying the DRO-W approach to optimize their operation. Additionally, the analysis extends to interconnected multi-microgrid systems, incorporating the concept of transactive energy to evaluate its benefits for efficient energy dispatch across multiple microgrids. This research contributes to the advancement of tools for efficient and reliable management of distributed energy systems by accounting for the uncertainties of renewable sources and demand. In doing so, it promotes the transition toward more sustainable, resilient, and future-oriented energy systems.