OPERACIÓN DE PARQUES EÓLICOS CON ALMACENAMIENTO DE ENERGÍA (BESS) 24 de Agosto de 2016 VII JORNADAS TÉCNICAS DE TRANSMISIÓN

Convenio de Investigación  ISAGEN y UniAndes establecieron un convenio de cooperación para el estudio de conexión de fuentes de energía eólica a sistemas de potencia.  Estudio de tecnologías:  Parques Eólicos  BESS  HVDC 2

Equipo de Investigación  UniAndes  DIEE  Prof. Mario A. Ríos (Director Proyecto de Investigación)  Prof. Gustavo Ramos  Ing. Diego Gómez  Ing. María Paula González  Ing. Andrés Vera  ISAGEN  Investigación y Desarrollo  Ing. Luis Alberto Posada  Ing. Hernán Palacios 3

Contenido  Estado del Arte BESS  Alternativas de implementación  Capacidad instalada  Usos de BESS  Requerimientos para generación renovable  Características de las tecnologías  Proyectos implementados  Metodología de dimensionamiento BESS  Modelamiento de BESS  Estudio de estado estable y análisis dinámico  Conclusiones y trabajos futuros 4

Estado del Arte 5 Fuente:

Alternativas de implementación 6 Fuente: International Electrotechnical Commission (IEC), «Electrical Energy Storage,» IEC, Ginebra, 2011 Las baterías de litio son consideradas de gran utilidad para soporte de la red. Las aplicaciones deseadas son: transporte de energía, gestión en el mercado de energía, sistemas de respaldo, regulación de frecuencia y control de fluctuaciones de generación eólica y fotovoltaica.

Capacidad instalada 7 Fuente: International Electrotechnical Commission (IEC), «Electrical Energy Storage,» IEC, Ginebra, 2011

Usos de BESS 8

 Ubicación óptima de BESS para reducir el número de contingencias críticas en la red.  Control de estados de carga y descarga con respecto a los periodos de máxima y mínima demanda, las condiciones de operación de la red y el escenario de despacho de energía. 9 Fuente: Haisheng Chen, Thang Ngoc Cong, Wei Yang, Chunqing Tan, Yongliang Li, Yulong Ding, Progress in electrical energy storage system: A critical review, Progress in Natural Science, Volume 19, Issue 3, 10 March 2009, Pages

Requerimientos para generación renovable 10 AplicaciónDescripciónCapacidadDuración Ciclos por año Vida útil (años) Generación renovable Regulación de frecuencia MW15 min> Reserva rodante MW1-5 horas-20 Aplanamiento de potencia & Intermitencias 1-10 MW distribuido/ MW centralizado 15 minutos Soporte de energía MW5-10 horas [1] Electric Power Research Institute (EPRI), «Electricity Energy Storage Technology Options,» EPRI, California, [2] International Electrotechnical Commission (IEC), «Electrical Energy Storage,» IEC, Ginebra, 2011.

Características de tecnologías BESS 11 [1] Electric Power Research Institute (EPRI), «Electricity Energy Storage Technology Options,» EPRI, California, [2] International Electrotechnical Commission (IEC), «Electrical Energy Storage,» IEC, Ginebra, AplicaciónTecnología Capacidad (MWh) Potencia (MW) Duración (horas) Eficiencia (%) Ciclos de carga Costo total (USD$/kW) Soporte del sistema e integración de energía renovable Sodium-Sulfur Advanced Lead-Acid Vanadium Redox > Zn/Br Redox > Fe/Cr Redox > Zn/Air Redox > Aplanamiento de potencia & Intermitencias Li-Ion0, , > Advanced Lead-Acid 0, , >

Características de tecnologías BESS 12 [1] Electric Power Research Institute (EPRI), «Electricity Energy Storage Technology Options,» EPRI, California, [2] International Electrotechnical Commission (IEC), «Electrical Energy Storage,» IEC, Ginebra, AplicaciónTecnología Capacidad (MWh) Potencia (MW) Duración (horas) Eficiencia (%) Ciclos de carga Costo total (USD$/kW) Almacenamiento de energía para aplicaciones de transmisión y distribución Advanced Lead- Acid 3, , Sodium-Sulfur7, Zn/Br Redox > Vanadium Redox > Fe/Cr Redox41475> Zn/Air5, Li-Ion Almacenamiento de energía para aplicaciones comerciales e industriales Advanced Lead- Acid 0,1-100, Sodium-Sulfur7, Zn/Br Flow0,6250, > Vanadium Flow0,6-40,2-1,23,5-3,365-70> Li-Ion0,1-0,80,05-0,

Proyectos implementados 13  Elkins, West Virginia – AES Laurel Mountain  Regulación de frecuencia e integración de energía renovable  BESS de 32MW/8MWh  Parque eólico de 98MW  Duke, Oklahoma  Regulación de frecuencia e integración de energía renovable.  BESS de 36MW/24MWh  Parque eólico de 200MW  Futumata, Japón  Control de intermitencias e integración de energía renovable.  BESS de 34MW  Parque eólico de 51MW  Tehachapi, California  Integración de energía renovable  BESS de 8MW/32MWh  Parque eólico de 660MW

Metodología de dimensionamiento 14 Fuente:

Métodos de dimensionamiento 15 Método de dimensionamientoParámetrosTécnica de solución Optimización de costos de operación y mantenimiento Estimación de beneficio total Procesos evolutivos Ingresos por generación Ingresos por estabilidad Ingresos por beneficio ambiental Gastos por almacenamiento Predicción de intermitencias con base en métodos probabilísticos y estadísticos Espectro de frecuencia de velocidad del viento Función de densidad de probabilidad Weibull/Beta Distribución de probabilidad del error de estimación Espectro Van Der Hoven Control de las intermitencias en la potencia de salida de las turbinas Medición de velocidad del viento Predicción de velocidad Lógica difusa/métodos metaheurísticos [3] Z. Y. Gao, P. Wang, L. Bertling y J. H. Wang, «Sizing of Energy Storage for Power Systems with Wind Farms Based on Reliability Cost and Wroth Analysis,» de Power and Energy Society General Meeting, 2011 IEEE, San Diego, [4] Y. Yuan, Q. Li y W. Wang, «Optimal operation strategy of energy storage unit in wind power integration based on stochastic programming,» IET Renewable Power Generation, vol. 5, nº 2, pp , Marzo [5] U. Hassan y D. Syke, «Wind structure and statistics,» de Freris, L. L. (ed.). Wind energy conversion systems, New York, [6] J. P. Barton y D. G. Infield, «A probabilistic method for calculating the usefulness of a store with finite energy capacity for smoothing electricity generation from wind and solar power,» Journal of Power Sources, vol. 162, nº 2, pp , 22 Noviembre [7] Y. V. Makarov, M. C. Kintner-Meyer, P. Du, C. Jin y H. F. Illian, «Sizing Energy Storage to Accommodate High Penetration of Variable Energy Resources,» IEEE Transactions on Sustainable Energy, vol. 3, nº 1, pp , Enero [8] W. Wang, C. Mao, J. Lu y D. Wang, «An Energy Storage System Sizing Method for Wind Power Integration,» Energies, vol. 6, nº 7, pp , [9] T. K. A. Brekken, A. Yokochi, A. Yokochi, Z. Z. Yen, H. M. Hapke y D. A. Halamay, «Optimal Energy Storage Sizing and Control for Wind Power Applications,» IEEE Transactions on Sustainable Energy, vol. 2, nº 1, pp , Enero 2011.

Metodología de dimensionamiento 16 Función objetivo y restricción: Modelos de referencia:  Potencia constante definida por el promedio en un periodo de regulación  Segmentación fija definida por la división del periodo de regulación en N intervalos.  Segmentación variable del periodo de regulación. Objetivo: Controlar las fluctuaciones del sistema al establecer una potencia de referencia deseada a la salida de un parque eólico de 400MW.Planteamiento: Problema de optimización en donde el modelo de referencia define la capacidad de almacenamiento requerida. [8] W. Wang, C. Mao, J. Lu y D. Wang, «An Energy Storage System Sizing Method for Wind Power Integration,» Energies, vol. 6, nº 7, pp , 2013.

Segmentación fija 17

Segmentación fija 18 Cálculo de potencia promedio de turbinas Definición de segmentos de regulación Definición de parámetros de algoritmo evolutivo Número de individuos Espacio de búsqueda Límites de solución para a y b k = 1 Cálculo de coeficientes a y b para el segmento correspondiente con evolución diferencial ¿k = N? k = k + 1 Si No Si Cálculo de potencia de turbinas eólicas con base en series de viento Capacidades para cada segmento [8] W. Wang, C. Mao, J. Lu y D. Wang, «An Energy Storage System Sizing Method for Wind Power Integration,» Energies, vol. 6, nº 7, pp , [10] C. Sosa and G. Leguizam, «Evolucion Diferencial con Factor de Mutacion Dinamico». Universidad Nacional de San Luis. Definición de parámetros de algoritmo evolutivo Número de individuos Espacio de búsqueda Límites de solución para a y b k = 1 Cálculo del perfil de potencia y definición de segmentos Inicialización de método metaheurístico Cálculo de segmentos Revisión de restricción y finalización

Resultados 19

Resultados 20

Resultados 21

Resultados 22 ResultadosCapacidad Batería [MW] Tiempo de convergencia [s] Promedio140,35- Segmentos 2116,6 (17%)3, ,1 (24%)8, ,6 (28%)22, ,12 (30%)227, ,67 (31%)501, ,84 (34%)821,57

Segmentación automática 23

Segmentación automática 24 Cálculo de potencia promedio de turbinas Cálculo de los N-1 puntos de la serie de viento con mayor variación k(2:N) Definición de parámetros de algoritmo evolutivo Número de individuos Espacio de búsqueda Límites de solución para a y b j = 1; i = 2 Cálculo de coeficientes a y b para el segmento k(j:i) con evolución diferencial ¿i = N+1? i = i + 1 Si No Si k(1) = t(1) k(N+1) = t(final) Si No Cálculo de potencia de turbinas eólicas con base en series de viento Capacidad ESS [8] W. Wang, C. Mao, J. Lu y D. Wang, «An Energy Storage System Sizing Method for Wind Power Integration,» Energies, vol. 6, nº 7, pp , [10] C. Sosa and G. Leguizam, «Evolucion Diferencial con Factor de Mutacion Dinamico». Universidad Nacional de San Luis. Cálculo del perfil de potencia Cálculo de puntos de máxima variación del perfil de generación Inicialización de método metaheurístico Cálculo automático de los segmentos de regulación Revisión de restricción y finalización

Resultados 25 Potencia Batería: 86,2 MW – 39%

Modelamiento de BESS 26 Fuente:

Modelo dinámico de BESS 27 [11] A. A. H. Hussein and I. Batarseh, «An overview of generic battery models,» 2011 IEEE Power and Energy Society General Meeting, San Diego, CA, 2011, pp [12] O. Tremblay, L. A. Dessaint and A. I. Dekkiche, «A Generic Battery Model for the Dynamic Simulation of Hybrid Electric Vehicles,» 2007 IEEE Vehicle Power and Propulsion Conference, Arlington, TX, 2007, pp

Límite de estabilidad 28 Restricción exacta: Restricción aproximada: [13] D. Bazargan, S. Filizadeh and A. Gole, «Stability analysis of converter-connected battery energy storage systems in the grid,» 2015 IEEE Power & Energy Society General Meeting, Denver, CO, 2015, pp. 1-1.

Control de potencia activa 29     + + [1] Electric Power Research Institute (EPRI), «Electricity Energy Storage Technology Options,» EPRI, California, [14] K. Saeed, «Battery Energy Storage Systems: Grid Applications, Technologies, and Modeling,» S&C Electric Company, IEEE SMARTGRID, Chicago, 2016.

Control de voltaje 30 [1] Electric Power Research Institute (EPRI), «Electricity Energy Storage Technology Options,» EPRI, California, [14] K. Saeed, «Battery Energy Storage Systems: Grid Applications, Technologies, and Modeling,» S&C Electric Company, IEEE SMARTGRID, Chicago,     + - -

Estudio de estado estable y análisis dinámico 31 Fuente:

Proceso de descarga 32 ElementoPotencia [MW] Parque eólico285 Batería1 Transformador286

Proceso de carga 33 ElementoPotencia [MW] Parque eólico285 Batería Transformador284

Análisis Dinámico Caso de estudio 34 Modelo agregado Parque Eólico de 400MW Modelo BESS de 90MW Conexión a la red

Análisis Dinámico Potencia constante 35 Proceso de descarga Proceso de carga

Análisis Dinámico Potencia variable 36 Proceso de descarga Proceso de carga

Conclusiones y trabajos futuros 37 Fuente:

Conclusiones  Bajo la concepción de la incorporación de generación renovable al sistema y al impacto de las fuentes intermitentes en la red, las baterías son una alternativa para la reducción de los efectos negativos de la operación de la energía eólica y una opción para obtener su máxima utilidad.  La condición actual de desarrollo de las baterías permite asociar estos dispositivos a aplicaciones de gran escala para futuros proyectos. La batería de litio, siendo la principal alternativa para aplicaciones de transmisión y generación, se encuentra en etapa comercial y de implementación. 38

Conclusiones  La capacidad instalada de las baterías depende del uso deseado para estos dispositivos. Para el control de fluctuaciones, esta capacidad se puede reducir (39%) aplicando los algoritmos de segmentación y evolución diferencial. Una reducción en la capacidad instalada puede verse reflejada en una reducción en los costos de inversión.  El modelo computacional de estos dispositivos es la base para los estudios y análisis de las baterías en los sistemas de potencia. Se emplea para observar que el almacenamiento responda adecuadamente ante las variaciones en la potencia generada. 39

Trabajos futuros  El estudio de calidad de la potencia para el análisis de distorsión armónica por parte del parque eólico y la batería es un trabajo que se encuentra en desarrollo.  Dependiendo de la naturaleza de la potencia inyectada por estos dos elementos, se desarrollará la apropiada recomendación para la mitigación de armónicos y el control de los indicadores de distorsión dentro de los rangos apropiados.  La implementación del control de esta metodología requiere de un modelo de predicción de la velocidad del viento. 40