Lógica Fuzzy para la recarga de vehículos eléctricos Proyecto realizado por: Rubén Pérez García Tutora: Mónica Alonso Martínez

Índice 1. Objetivos 2. ¿Qué es la lógica Fuzzy? 3. Optimización de la recarga 4.Resumen 5. Conclusiones 6. líneas de trabajo futuras 7. Presupuesto La presentación va a seguir el siguiente planteamiento

1.Objetivo Aplanar en la medida de lo posible la curva de carga de un sistema eléctrico usando para ello la recarga de vehículos eléctricos. Escogí este proyecto porque creo que el vehículo eléctrico es una alternativa viable y además aplanando la curva de demanda se reducen las fatigas térmicas de las centrales convencionales, lo que permite cierto ahorro en los mantenimientos de estas centrales.

Topologías de estudio Como se puede observar. Partimos de 4 curvas de carga. Cada curva representa una tipología diferente básica en cualquier país. Además tenemos una muestra de tendencia de una ciudad cualquiera de España.

2.¿Qué es la lógica Fuzzy? Es una técnica metaheurística de optimización Tiene su origen en la teoría de conjuntos difusos de Zadeh (años 60 S. XX) La principal diferencia con la lógica clásica es que la lógica fuzzy presenta grados . Las técnicas metaheurísticas incluyen todos los procesos que no tienen un algoritmo concreto para su resolución. Todas posen las siguientes características: Se ha de indicar cuando deben parar de solucionar Son aproximativos A veces pueden alejarse de una aproximación buena para buscar nuevos campos de soluciones Suelen ser problemas sencillos en los que la dificultad radica en mostrar una representación adecuada del espacio solución. Son generales, es decir, se pueden usare en cualquier problema de optimización Las soluciones nuevas dependen de eventos pasados. Las mas importantes son la búsqueda tabú, los algoritmos genéticos, la optimización de recarga y el recocido simulado. . La teoría de conjuntos difusos de Zadeh propone que un elemento siempre pertenece con cierto grado a un conjunto pero es imposible que pertenezca completamente. Esto permitió poder trabajar con incertezas en los ordenadores. . permite una transición mas continua entre 2 estados extremos. Según una lógica clásica. Una puerta o está abierta (1) o está cerrada (0) Según una lógica difusa. Una puerta puede estar abierta (1), bastante abierta (0.8), abierta a medias (0.5), casi cerrada (0.1) o cerrada (0) Dado que usa lenguajes imprecisos (bastante, poco, mucho) La lógica fuzzy es usada por tanto en situaciones altamente imprecisas donde se deben establecer unas referencias para una buena interpretación de los datos. “No es lo mismo la referencia de altura de una persona para un alemán que para un español”

¿Cómo trabaja la lógica fuzzy? Elección del sistema difuso «Fuzzyficación» Definición de mecanismo de inferencia difusa Definición de las Reglas Difusas «Defuzzyficación» . Se elige el sistema difuso. Existen 2 tipos. Sistemas Mamdani y sistemas Sugeno. . Se convierte a valores difusos los valores reales. Por ejemplo. El valor de un sensor se traduce en una variable lingüística de pertenencia (bastante, mucho, alrededor de,…) . Se definen métodos que deben ser sencillos, rápidos y eficaces. La representación de los conjuntos se lleva a cabo mediante el uso de funciones: Trapezoidales y triangulares, Exponenciales y Polinómicas. . Según el sistema difuso escogido se definen las reglas. En los sistemas Mamdani se usan condiciones If-Then que trabajan con variables lingüísticas de pertenecía. Los sistema Sugeno en cambio usan valores numéricos al haber una relación mas matemática entre las entradas y las salidas. Lo que da como resultado un numero . El sistema Mamdani necesita una defuzzyficación, puesto que necesita reconvertir en un valor real la solución lingüística a la que ha llegado. Existen varios métodos COMENTAR LA IMAGEN

3.Optimización de la recarga Horas Potencia Tendencia Energía disponible Para optimizar la recarga definimos 3 variables de entrada a partir de los datos de partida. La variable horas: representa los tramos horarios. Para hacerlo mas sencillo opté por asignar a un tramo de tiempo un intervalo característico de las curvas de demanda como pueden ser periodo punta, periodo vale, etc. La variable potencia indica la potencia que se está consumiendo en este momento sin incluir la carga de vehículos, representa los valores de potencia de la curva. La tendencia es la variable que define el comportamiento humano. Representa la «tendencia» de las personas a conectar su vehículo para la recarga. Como variable de salida tenemos la energía disponible. Consiste en el porcentaje de energía respecto del máximo puede aun conectarse. Como han podido observar. Las variables han sido fuzzyficadas usando funciones triangulares y trapezoidales. Quizás no sean las mas precisas pero son con las que se obtienen los resultados mas claros y con menos fallos de ejecución.

Estudios realizados En este proyecto tenemos 16 casos de estudio. De cada 1 de las 4 curvas dato obtenemos 4 casos mas. Así representamos los días de invierno laborables o no, y los días de verano laborables o no. Esto es importante puesto que la demanda disminuye en el periodo estival y en los días no laborables. Lo que se traduce en una mayor disponibilidad para la recarga. Por simplificación. He tomado los factores de variación en toda la curva. De esta manera se evita al creación de nuevas reglas.

Residencial con DHR visto de frente presenta este aspecto El conjunto solución es el siguiente La zona de colores representa la zona solución. Es decir fuera de esa zona coloreada no hay solución según como están las reglas establecidas.

Residencial con DHR La curva de carga obtenida Con el conjunto de reglas se obtiene: La curva de carga obtenida Los valores máximos de energía representados en la imagen corresponden al punto de menor potencia demandada con una tendencia media. Siendo el orden de arriba abajo invierno laborable, invierno festivo, verano laborable y verano festivo. La grafica que ilustra como queda la curva de carga está calculada teniendo en cuenta tendencias mas realistas acorde a los datos que tenemos.

Residencial sin DHR La solución en este caso presenta el siguiente aspecto.

Residencial sin DHR La curva de carga de esta tipología queda de la siguiente manera Con un valor de tendencia medio los valores máximos son: En este caso se observa que el valor máximo decrece en los valores de verano. Tras realizar varias pruebas llegué a la conclusión de que la definición de las horas como tramo horario puede dar soluciones aparentemente extrañas. Como se mencionó al principio. La lógica fuzzy no da valores concretos, sino aproximativos. Lo que demuestra a través de este caso que se deben crear las variables con una relación de pertenencia entre sí mayor. Aun obteniendo estos valores, se observa que son próximos entre sí. Por lo que se puede considerar una solución valida dada las simplificaciones que hemos realizado

Comercial Aspecto de la solución. Al igual que se ha mostrado en los anteriores casos, muestro la superficie solución desde 2 ángulos distintos.

Comercial La curva de carga queda de la siguiente manera Valores máximos en los 4 sub-casos La curva de carga queda de la siguiente manera nuevamente nos aparecen resultados aparentemente extraños. Y usando tendencias mas realistas obtenemos la siguiente curva de carga.

Industrial Solución De nuevo la solución queda mostrada desde diferentes ángulos

Industrial Curva de Carga Valores máximos Aquí se muestran los valores obtenidos para los 4 sub-escenarios Y la curva de carga queda de la siguiente manera.

4.Resumen ¡OBJETIVO CONSEGUIDO! Aquí muestro un resumen de las curvas solución mostrando el antes y el después de usar la lógica fuzzy. Como se puede observar el objetivo se ha conseguido. Todas las curvas presentan un mayor aplanamiento, haciendo su valor medio mas alto. La tipología que menos aprovecha la recarga del vehículo eléctrico es la tipología industrial. No presenta una gran variación respecto a la original, aunque si se mejora sobretodo en las ultimas horas del día. Creo que puede ser factible el emplear esta lógica a la curva anual y comparar el antes y el después y sopesar si es económicamente viable el uso de esta lógica para integrar la recarga de vehículos.

5. Conclusiones Las curvas presentan una menor variación entre el valor mas bajo que se da en el periodo valle y el valor de punta. Por lo que la curva esta mas aplanada. En general se aprovecha mucha energía para la recarga que era el objetivo del proyecto. Por lo que es factible la recarga de vehículos con este fin. Aunque la tipología industrial es la que menos mejora, también se ve beneficiada. Al detallar el estudio sobretodo para el peor de los escenarios (invierno laborable) podemos afirmar que se cumple para todos los días del año. Como acabo de mencionar, las conclusiones del estudio son las siguientes

6.Futuras líneas de trabajo Variable disponibilidad de vehículos Variable económica Variable horas mas ajustada Estas pueden ser unas futuras líneas de trabajo. . Incluyendo una variable de disponibilidad pueden obtenerse valores mas realistas de las curvas . Si además incluimos variables económicas como puede ser el precio de la energía, se puede influir en la tendencia . Ajustando la variable horas con mas tramos podemos hacer mas preciso el estudio por horas.

7.Presupuesto Equipo informático: 600€ Licencia de Matlab®: 300€ 5 meses x 4 semanas/mes x 20 horas semanales x 8€/h: 3.200€ Total: 4.100€

Gracias por su atención