Artificial recurrent neural networks for the distributed control of electrical grids with photovoltaic electricity

Resumen

El sistema eléctrico actual no ha evolucionado desde sus orígenes. Esto ha hecho que emerjan diferentes problemas los cuales son necesarios afrontar para incrementar el rendimiento de las redes eléctricas. Uno de estos problemas es el crecimiento de la demanda, mientras que otros, como las Tecnologías de la Información y las Comunicaciones (TIC) o la Generación Distribuida (GD), se han desarrollado dentro de la red eléctrica recientemente sin ser propiamente integradas dentro de ella. Esta Tesis afronta los problemas derivados del manejo y la operación de las redes eléctricas existentes y su evolución hacia lo que se consideran las redes eléctricas del futuro o Smart Grid (SG). El SG nace de la convergencia de cinco aspectos: i) la red eléctrica, ii) TICs, iii) energías renovables, iv) almacenamiento eléctrico y v) Gestión de la Demanda Eléctrica (GDE). Esta Tesis consiste en un primer paso hacia el SG uniendo e integrando los cinco aspectos claves para su desarrollo y despliegue en el futuro cercano. Para ello, la mejora del estado de la red eléctrica se consigue a través del suavizado del consumo agregado. Para lograr este objetivo, se propone el uso de un algoritmo que procese la información proveniente de las TICs para que todas las partes de la red eléctrica se puedan beneficiar. Algunos de estos beneficios son: mejor uso de las infraestructuras, reducción de su tamaño, mayor eficiencia, reducción de costes e integración de GD, entre otros. El algoritmo propuesto está basado en una aproximación distribuida en la que los usuarios son hechos partícipes de sus decisiones, siendo capaces de manejar sus flujos de potencia con este objetivo. El algoritmo se ha implementado siguiendo una estrategia basada en la GDE combinada con el control automático de la demanda que ayude a integrar los Recursos Energéticos Distribuidos (RED) (energías renovables y sistemas de almacenamiento eléctrico), que lo conducen hacia un concepto innovador denominado Gestión de la Activa de la Demanda Eléctrica (GADE). En esta Tesis, una aproximación basada en la Inteligencia Artificial (IA) ha sido utilizada para implementar el algoritmo propuesto. Este algoritmo ha sido construido utilizando Redes Neuronales Artificiales (RNAs), más concretamente Redes Neuronales Recurrentes (RNRs). El uso de RNAs ha sido motivado por las ventajas de trabajar con sistemas distribuidos, adaptativos y no lineales. Y la elección de las RNRs se ha basado en sus propiedades dinámicas, las cuales encajan perfectamente con el comportamiento dinámico no lineal de la red eléctrica. Además, un controlador neural es utilizado para manejar cada elemento de la red eléctrica, incrementado la eficiencia global a través del suavizado del consumo agregado y maximizando el autoconsumo de los RED disponibles. Sin embargo, no existe ningún tipo de comunicación entre los distintos individuos y la única información disponible es el consumo agregado de la red eléctrica. Finalmente, la mejora de la red eléctrica se ha conseguido de manera colectiva utilizando el algoritmo propuesto para coordinar la respuesta del conjunto de controladores neuronales.