Advanced Computational Tools for Generation-Load Monitoring and Control in Smart Grids
RESUMEN EN CASTELLANO Esta tesis doctoral explora las estrategias de gestión energética de una microrredes que incorpora vehículos eléctricos utilizando un algoritmo de optimización avanzado para abordar los desafíos causados por las incertidumbres asociadas con los vehículos eléctricos y las fuente...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universidad de Jaén |
| Repositorio: | RUJA. Repositorio Institucional de la Producción Científica de la Universidad de Jaén |
| OAI Identifier: | oai:ruja.ujaen.es:10953/6991 |
| Acceso en línea: | https://hdl.handle.net/10953/6991 |
| Access Level: | acceso abierto |
| Palabra clave: | Gestión de la energía redes inteligentes hidrógeno verde microrredes 3306 |
| Sumario: | RESUMEN EN CASTELLANO Esta tesis doctoral explora las estrategias de gestión energética de una microrredes que incorpora vehículos eléctricos utilizando un algoritmo de optimización avanzado para abordar los desafíos causados por las incertidumbres asociadas con los vehículos eléctricos y las fuentes de energía renovable, como la demanda de carga, la velocidad del viento, el tiempo de llegada y el estado de carga de los vehículos eléctricos. Se emplea el optimizador mejorado RUNge Kutta (IRUN) basado en las técnicas Weibull Flight Distribution (WFD) y Fitness-distance balance (FDB) para determinar las tasas de carga óptimas para vehículos eléctricos y minimizar los gastos operativos. Esta tesis también examina la producción de hidrógeno verde con microrredes que integran sistemas fotovoltaicos y de almacenamiento de energía. El análisis incluye los aspectos técnicos y económicos de este proceso destinado a mejorar la sostenibilidad al tiempo que se minimiza el consumo y se reduce la dependencia de la red, minimizando el esfuerzo computacional mediante el empleo de modelos de orden de reducción para sustituir el modelo de alta fidelidad del electrolizador. Además, se realiza un examen del consumo de energía relacionado con dos métodos distintos de producción de hidrógeno: uno que utiliza fuentes de energía renovables y el otro que emplea reformado de metano. RESUMEN EN INGLÉS This doctoral thesis explores energy management strategies of a Microgrids incorporating electric vehicles utilizing an advanced optimization algorithm to address the challenges caused by uncertainties associated with EVs and renewable energy resources, such as the load demand, the wind speed, the arrival time, and the state of charge of the EVs. The enhanced RUNge Kutta optimizer (IRUN) is employed based on the Weibull Flight Distribution (WFD) and Fitness-distance balance (FDB) techniques to determine optimal charging rates for electric vehicles and minimizing operational expenses. This thesis also examines the production of green hydrogen with microgrids that integrate photovoltaics and energy storage systems. The analysis includes both the technical and economic aspects of this process aimed at enhancing sustainability while minimizing consumption and reducing reliance on the grid. minimizing the computational effort by employing reduction-order modeling to substitute the high-fidelity model of the electrolyzer. Moreover, making an examination on the energy consumption related to two distinct hydrogen production methods: one that utilizes renewable energy sources and the other that employs methane reforming. |
|---|