Estrategias de despacho para la utilización de sistemas de almacenamiento de baterías en edificios optimizados para redes inteligentes

21st enero, 2022

Investigación de edificios optimizados para redes inteligentes (SGOB) que pueden responder a los precios de la electricidad en tiempo real mediante la utilización de sistemas de almacenamiento de baterías (BSS). Se evalúan diferentes características de diseño de edificios para evaluar el impacto en el uso de energía, la interacción con la batería y el potencial de cambio de carga máxima. Se seleccionaron dos casos extremos basados ​​en el consumo de energía anual mínimo y máximo para una mayor investigación a fin de evaluar su capacidad de utilizar BSS para realizar arbitraje, con precios en tiempo real. Se modelaron tres estrategias de despacho operativo para permitir que los edificios brinden dichos servicios. El edificio con mayor eficiencia energética fue capaz de desplazar un mayor porcentaje de sus cargas máximas y exportar más electricidad cuando esto estaba permitido.

By Andreas D. Georgakarakos

Departamento de Ingeniería Civil y Estructural, Universidad de Sheffield, Reino Unido

Y behrang vand

Escuela de Ingeniería y Medio Ambiente Construido, Universidad Napier de Edimburgo, Reino Unido

Y Elizabeth Abigail Hathway

Departamento de Ingeniería Civil y Estructural, Universidad de Sheffield, Reino Unido

Y Martín Mayfield

Departamento de Ingeniería Civil y Estructural, Universidad de Sheffield, Reino Unido

Resumen

Este estudio investiga los edificios optimizados para redes inteligentes (SGOB) que pueden responder a los precios de la electricidad en tiempo real mediante la utilización de sistemas de almacenamiento de baterías (BSS). Se evalúan diferentes características de diseño de edificios para evaluar el impacto en el uso de energía, la interacción con la batería y el potencial de cambio de carga máxima. Se seleccionaron dos casos extremos basados ​​en el consumo de energía anual mínimo y máximo para una mayor investigación a fin de evaluar su capacidad de utilizar BSS para realizar arbitraje, con precios en tiempo real. Se modelaron tres estrategias de despacho operativo para permitir que los edificios brinden dichos servicios.

El edificio con mayor eficiencia energética fue capaz de desplazar un mayor porcentaje de sus cargas máximas y exportar más electricidad, cuando esto estaba permitido. Cuando se usó la batería más grande (220 kWh) solo para satisfacer las cargas del edificio, el edificio energéticamente eficiente pudo cambiar el 39.68 % de sus cargas máximas originales en comparación con el 33.95 % del edificio menos eficiente. Con las exportaciones permitidas, los porcentajes de desplazamiento se redujeron al 31.76% y 29.46%, respectivamente, mientras que las exportaciones de 18.08 y 16.34 kWh/m² tuvo lugar La formación de un marco regulatorio es vital para establecer los motivos adecuados para que los edificios asuman un papel activo en la red inteligente.

1. Introducción

El sector de la construcción es responsable de un porcentaje significativo del consumo de energía y de las emisiones de gases de efecto invernadero en todo el mundo [1]. Cuando se trata de las necesidades de electricidad del sector, se espera que la demanda de electricidad aumente en el futuro dependiendo de muchos parámetros, incluido el grado de electrificación de la calefacción de espacios en edificios, la utilización de bombas de calor y vehículos eléctricos. Una mayor adopción de estas tecnologías dará como resultado cargas máximas más altas y ejercerá presión sobre la infraestructura de la red [1,2].

Las ramificaciones de las cargas eléctricas máximas son significativas para el medio ambiente y la economía, ya que se necesita una costosa generación de energía intensiva en carbono, lo que a menudo genera serios problemas para las redes de distribución de bajo voltaje y su capacidad. Las cargas máximas pueden generar desequilibrios entre la oferta y la demanda que, en consecuencia, provocan fluctuaciones en el precio de la electricidad en los mercados mayoristas. Es probable que estos desequilibrios estén presentes incluso en una red descarbonizada debido a la intermitencia introducida por las fuentes de energía renovable (RES), las condiciones climáticas estacionales y la utilización de las tecnologías emergentes mencionadas anteriormente [3]. Más específicamente, debido a la naturaleza estocástica de las FER y la incertidumbre en torno a sus características de producción, los operadores de la red no pueden controlar esa producción de energía; por lo tanto, programar y distribuir su energía no es tan flexible como con los generadores eléctricos tradicionales como las centrales térmicas y las hidroeléctricas. Este efecto tiene el potencial de introducir fluctuaciones de frecuencia y voltaje que pueden afectar el equilibrio y la estabilidad de la red [4]. Se necesitan con urgencia mecanismos que proporcionen flexibilidad temporal a través de la gestión de la demanda máxima para la futura operación de la red eléctrica.

A nivel del edificio, las reducciones optimizadas de la demanda máxima pueden tener lugar a través del control coordinado de las cargas del edificio, a menudo llamado respuesta a la demanda (DR), generación local de electricidad (por ejemplo, fotovoltaica) y almacenamiento de energía. Al controlar sus cargas de calefacción, ventilación y aire acondicionado (HVAC) a lo largo del tiempo, los edificios pueden responder a la demanda siguiendo las señales de reducción de la demanda de la red eléctrica y generar ahorros significativos [5,6,7,8,9,10]. DR también se puede llevar a cabo en sinergia con otras tecnologías energéticas, como calor y electricidad combinados (CHP), almacenamiento y RES [11,12,13]. Temporalmente, se puede clasificar como DR diario (lento), intradiario o auxiliar (rápido), indicando con qué anticipación se disponen sus especificaciones. El marco DR se puede aplicar tanto en edificios nuevos como existentes [14].

DR generalmente se entrega a través de programas basados ​​en incentivos y precios [15]. Para implementar DR, es vital conocer y comprender la cantidad de energía utilizada por un edificio, por día y por hora. La capacidad de un edificio para modificar su demanda y la rapidez con la que puede tener lugar esta respuesta varía de un edificio a otro y depende de diferentes parámetros, incluida la configuración HVAC [16], método de producción de agua caliente sanitaria (ACS), así como la presencia de baterías de almacenamiento y energías renovables [17]. Es esencial reconocer y comprender el potencial de reducción de la demanda máxima y las capacidades presentadas bajo diferentes estrategias de DR para varios tipos de edificios, en diferentes climas y perfiles de ocupación [18].

El almacenamiento de energía integrado en edificios, como las baterías, puede permitir que los edificios gestionen su demanda y reduzcan sus picos de carga, aliviando la presión sobre la red eléctrica [2]. Además, pueden almacenar electricidad cuando se produce un exceso de generación de FER. Además, el almacenamiento de energía puede proporcionar servicios de red como energía de reserva, servicios auxiliares para respuesta de frecuencia y regulación, facilitar la integración de FER en el sistema y ofrecer más control a los consumidores finales [19]. Actualmente, los principales servicios de balance son adquiridos por National Grid en Gran Bretaña para lograr un equilibrio entre la oferta y la demanda. Están abiertos a generadores, grandes consumidores o ambos. Para cada servicio existen especificaciones en cuanto al tiempo de respuesta necesario, duración mínima y potencia suministrada. Las recompensas incluyen disponibilidad (GBP/MW/h), utilización (GBP/MWh) y tarifa de nominación (GBP/hora) [20]. Por lo tanto, es importante comprender el potencial que se puede desbloquear al implementar un sistema de almacenamiento de energía (ESS) a nivel de edificio y brindar servicios a la red.

Un resumen de las tecnologías energéticas seleccionadas para edificios junto con sus aplicaciones se puede ver en Tabla 1. El almacenamiento de energía es capaz de proporcionar una amplia variedad de servicios en varias partes de la red y combinarlo con otras tecnologías se ha evaluado ampliamente en [21,22,23]. Si bien hay muchas opciones disponibles para los edificios, se requiere una evaluación técnico-económica caso por caso para evaluar la rentabilidad de cualquier esquema sugerido. Hay muchos estudios de casos que investigan tecnologías energéticas en edificios; sin embargo, la literatura es escasa sobre la utilización de baterías de almacenamiento en edificios con diferentes características de diseño.

Se puede concluir que se espera que el sector de la construcción, como principal consumidor de energía, desempeñe un papel fundamental en el desarrollo de futuros sistemas de energía inteligente y la futura red inteligente a través de una variedad de mecanismos diferentes, como el comercio de energía en tiempo real, DR, autogeneración, energías renovables descentralizadas y almacenamiento de energía [24,25]. Estos mecanismos permitirán que los edificios pasen de elementos pasivos a jugadores activos al cooperar en la operación de la red.

Sin embargo, esta cooperación requerirá una relación más estrecha entre el sector de la edificación y el de la energía [5,14,26] así como la capacidad del edificio para almacenar energía, por ejemplo con baterías [27]. Un estudio de caso reciente destacó que establecer un marco regulatorio adecuado y motivos financieros se consideró esencial para hacer que el almacenamiento en baterías sea atractivo y rentable para los inversores potenciales [28].

Actualmente, existen muchas barreras importantes bajo los regímenes regulatorios y económicos actuales que impiden que ES participe en los mercados de electricidad y contribuya a las innovaciones tecnológicas. Estos han sido bien resumidos por [29,30,31].

Tabla 1. Estudió tecnologías energéticas en edificios y sus aplicaciones en publicaciones seleccionadas.

El concepto de SGOB se mencionó por primera vez en [45], mientras [28] presentó los resultados iniciales para un escenario de construcción, mostrando cómo el arbitraje de la batería puede cambiar el perfil de electricidad del edificio. El documento actual reconoce el potencial del almacenamiento integrado en el edificio para los beneficios tanto del edificio como de la red eléctrica. La combinación de almacenamiento de energía y energías renovables, así como los algoritmos de optimización para el arbitraje de almacenamiento de energía hidroeléctrica por bombeo (PHES, por sus siglas en inglés), se encuentran a menudo en la literatura. Sin embargo, la mayoría de los estudios de PHES se han centrado en el aspecto financiero de la operación de almacenamiento al maximizar los flujos de ingresos y, por lo tanto, la rentabilidad de tales esquemas.

De acuerdo con la revisión de la literatura, el uso de BSS en edificios para realizar un recorte de picos basado en diferentes escenarios técnicos (tanto de diseño de edificios como de tamaños de BSS) y de arbitraje no se ha investigado antes. Por lo tanto, este estudio evalúa la utilización de la batería como una tecnología independiente, sin el uso simultáneo de energías renovables en los edificios, para reducir las cargas máximas. De esta forma, se tienen en cuenta diferentes edificios en términos de acristalamiento y aislamiento, ya que el diseño del edificio afecta los perfiles de carga diarios y anuales. Para lograr esto, los algoritmos de arbitraje desarrollados utilizan la demanda de electricidad por hora de diferentes edificios, los precios de electricidad por hora de la red y las especificaciones técnicas de BSS. Además, se estudia un análisis de costo-beneficio para períodos de 10 y 20 años para cuantificar el motivo financiero requerido para hacer que BSS sea económicamente atractivo para los propietarios de edificios. Las novedades de este estudio forman la interacción entre los requisitos dinámicos de energía del edificio y el costo de la electricidad mientras se usa una batería para reducir los requisitos de carga máxima.

En resumen, este artículo de investigación examina una combinación de parámetros únicos que incluyen el diseño de edificios, las estrategias de despacho operativo, los tamaños de BSS y la economía a largo plazo para comparar el potencial SGOB de diferentes edificios. Este trabajo da el primer paso vital hacia el establecimiento de un marco regulatorio para el arbitraje de baterías en el sector de la construcción para comprender la idoneidad de los edificios para convertirse en SGOB.

2. Metodología

Se presentan tres estrategias operativas (despacho) desde el punto de vista tecnoeconómico, según las cuales los BSS se implementan a nivel de edificio para llevar a cabo el arbitraje energético respondiendo a los precios de la electricidad en tiempo real, cambiando su perfil eléctrico diario y proporcionando de esta manera servicio a la red. La función objetivo del modelo de arbitraje es los costos operativos más bajos; comprar electricidad cuando los costos son bajos para usar dentro del edificio o venderla a la red en un momento posterior. Los resultados se evalúan finalmente con respecto al consumo total de electricidad, las horas pico recortadas y el costo neto en función del impacto relativo del diseño del edificio, el tamaño de la batería y el inversor y las estrategias de despacho.

Las simulaciones de construcción se utilizan para estimar las cargas de electricidad por hora a lo largo de un año completo. Los resultados de salida de las simulaciones de edificios incluyen el consumo de electricidad del edificio por hora (kWh), mientras que la salida de la tarificación de la electricidad en tiempo real incluye los precios minoristas de electricidad por hora (GBP/kWh); estos datos se utilizan como entrada del BSS. Los tres elementos principales junto con sus características examinadas se resumen a continuación, en Figura 1, mientras Figura 2 demuestra el proceso de modelado y el software utilizado junto con las entradas y salidas clave.

Figura 1. Principales elementos de investigación y sus características.

Figura 2. Metodología de modelado, entradas y salidas.

2.1. Especificaciones de construcción

En esta sección, se explican los parámetros clave del edificio elegido junto con sus características y valores, con respecto al diseño, la estructura, la configuración HVAC, las cargas del edificio y las simulaciones.

2.1.1. Diseño y Estructura

Una geometría común de edificio comercial de cuatro plantas, ocupando cada una 625 m² de superficie total construida. Cada piso incluye dos zonas: una oficina de planta abierta (Zona 1) y una pequeña área genérica de recepción/escalera/ascensor, ubicada en el centro del piso (Zona 2). La zona 2 se separa del resto de la planta mediante un tabique interior. Los edificios varían en términos de tres características clave de diseño, como se muestra en Tabla 2:

Tabla 2. Propiedades de Escenarios de Construcción.

• Envoltura de construccion. Esta característica se refiere a la transmitancia térmica de los elementos de la envolvente y su hermeticidad. La primera categoría cumple con los reglamentos de construcción como se describe en la Parte L [46] mientras que Best Practice es más eficiente energéticamente con valores U de envolvente más bajos, junto con menos infiltración externa. En cuanto a la estanqueidad al aire, se utilizan plantillas de grietas para calcular la infiltración externa que se produce por grietas superficiales o por la porosidad general del tejido, como se explica en [47]. La envolvente determina las condiciones climáticas interiores y, en consecuencia, la demanda adicional de calefacción y refrigeración necesaria. Los parámetros de la envolvente se presentan en Tabla 3;
• Masa térmica. Se supone que los edificios livianos incluyen revestimientos metálicos con yeso, mientras que los edificios pesados ​​consisten en ladrillo, hormigón y yeso en sus respectivas paredes externas. La masa térmica es responsable del retraso en el intercambio de calor (retraso térmico) entre el interior del edificio y el ambiente exterior, dependiendo de las propiedades de los materiales de construcción utilizados [48];
• Relación ventana-pared. Para esta categoría se consideran edificios con 30% y 80% de vidrio. El acristalamiento se considera uno de los puntos de control más débiles en el rendimiento térmico de los edificios, ya que las pérdidas de calor y la ganancia solar se producen a través de las ventanas.49].

Finalmente, en cuanto a su ocupación, los edificios se ocupan entre las 8 am y las 6 pm, solo entre semana, mientras que los ajustes de control ambiental siguen las pautas de CIBSE [50].

Tabla 3. Propiedades de Building Envelope para los edificios simulados.

2.1.2. Configuración de HVAC y cargas de construcción

Los edificios son completamente eléctricos, ya que las bombas de calor geotérmicas (GSHP) se utilizan tanto para calefacción como para refrigeración. Los valores del coeficiente de rendimiento (CoP) de la bomba de calor (3.5 y 5, respectivamente) se consideran constantes e iguales a los COP estacionales. La ventilación mecánica se utiliza para cumplir con los requisitos mínimos de aire de los ocupantes (10 L/s·persona), así como para proporcionar enfriamiento gratuito siempre que la temperatura interior sea superior al punto de ajuste de enfriamiento. Se utiliza un economizador para proporcionar enfriamiento gratuito durante las horas ocupadas, a una velocidad máxima de dos cambios de aire por hora. El enfriamiento nocturno solo se realiza entre el 31 de mayo y el 30 de septiembre, para los edificios pesados. La energía auxiliar se supone constante durante todo el año. Las temperaturas de consigna y de retroceso son 22 °C y 12 °C para calefacción, mientras que los valores respectivos utilizados para refrigeración son 27 °C y 23 °C. Finalmente, las cargas de equipo de las estaciones de trabajo de escritorio son de 9.06 W/m² mientras que para la iluminación se utiliza LED empotrable con control lineal, con 10.6 W/m² y 7.4 W/m² para la oficina y el área de recepción, respectivamente, para cumplir con los objetivos de iluminancia de 500 y 200 lux.

2.1.3. Simulaciones de construcción

Las cargas del edificio se calcularon utilizando DesignBuilder, que utiliza el motor de simulación EnergyPlus integrado, que es una herramienta de software de simulación de energía de edificios reconocida y aceptada, capaz de modelar HVAC y otros flujos de energía en un edificio y, por lo tanto, ampliamente utilizado para estimar la energía del edificio. rendimiento [51,52]. Figura 3 demuestra la interoperabilidad entre la interfaz gráfica de usuario (GUI) de DesignBuilder y el motor de simulación EnergyPlus. En cuanto al control de temperatura y las temperaturas internas de consigna y de retroceso utilizadas, para las simulaciones se considera la temperatura operativa y por lo tanto fracciones iguales de ambiente y radiante. El confort térmico de los ocupantes se mantiene, incluso en los edificios muy acristalados. Las horas de incomodidad, basadas en el estándar simple ASHRAE 55, se normalizaron por área de piso y se eligieron cuatro pasos de tiempo por hora para los cálculos del modelo de balance de calor de la zona [53].

Figura 3. Interoperación entre la interfaz gráfica de usuario de DesignBuilder y EnergyPlus (adaptado de [51]).

La ubicación elegida es el Aeropuerto de Birmingham, Reino Unido (UK) con una Zona Climática 5C de ASHRAE. Se utilizaron los datos meteorológicos de ubicación de IWEC. No se observa el horario de verano para evitar cambios temporales en el perfil eléctrico de los edificios.

2.2. Datos de precios de electricidad en tiempo real

Los precios mayoristas de electricidad se obtuvieron de NordPool, para el mercado diario [54,55]. El costo mayorista de la electricidad doméstica constituyó solo el 33.6% de la factura eléctrica doméstica total, en 2017 [56]. Otros parámetros incluyen los costos operativos, el margen antes de impuestos del proveedor, los costos de la red, los costos de las obligaciones ambientales y sociales, así como el IVA. Para los precios de la electricidad fuera del país, no hay valores fácilmente disponibles proporcionados por Ofgem y, por lo tanto, se tuvo que calcular el porcentaje mayorista, en función de los datos informados por las declaraciones segmentadas consolidadas de los seis mayores proveedores de electricidad del Reino Unido.

Para poder convertir los costos mayoristas a nivel minorista, se supone que el porcentaje mayorista se mantiene constante durante todo el año. La contribución real del coste mayorista a la factura eléctrica final puede variar horariamente, según las circunstancias. Por lo tanto, la Ecuación (1) se usa para la conversión de mayorista a minorista.

Finalmente, también hay que tener en cuenta que mientras que el tipo reducido de IVA del 5% se aplica al consumo de electricidad doméstica, la energía no doméstica tributa al tipo normal del 20% [57]. El estudio actual calculó que la contribución mayorista al precio de la electricidad no doméstica, informada por Ofgem como "costos directos de combustible", es del 36.6%, que es alrededor de un 3% más que su valor respectivo para la electricidad doméstica [58]. Figura 4 presenta los valores máximos, mínimos y medios por día para 2017 de los precios minoristas de electricidad calculados. Se muestra que la diferencia diaria entre el precio más bajo y el más alto constituye la base del arbitraje eléctrico.

Figura 4. Precios minoristas de electricidad por horas diarias en tiempo real para 2017.

2.3. Modelo de almacenamiento de batería

El modelo BSS consta del banco de baterías, un inversor, un rectificador y el controlador. La batería se puede descargar para cumplir con las cargas del edificio o exportar electricidad a la red. El rectificador y el inversor se combinan en un inversor bidireccional, también llamado convertidor bidireccional [59]. La entrada del modelo incluye los valores del edificio que se han generado a partir de las simulaciones de edificios y los precios minoristas de electricidad por hora para configurar la operación BSS, en función de la estrategia del algoritmo de control aplicado. En cuanto al dimensionamiento de los componentes del BSS, se supone que el BSS es capaz de descargar la capacidad total utilizable de la batería en un máximo de 2 h y cargarla en menos de 3 h. Se consideraron diez tamaños de batería entre 40 y 220 kWh, con un paso de 20 kWh.

Este estudio ha adoptado un algoritmo de arbitraje, diseñado originalmente para la utilización de PHES a gran escala, como se presenta en detalle y se utiliza en [60,61,62]. En este estudio, se han realizado cambios significativos para que el algoritmo se adapte a las características únicas de la escala del edificio. Su objetivo común es hacer que el algoritmo tenga en cuenta las cargas horarias del edificio para decidir si operar la batería o no. Las variables del modelo se enumeran en Tabla 4 junto con sus unidades.

Tabla 4. Variables clave del modelo de almacenamiento de batería y sus unidades.

2.3.1. Estrategias de algoritmos de control

El modelo BSS opera cada hora y el algoritmo tiene en cuenta los precios de la electricidad en tiempo real para el día siguiente. Se supone que los precios del día siguiente se anuncian a medianoche y que es posible predecir perfectamente el consumo de energía del edificio para el día siguiente con antelación. Con todos los datos mencionados anteriormente, la rutina se realiza 365 veces, cada una de las cuales cubre un día del año. El principio del algoritmo es preprogramar las operaciones de carga y descarga de la batería; por lo tanto, la carga no puede tener lugar sin la descarga y viceversa.

Cuando se descarga, la operación de la batería puede tener una de las siguientes dos formas: (a) cumplir con las cargas del edificio local o (b) exportar de nuevo a la red. En este sentido, se han considerado un total de tres estrategias operativas, examinando cada una de ellas al menos una forma de funcionamiento de la batería. Además, es importante examinar el impacto del funcionamiento de la batería y las exportaciones adicionales que tienen lugar, durante los días no laborables, cuando no hay cargas del edificio presentes; por lo tanto, las combinaciones de los elementos anteriores llevaron a la formulación de tres estrategias individuales: E7, E5 y E0. Bajo E7, ambas formas de operación con batería están permitidas durante toda la semana, incluidas las exportaciones a la red cuando hay un exceso de electricidad almacenada en la batería. Además, E0 utiliza toda la electricidad almacenada para satisfacer las cargas del edificio, durante los días laborables de la semana, sin que se permitan las exportaciones. Finalmente, como escenario intermedio, E5 permite ambas formas, pero solo durante los días hábiles de la semana. Una descripción general de las estrategias operativas se muestra a continuación, en Tabla 5.

Tabla 5. Descripción general de las estrategias operativas.

2.3.2. Estrategia Operativa E7: Exportaciones Permitidas con Ingresos Minoristas

La primera estrategia operativa identifica las horas más baratas y más caras del día y programa el BSS para aprovechar la diferencia de precio. El proceso se refiere a un día y se repite hasta el final de un año calendario y hasta que todos los períodos (8760 h) hayan sido examinados para determinar su idoneidad para el funcionamiento con batería. No se hace distinción entre días laborables y no laborables (NWD) y, por lo tanto, el algoritmo hace funcionar la batería tantas veces como sea técnicamente posible. El diagrama de flujo combinado para ambas estrategias operativas E7 y E5 se presenta en Figura 5.

Figura 5. Flujograma de Arbitraje con Exportaciones para las Estrategias E7 y E5. Si no se permite el funcionamiento con batería en los NWD, minHourIndex se elimina de la serie de precios (E5); de lo contrario, el algoritmo procede directamente con el cálculo del costo marginal de producción (E7) basado en el respectivo minHourValue.

Se identifican y priorizan las horas de descarga (maxHourIndex) y sus respectivos precios (maxHourPrice). Sin embargo, si las cargas del edificio correspondiente superan un valor específico (maxHourPowerLimit), las horas en cuestión se eliminan de la serie temporal y el algoritmo pasa a la siguiente iteración para identificar el siguiente maxHourIndex adecuado. Esto es necesario para evitar descargar la batería durante las horas en que las cargas del edificio son insignificantes. Este umbral se calcula como el valor medio de las cargas del edificio del primer día, que siempre es inhábil, más un margen opcional de 5 kW para permitir errores.

Posteriormente, se establece un rango alrededor de maxHourIndex donde podría ocurrir la carga. La primera hora en que la batería puede cargarse es después del período más reciente hasta maxHourIndex cuando la batería estaba llena (minRangeIndex). Del mismo modo, la última hora en que la carga puede ocurrir después de maxHourIndex es la hora antes de que la batería haya alcanzado su estado mínimo de carga (maxRangeIndex). Luego, se identifica el precio mínimo de la electricidad en este rango (minHourIndex) junto con su respectivo precio (minHourPrice). Si las cargas del edificio que tienen lugar durante minHourIndex exceden un límite específico (minHourPowerLimit), que se establece igual a maxHourPowerLimit, entonces el período se elimina de la serie de precios y la siguiente iteración comienza nuevamente para identificar un nuevo período de carga. Esto garantiza que la carga no se produzca durante el funcionamiento del edificio, ya que daría lugar a picos de carga más elevados.

El costo total de operación del BSS se basa en el precio de compra de la electricidad y la eficiencia de ida y vuelta para garantizar que la energía descargada por la batería para satisfacer las cargas del edificio sea menos costosa que la compra directa de electricidad de la red. Se supone que los costos operativos marginales de carga y descarga del ESS, que a menudo se utilizan en el arbitraje de PHES, son cero y, por lo tanto, el costo marginal de producción es igual a maxHourPrice. La batería solo opera si se cumple la condición de la Ecuación (2), la cual tiene en cuenta la eficiencia de ida y vuelta que consta de cuatro eficiencias diferentes que están presentes en la carga y descarga:

Finalmente, los cuellos de botella operativos están en su lugar y le indicarán al BSS la cantidad exacta de energía para cargar y descargar, según la cantidad de energía almacenada en la batería. Más específicamente, también se aplicarán restricciones para las capacidades de carga y descarga de la batería para evitar cargar por encima de un estado de carga del 100 % y descargar por debajo del porcentaje mínimo requerido (10 %). A continuación, se actualiza el contenedor de almacenamiento y el proceso se completa cuando se han evaluado todos los períodos de tiempo.

2.3.3. Estrategia Operativa E5: Exportaciones Permitidas Solo en Días Laborables

Esta versión del algoritmo excluye los días no laborables (NWD) del funcionamiento de la batería; por lo tanto, 52 fines de semana y cuatro festivos, un total de 108 días y el equivalente a 2592 h durante las cuales no se permite cargar ni descargar la batería. Este número de horas constituye aproximadamente el 30 % de un año calendario y, cuando se combina con la capacidad técnica del BSS para circular más de una vez al día, puede tener un enorme impacto en las exportaciones de energía y los consiguientes ingresos, que se reducen enormemente. Cabe señalar que el uso de la batería con una frecuencia significativamente menor conduce a una mayor duración de la batería.

Las estrategias operativas E7 y E5 hacen uso de todas las capacidades disponibles de la batería y el inversor, tratando de descargar tanto como sea posible durante las horas más costosas, exportando cualquier exceso de electricidad a la red eléctrica.

2.3.4. Estrategia operativa E0: No se permiten exportaciones

La tercera versión del algoritmo introduce una restricción adicional para garantizar que toda la energía descargada de la batería solo se use localmente para cubrir las cargas locales del edificio. Por tanto, la potencia máxima descargada en una hora determinada nunca es superior a la demanda eléctrica del edificio. También se considera la eficiencia de ida y vuelta para evitar compras adicionales a la red para las cargas restantes (Figura 6).

Figura 6. Flujograma para Arbitraje sin exportaciones (Estrategia E0). El algoritmo presenta diferencias estructurales en comparación con Figura 5 ya que las cargas de construcción ahora se tienen en cuenta en el cálculo de los cuellos de botella. Bottleneck1 se establece igual a las cargas del edificio o la capacidad del inversor en kW en función de la comparación de sus valores.

2.4. Análisis Económico y Costo-Beneficio (CBA)

La batería utilizada se basó en un ciclo de vida nominal de iones de litio de 5000 ciclos con una profundidad de descarga (DOD) del 90 %, el equivalente a 4500 ciclos completos [63]. Para las estrategias de operación que permiten exportar a la red, los ingresos anuales se calculan multiplicando los precios minoristas horarios por el monto de la respectiva electricidad exportada. Se considera que los costos netos anuales totales de la electricidad son iguales a las compras de la red eléctrica, menos los ingresos por exportaciones. El costo de electricidad (anual) calculado se da en la Ecuación (3), con sus ingresos y costo neto en las Ecuaciones (4) y (5), respectivamente. Los costos de operación y mantenimiento (O&M) para el BSS se calculan a través de la Ecuación (6) con la vida útil refiriéndose a la duración del período de estudio (vida del sistema en años). Los costos de reposición se calculan en la Ecuación (7) con Nrep_j que representa el número de reemplazos necesarios para un componente j, como la batería y el convertidor, y la vida_j en referencia a la vida útil estimada de un componente j. La última parte de la ecuación se utiliza para considerar los ingresos debido a la vida útil restante de los componentes.

Con respecto al CBA realizado, los precios de BSS utilizados se calculan por kWh y kW, con base en un paquete de energía comercial de alta gama [64]. Los costos de capital exactos se han calculado en alrededor de GBP 371/kWh y GBP 162/kW [65,66]; Se consideran valores ligeramente más altos de GBP 390/kWh y GBP 170/kW para ajustar el error y la inflación. Los costos de cableado y otro hardware están incluidos en el costo total de la batería y se estiman en aproximadamente GBP 28/kWh.

Para el cálculo de los costos actuales netos (NPCs) para cada escenario se tuvo en cuenta una tasa de inflación anual del 2% y una tasa de interés del 5%, para periodos de 10 y 20 años (Ecuaciones (8) y ( 9)). Los costos nivelados de electricidad (LCOE) se calcularon dividiendo cada NPC por las cantidades respectivas de energía involucrada, como se muestra en las Ecuaciones (10) y (11), excluyendo cualquier pérdida de batería por carga y descarga. Finalmente, la recompensa financiera necesaria se introduce en la Ecuación (12) para representar el beneficio económico que un edificio debe recibir por kWh cambiado para que los dos NPC sean iguales y, en consecuencia, hacer que el esquema sea rentable, durante toda la vida útil del proyecto. . Cabe señalar que la ecuación (2) se basa en [60,61] y las ecuaciones (3)–(11) en [59,67], ajustado a las necesidades de la investigación actual.

La vida útil de la batería diferirá según la estrategia operativa, como se muestra en Tabla 6 junto con parámetros técnicos y económicos clave considerados en el proceso de modelado. Para la estrategia E7, la vida útil estimada de la batería es de aproximadamente 10 años, mientras que para E5 y E0 la vida útil es mayor, alrededor de 20 años. Además, se supone que la vida útil del convertidor es de 10 años para todas las estrategias. El análisis económico para este estudio se considera en períodos de 10 y 20 años; por lo tanto, si bien no se requieren reemplazos para el período anterior, se necesita una batería y un convertidor adicionales según la estrategia E7, mientras que E5 y E0 solo requieren la adición de un convertidor de reemplazo para el período de 20 años.

Tabla 6. Parámetros técnicos y económicos utilizados para fines de modelado.

3. Resultados

3.1. Desglose Consumo Eléctrico

Los resultados de consumo de electricidad por sector para todos los edificios simulados se presentan en Figura 7. Todos los edificios han demostrado un confort térmico satisfactorio para los ocupantes, según la norma ASHRAE 55. Las cargas de electricidad para el equipamiento de la habitación, la energía auxiliar y el ACS son iguales para todos los escenarios de edificios, ya que se basan en las mismas suposiciones y necesidades de los ocupantes. Las cargas de calefacción son significativamente más altas para los edificios que cumplen con la Parte L en comparación con las mejores prácticas debido a los valores U más altos y la infiltración. Los niveles más altos de acristalamiento redujeron tanto la electricidad para la calefacción como la iluminación, pero aumentaron los requisitos de refrigeración debido a la mayor ganancia solar. Los niveles más altos de masa térmica redujeron la electricidad requerida para el enfriamiento, ya que aprovecharon el enfriamiento nocturno pasivo; sin embargo, este valor es pequeño en comparación con el consumo total de energía del edificio.

Figura 7. Consumo eléctrico anual por sector para los edificios simulados.

En conclusión, los Edificios HwL30 y HwB80 tienen los valores de consumo eléctrico más alto y más bajo, respectivamente, y al mismo tiempo brindan un muy buen confort térmico para sus ocupantes. Por lo tanto, como los dos casos extremos, se seleccionan para ser analizados y comparados más a fondo, utilizando varias NBS y estrategias operativas E7, E5 y E0.

3.2. Almacenamiento de la batería

El tamaño de BSS se basa en las reglas de "tres horas para cargar" y "dos horas para descargar". Sin embargo, para los sistemas más grandes, los primeros resultados indicaron que la potencia nominal de los inversores estaba sobredimensionada en comparación con las cargas medias o incluso máximas por hora del edificio. Por lo tanto, en lugar de utilizar la electricidad almacenada para cambiar las cargas del edificio, todo el exceso de electricidad se exportaría de vuelta a la red (para los escenarios E7 y E5). Más específicamente, cuando se utilizan baterías de más de 160 kWh, las diferencias en las cargas máximas desplazadas serían insignificantes. En consecuencia, los componentes de las NBS fueron revisados ​​y presentados en Tabla 7.

Tabla 7. Dimensionamiento de componentes BSS.

3.2.1. Exportaciones Permitidas con Ingresos Minoristas (E7)

Los resultados del modelo de almacenamiento de batería se presentan en Tabla 8, por la Estrategia Operativa E7, que permite exportar todos los días. Las cargas máximas desplazadas se refieren a las cargas que satisface directamente la batería en lugar de comprar electricidad de la red, entre las horas de apertura del edificio (8 a. m. a 6 p. m.), mientras que el costo neto de la electricidad incluye los ingresos de la reventa a la red. El funcionamiento del BSS y su impacto en el perfil eléctrico del edificio se puede ver en Figura 8, para un domingo y dos días laborables.

Figura 8. Resultados de arbitraje E7 para el edificio HwL30 usando almacenamiento de batería (220 kWh, 45/−65 kW).

Tabla 8. Resultados Anuales de las NBS para la Estrategia Operativa E7.

Está claro que la utilización del almacenamiento en baterías que se adapta a los precios dinámicos de la electricidad conduce a resultados diferentes todos los días del año. Estos resultados son siempre una función de la variación diaria tanto de los precios de la electricidad (GBP/kWh) como de las cargas del edificio (kW). Las aplicaciones potenciales de BSS incluyen el cambio de carga y la reducción de picos, que pueden tener lugar en términos de reducción de la carga más alta del día o mediante la reducción del número de horas durante los picos de carga. Además, también se puede ver que durante los días no laborables, la batería tiene la capacidad de ciclar más de una vez para exportar lo más posible a la red, durante los precios más caros, y aprovechar la diferencia de precio. .

En cuanto a la comparación de los dos edificios investigados, está claro que el edificio HwB80 puede desplazar más cargas cuando se utiliza el mismo BSS. La diferencia también depende del tamaño y las especificaciones del BSS, y varía entre 1.66 % y 2.92 %. Para los tamaños de BSS más pequeños (40–80 kWh), ambos edificios pueden cambiar sus picos de carga en un porcentaje considerable que varía entre 7.68 y 17 %. Con respecto a las exportaciones de electricidad, la comparación entre los dos edificios es insignificante para los tamaños de batería más pequeños, ya que toda la electricidad almacenada se utiliza para satisfacer las cargas del edificio y no queda energía excedente para devolver a la red. Sin embargo, a medida que aumenta el tamaño del BSS y se genera un exceso de electricidad, es evidente que el edificio HwB80 puede exportar mayores cantidades de electricidad. Para el BSS de 220 kWh, el Edificio HwB80 exporta 18.08 kWh/m², que es 1.74 kWh/m² más que el Edificio HwL30.

Finalmente, en cuanto a la economía de la electricidad y los costos netos anuales (GBP/m²), dado que el edificio HwL30 es menos eficiente desde el punto de vista energético, consume más electricidad para satisfacer sus cargas y, por lo tanto, sus compras totales de electricidad de la red aumentan, incluso más, cuando utiliza el almacenamiento en batería. Para todos los escenarios y tamaños de BSS, Building HwB80 cuesta 1.67 GBP/m² menos, lo que se traduce en GBP 4175 de ahorro anual. Además, a medida que aumenta el tamaño del BSS, también crece el exceso de electricidad, lo que se traduce en mayores exportaciones de electricidad, una mayor cantidad de ingresos y, en consecuencia, un menor costo neto. Se muestran las diferencias entre el escenario sin almacenamiento y el tamaño de BSS más grande para identificar los beneficios máximos introducidos por la batería. El coste neto de la electricidad se puede reducir de 8.68 a 7.06 y de 7.01 a 5.40 GBP/m² para los Edificios HwL30 y HwB80, respectivamente.

3.2.2. Exportaciones Permitidas en Días Laborables con Ingresos Minoristas (E5)

El impacto de las NBS respecto a la Estrategia Operativa E5 que permite realizar exportaciones en días hábiles se puede apreciar en Figura 9, para un domingo y dos días laborables. Los resultados de BSS son idénticos a los de E7 en lo que respecta a los días laborables y el desplazamiento de las cargas máximas; sin embargo, la batería no funciona los fines de semana.

Figura 9. Resultados de arbitraje E5 para el edificio HwL30 usando almacenamiento de batería (220 kWh, 45/−65 kW).

El edificio HwB80 puede desplazar un mayor porcentaje de sus cargas máximas, en comparación con el edificio HwL30. Una vez que se usa el mismo BSS, el edificio HwB80 cambia un 2 % más que el HwL30 en promedio, lo que no es significativo. Cabe señalar que todos los cambios de carga máxima se han reducido en comparación con Tabla 8 y Estrategia Operativa E7. El funcionamiento de la batería para las estrategias E7 y E5 es el mismo para los días laborables; sin embargo, E7 también permite el cambio de carga durante los fines de semana. Si bien la actividad de los edificios es mínima los fines de semana, existe una pequeña carga de electricidad constante (~4 kW), que representa el consumo de energía auxiliar (parásita). Por lo tanto, E7 conduce a un mayor cambio de carga alrededor de un 2 % más en comparación con los resultados respectivos de E5.

En cuanto a los ingresos, el parámetro más importante al comparar E5 y E7 es la electricidad exportada a la red. Bajo E5, la batería está inactiva los días no laborables y las exportaciones solo pueden realizarse en casos de exceso de electricidad, en días laborables. Para los diferentes tamaños de batería, rangos de exportación de 0 a 3.79 y de 0 a 5.53 kWh/m² se puede lograr para los edificios HwL30 y HwB80, respectivamente. Para efectos de comparación, los rangos de exportación respectivos bajo la estrategia E7 fueron 2.23–16.34 y 2.23–18.08 kWh/m². Además, dado que los valores de exportación de E5 son más pequeños, también conducen a flujos de ingresos más bajos y, por lo tanto, a costos netos más altos. Bajo E5, los costos netos de electricidad están en el rango 7.74–8.46 para HwL30 y 6.07–6.79 kWh/m² para HwB80. Anteriormente se mostró que los valores respectivos para la estrategia E7 eran 7.06–8.30 y 5.40–6.63 kWh/m².

3.2.3. Sin exportaciones (E0)

La ausencia de exportaciones y el exceso de electricidad almacenada bajo E0 han llevado a mayores cantidades de energía disponibles y utilizadas para satisfacer las cargas de los edificios locales. En consecuencia, desde la perspectiva de la huella eléctrica, los edificios que implementan E0 han podido cambiar significativamente su perfil diario (Figura 10). Por primera vez, el cambio de carga máxima ahora ha establecido una relación lineal con la capacidad de la batería del sistema; este no fue el caso de las estrategias E7 y E5.

Figura 10. Resultados de arbitraje E0 para el edificio HwL30 usando almacenamiento de batería (220 kWh, 45/−65 kW).

Cuantitativamente, el potencial de cambio de carga se ha incrementado significativamente en comparación con las estrategias E7 y E5, ya que la operación de la batería ahora se enfoca exclusivamente en este objetivo. Más específicamente, los rangos de porcentaje de cambio de carga máxima ahora son 6.38–33.95 % y 7.79–39.68 % para los edificios HwL30 y HwB80, respectivamente. El cambio de carga pico de los dos edificios para la batería más grande de 220 kWh, bajo la estrategia E7, fue respectivamente un 4.5 y un 8 % más bajo que sin exportaciones.

Finalmente, la ausencia total de exportaciones y los flujos de ingresos relevantes también resultan en costos netos anuales más altos, en comparación con E7; sin embargo, las diferencias de costos netos entre E5 y E0 son insignificantes, lo que refleja la baja cantidad de exportaciones de E5. En términos de rentabilidad, Building HwB80 sigue pareciendo más atractivo, ya que para cada tamaño de BSS, siempre cuesta 1.6 GBP/m² más barato que HwL30.

3.3. Análisis coste-beneficio

Se realizó un CBA para un período de 10 y 20 años para los dos edificios finales a fin de evaluar la economía a largo plazo, teniendo en cuenta parámetros que tienen el potencial de afectar la rentabilidad del esquema SGOB sugerido, incluido el inflación y tipos de interés que se suponen constantes. Se utilizaron dos baterías (120 y 240 kWh) junto con un inversor de tamaño común (60 kW). La capacidad del rectificador se eligió para poder cargar completamente la batería en 3 h (40 y 80 kW). El CBA se centra en las NBS y no considera los costos de construcción de edificios, ya que se considera que están fuera del alcance de este artículo y el esquema sugerido también se puede aplicar a edificios existentes.

3.3.1. CBA por un período de 10 años

Los NPC para todas las estrategias operativas se pueden ver por edificio, en Figura 11. La diferencia entre el caso sin almacenamiento y el resto de los escenarios se debe al costo de capital BSS introducido que depende del tamaño de la batería y del convertidor. Cuando no se usa el almacenamiento, el edificio HwL30 tiene un NPC durante 10 años de 185,661 35,000 GBP, que es aproximadamente 80 35,000 GBP más caro que el edificio HwB80. Esta diferencia de GBP XNUMX XNUMX NPC entre los dos edificios parece ser constante en todas las estrategias operativas y tamaños de BSS, lo que indica que HwBXNUMX es más económico para todos los escenarios presentados. Esto está de acuerdo con los resultados presentados en Sección 3.1, donde el consumo eléctrico total de los edificios fue de 64.45 kWh/m² para HwL30 y 52.57 kWh/m² para HwB80.

Figura 11. Costo actual neto para un período de 10 años (todas las estrategias operativas).

De las tres estrategias operativas sugeridas, E7 parece incurrir en los NPC más altos, a pesar del flujo de ingresos adicional de exportaciones que se introduce durante los fines de semana. Cabe destacar que al final del período de 10 años, E7 es la única estrategia operativa bajo la cual la vida útil de la batería llega a su fin. En contraste, bajo E5 y E0, la batería tiene una vida útil restante de 10 años adicionales y, por lo tanto, tiene intacto el 50% de su vida útil, como se muestra anteriormente en Tabla 6, lo que lleva a la reducción de NPC de la batería. Además, los segundos valores NPC más altos se observan en E0, donde no se realizan exportaciones, seguido de E5, que permite exportaciones solo en días hábiles. Para ambos edificios, los resultados para las estrategias E5 y E0 parecen ser muy similares para ambos escenarios, formando un grupo separado de E7 y demostrando que el impacto del número mínimo de exportaciones bajo E5 es insignificante, resultando en una diferencia marginal entre E0 y E5 de solo GBP 1000-3000, según el tamaño de la batería.

Bajo E7, el NPC es alrededor de GBP 8000 o GBP 20,000 5 más alto que los valores respectivos bajo E120 para la batería de 240 kWh y 80 kWh, respectivamente. Es importante señalar que, si bien el objetivo principal de las tres estrategias operativas es cambiar la demanda de electricidad de los períodos pico a los períodos valle del día y, en ocasiones, reducir los picos, las exportaciones son de vital importancia económica para la viabilidad y el costo. -efectividad del esquema SGOB. Revisando los resultados por edificio y comenzando con HwB7, E34,000 agrega un costo de GBP 120 cuando se usa la batería de 240 kWh, en comparación con el caso sin almacenamiento, mientras que la batería de 67,000 kWh eleva el costo adicional total a GBP 30. Se observan exactamente las mismas tendencias para HwLXNUMX.

Es fundamental destacar que, en los escenarios E7 y E5, se supone que la energía exportada por los edificios se recompensa con el precio minorista de la electricidad. Como se explicó, actualmente no existe un mecanismo o motivo financiero para que los edificios brinden dicho servicio a la red eléctrica. Esta es también una de las razones que hizo necesaria la distinción entre E7 y E5.

En este sentido, es necesaria una recompensa financiera para alentar a los edificios comerciales a participar en esta empresa sugerida y convertirse en SGOB. Esta recompensa puede cubrir al menos la diferencia entre el NPC (negocio como de costumbre) sin almacenamiento y el NPC cuando usa un BSS. Esencialmente, esto creará un flujo de ingresos adicional que hará que los dos NPC sean iguales. Con respecto a la estructura de esta recompensa SGOB, los autores de este artículo sostienen que debe basarse en la cantidad de electricidad transferida y/o exportada por el BSS. Para las necesidades del artículo actual, se hará hincapié únicamente en la electricidad transferida, ya que está presente en las tres estrategias operativas.

Si los motivos financieros deben calcularse en función de la cantidad de electricidad transferida durante las horas de trabajo del edificio, como se presenta en el Capítulo 2.4, el rango de recompensa es de 0.0966 a 0.1432 GBP para HwL30 y de 0.1031 a 0.1575 GBP para HwB80, como se muestra en Figura 12. Cambiar la electricidad es beneficioso para la red; sin embargo, para un edificio individual, la mayor cantidad de energía transferida generalmente se debe a que el edificio tiene un mayor consumo de energía debido a una eficiencia energética deficiente. Por tanto, es necesario que cualquier incentivo no incentive una menor eficiencia energética en el parque edificatorio. En este caso, esto se aborda utilizando energía desplazada en el denominador del cálculo de incentivos. Esto también se puede lograr con incentivos que solo se aplican a los edificios cuando alcanzan un cierto nivel de eficiencia energética.

Figura 12. Motivo financiero requerido por un período de 10 años (todas las estrategias operativas).

La estrategia operativa E7 requiere las recompensas financieras más altas, seguida por E5 y E0. En orden descendente, el motivo económico establece un rango entre 0.1405-0.1575 GBP para E7, 0.1081-0.1281 GBP para E5 y finalmente 0.0966-0.1059 GBP para E0. Los números más altos observados en E7 pueden explicarse debido a la reducción de la vida útil de la batería, lo que conduce a NPC comparativamente más altos y, por lo tanto, a una mayor diferencia de NPC que debe cubrirse con el motivo financiero (Ecuación (12)). La recompensa necesaria bajo E0 parece ser ligeramente inferior a los valores respectivos bajo E5 debido a que la totalidad de la operación de la batería E0 se dedica al cambio de carga mientras que hay una combinación de cambio de carga y exportaciones menores de electricidad, bajo E5.

Finalmente, a continuación se presenta el coste nivelado de la electricidad (LCOE), en Tabla 9. El costo es casi el mismo para edificios sin almacenamiento, alrededor de GBP 0.1146/kWh. Para el tamaño de BSS más pequeño (120 kWh), se puede ver para ambos edificios que, bajo la estrategia operativa E7, el costo de comprar electricidad es similar al escenario sin almacenamiento, mientras que el valor aumenta a aproximadamente GBP 0.1289 para E5 y alcanza su precio máximo para E0, con un valor medio de GBP 0.1334. Cuando se utiliza el BSS más grande (240 kWh), el LCOE tiene un valor medio de GBP 0.1225 bajo E7, marginalmente más alto que el valor respectivo de la batería más pequeña. Los costos de electricidad para las estrategias E5 y E0 son más altos, con valores medios respectivos de GBP 0.1382 y GBP 0.1489.

Tabla 9. Coste Nivelado de la Electricidad (LCOE) para un periodo de 10 años.

En conclusión, a pesar de algunas pequeñas diferencias, los resultados de LCOE son similares para ambos edificios. Los parámetros que afectan los costos de electricidad son la estrategia operativa y el tamaño del BSS, mientras que el LCOE bajo E7 parece ser similar al valor del escenario sin almacenamiento. Cabe recordar que esto también está relacionado con la metodología de cálculo del LCOE seguida, ya que los NPC se dividen por la suma de la demanda de electricidad y las exportaciones actuales. Se puede argumentar que la inclusión de exportaciones puede conducir potencialmente a una subestimación del LCOE, para las estrategias E7 y E5. Sin embargo, la electricidad adicional se compra a la red para luego exportarla nuevamente, lo que genera una ganancia posterior y, al mismo tiempo, brinda un servicio importante a la red eléctrica.

3.3.2. CBA por un período de 20 años

Los resultados del CBA de 20 años se muestran, en detalle, en Tabla 10, junto con el número de reemplazos necesarios, para el convertidor bidireccional y la batería. Cabe señalar que, como resultado de aumentar el período de estudio de 10 a 20 años, todos los valores de NPC, incluido el escenario sin almacenamiento, han aumentado debido a las mayores cantidades de electricidad comprada por la red para cubrir la edificación local. cargas Más específicamente, cuando no se usa almacenamiento, Building HwL30 tiene un NPC durante 20 años de GBP 324,602 62,000, que es alrededor de GBP 80 10 más caro que Building HwB62,000. De manera similar a los resultados del período de 80 años, esta diferencia de GBP 20 10 NPC entre los dos edificios está presente en todas las estrategias y tamaños de BSS, lo que confirma que HwBXNUMX es, de hecho, más económico. Además, los costos adicionales introducidos por el gasto de capital de los reemplazos han llevado a un aumento en los NPC para todos los escenarios de almacenamiento. Al mismo tiempo, dado que todos los componentes de BSS no tienen una vida útil restante al final del período de estudio, no hay deducciones de sus respectivos valores de NPC. Sin embargo, los resultados de XNUMX años y sus tendencias son consistentes con los resultados del período de XNUMX años, como se presenta en Sección 3.3.1.

Tabla 10. LCOE, NPC y motivo financiero necesarios para un período de 20 años.

En este punto, es importante presentar una breve comparación entre los resultados de 10 y 20 años para evaluar cómo los valores de NPC afectan los motivos financieros necesarios para que el esquema SGOB sea rentable (Figura 13). Tanto para los edificios como para los períodos de estudio, se puede observar que, con la excepción de algunas variaciones menores, los valores del motivo financiero son en gran medida los mismos para los dos tamaños de BSS utilizados; esto es de esperar debido a su normalización (GBP/kWh desplazado). En cuanto a los valores motivos financieros por estrategia operativa, se observan las mismas tendencias, al igual que en Sección 3.3.1, con E7 requiriendo la mayor recompensa económica, seguido de E5 y finalmente E0. Además, está claro que para el período de 20 años, el motivo financiero necesario se reduce en GBP 0.02/kWh, tanto para edificios como para todas las estrategias operativas, en comparación con los valores respectivos del período de 10 años. En consecuencia, la operación BSS no solo puede compensar los costos de capital adicionales necesarios para los componentes de reemplazo del período de 20 años, sino que también resulta en una reducción en la recompensa financiera necesaria al aumentar el período de estudio de 10 a 20 años. Con más detalle, para el BSS más pequeño de 120 kWh y ambos edificios, la reducción alcanza el 13 % para E7 y el 21 % para E5 y E0, mientras que los valores respectivos para el BSS de 240 kWh (13 %, 22 %, 21 %) se mantienen en gran medida consistente.

Figura 13. Recompensa financiera necesaria para un período de 10 y 20 años, basada en la electricidad transferida (GBP/kWh), para edificios (a) HwL30 y (b) HwB80.

4. Conclusiones

De un total de ocho edificios simulados con diferentes características de diseño, se seleccionaron los dos casos extremos, desde el punto de vista energético, para una mayor investigación con el fin de evaluar su capacidad de utilizar BSS para realizar arbitraje en precios de electricidad en tiempo real. Al asumir el tamaño de batería más grande de 220 kWh, el edificio más eficiente energéticamente (HwB80), en términos de los valores U de la envolvente, ha demostrado ser capaz de cambiar un porcentaje más alto de sus cargas máximas (31.76 % para E7, 29.51 % para E5 y 39.68% para E0) y, al mismo tiempo, exportar más electricidad (18.08 kWh/m² para E7 y 5.53 kWh/m² para E5) cuando está disponible como opción. Además, se ha demostrado que HwB80 tiene los costes netos anuales más bajos (5.40 GBP/m² para E7, 6.07 GBP/mes² para E5 y 6.20 GBP/m² para E0) que son significativamente más bajos en comparación con el costo del escenario sin almacenamiento de 7.01 GBP/m², para el mismo edificio. Está claro que el diseño del edificio afecta tanto a la energía como al rendimiento de arbitraje.

En cuanto a la economía a largo plazo y el CBA realizado durante un período de 10 años, el edificio HwB80 demostró ser el más económico, incurriendo en GBP 35,000 5 menos en todos los escenarios, incluido el almacenamiento. Los NPC más bajos se observaron en la estrategia E50 debido a la vida útil restante de la batería (10 %) al final del período de 0 años y la pequeña cantidad de ingresos. Los resultados de E5 son muy similares a los de E5, lo que indica que la estrategia operativa de E7 conduce a un flujo de ingresos insignificante de las exportaciones. Finalmente, la estrategia E20 tiene los valores de NPC más altos para todos los escenarios, ya que los ingresos de exportación no son suficientes para compensar el hecho de que la vida útil restante de la batería es inexistente, lo que lleva a cero deducciones de NPC al final del período de estudio. Cuando se considera un período de 80 años, HwB62,000 sigue siendo el edificio más económico, incurriendo en GBP 10 20 menos en costos en todos los escenarios, incluso sin almacenamiento. Aumentar el período de estudio de 0.02 a XNUMX años conduce a una reducción del motivo financiero de GBP XNUMX por kWh desplazado, a pesar de la introducción de los costos de capital adicionales necesarios para los reemplazos del sistema.

Los resultados con respecto a las recompensas financieras necesarias para que el esquema de arbitraje de edificios sea rentable fueron notablemente interesantes, ya que el edificio energéticamente eficiente (HwB80) demostró requerir una mayor cantidad de ingresos adicionales (GBP/kWh desplazados). Se explicó la naturaleza problemática de la definición de recompensa financiera; por lo tanto, los autores de este artículo creen que la monetización de los servicios proporcionados por los edificios a la red mediante la utilización de BSS debe basarse en el porcentaje de las cargas del edificio transferidas (%) en lugar de la cantidad total de electricidad transferida. Este último constituye un criterio mucho más justo que es capaz de reflejar la eficiencia energética de los edificios e indirectamente su diseño y configuración HVAC.

En cuanto a las limitaciones de este estudio, cabe señalar que la mayoría de los usuarios finales no tienen acceso a los precios de la electricidad en tiempo real y no existe un mecanismo actual que permita el arbitraje de baterías a escala de edificio. Sin embargo, este documento defiende los métodos que permiten que esto suceda hacia una utilización más amplia del almacenamiento a nivel de edificio.

Está claro que la formación de un marco regulatorio adecuado es de fundamental importancia para establecer motivos para que los edificios asuman un papel activo en la futura red inteligente mediante el uso de almacenamiento en baterías y evolucionando gradualmente hacia SGOB. Esto será posible solo si todos los actores del mercado asociados y las partes interesadas reconocen el potencial de reducción de la demanda máxima y las capacidades presentadas bajo diferentes estrategias de DR para varios tipos de edificios, en diferentes climas y perfiles de ocupación. Deben unirse para discutir y crear dicho marco, incluidos los servicios públicos de electricidad, el gobierno, el público y los propietarios de edificios.

El artículo actual dio el primer paso vital al examinar cómo el diseño de edificios y las características de BSS afectan el rendimiento de los edificios comerciales que realizan arbitraje mediante la introducción de tres estrategias operativas y el examen de las implicaciones tecnoeconómicas a largo plazo. Se debe seguir trabajando para definir y examinar posibles motivos financieros y mecanismos de subsidio, no solo para el arbitraje sino también para otros servicios de compensación. Estos motivos podrían estructurarse de manera similar a los servicios adquiridos por National Grid, mencionados anteriormente, y podrían incluir la tarifa de disponibilidad (GBP/hora), la utilización (GBP/MWh) y la tarifa de nominación (GBP/hora).

Con respecto al trabajo futuro, es importante examinar el diseño de edificios adicionales y las configuraciones de HVAC, especialmente los edificios con ventilación natural que podrían mostrar un comportamiento diferente en términos de su perfil eléctrico diario, especialmente en el período de verano. También debería seguir un mayor desarrollo para incorporar energías renovables a escala de edificios.

Contribuciones de autor

Conceptualización, ADG, BV, EAH y MM; análisis formal, ADG, BV, EAH y MM; investigación, ADG, BV, EAH y MM; metodología, ADG, BV, EAH y MM; software, GAD; supervisión, BV, EAH y MM; Redacción—borrador original, ADG; Redacción—revisión y edición, ADG Todos los autores han leído y aceptado la versión publicada del manuscrito.

Financiamiento

Los autores agradecen el apoyo del EPSRC a través de la subvención EP/L016818/1 que financia el Centro de formación doctoral en almacenamiento de energía y sus aplicaciones.

Referencias

1. D'Agostino, D.; Cuniberti, B.; Bertoldi, P. Consumo energético y medidas tecnológicas de eficiencia en edificios no residenciales europeos. Construcción de energía. 2017, 153, 72 – 86. ElGoogle Scholar] [CrossRef]
2. Warwicker, B.; Cash, D. La relación de los servicios de construcción con la red nacional. En Actas del Simposio Técnico CIBSE ASHRAE, Londres, Reino Unido, 18 y 19 de abril de 2012. [Google Scholar]
3. Anderson, B.; Torriti, J. Explicación de los cambios en la demanda de electricidad del Reino Unido utilizando datos de uso del tiempo de 1974 a 2014. Política de política 2018, 123, 544 – 557. ElGoogle Scholar] [CrossRef]
4. Das, P.; Mathur, J.; Bhakar, R.; Kanudia, A. Implicaciones de la intermitencia de los recursos de energía renovable a corto plazo en la planificación del sistema de energía a largo plazo. Energía Strat. Rdo. 2018, 22, 1 – 15. ElGoogle Scholar] [CrossRef]
5. Sehar, F.; Pipattanasomporn, M.; Rahman, S. Un modelo de gestión de la energía para estudiar la energía y los ahorros máximos de energía de la energía fotovoltaica y el almacenamiento en edificios sensibles a la demanda. aplicación Energía 2016, 173, 406 – 417. ElGoogle Scholar] [CrossRef]
6. Palenski, P.; Dietrich, D. Gestión del lado de la demanda: respuesta a la demanda, sistemas de energía inteligentes y cargas inteligentes. Trans. IEEE. Ind. Informar. 2011, 7, 381 – 388. ElGoogle Scholar] [CrossRef]
7. Brandt, T.; Feuerriegel, S.; Neumann, D. Modelado de interferencias en el diseño de sistemas de información para sistemas ciberfísicos: conocimientos de una aplicación de red inteligente. EUR. J. inf. Syst. 2018, 27, 207 – 220. ElGoogle Scholar] [CrossRef]
8. Valogianni, K.; Ketter, W. Respuesta efectiva a la demanda de redes inteligentes: Evidencia de un piloto del mundo real. Decir Sistema de soporte 2016, 91, 48 – 66. ElGoogle Scholar] [CrossRef]
9. Alimohammadisagvand, B. Influencia de las Acciones de Respuesta a la Demanda en el Confort Térmico y el Costo de la Electricidad para Viviendas Residenciales. Doctor. Tesis, Universidad Aalto, Espoo, Finlandia, 2018. [Google Scholar]
10. Alimohammadisagvand, B.; Jokisalo, J.; Siren, K. El potencial del control predictivo para minimizar el costo de la electricidad en una casa residencial con bomba de calor. En Proceedings of the 3rd IBPSA-England Conference BSO 2016, Great North Museum, Newcastle, Reino Unido, 12–14 de septiembre de 2016. [Google Scholar]
11. Hemmati, M.; Mirzaei, MA; Abapour, M.; Zaré, K.; Mohammadi-Ivatloo, B.; Mehrjerdi, H.; Marzband, M. Análisis económico-ambiental de la combinación de microrredes reconfigurables basadas en calor y energía integradas con múltiples programas de almacenamiento de energía y respuesta a la demanda. Sostener. Ciudades Soc. 2021, 69, 102790. ElGoogle Scholar] [CrossRef]
12. Korkas, CD; Baldí, S.; Michailidis, I.; Kosmatopoulos, EB Respuesta a la demanda basada en la ocupación y optimización del confort térmico en microrredes con fuentes de energía renovables y almacenamiento de energía. aplicación Energía 2016, 163, 93 – 104. ElGoogle Scholar] [CrossRef]
13. Gholinejad, HR; Loni, A.; Adabi, J.; Marzband, M. Un sistema de gestión de energía jerárquica para múltiples centros de energía domésticos en redes vecinales. J. Construir. Ing. 2020, 28, 101028. ElGoogle Scholar] [CrossRef]
14. Kiliccote, S.; Piette, MA; Ghatikar, G.; Hafemeister, D.; Kammen, D.; Levi, BG; Schwartz, P. Edificios inteligentes y respuesta a la demanda. Conferencia AIP proc. 2011, 1401, 328 – 338. ElGoogle Scholar] [CrossRef]
15. Derakhshan, G.; Shayanfar, HA; Kazemi, A. La optimización de los programas de respuesta a la demanda en redes inteligentes. Política de política 2016, 94, 295 – 306. ElGoogle Scholar] [CrossRef]
16. Lee, YM; Horesh, R.; Liberti, L. Control óptimo de HVAC como respuesta a la demanda con un sistema de generación y almacenamiento de energía in situ. Procedia de energia 2015, 78, 2106 – 2111. ElGoogle Scholar] [CrossRef]
17. Lorenzo, G.; Silva, CAS Comparando la respuesta a la demanda y el almacenamiento en baterías para optimizar el autoconsumo en sistemas fotovoltaicos. aplicación Energía 2016, 180, 524 – 535. ElGoogle Scholar] [CrossRef]
18. Laboratorio Nacional Lawrence Berkeley. Introducción a las estrategias y técnicas de control de edificios comerciales para la respuesta a la demanda. 2007. Disponible en linea  (Se accede en 18 de marzo a 2021).
19. Winfield, M.; Shokrzadeh, S.; Jones, A. Cambio de régimen de política energética y almacenamiento avanzado de energía: un análisis comparativo. Política de política 2018, 115, 572 – 583. ElGoogle Scholar] [CrossRef]
20. Red Nacional ESO. Servicios de Equilibrio. 2021. Disponible en linea  (Se accede en 10 de marzo a 2021).
21. Heris, M.-N.; Mirzaei, MA; Asadi, S.; Mohammadi-Ivatloo, B.; Zaré, K.; Jebelli, H.; Marzband, M. Evaluación de la tecnología de almacenamiento de hidrógeno en la programación estocástica con restricciones de riesgo de los sistemas de energía de múltiples portadores considerando las restricciones de la red de energía, gas y calefacción. En t. J. Energía de hidrógeno 2020, 45, 30129 – 30141. ElGoogle Scholar] [CrossRef]
22. Nazari-Heris, M.; Mohammadi-Ivatloo, B.; Asadi, S. Operación óptima de redes de energía multiportadora con fuentes de energía de gas, electricidad, calefacción y agua considerando diferentes tecnologías de almacenamiento de energía. J. Almacenamiento de energía 2020, 31, 101574. ElGoogle Scholar] [CrossRef]
23. Mirzaei, MA; Nazari-Heris, M.; Zaré, K.; Mohammadi-Ivatloo, B.; Marzband, M.; Asadi, S.; Anvari-Moghaddam, A. Evaluación del impacto de los sistemas de almacenamiento de energía de portadores múltiples en el funcionamiento óptimo de redes integradas de electricidad, gas y calefacción urbana. aplicación Termia. Ing. 2020, 176, 115413. ElGoogle Scholar] [CrossRef]
24. Bulut, MB; Odlare, M.; Stigson, P.; Wallin, F.; Vassileva, I. Edificios en el futuro sistema energético: perspectivas de los sectores de energía y edificios suecos sobre los desafíos energéticos actuales. Construcción de energía. 2015, 107, 254 – 263. ElGoogle Scholar] [CrossRef]
25. Bulut, MB; Wallin, F. Los edificios como componentes de las redes inteligentes: perspectivas de diferentes partes interesadas. Procedia de energia 2014, 61, 1630 – 1633. ElGoogle Scholar] [CrossRef]
26. Agarwal, Y.; Weng, T.; Gupta, RK Comprender el papel de los edificios en una microrred inteligente. En Proceedings of the 2011 Design, Automation & Test in Europe, Grenoble, Francia, 14–18 de marzo de 2011. [Google Scholar]
27. Niu, J.; Tian, ​​Z.; Lu, Y.; Zhao, H. Despacho flexible de un sistema de energía de edificios que utiliza almacenamiento térmico de edificios y almacenamiento de energía en baterías. aplicación Energía 2019, 243, 274 – 287. ElGoogle Scholar] [CrossRef]
28. Georgakarakos, AD; Mayfield, M.; Hathway, EA Sistemas de almacenamiento de baterías en edificios optimizados para redes inteligentes. Procedia de energia 2018, 151, 23 – 30. ElGoogle Scholar] [CrossRef]
29. Gissey, GC; Dodds, P.; Radcliffe, J. Barreras regulatorias y de mercado para la innovación en el almacenamiento de energía eléctrica. Renovar. Sostener. Energía Rev. 2018, 82, 781 – 790. ElGoogle Scholar] [CrossRef]
30. Forrester, SP; Zamán, A.; Mathieu, J.; Johnson, J. Barreras políticas y de mercado para el almacenamiento de energía que brinda múltiples servicios. eléctrico j 2017, 30, 50 – 56. ElGoogle Scholar] [CrossRef]
31. Zame, KK; Brehm, California; Nitica, AT; Ricardo, CL; Schweitzer III, GD Red inteligente y almacenamiento de energía: recomendaciones de política. Renovar. Sostener. Energía Rev. 2018, 82, 1646 – 1654. ElGoogle Scholar] [CrossRef]
32. Leadbetter, J.; Swan, L. Sistema de almacenamiento de baterías para reducir la demanda pico de electricidad residencial. Construcción de energía. 2012, 55, 685 – 692. ElGoogle Scholar] [CrossRef]
33. Graditi, G.; Hipólito, M.; Telaretti, E.; Zizzo, G. Evaluación técnica y económica de almacenamientos electroquímicos distribuidos para aplicaciones de cambio de carga: un estudio de caso italiano. Renovar. Sostener. Energía Rev. 2016, 57, 515 – 523. ElGoogle Scholar] [CrossRef]
34. Palizban, O.; Kauhaniemi, K. Sistemas de almacenamiento de energía en redes modernas: matriz de tecnologías y aplicaciones. J. Almacenamiento de energía 2016, 6, 248 – 259. ElGoogle Scholar] [CrossRef]
35. Gür, TM Revisión de tecnologías, materiales y sistemas de almacenamiento de energía eléctrica: desafíos y perspectivas para el almacenamiento en red a gran escala. Entorno energético. Sci. 2018, 11, 2696 – 2767. ElGoogle Scholar] [CrossRef]
36. Parra, D.; Gillot, M.; normando, SA; Walker, GS Sistema comunitario óptimo de almacenamiento de energía para el cambio de tiempo de energía fotovoltaica. aplicación Energía 2015, 137, 576 – 587. ElGoogle Scholar] [CrossRef]
37. Knosala, K.; Kotzur, L.; Roben, FT; Stenzel, P.; Blum, L.; Robinius, M.; Stolten, D. Almacenamiento doméstico de hidrógeno híbrido para la autonomía energética descentralizada. En t. J. Energía de hidrógeno 2021, 46, 21748 – 21763. ElGoogle Scholar] [CrossRef]
38. Elberry, AM; Thakur, J.; Santasalo-Aarnio, A.; Larmi, M. Almacenamiento de hidrógeno comprimido a gran escala como parte de los sistemas de almacenamiento de electricidad renovable. En t. J. Energía de hidrógeno 2021, 46, 15671 – 15690. ElGoogle Scholar] [CrossRef]
39. Ramos, JS; Moreno, parlamentario; Delgado, MG; Domínguez, S.A.; Cabeza, LF Potencial de edificios energéticamente flexibles: Evaluación de estrategias DSM utilizando masa térmica de edificios. Construcción de energía. 2019, 203, 109442. ElGoogle Scholar] [CrossRef]
40. Wang, S.; Gao, DC-C.; Tang, R.; Xiao, F. Control del sistema HVAC basado en el suministro de refrigeración para una respuesta rápida de la demanda de edificios a solicitudes urgentes de redes inteligentes. Procedia de energia 2016, 103, 34 – 39. ElGoogle Scholar] [CrossRef]
41. Pérez, KX; Baldea, M.; Edgar, TF Gestión integrada de HVAC y programación óptima de electrodomésticos inteligentes para la reducción de la carga máxima de la comunidad. Construcción de energía. 2016, 123, 34 – 40. ElGoogle Scholar] [CrossRef]
42. Dufo-López, R.; Agustín, JLB Diseño multiobjetivo de sistemas fotovoltaicos-eólicos-diésel-hidrógeno-baterías. Renovar. Energía 2008, 33, 2559 – 2572. ElGoogle Scholar] [CrossRef]
43. Mago, PJ; Smith, AD Evaluación de las reducciones de emisiones potenciales del uso de sistemas CHP en diferentes edificios comerciales. Construir. Reinar. 2012, 53, 74 – 82. ElGoogle Scholar] [CrossRef]
44. Jung, Y.; Kim, J.; Lee, H. Evaluación multicriterio de un edificio residencial de tamaño medio con un sistema micro-CHP en Corea del Sur. Construcción de energía. 2019, 193, 201 – 215. ElGoogle Scholar] [CrossRef]
45. Georgakarakos, AD; Mayfield, M.; Buckman, AH; Jubb, SA; Wootton, C. ¿Qué son los edificios optimizados para redes inteligentes? En Proceedings of the Living and Sustainability: An Environmental Critique of Design and Building Practices, Locally and Globally, Londres, Reino Unido, 9 y 10 de febrero de 2017. [Google Scholar]
46. Gobierno de SM. Las Regulaciones de Construcción 2010: Conservación de Combustible y Energía (L1A). 2016. Disponible en linea (Se accede en 5 de marzo a 2021).
47. Agencia Internacional de Energía. Datos numéricos para cálculos de infiltración de aire y ventilación natural. 1998. Disponible en linea  (acceso en 10 febrero 2021).
48. Florides, G.; Tassou, S.; Kalogirou, S.; Wrobel, L. Medidas utilizadas para reducir el consumo energético de los edificios y su rentabilidad. aplicación Energía 2002, 73, 299 – 328. ElGoogle Scholar] [CrossRef]
49. Pacheco-Torres, R.; Ordóñez, J.; Martínez, G. Diseño energéticamente eficiente de edificación: Una revisión. Renovar. Sostener. Energía Rev. 2012, 16, 3559 – 3573. ElGoogle Scholar] [CrossRef]
50. CIBSE. Diseño ambiental: CIBSE Guía A, 8ª ed.; The Lavenham Press: Suffolk, Reino Unido, 2015. [Google Scholar]
51. Kamel, E.; Memari, AM Revisión de la aplicación de BIM en simulación energética: herramientas, problemas y soluciones. automático Constr. 2018, 97, 164 – 180. ElGoogle Scholar] [CrossRef]
52. Boyano, A.; Hernández, P.; Wolf, O. Demandas de energía y ahorros potenciales en edificios de oficinas europeos: estudios de casos basados ​​en simulaciones de EnergyPlus. Construcción de energía. 2013, 65, 19 – 28. ElGoogle Scholar] [CrossRef]
53. Constructor de diseño. Opciones de cálculo. 2019. Disponible en linea (accedido en 5 enero 2021).
54. Piscina Norte. Informe anual de Nord Pool Spot 2018. 2018. Disponible en línea: http://www.nordpoolspot.com/globalassets/download-center/annual-report/annual-report_nord-pool-spot_2013.pdf (se accede en 15 December 2020).
55. Piscina Norte. Datos históricos del mercado. 2019. Disponible en línea: https://www.nordpoolgroup.com/historical-market-data/ (accedido en 20 noviembre 2020).
56. Ofgem. Desglose de una factura de la luz. 2018. Disponible en línea: https://www.ofgem.gov.uk/data-portal/breakdown-electricity-bill (se accede en 12 December 2020).
57. Gobierno de SM. Combustibles y Energía (Aviso IVA 701/19). 2016. Disponible en línea: https://www.gov.uk/guidance/vat-on-fuel-and-power-notice-70119 (accedido en 11 noviembre 2020).
58. Ofgem. Estados Consolidados por Segmentos de las Empresas de Energía. 2018. Disponible en línea: https://www.ofgem.gov.uk/system/files/docs/2018/08/css_-_energy_companies_consolidated_segmental_statements_css_-_2018.pdf (accedido en 25 noviembre 2020).
59. Dufo-López, R.; Bernal-Agustín, JL Análisis técnico-económico del almacenamiento en baterías conectado a la red. Convertidores de energía. Administrar 2015, 91, 394 – 404. ElGoogle Scholar] [CrossRef]
60. Connolly, D.; Lund, H.; Finn, P.; Mathiesen, B.; Leahy, M. Estrategias prácticas de operación para el almacenamiento de energía hidroeléctrica por bombeo (PHES) utilizando el arbitraje de precios de la electricidad. Política de política 2011, 39, 4189 – 4196. ElGoogle Scholar] [CrossRef]
61. Staffell, I.; Rustomji, M. Maximización del valor del almacenamiento de electricidad. J. Almacenamiento de energía 2016, 8, 212 – 225. ElGoogle Scholar] [CrossRef]
62. Barbour, E.; Wilson, G.; Pasillo, P.; Radcliffe, J.; Wilson, I. ¿Pueden los precios negativos de la electricidad fomentar dispositivos de almacenamiento de energía eléctrica ineficientes? En t. J. Medio Ambiente. Semental. 2014, 71, 1 – 15. ElGoogle Scholar] [CrossRef]
63. TESVOLT. El sistema de almacenamiento de litio para empresas e industrias. 2016. Disponible en línea: http://www.solfex.co.uk/uploads/downloads/TESVOLT_ENG_Li_Datasheet_Version_2016_06.pdf (accedido en 3 noviembre 2020).
64. tesla Paquete de energía Tesla. 2020. Disponible en línea: https://www.tesla.com/en_GB/powerpack (consultado en 8 de octubre 2020).
65. Pimm, AJ; Cockerill, TT; Taylor, PG; Bastiaans, J. El valor del almacenamiento de electricidad para las grandes empresas: un estudio de caso en la Universidad de Lancaster. Energía 2017, 128, 378 – 393. ElGoogle Scholar] [CrossRef]
66. Yang, L.; Ribberink, H. Investigación del potencial para mejorar la economía de la estación de carga rápida de CC mediante la integración de la generación de energía fotovoltaica y/o el sistema de almacenamiento de energía de la batería local. Energía 2019, 167, 246 – 259. ElGoogle Scholar] [CrossRef]
67. Dufo-López, R. Optimización del tamaño y control del almacenamiento conectado a la red en condiciones de tarificación eléctrica en tiempo real. aplicación Energía 2015, 140, 395 – 408. ElGoogle Scholar] [CrossRef]
68. Dehghani-Sanij, A.; Tharumalingam, E.; Dusseault, M.; Fraser, R. Estudio de sistemas de almacenamiento de energía y desafíos ambientales de las baterías. Renovar. Sostener. Energía Rev. 2019, 104, 192 – 208. ElGoogle Scholar] [CrossRef]

Este artículo fue publicado originalmente por el Licenciatario MDPI, Basilea, Suiza, el 25 de septiembre de 2021, y se volvió a publicar de acuerdo con la Licencia pública internacional Reconocimiento-No comercial-Sin derivados 4.0 de Creative Commons. Puedes leer el artículo original aquí. Las opiniones expresadas en este artículo pertenecen únicamente al autor y no a WorldRef.

¡Explore los servicios de WorldRef para saber cómo estamos haciendo que sus operaciones comerciales globales sean más fáciles y económicas!

Servicios para vendedores  |  Servicios para compradores  |  Abastecimiento industrial gratuito   |  Servicios de mano de obra  |  Soluciones industriales  |  Servicios de contratación de mano de obra  |  Servicios de contratación de mano de obra  |  Servicios de delegación de mano de obra  |