Enhancing Optimal Microgrid Planning with Adaptive BESS Degradation Costs and PV Asset Management: An Iterative Post-Optimization Correction Framework

1. Problema Identificado

La planificación tradicional de microrredes enfrenta limitaciones críticas al integrar sistemas de almacenamiento (BESS) y generación solar (PV):

• Modelos de degradación estáticos: La mayoría de los modelos existentes ignoran los costos dinámicos de degradación o utilizan penalizaciones fijas que no reflejan la realidad operativa. Esto lleva a una estimación inexacta de los costos a largo plazo.
• Complejidad no lineal: Los enfoques que intentan modelar la degradación de manera realista (dependiente del Profundidad de Descarga o DOD) suelen ser no lineales, lo que genera tiempos de cálculo excesivos, problemas de convergencia y soluciones subóptimas.
• Subutilización o sobreutilización: Al no ajustar los costos de degradación según el perfil real de uso (DOD), los modelos estáticos pueden resultar en una infrautilización de las baterías (por penalizaciones excesivas) o en una sobreutilización que compromete la vida útil del activo (por penalizaciones insuficientes).
• Falta de integración de degradación de PV: Muchos modelos omiten la degradación de los paneles solares en la planificación a largo plazo, asumiendo una vida útil constante sin considerar costos de reemplazo progresivos.

---

2. Metodología Propuesta

Los autores proponen un modelo de planificación de microrredes basado en Programación Lineal Entera Mixta (MILP) que integra un nuevo marco de corrección iterativa.

A. Modelos de Comparación

Se desarrollaron tres modelos para establecer una línea base y validar la propuesta:

1. MGS (Benchmark): Solo incluye Generación Diésel/Gas (DG) y PV. No tiene BESS.
2. MGS-IB (BESS Ideal): Incluye BESS pero ignora los costos de degradación (asume una batería infinita o sin desgaste).
3. MGS-NIB (BESS No Ideal): Incluye BESS con costos de degradación, pero inicialmente utiliza un factor de degradación fijo basado en un DOD asumido.

B. Marco de Corrección Post-Optimización Iterativa (IPOC)

Esta es la contribución central del trabajo. El algoritmo IPOC funciona de la siguiente manera:

1. Inicialización: Se ejecuta el modelo de optimización (MILP) asumiendo un DOD inicial y un factor de degradación fijo.
2. Análisis de Perfil Operativo: Tras la primera solución, se extrae el perfil real de Estado de Carga (SOC) y los ciclos de descarga reales de la batería.
3. Cálculo de Degradación Real: Se calcula el costo de degradación real ($C_{deg}^{actual}$) utilizando la ecuación (29), que suma los costos basados en el conteo real de ciclos a diferentes niveles de DOD observados, en lugar del DOD asumido.
4. Corrección y Reiteración: Si el DOD promedio observado difiere del asumido, el algoritmo actualiza el factor de degradación (penalización) y vuelve a resolver el problema de optimización.
5. Convergencia: El proceso se repite hasta que el DOD asumido coincide con el DOD observado (o se encuentra un ciclo en iteraciones previas), garantizando que el costo de degradación refleje fielmente el uso real de la batería.

C. Resolución Temporal

El modelo se probó con tres resoluciones temporales para evaluar escalabilidad y precisión:

• 365 días (resolución completa anual).
• 12 días (días típicos mensuales).
• 1 día (día representativo único).

---

3. Contribuciones Clave

1. Marco IPOC: Un enfoque novedoso que alinea dinámicamente los costos de degradación de la BESS con los perfiles de DOD observados, mejorando la precisión y la utilización de activos sin sacrificar la eficiencia computacional del MILP.
2. Integración de Degradación de PV: Inclusión explícita de los costos de degradación de los paneles solares en la planificación a largo plazo, proporcionando una evaluación más realista del rendimiento de los activos.
3. Escalabilidad mediante MILP: A diferencia de los métodos no lineales, este enfoque mantiene la linealidad del problema, permitiendo soluciones globales óptimas y tiempos de cálculo manejables incluso con datos de alta resolución.
4. Manejo de Datos de Alta Resolución: Capacidad de procesar datos temporales detallados (hora a hora durante un año completo) sin necesidad de reducir la resolución temporal, lo que aumenta la fiabilidad de los resultados.

---

4. Resultados Principales

Los estudios de caso se realizaron en una microrred remota en Houston, Texas, con carga residencial, generación solar y un generador de gas natural (DG) como respaldo.

• Ahorro de Costos:
  • La inclusión de una BESS "ideal" (MGS-IB) redujo los costos objetivos en un ~18.6% comparado con el modelo sin batería (MGS).
  • El modelo con degradación realista (MGS-NIB) sin IPOC mostró una reducción del ~3.1%.
  • Con IPOC: La aplicación del algoritmo de corrección iterativa aumentó la reducción de costos al ~4.1% (un ahorro adicional de ~1% sobre el modelo estático). Esto demuestra que ajustar las penalizaciones evita tanto la sobreutilización como la subutilización.
• Optimización de Dimensionamiento:
  • El modelo IPOC ajustó el tamaño de la BESS y el DG. Por ejemplo, en la resolución de 365 días, el tamaño de la BESS se redujo de 0.45 MWh (modelo ideal) a 0.37 MWh (modelo con degradación), mientras que el DG se ajustó ligeramente para compensar la vida útil real de la batería.
• Reducción de Curtailment Solar:
  • La integración de BESS redujo drásticamente el desperdicio de energía solar. El modelo MGS-IB redujo el curtailment en un 84%, y el modelo MGS-NIB (con IPOC) en un 69%, comparado con el escenario sin almacenamiento.
• Robustez Económica:
  • El análisis de sensibilidad (variaciones de ±20% en costos de capital de PV y BESS) confirmó que el marco IPOC mantiene su eficacia, logrando ahorros adicionales de entre 0.5% y 1.7% en diferentes escenarios económicos al corregir los factores de degradación.

---

5. Significado e Impacto

Este trabajo es significativo porque cierra la brecha entre la teoría de optimización y la realidad operativa de las microrredes:

• Viabilidad Financiera: Proporciona a los inversores y planificadores herramientas más precisas para calcular el retorno de inversión (ROI) de las baterías, evitando estimaciones optimistas que ignoran el desgaste.
• Eficiencia Operativa: Al evitar la sobreutilización de las baterías, se extiende su vida útil operativa y se mejora la confiabilidad del sistema a largo plazo.
• Escalabilidad: Demuestra que es posible realizar planificación detallada con datos de alta resolución (365 días) utilizando modelos lineales, lo que hace que la metodología sea aplicable a sistemas de gran escala sin requerir recursos computacionales prohibitivos.
• Sostenibilidad: Facilita una transición más eficiente hacia energías renovables al optimizar la integración de almacenamiento, reduciendo la dependencia de generadores fósiles y maximizando el uso de energía solar.

En conclusión, el marco IPOC presentado ofrece una solución robusta y escalable para la planificación de microrredes, asegurando que las decisiones de dimensionamiento de activos (PV y BESS) sean económicamente óptimas y técnicamente realistas a lo largo de la vida útil del proyecto.