Optimal Microgrid Sizing of Offshore Renewable Energy Sources for Offshore Platforms and Coastal Communities

Resumen Técnico: Dimensionamiento Óptimo de Microredes de Fuentes de Energía Renovable Marina para Plataformas Oceánicas y Comunidades Costeras

Planteamiento del Problema
Las comunidades y plataformas aisladas en alta mar, como islas y plataformas de petróleo y gas, dependen tradicionalmente de redes continentales o generadores diésel, lo que resulta en altos costos energéticos y emisiones de carbono significativas. Si bien los recursos renovables marinos (viento, olas, mareas y fotovoltaica flotante) ofrecen una alternativa sostenible, su naturaleza intermitente complica el diseño del sistema. Un desafío crítico en la planificación de microredes es el modelado preciso de la degradación del Sistema de Almacenamiento de Energía mediante Baterías (BESS, por sus siglas en inglés). Los modelos de optimización tradicionales suelen simplificar excesivamente los costos de degradación como un porcentaje fijo de la inversión de capital o dependen de parámetros de entrada limitados, lo que conduce a estimaciones de costo de vida inexactas y a un dimensionamiento de sistemas subóptimo. Además, las herramientas de optimización existentes a menudo luchan con la complejidad computacional introducida por los factores de degradación no lineales y la naturaleza estocástica de los recursos de energía marina.

Metodología
Los autores proponen un Optimizador de Microredes de Energía Renovable (REMO, por sus siglas en inglés) diseñado para determinar la mezcla y el dimensionamiento óptimos de la generación de energía renovable marina y los recursos de almacenamiento. La metodología integra cinco componentes clave:

1. Modelado de Recursos: El modelo utiliza cinco años de datos históricos del Centro Nacional de Boyas de Datos (NDBC) y la NOAA para proyectar las salidas de potencia para Turbinas Eólicas Marinas (OWT), Convertidores de Energía de las Olas (WEC), Convertidores de Energía de las Mareas (TEC) y sistemas Fotovoltaicos Flotantes (FPV) en seis regiones de EE. UU. (Texas, Alaska, California, Florida, Hawái, Nueva Jersey).
2. Marco de Optimización: El modelo REMO minimiza el costo total de vida, que comprende el pre-comisionamiento, el capital, la operación y mantenimiento (O&M), el desmantelamiento y los costos de degradación de la batería. Emplea un enfoque de programación lineal entera mixta para seleccionar capacidades óptimas de un conjunto de unidades de generación comercialmente disponibles y prototipos.
3. Degradación de Batería Basada en Redes Neuronales Profundas (DNN-BD): Para abordar la limitación de los modelos de degradación simplificados, los autores integran un módulo DNN-BD. Este módulo es entrenado en 945 simulaciones de envejecimiento utilizando cinco variables críticas de entrada: temperatura ambiente, tasa de carga/descarga, estado de carga (SOC), profundidad de descarga (DOD) y estado de salud (SOH). La red predice la degradación ciclo por ciclo para calcular costos precisos basados en el uso.
4. Algoritmo Heurístico Desacoplado: Reconociendo que el modelo DNN-BD introduce no linealidad y no convexidad, lo que hace que la optimización directa sea computacionalmente exigente, los autores emplean un heurístico desacoplado iterativo. Este algoritmo resuelve el modelo REMO, analiza el programa de operación del BESS para agrupar ciclos, calcula los costos de degradación mediante la DNN e itera el endurecimiento de las restricciones operativas (limitando la potencia máxima y la salida total) para reducir la degradación hasta lograr la convergencia.
5. Simplificación del Modelo: Se desarrolla un modelo "REMO-simplificado" mediante el análisis del Costo Nivelado de la Energía (LCOE) de todos los recursos. Basándose en los hallazgos de que los WEC y los TEC exhiben LCOEs significativamente más altos en la mayoría de las regiones en comparación con los OWT y los FPV, estos recursos se excluyen en el modelo simplificado para reducir el tiempo de computación sin sacrificar la optimicidad económica para los escenarios probados.

Contribuciones Clave

• Integración de Modelado de Degradación Avanzado: El artículo introduce una integración novedosa de una Red Neuronal Profunda en un marco de dimensionamiento de microredes. A diferencia de los modelos tradicionales que tratan la degradación como un costo estático, este enfoque contabiliza dinámicamente las interacciones no lineales entre factores ambientales (temperatura) y estresores operativos (SOC, DOD, tasa C).
• Estrategia de Optimización Iterativa: El desarrollo de un algoritmo heurístico desacoplado permite la inclusión de modelos de degradación complejos y no convexos dentro de un flujo de trabajo de optimización estándar, equilibrando la viabilidad computacional con la precisión del modelado.
• Análisis Regional Exhaustivo: El estudio proporciona un análisis comparativo de cuatro tecnologías distintas de energía marina renovable a través de seis regiones geográficamente diversas de EE. UU., ofreciendo perspectivas específicas sobre la viabilidad de los recursos (por ejemplo, la dominancia de los OWT en Alaska frente a los FPV en Hawái).
• Análisis de Sensibilidad de Costos: El artículo cuantifica los umbrales de reducción de costos requeridos para que las tecnologías emergentes (WEC y TEC) sean económicamente competitivas, identificando puntos de precio específicos (13% y 10% de sus costos actuales, respectivamente) donde podrían desplazar otros recursos en regiones específicas.

Resultos
Las simulaciones realizadas en plataformas de petróleo y gas marinas y en una gran ciudad costera arrojaron los siguientes hallazgos:

• Reducción de Costos: La integración del enfoque REMO-DNN-BD redujo el costo total de vida en un 7.7% y redujo los costos de degradación del BESS en aproximadamente un 42% en comparación con los modelos de degradación no restringidos o simplificados.
• Variabilidad Regional: Las configuraciones óptimas de los sistemas variaron significativamente según la región. Por ejemplo, los fuertes recursos eólicos de Alaska permitieron costos de vida más bajos con menores requisitos de almacenamiento, mientras que Nueva Jersey requirió una mayor dependencia de los FPV y el BESS debido a la variabilidad estacional del viento.
• Viabilidad de Recursos: Los OWT y los FPV demostraron consistentemente los menores Costos Nivelados de la Energía (LCOE) en la mayoría de las regiones. Se encontró que los WEC y los TEC son económicamente inviables a los niveles de costo actuales, requiriendo reducciones drásticas de costos (al 13% y 10% de sus niveles actuales, respectivamente) para ser competitivos.
• Eficiencia Computacional: El modelo REMO-simplificado, que excluye a los WEC y TEC basándose en el análisis de LCOE, redujo el tiempo de computación en un 16% a 25% en comparación con el modelo completo REMO-clásico.
• Sensibilidad al Viento: Una variación del 10% en la velocidad del viento resultó en una disminución del 16% en los costos de vida para un aumento del viento y un aumento del 33% para una disminución del viento, resaltando la sensibilidad del sistema a la disponibilidad del recurso.

Significancia
El artículo afirma que el marco REMO propuesto, junto con el modelo DNN-BD, ofrece una solución de diseño más realista y resiliente para las microredes marinas. Al contabilizar con precisión la compleja degradación basada en el uso de las baterías, el modelo evita las ineficiencias económicas asociadas con el reemplazo prematuro o el sobredimensionamiento de las baterías. El estudio subraya que, si bien las energías renovables marinas poseen un inmenso potencial, su integración exitosa requiere herramientas de optimización que vayan más allá de las suposiciones estáticas para capturar la interacción dinámica entre las condiciones ambientales, los patrones operativos y el envejecimiento de los componentes. Los hallazgos proporcionan una base basada en datos para que los responsables de políticas y los ingenieros prioricen las tecnologías maduras (OWT, FPV) en el corto plazo, identificando al mismo tiempo los objetivos específicos de reducción de costos necesarios para que las tecnologías emergentes (WEC, TEC) contribuyan a los futuros sistemas de energía marina.