🔬 physics

Energy-Optimal Allocation of Storage in Transmission Grid Networks

Este estudio presenta un modelo para optimizar la ubicación y capacidad de los sistemas de almacenamiento en redes de transmisión, demostrando que situar las baterías en nodos de alta potencia minimiza las pérdidas y maximiza la relación energética neta en escenarios de mix eléctrico francés actual y futuro 100% renovable.

Autores originales: Emile Emery, Sébastien Aumaître, Hervé Bercegol

Publicado 2026-03-04

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Emile Emery, Sébastien Aumaître, Hervé Bercegol

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que la red eléctrica de un país es como un gigantesco sistema de tuberías de agua que lleva energía a millones de hogares. Ahora, imagina que queremos cambiar el grifo principal: en lugar de usar agua de un río constante (energía fósil), queremos usar agua de lluvia (solar) y viento (eólica).

El problema es que la lluvia y el viento son impredecibles. A veces llueve a cántaros y el sistema se desborda; otras veces no cae ni una gota y nos quedamos secos.

Este artículo es como un manual de ingeniería inteligente que responde a dos preguntas vitales para que nuestra transición a la energía limpia funcione:

¿Cuánto "tanque de almacenamiento" (baterías) necesitamos?
¿Dónde debemos colocar esos tanques para que no se desperdicie el agua?

Aquí te explico los puntos clave con analogías sencillas:

1. El Dilema: ¿Guardar o Tirar?

Cuando hay demasiada energía solar o eólica (lluvia fuerte), no podemos usarla toda al instante. Tenemos dos opciones:

Guardarla: Llenar las baterías. Pero construir baterías cuesta mucha energía y recursos (como fabricar un tanque de agua gigante).
Tirarla (Cortar): Dejar que la energía se desperdicie para no dañar la red.

Los autores usan una métrica llamada ESOI (Energía Almacenada sobre Energía Invertida). Piensa en esto como una relación costo-beneficio:

Si construyo una batería que me cuesta 100 unidades de energía fabricarla, pero a lo largo de su vida me permite guardar y usar 500 unidades, ¡es una gran inversión!
Si la batería me cuesta 100 unidades y solo me deja guardar 50, ¡es una pérdida!
El objetivo del estudio es encontrar el "punto dulce" donde la batería vale totalmente la pena.

2. El Truco de la "Sobredimensión" (Oversizing)

Las baterías no son perfectas; pierden un poco de energía al cargar y descargar (como un balde con un agujero pequeño).
Para compensar esto, los autores sugieren producir un poquito más de energía de la que necesitamos (sobredimensionar).

Analogía: Imagina que tienes que llenar un balde que gotea. En lugar de intentar arreglar el agujero, simplemente abres el grifo un poco más fuerte para asegurarte de que, a pesar de las fugas, el balde se llene. Es una pequeña inversión extra en producción para evitar que falte energía.

3. El Mapa del Tesoro: ¿Dónde poner las baterías?

Aquí es donde la investigación brilla. No basta con tener baterías; hay que saber dónde ponerlas.
Los autores analizaron la red eléctrica de Francia como si fuera un mapa de tráfico.

El error común: Poner baterías al azar o solo donde hay mucha gente.
El hallazgo: Las baterías deben colocarse en los nodos de mayor producción (donde se genera más energía, como grandes parques eólicos o solares).

¿Por qué?
Imagina que tienes que llevar cajas pesadas (energía) desde un almacén hasta tu casa.

Si pones un depósito intermedio (batería) justo en la puerta del almacén, las cajas no tienen que viajar por las calles congestionadas.
Si pones la batería lejos, las cajas tienen que viajar por muchas calles, perdiendo energía por el camino (pérdidas por calor o "efecto Joule").
Conclusión: Poner las baterías donde se genera la energía reduce el "tráfico" en las líneas de transmisión y ahorra mucha energía.

4. Los Resultados para Francia

Aplicaron este modelo a la red eléctrica de Francia con diferentes escenarios:

Escenario Realista (Mezcla actual): Necesitarían unas 21 GWh de baterías (una cantidad enorme, pero manejable) y aumentar la producción solo un 0.24%.
Escenario 100% Solar: Necesitarían casi 10 veces más baterías y aumentar la producción un 8%.
Escenario 100% Eólico: Necesitarían unas 143 GWh de baterías.

En Resumen

Este estudio nos dice que para tener un futuro limpio y eficiente:

No necesitamos baterías infinitas; necesitamos el tamaño justo para que la inversión valga la pena.
Necesitamos producir un poquito más de lo que consumimos para compensar las pérdidas.
Lo más importante es colocar las baterías justo donde se genera la energía, como poner un tanque de agua al pie de la montaña en lugar de en la cima de la ciudad.

Es como optimizar una receta de cocina: no se trata solo de tener los ingredientes (energía), sino de saber cuánto usar y dónde mezclarlos para que el plato salga perfecto sin desperdiciar nada.

Título: Asignación Óptima de Energía para el Almacenamiento en Redes de Transmisión Eléctrica

1. Problema

La transición hacia energías renovables implica la integración de una gran cantidad de fuentes de generación distribuida y variable (solar y eólica), lo que introduce incertidumbre, fluctuaciones de voltaje y desafíos de fiabilidad en la red eléctrica.

El Dilema: Existe una necesidad crítica de decidir entre almacenar el exceso de energía o desperdiciarla (mediante curtailment o recorte) para mantener la estabilidad. Esta decisión es fundamentalmente un problema de retorno de inversión energética (EROI).
Brechas en la Literatura: Los modelos existentes de EROI a nivel de red a menudo ignoran:
1. La energía incorporada necesaria para el sobredimensionamiento de la generación (para compensar las ineficiencias del almacenamiento).
2. La ubicación óptima del almacenamiento dentro de la red de transmisión (no solo en la red de distribución).
3. Las pérdidas Joule adicionales generadas por el flujo de energía hacia y desde los nodos de almacenamiento.
Objetivo: Determinar la capacidad óptima de almacenamiento, el grado de sobredimensionamiento de la producción y la ubicación espacial ideal en la red de transmisión para maximizar la eficiencia energética global.

2. Metodología

Los autores desarrollaron un modelo integrado que combina dinámica de almacenamiento, análisis de series temporales y teoría de grafos.

Procesamiento de Señales y Escenarios:
- Se utilizaron datos reales de producción y consumo de Francia (2021).
- Se crearon escenarios de descarbonización reemplazando la generación fósil por una versión escalada de energía solar y eólica.
- Se aplicó una descomposición en wavelets de Haar para filtrar las señales y aislar fluctuaciones en una escala de tiempo específica (6–12 horas), relevante para las baterías de iones de litio.
Modelo Dinámico de Almacenamiento:
- Se simula la evolución de la energía almacenada $S(t)$ paso a paso.
- Se introduce una variable de sobredimensionamiento ( $P_1$ ): un aumento en la capacidad de generación para compensar las pérdidas de eficiencia del almacenamiento ( $\eta_{st} < 1$ ) y evitar déficits de consumo.
- El modelo calcula la tasa de satisfacción de la demanda (objetivo: $\ge 95\%$ ) y el balance energético neto.
Métrica de Evaluación (ESOI):
- Se utiliza la métrica ESOI (Energy Stored on energy Invested), definida como la relación entre la energía útil almacenada y la energía invertida en la construcción del almacenamiento y el sobredimensionamiento.
- La fórmula considera la intensidad energética por unidad de energía almacenada y por unidad de potencia pico, así como el ciclo de vida y el número de ciclos de carga/descarga.
Análisis de Centralidad y Pérdidas Joule:
- Se aplicó un modelo de red de transmisión francés (topología RTE).
- Se utilizaron medidas de centralidad de grafos (específicamente centralidad de potencia) para identificar nodos óptimos para la instalación de almacenamiento.
- Se estimaron las pérdidas Joule adicionales mediante una aproximación de corriente continua (DC), asumiendo que las pérdidas son proporcionales al cuadrado del flujo de potencia.

3. Contribuciones Clave

Marco Unificado: Se presenta un modelo que integra por primera vez el dimensionamiento del almacenamiento, su ubicación espacial y las pérdidas de transmisión en una evaluación de retorno energético (EROI) a nivel de red.
Generalización de la Fórmula EROI: Se propone una generalización de la fórmula de Pellow para incluir pérdidas Joule entre generación, almacenamiento y distribución, introduciendo el concepto de ETOI (Energy Transmitted on energy Invested).
Estrategia de Ubicación Óptima: Se demuestra que, en redes de transmisión jerárquicas, colocar el almacenamiento en los nodos de máxima potencia instalada minimiza las pérdidas Joule, ya que evita que el exceso de energía fluya a través de líneas sobrecargadas antes de ser almacenado.
Análisis de Escenarios Extremos: Se evalúan no solo la mezcla actual de Francia (RTE mix), sino también escenarios ideales de 100% solar y 100% eólico para entender los límites del problema.

4. Resultados Principales

Capacidad y Sobredimensionamiento Óptimos:
- Para la mezcla actual de Francia (con reemplazo de fósiles por renovables escaladas), la configuración óptima es una capacidad de almacenamiento de 21.21 GWh (baterías Li-ion) y un sobredimensionamiento de generación del 0.24%.
- Esto maximiza la relación ESOI en 14.16.
Escenarios 100% Renovables:
- En un escenario del 100% Eólico, se requiere 142.95 GWh de almacenamiento y un 1.95% de sobredimensionamiento (ESOI = 12.31).
- En un escenario del 100% Solar, se requiere 921.44 GWh de almacenamiento y un 8.20% de sobredimensionamiento (ESOI = 9.84). Esto refleja la mayor variabilidad y estacionalidad de la energía solar.
Impacto de la Ubicación:
- La estrategia de ubicar el almacenamiento en nodos de máxima centralidad de potencia reduce significativamente las pérdidas Joule adicionales en comparación con otras estrategias de ubicación.
- Esto valida la hipótesis de que minimizar el flujo de energía a través de las líneas de transmisión antes del almacenamiento es crucial para la eficiencia global.

5. Significado e Implicaciones

Toma de Decisiones de Inversión: El estudio proporciona una base cuantitativa para decidir cuánto invertir en almacenamiento versus sobredimensionar la generación, evitando inversiones ineficientes que consuman más energía de la que ahorran.
Planificación de Redes: Los resultados sugieren que la planificación de la infraestructura de almacenamiento debe considerar la topología de la red de transmisión. Colocar baterías cerca de grandes centros de generación o nodos de alta potencia es más eficiente que una distribución aleatoria o puramente basada en la demanda local.
Sostenibilidad Real: Al incorporar la energía incorporada (embodied energy) y las pérdidas de transmisión, el modelo ofrece una visión más realista de la sostenibilidad de las redes eléctricas futuras, asegurando que la transición energética sea verdaderamente neta en términos de retorno energético.
Limitaciones: El modelo se centra en escalas de tiempo de horas (baterías) y asume una relación fija potencia/energía. No aborda el balance estacional a largo plazo (que requeriría hidrógeno o hidroeléctrica) ni la interacción entre múltiples escalas de tiempo.

En conclusión, este trabajo establece un nuevo paradigma para evaluar la viabilidad energética de las redes del futuro, demostrando que la ubicación inteligente del almacenamiento es tan crítica como su dimensionamiento para maximizar el retorno de la inversión energética.