⚡ electrical engineering

Grid-Compatible Flexibility from Multi-Energy Systems via Cyclic-Terminal Economic MPC with Hybrid Thermal-Electrical Dynamics

Este artículo presenta un marco de Control Predictivo basado en Modelo Económico unificado para sistemas multienergéticos que integra la dinámica híbrida térmico-eléctrica y las señales del mercado, demostrando que un peso de penalización terminal suficientemente grande sustituye eficazmente a los horizontes de predicción prolongados para asegurar el rendimiento óptimo de bucle cerrado y la tractabilidad computacional.

Autores originales: Azzam Abdul, Schwenkel Lukas, Scheurer Leon, Häbig Pascal, Hufendiek Kai

Publicado 2026-08-10

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Azzam Abdul, Schwenkel Lukas, Scheurer Leon, Häbig Pascal, Hufendiek Kai

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 la red energética como una ciudad gigante y bulliciosa donde la electricidad y el calor son las dos principales monedas. En el pasado, estas monedas eran gestionadas por bancos separados: uno para luces y dispositivos, otro para duchas calientes y edificios calefaccionados. Pero a medida que el mundo se desplaza hacia la energía verde, estos bancos necesitan hablar entre sí. El problema es que la electricidad es como el efectivo en tu bolsillo: es excelente para transacciones rápidas pero difícil de guardar para después. El calor, por otro lado, es como una piedra pesada y cálida; tarda en calentarse, pero una vez que está caliente, permanece cálido durante mucho tiempo, actuando como una batería natural.

Para hacer funcionar esta ciudad de manera eficiente, necesitamos un controlador de tráfico superinteligente que pueda predecir el futuro. Aquí es donde entra el Control Predictivo de Modelo (MPC, por sus siglas en inglés). Piensa en esto como un jugador de ajedrez que no solo mira el siguiente movimiento, sino que planea varios turnos por adelantado, ajustando constantemente la estrategia a medida que el juego cambia. Cuando el objetivo de este controlador es ahorrar dinero en lugar de simplemente seguir un horario fijo, se le llama MPC Económico (EMPC). El gran desafío que enfrentan los científicos es hacer que este controlador sea lo suficientemente rápido como para funcionar en tiempo real mientras lidia con la física compleja y lenta del calor junto con la dinámica ultrarrápida de la electricidad, todo ello mientras reacciona a los precios fluctuantes.

Este artículo presenta una nueva y astuta forma de ejecutar este controlador para un sistema energético del tamaño de un campus que mezcla calor y energía. Los investigadores construyeron un "cerebro" unificado que trata las tuberías de calefacción y los cables eléctricos como un único sistema interconectado. En lugar de intentar adivinar el futuro perfecto cada vez, utilizaron un truco: calcularon un "horario semanal perfecto" fuera de línea (como un plan maestro para una semana típica) y luego usaron ese plan como un punto de referencia para el controlador en tiempo real. No obligaron al sistema a ceñirse al plan de forma rígida; en su lugar, añadieron un "vínculo suave" que tira suavemente del sistema para devolverlo hacia el plan si comienza a desviarse demasiado.

El equipo realizó miles de simulaciones en un campus virtual equipado con paneles solares, baterías, bombas de calor y una planta de cogeneración (calor y electricidad combinados). Descubrieron algo sorprendente: el controlador no necesitaba mirar muy lejos hacia el futuro para ser efectivo. Normalmente, pensarías que mirar más adelante (un horizonte de predicción más largo) siempre sería mejor. Sin embargo, descubrieron que si tienes un "vínculo suave" lo suficientemente fuerte (un peso terminal alto) que ancle el sistema al plan semanal, la longitud de la ventana de observación apenas importa. Un horizonte de observación corto de solo 20 minutos funcionó casi tan bien como un horizonte de 72 horas, siempre que el vínculo fuera lo suficientemente fuerte.

De hecho, el artículo argumenta que el "tiempo de previsión" y la "fuerza del vínculo" actúan como sustitutos. Sin el vínculo, el controlador necesita mirar hacia adelante durante dos o tres días completos (unas 48 a 72 horas) para descifrar el mejor ritmo por su cuenta. Pero con el vínculo, puede obtener el mismo resultado mirando solo unos pocos minutos hacia adelante. Esto es una gran victoria para la velocidad, lo que significa que la computadora no tiene que realizar un trabajo pesado para resolver problemas matemáticos complejos cada pocos minutos.

Sin embargo, el estudio también reveló un comportamiento peculiar en el almacenamiento térmico (un tanque gigante de agua caliente). Mientras el controlador mantenía la batería y la red de calefacción perfectamente alineadas con el plan semanal, el tanque de agua caliente parecía "derivar" con el tiempo, llenándose o vaciándose lentamente de una manera que el plan semanal no predecía. Los investigadores explican que esto no es un error, sino una peculiaridad de las matemáticas: debido a que el costo de mantener el agua caliente es esencialmente cero, el controlador se siente libre de dejar que el tanque deambule, siempre y cuando no rompa ninguna regla. Esta deriva ocurre incluso cuando el sistema está ahorrando dinero de manera efectiva.

Los investigadores probaron su sistema bajo condiciones perfectas donde conocían exactamente el clima y los precios futuros. En estas simulaciones, el controlador en línea logró mantener el costo total a menos del 1% del mejor costo teórico posible. Descubrieron que, para esta configuración de campus específica, un horizonte de predicción de 24 horas (288 pasos) es el punto óptimo: es lo suficientemente largo como para ver un día completo de cambios de precios y mantener el sistema estable, pero lo suficientemente corto como para resolverse rápidamente. Recomiendan un "peso de vínculo" específico de 1,000, que mantiene el sistema anclado sin ser demasiado rígido.

En última instancia, el artículo muestra que, mediante el uso de un ancla inteligente (la referencia periódica) y un vínculo flexible, podemos hacer que sistemas de energía complejos funcionen de manera eficiente sin necesidad de supercomputadoras que miren días hacia el futuro. Aunque los resultados se basan en simulaciones y asumen un conocimiento perfecto del futuro, los hallazgos sugieren un camino práctico para gestionar el mundo desordenado y mixto de las futuras redes de energía verde.

Resumen Técnico: Flexibilidad Compatible con la Red mediante el Control Predictivo Económico de Terminal Cíclico en Sistemas de Multi-Energía

Planteamiento del Problema

Los sectores de calefcción y refrigeración siguen dependiendo fuertemente de los combustibles fósiles, lo que supone una barrera significativa para la descarbonización, al tiempo que ofrecen un almacenamiento inherente a gran escala mediante la inercia térmica de la que carecen las redes eléctricas. La coordinación de estos dominios térmicos y eléctricos introduce desafíos operativos debido a la volatilidad de la generación renovable, las incertidumbres de la demanda y la naturaleza distintiva de activos como las plantas de Cogeneración (CHP), las bombas de calor (HP) y las baterías y el Almacenamiento de Energía Térmica (TES).

Los enfoques convencionales, como el despacho basado en reglas o la programación estática de Programación Lineal Entera Mixta (MILP), suelen tratar los activos de forma aislada o dependen de programas fijos. Estos métodos carecen de la capacidad de anticipar estados futuros o señales de precios y no pueden cerrar el bucle para reaccionar ante errores de pronóstico. Si bien el Control Predictivo Basado en Modelo (MPC) ofrece una solución al optimizar sobre un horizonte de tiempo en retroceso, su aplicación a sistemas de multi-energía integrados es computacionalmente exigente. Además, las formulaciones estándar de MPC Económico (EMPC) suelen tener dificultades para garantizar la estabilidad y el rendimiento sin imponer restricciones terminales estrictas, lo que puede volver la optimización infactible ante perturbaciones variables en el tiempo.

Metodología

El artículo propone un marco de Control Predictivo Económico (EMPC) de Terminal Cíclico unificado, diseñado para la operación coordinada de redes térmicas y eléctricas integradas.

1. Representación de Espacio de Estados Unificada:
Los autores desarrollan un modelo de espacio de estados mixto y unificado que acopla:

Red de Calefacción Distrital (DHN): Modelada mediante una aproximación Resistiva–Capacitiva (RC) de orden reducido, centrándose en el efecto de almacenamiento térmico de la masa de agua de la red mientras se omiten las dinámicas de presión hidráulica.
Red Eléctrica: Modelada mediante una aproximación de flujo de potencia continua linealizada (DCPF).
Activos: Incluye un TES estratificado, una batería, una bomba de calor de gran escala y una planta de cogeneración (CHP). La CHP se formula utilizando un enfoque de Lógica Mixta Dinámica (MLD) para gestionar su lógica híbrida de encendido/apagado y las restricciones de arranque directamente dentro de la optimización.
Perturbaciones: Las señales variables en el tiempo (irradiación solar, temperatura ambiente, demanda, precios de la electricidad) se tratan como entradas exógenas.

2. Formulación de Terminal Cíclico:
En lugar de seguir un punto de consigna fijo, el EMPC minimiza un costo de etapa económico (combustible, electricidad, degradación y costos de corte). Para asegurar la estabilidad y el rendimiento sin recurrir a conjuntos terminales rígidos, el marco utiliza una órbita de referencia económica periódica:

Fuera de línea (Offline): Se computa una vez una trayectoria óptima de estado-entrada periódica sobre un periodo nominal (por ejemplo, 24 horas) asumiendo perturbaciones periódicas.
En línea (Online): El controlador de horizonte en retroceso se ancla a esta referencia fija mediante restricciones terminales blandas (soft constraints). Se aplica una penalización de holgura escalada a las desviaciones entre el estado terminal y la órbita de referencia. Esto permite que el controlador mantenga la factibilidad cuando las perturbaciones reales se desvían de la estimación nominal, guiando al mismo tiempo al sistema hacia el régimen periódico económicamente óptimo.

3. Configuración Experimental:
El marco se prueba en un sistema de multi-energía a escala de campus (Universidad de Stuttgart) bajo condiciones de previsión perfecta. La simulación abarca tres días con un tiempo de muestreo de 300 segundos y un horizonte de predicción de 24 horas. Se realiza un barrido conjunto a través de 14 longitudes de horizonte de predicción ( $N$ ) y 8 pesos de penalización terminal ( $w_{term}$ ) para analizar la interacción de estos parámetros de diseño.

Contribuciones Clave

Modelo Híbrido Unificado: Un único modelo de espacio de estados afín que acopla una DHN basada en RC y una red de flujo de potencia continua con cinco componentes de generación/almacenamiento (CHP, HP, TES, Batería, Solar) en un programa lineal entero con un costo económico convexo.
Diseño de EMPC de Terminal Cíclico: Una implementación práctica utilizando restricciones terminales blandas escaladas que anclan la operación de horizonte en retroceso a una órbita económica periódica calculada fuera de línea, aprovechando la periodicidad diaria de precios y demanda sin requerir conjuntos terminales estrictos.
Análisis de Sensibilidad de Parámetros de Diseño: Un análisis de sensibilidad de bucle cerrado exhaustivo que caracteriza la relación entre el horizonte de predicción y el peso de la penalización terminal. El estudio identifica que estos dos parámetros actúan como sustitutos en lugar de ser perillas de ajuste independientes.
Caracterización Empírica de la Deriva del Almacenamiento: La identificación e interpretación de una "deriva de horizonte en retroceso" en el estado del almacenamiento de energía térmica, donde el controlador en línea impulsa el almacenamiento a través de un amplio rango mientras que la referencia periódica fuera de línea lo mantiene casi inerte.

Resultados

1. Alineación de la Órbita y Rendimiento de Costos:

Efecto de Sustitución: El estudio demuestra que un peso terminal suficientemente grande ( $w_{term} \ge 300$ ) permite que el sistema logre un rendimiento cercano al óptimo (dentro de un 0.4% a 1.0% del costo de referencia fuera de línea) incluso con los horizontes de predicción más cortos (20 minutos). Sin este anclaje ( $w_{term}=0$ ), el horizonte de predicción debe abarcar dos a tres ciclos diurnos (48–72 horas) para lograr una alineación similar.
Meseta de Costo: Una vez que el peso terminal supera un umbral de activación, el costo de bucle cerrado se vuelve insensible al peso sobre un amplio rango (una "meseta de múltiples décadas"). Del mismo modo, con la condición terminal activa, el horizonte de predicción deja de ser un parámetro crítico de rendimiento y se convierte puramente en uno computacional.
Rendimiento de Referencia: Con un horizonte de 24 horas y un peso terminal moderado ( $w_{term}=10^3$ ), el EMPC en línea sigue de cerca la órbita periódica fuera de línea, con una brecha de costo acumulado de solo 0.77% durante la ventana de simulación.

2. Asignación de Flexibilidad:

Roles Asimétricos: El sistema exhibe una asignación de flexibilidad asimétrica. La batería actúa como el motor de mediano plazo, realizando arbitraje de precios de varias horas. Por el contrario, el TES opera como un ciclista rápido y casi continuo, absorbiendo principalmente un sesgo de sobreproduación persistente de la bomba de calor en lugar de responder directamente a las señales de precio.
Despacho de la CHP: La CHP se despacha predominantemente durante los periodos de precios altos, manteniendo un esquema de compromiso que permanece mayormente invariable ante diferentes longitudes de horizonte una vez que la condición terminal está activa.

3. Deriva del Horizonte en Retroceso:
El estado del TES exhibe una deriva persistente donde el controlador en línea acumula inventario respecto a la referencia fuera de línea. Esto ocurre porque el nivel de energía del TES no conlleva un costo de etapa directo (solo pérdidas pasivas), lo que hace que la disipatividad estricta falle en esa coordenada. La referencia fuera de línea se ve forzada a ser inerte por su restricia de periodicidad estricta, mientras que el controlador en línea explota la capacidad de almacenamiento "gratuita" para satisfacer las restricciones terminales mediante descargas programadas que nunca se ejecutan debido al desplazamiento del horizonte.

Significación y Reivindicaciones

El artículo sostiene que el marco de EMPC de terminal cíclico propuesto logra cerrar la brecha entre la tractabilidad computacional y la optimalidad económica para los sistemas de multi-energía. Al utilizar una restricción terminal blanda anclada a una referencia periódica, el método:

Desacopla el Rendimiento de la Longitud del Horizonte: Permite horizontes de predicción cortos (reduciendo la carga computacional) sin sacrificar el rendimiento económico, siempre que se utilice un peso terminal suficientemente grande.
Garantiza la Factibilidad: El mecanismo de restricción blanda preserva la factibilidad ante perturbaciones donde las restricciones terminales estrictas podrían fallar.
Revela Propiedades Estructurales: El análisis destaca que en sistemas híbridos con paisajes de costo planos (como el almacenamiento térmico con pérdidas), los controladores de horizonte en retroceso pueden presentar derivas incluso cuando se cumplen los límites de rendimiento promedio, un fenómeno distinto al ruido de conmutación de enteros.

Los autores señalan que estos hallazgos son específicos para el sistema de campus estudiado y las semanas de precios analizadas. El estudio asume previsión perfecta y concordancia entre planta y modelo, reconociendo que el trabajo futuro debe abordar la incertidumbre de los pronósticos y el desajuste del modelo mediante extensiones robustas o estocásticas. El artículo no pretende la aplicabilidad universal a todas las configuraciones de red, sino que establece una metodología validada para la clase específica de sistemas integrados térmico-eléctricos modelados.