Enhanced RIME-Based Energy Management Strategy for Techno-Economic Optimization of Standalone Hybrid Micro-grid

Resumen Técnico: Estrategia de Gestión de Energía Mejorada Basada en RIME para la Optimización Tecnoeconómica de una Microred Híbrida Independiente

Planteamiento del Problema
La integración de recursos de energía renovable (RER) en comunidades aisladas y fuera de la red requiere metodologías eficientes para el dimensionamiento óptimo de microredes híbridas independientes. Estos sistemas enfrentan desafíos significativos debido a la naturaleza intermitente de los recursos solares y eólicos, lo que complica el equilibrio entre la oferta y la demanda. El desafío técnico central abordado en este estudio es el dimensionamiento óptimo de un sistema híbrido compuesto por módulos fotovoltaicos (FV), turbinas eólicas (TE), celdas de combustible (FC) y sistemas de almacenamiento de energía mediante baterías (BESS). Esto constituye un problema de optimización complejo, no lineal, no convexo, de números enteros mixtos y con restricciones. Los métodos de optimización clásicos suelen ser ineficientes para encontrar soluciones óptimas globales dentro de un tiempo computacional razonable para tales problemas de alta dimensionalidad (específicamente un modelo de enteros de 42 dimensiones en este caso). Aunque los algoritmos metaheurísticos como la Optimización por Enjambre de Partículas (PSO) y el recientemente propuesto algoritmo RIME (Optimización RIME) ofrecen alternativas, pueden sufrir de convergencia prematura, pérdida de diversidad de la población y estancamiento en óptimos locales cuando se aplican a espacios de diseño complejos y restringidos.

Metodología
El estudio propone un marco tecnoeconómico integral aplicado a una microred híbrida independiente ubicada en el sitio de Zafarana, en el Golfo de Suez, Egipto. La arquitectura del sistema conecta los subsistemas de generación y almacenamiento (FV, TE, FC, BESS) a través de un bus de CC común, utilizando convertidores e inversores específicos para gestionar el flujo de potencia.

1. Modelado del Sistema:

   • Generación: La salida de FV se modela en función de la irradiancia y la temperatura; la salida de las TE sigue una curva de potencia por tramos; la FC actúa como un generador despachable.
   • Almacenamiento: Se modela un enfoque de doble almacenamiento, que incluye un BESS para el amortiguamiento a corto plazo y un sistema de almacenamiento de hidrógeno (electrolizador y tanque de H₂) para el almacenamiento de larga duración.
   • Restricciones: La optimización impone el equilibrio de potencia a través de cuatro escenarios operativos representativos (verano/invierno, día/noche), suficiencia energética anual, compatibilidad de componentes y una duración mínima de respaldo de batería de 3 días.
   • Objetivo: El objetivo es minimizar el costo total del ciclo de vida (capital, instalación y O&M) durante un horizonte de proyecto de 20 años.

2. Algoritmo Propuesto (E-RIME):
   Los autores introducen un algoritmo E-RIME (RIME Mejorado) para abordar las limitaciones del RIME base y del PSO. El E-RIME integra cuatro mecanismos de mejora específicos en el ciclo de búsqueda estándar de RIME:

   • Inicialización Caótica de Tent (Tent Chaotic Initialization): Reemplaza la inicialización aleatoria para mejorar la diversidad de la población y la cobertura del espacio de búsqueda.
   • Aprendizaje Basado en la Oposición (OBL): Evalúa soluciones candidatas opuestas durante la inicialización para retener individuos de mayor calidad.
   • Control de Parámetros No Lineales Adaptativos: Utiliza una función de decaimiento de coseno para gestionar la transición de la exploración a la explotación.
   • Mecanismo de Reinicio por Estancamiento: Reinicializa periódicamente los agentes con bajo rendimiento para evitar la convergencia prematura y mantener la diversidad.

3. Configuración Experimental:
   El rendimiento de E-RIME se comparó con el RIME base y el PSO bajo condiciones idénticas: 60 agentes de búsqueda, 30 ejecuciones independientes y presupuestos de iteración variables (20, 100 y 300 iteraciones).

Resultados Clave

• Desempeño de Convergencia: E-RIME demostró la velocidad de convergencia más rápida, particularmente bajo presupuestos computacionales limitados (20 iteraciones). Mientras que el RIME base y el PSO mostraron mejoras iniciales más lentas, el E-RIME alcanzó consistentemente costos de ciclo de vida más bajos al inicio del proceso de búsqueda.
• Minimización del Costo del Ciclo de Vida: En todos los presupuestos de iteración, E-RIME logró el costo total de ciclo de vida más bajo.
  • A 20 iteraciones: E-RIME ($2.0967 \times 10^6$) superó significativamente al PSO ($2.3787 \times 10^6$) y al RIME ($2.5613 \times 10^6$).
  • A 300 iteraciones: E-RIME logró el costo final más bajo ($1.2581 \times 10^6$), seguido por RIME ($1.4129 \times 10^6$) y PSO ($2.1805 \times 10^6$). Notablemente, el costo del PSO aumentó ligeramente entre las 100 y 300 iteraciones, lo que sugiere dificultades para refinar las soluciones durante búsquedas prolongadas.
• Dimensionamiento Óptimo de Componentes: El algoritmo E-RIME determinó una configuración óptima dominada por módulos fotovoltaicos (Tipo 3) y celdas de combustible (Tipo 1). Crucialmente, el optimizador seleccionó cero unidades de turbina eólica, lo que indica que, bajo los supuestos tecnoeconómicos específicos y las condiciones del sitio de Zafarana, la generación eólica no era rentable. La solución incluyó un almacenamiento de batería significativo (Tipos 1–3) y la utilización total de las capacidades de inversores y convertidores.
• Operación del Sistema: El análisis de equilibrio de potencia de 24 horas mostró que la celda de combustible proporcionó una carga base constante, mientras que la FV contribuyó durante las horas del día. El sistema de batería operó principalmente en un modo de carga continua, absorbiendo la generación excedente, confirmando la capacidad del sistema para satisfacer las demandas de carga con un suministro estable.

Significancia y Reivindicaciones
El artículo sostiene que el marco E-RIME propuesto es una solución efectiva y robusta para problemas de dimensionamiento de microredes híbridas de gran escala y de números enteros mixtos. El estudio afirma que la integración de la inicialización caótica, el OBL, el control de parámetros adaptativos y el mecanismo de reinicio por estancamiento logra con éxito mejorar el equilibrio entre la exploración y la explotación, conduciendo a una calidad de solución superior y a una convergencia más rápida en comparación con las metaheurísticas establecidas como el PSO y el RIME base.

Los autores destacan que el E-RIME es particularmente adecuado para aplicaciones con presupuestos computacionales restringidos donde se requiere una convergencia rápida, manteniendo al mismo tiempo la capacidad de encontrar óptimos globales superiores en escenarios de búsqueda extendidos. Los hallazgos confirman la efectividad del enfoque para minimizar los costos del ciclo de vida en sistemas de energía renovable independientes.

Limitaciones y Trabajo Futuro
El estudio reconoce que sus resultados se basan en datos deterministas de recursos renovables y de carga, sin modelar explícitamente la degradación de los componentes, la incertidumbre o las condiciones operativas estocásticas. Los autores sugieren que investigaciones futuras incorporen el modelado de la incertidumbre, evaluaciones de ciclo de vida conscientes de la degradación y estrategias de gestión de energía en tiempo real para mejorar aún más la aplicabilidad práctica del marco.