⚡ electrical engineering

Multi-Microgrid Electricity–Heat Energy Sharing Based on Spatio-Temporal Distributionally Robust Optimization and Benefit Allocation

Este artículo propone un marco de intercambio distribuido de energía eléctrica y térmica para microredes múltiples que integra la optimización robusta distribucional con correlación espacio-temporal para gestionar las incertidumbres de fuente y carga, y un mecanismo de negociación de Nash asimétrico para garantizar una asignación de beneficios justa, logrando finalmente una operación coordinada de bajo costo, baja emisión de carbono y robusta.

Autores originales: Yuntao Yue, CuiPing Yang, Dong Liu

Publicado 2026-06-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yuntao Yue, CuiPing Yang, Dong Liu

Artículo original bajo licencia CC BY 4.0 (https://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 un vecindario donde cada casa tiene sus propios paneles solares, turbinas eólicas y baterías. A veces, la Casa A tiene demasiada energía eólica por la noche, mientras que la Casa B está luchando para mantener las luces encendidas. Otras veces, la Casa C tiene calor excedente de su caldera que no necesita.

En el pasado, estas casas podrían haber comprado energía cara de la red principal o simplemente desperdiciado su energía sobrante. Este artículo propone una forma más inteligente para que estas "microredes" (las casas) trabajen juntas como un equipo. Es como organizar una cena de convivencia vecinal donde cada uno trae lo que tiene, lo comparte y reparte los ahorros de manera justa.

Aquí se detalla cómo este papel desglosa esta solución, utilizando analogías sencillas:

1. El Problema: El "Juego de Adivinar el Clima"

El desafío principal es que el sol no siempre brilla y el viento no siempre sopla. Predecir exactamente cuánta energía generará una casa es como intentar adivinar el número exacto de gotas de lluvia en una tormenta.

Formas antiguas: Algunos métodos eran demasiado pesimistas (comprando demasiada energía de respaldo por si acaso), mientras que otros eran demasiado optimistas (quedándose sin energía cuando el viento se detenía).
La Solución del Papel: Los autores crearon una nueva herramienta de "predicción climática" llamada WDRCC. Piensa en esto como un mapa superinteligente que no solo mira el clima en un punto, sino que entiende cómo el viento en un vecindario afecta al viento en el siguiente, y cómo el clima de hoy se relaciona con el de mañana. Utiliza una "banda elástica" matemática (distancia de Wasserstein) para estirar y encoger sus predicciones basándose en cuántos datos tiene, asegurando que el vecindario esté a salvo de sorpresas sin desperdiciar dinero.

2. La Mejora de Bajo Carbono: La "Fábrica de Reciclaje"

Una de las casas (Microred 2) recibe un tratamiento especial para volverse "verde".

La Configuración: Instala un sistema que captura el "humo" (dióxido de carbono) de su generador de energía. En lugar de dejar que contamine el aire, convierte ese humo en combustible.
El Truco de Magia: Utiliza electricidad para dividir el agua en hidrógeno, luego mezcla ese hidrógeno con el humo capturado para crear metano (gas natural).
El Resultado: Esta casa convierte su propio desperdicio en combustible, que puede usar o vender a sus vecinos. Es como una casa que se come su propia basura y la convierte en pizza.

3. El Trabajo en Equipo: El "Trato de la Cena Vecinal"

Ahora que las casas pueden compartir electricidad y calor, deben decidir quién recibe qué y quién le paga a quién.

La Negociación: Utilizan un método llamado Negociación de Nash Asimétrica. Imagina a un grupo de amigos dividiendo una cuenta. En lugar de simplemente dividirla 50/50, observan quién trajo más comida, quién condujo el coche y quién montó las sillas.
El Factor de Equidad: El artículo introduce una "Puntuación de Contribución". Si la Casa A aporta mucha electricidad extra, la Casa B proporciona calor y la Casa C ayuda a estabilizar la red cuando las cosas se ponen difíciles, todos reciben una parte de los ahorros proporcional a su ayuda. Esto asegura que nadie sienta que se están aprovechando de ellos.

4. El Guardián de la Privacidad: La "Danza con los Ojos Vendados"

Para que esto funcione, las casas necesitan hablar entre sí para coordinarse, pero no quieren revelar sus recetas secretas o sus datos financieros privados.

La Solución: Utilizan un algoritmo llamado ADMM. Imagina a un grupo de personas bailando en círculo, con los ojos vendados. Pueden sentir a la persona de al lado y ajustar sus pasos para mantenerse en sincronía, pero nunca necesitan ver la cara de la otra persona ni conocer sus secretos personales. Esto permite que todo el vecindario optimice su uso de energía sin que nadie espíe los datos privados de los demás.

5. Los Resultados: Ganar-Ganar-Ganar

Cuando los autores probaron este sistema con tres "casas" diferentes (una con viento, una con solar y la que tiene la fábrica de reciclaje):

Dinero Ahorrado: El costo total para el vecindario disminuyó. Al compartir energía y usar la "fábrica de reciclaje", compraron menos energía costosa de la red principal.
Menos Contaminación: Las emisiones de carbono bajaron significativamente porque la fábrica de reciclaje convirtió el desperdicio en combustible.
Equidad: La casa que más contribuyó (la que tiene la fábrica de reciclaje y los recursos más flexibles) obtuvo la mayor parte de los ahorros, mientras que todos ganaron más dinero que si hubieran actuado solos.

En Resumen

Este artículo presenta un plano para que un vecindario de productores de energía actúe como un equipo único y eficiente. Utiliza un "mapa climático" inteligente para manejar la incertidumbre, una "fábrica de reciclaje" para convertir la contaminación en combustible y un "calculador de equidad" para asegurar que todos reciban el pago por su ayuda, todo mientras mantiene seguros los secretos privados de cada uno. El resultado es una forma más limpia, barata y justa de alimentar nuestro futuro.

Resumen Técnico: Optimización Robusta de Distribución Espacio-Temporal y Asignación de Beneficios para el Intercambio de Energía Eléctrica y Térmica en Microredes Múltiples

Planteamiento del Problema
La gestión coordinada de sistemas de microredes múltiples (MMG) enfrenta desafíos significativos derivados del acoplamiento de los requisitos operativos de bajas emisiones de carbono y la incertidumbre de las predicciones de fuentes renovables y cargas. Los enfoques existentes a menudo no logran abordar simultáneamente tres brechas críticas:

Modelado de la Incertidumbre: Los métodos tradicionales (intervalos, estocásticos o de optimización robusta) dependen de intervalos definidos manualmente, dependen fuertemente de supuestos distribucionales específicos o producen resultados del peor caso excesivamente conservadores. Además, frecuentemente descuidan las correlaciones espacio-temporales de los errores de predicción entre múltiples microredes y periodos de tiempo, lo que podría subestimar los riesgos del sistema.
Integración de Bajas Emisiones de Carbono: Aunque existen tecnologías de bajas emisiones como el Captura y Almacenamiento de Carbono (CCS) y el Power-to-Gas (P2G), existe una falta de marcos unificados que integren estas tecnologías en un modelo de despacho coordinado de multienergía (electricidad–calor–gas) que aproveche la cooperación entre microredes para la reducción de emisiones.
Asignación de Beneficios: Los mecanismos de distribución de beneficios existentes, como el valor de Shapley o el de negociación de Nash simétrica, a menudo luchan por equilibrar la eficiencia computacional con la equidad, particularmente cuando las contribuciones son multidimensionales (por ejemplo, intercambio de energía, reducción de carbono y flexibilidad) y asimétricas.

Metodología
El artículo propone un marco integral que integra la optimión robusta de distribución espacio-temporal con la teoría de juegos de coalición. La metodología se estructura en tres componentes principales:

Modelo de Microred de Multienergía de Bajas Emisiones de Carbono:
Los autores construyen un modelo para microredes individuales que incorpora CCS, P2G, almacenamiento de hidrógeno y metanación. Esta configuración permite capturar el $CO_2$ de las unidades de Cogeneración (CHP) y su posterior conversión en metano mediante P2G, creando una vía de acoplamiento "electricidad–gas–carbono". El modelo minimiza los costos operativos, incluyendo combustible, mantenimiento y costos de comercio de carbono.
Modelo de Restricción de Probabilidad de Distribución de Wasserstein con Correlación Espacio-Temporal (WDRCC):
Para abordar la incertidumbre de la fuente y la carga, el artículo desarrolla un modelo WDRCC. A diferencia de los modelos estándar, este enfoque:
- Construye un conjunto de ambigüedad centrado en la distribución empírica de los errores de pronóstico históricos utilizando una bola de Wasserstein.
- Introduce una métrica de distancia de Wasserstein ponderada por covarianza. Esta métrica incorpora las características estadísticas espacio-temporales (matrices de covarianza) en el cálculo de la distancia, permitiendo que el modelo considere la anisotropía de la incertidumbre (es decir, correlaciones más fuertes en direcciones específicas).
- Formula un problema de optimización de dos etapas: una etapa determinista de día anterior y una etapa de reprogramación intradía. El objetivo es minimizar la suma de los costos del día anterior y los costos de ajuste intradía del peor caso dentro del conjunto de ambigüedad.
- Linealiza el problema utilizando la teoría de la dualidad y variables auxiliares para asegurar la tractabilidad.
Negociación de Nash Asimétrica para la Asignación de Beneficios:
La operación coordinada se modela como un juego de coalición.
- Optimización de Costos: Se emplea el Método de Alternancia de Dirección por Multiplicadores (ADMM) para resolver el problema de minimización de costos de toda la alianza de manera distribuida, preservando la privacidad de las microredes individuales al intercambiar únicamente variables de frontera (cantidades de intercambio de energía y variables duales).
- Asignación de Ingresos: Se formula un modelo de negociación de Nash asimétrica. A diferencia de los modelos simétricos, este enfoque pondera el poder de negociación de cada microred basándose en un sistema de evaluación de contribución multidimensional. Este sistema cuantifica las contribuciones en cuatro dimensiones: intercambio de energía, reducción de emisiones de carbono, capacidad de regulación (flexibilidad) y soporte de equilibrio de potencia (fiabilidad). La asignación de beneficios final es proporcional a estos índices de contribución integrales.

Contribuciones Clave

WDRCC Ponderado por Covarianza: El desarrollo de un modelo robusto de distribución que integra explícitamente las dependencias estadísticas espacio-temporales en la métrica de distancia de Wasserstein. Esto mejora la representación de la anisotropía de la incertidumbre y permite un equilibrio ajustable entre el rendimiento económico y la robustez sin asumir una distribución de probabilidad específica.
Modelo de Microred de Multienergía Integrado de Bajas Emisiones: La formulación de un modelo de microredes múltiples que extiende la modernización de bajas emisiones (CCS y P2G) desde una perspectiva de unidad única hacia un nivel de microredes múltiples coordinadas, facilitando la captura de $CO_2$ y la utilización de recursos en toda la alianza.
Negociación Asimétrica Basada en la Contribución: El establecimiento de una arquitectura de intercambio de energía que descompone el problema en optimización de costos y asignación de ingresos. El mecanismo de negociación de Nash asimétrica propuesto asegura que la distribución de beneficios se alinee con las contribuciones multidimensionales, abordando las limitaciones de los métodos de asignación de una sola dimensión.

Resultados
Los estudios de caso que involucran tres microredes (dos basadas en viento, una basada en fotovoltaica, con una en proceso de modernización de bajas emisiones) demuestran lo siguiente:

Efectividad de la Modernización de Bajas Emisiones: La modernización de la Microred 2 redujo las emisiones reales de carbono en aproximadamente un 28% y los costos operativos totales en un 2.63% en comparación con los escenarios previos a la modernización, validando la viabilidad económica de la integración CCS-P2G.
Convergencia del Algoritmo: El algoritmo ADMM convergió eficientemente (dentro de 73 iteraciones para el problema principal), confirmando la estabilidad computacional de la solución distribuida.
Sinergia Operativa: Los resultados muestran patrones complementarios de intercambio de energía. Por ejemplo, las microredes ricas en viento suministran energía durante los períodos de baja demanda, mientras que las microredes ricas en fotovoltaica apoyan a otras durante las horas pico de luz diurna. El intercambio de energía térmica mejora aún más la flexibilidad.
Distribución Justa de Beneficios: El mecanismo de asignación propuesto aumentó los ingresos totales de la alianza en más de 127,000 CNY. Las microredes con mayores contribuciones integrales (por ejemplo, MG2 con alta reducción de carbono y flexibilidad) recibieron mayores partes de los beneficios redistribuidos, demostando la capacidad del mecanismo para equilibrar la equidad y la eficiencia.
Comparación de Modelos: En comparación con los modelos Determinista (DDRCC), Estocástico (SDRCC) y basado en Momentos (MDRCC), el modelo WDRCC propuesto logró el menor costo operativo total. Logró equilibrar con éxito el alto conservadurismo del MDRCC (que incurrió en altos costos del día anterior) y los altos costos de reprogramación/penalización del DDRCC.
Análisis de Sensibilidad: El estudio confirmó que el rendimiento del modelo WDRCC es sensible al coeficiente de confianza y al tamaño de la muestra, lo que permite a los operadores ajustar el equilibrio entre robustez y costo. Además, el hecho de ignorar las correlaciones espacio-temporales conduce a una subestimación de los riesgos de incertidumbre y a mayores costos operativos.

Significancia y Reivindicaciones
El artículo afirma que su marco propuesto proporciona una solución unificada para la operación coordinada, de bajas emisiones y justa de los sistemas de microredes múltiples. Al integrar el modelado de incertidumbre espacio-temporal con un mecanismo de negociación basado en la contribución, el enfoque aborda los desafíos duales de la incertidumbre de la fuente-carga y la distribución equitativa de beneficios. Los autores aseguran que el método reduce los costos operativos y las emisiones de carbono manteniendo la robustez y la equidad del sistema.

El artículo señala modestamente que, si bien el método propuesto incorpora eficazmente la dependencia espacio-temporal a través de métricas ponderadas por covarianza, no construye explícitamente un conjunto de ambigüedad espacio-temporal conjunto. Los autores sugieren que trabajos futuros podrían explorar técnicas de modelado más rigurosas, como el modelado de dependencia basado en Copulas de vid (vine Copula) o conjuntos de ambigüedad de Wasserstein condicionales, para refinar aún más el manejo de la incertidumbre espacio-temporal acoplada.