Microrredes y Transicion Energetica - Version Digital

ENERGÉTICA 2030
Microrredes y transición
energética
Hacia los ecosistemas
energéticos escalables
Idi Amin Isaac Millán

Editor académico
Financia Organiza
energética
Hacia los ecosistemas energéticos
escalables

Editor académico
Bogotá D. C., 2024

Proyecto 08. Pruebas de concepto de microrredes en Colombia
Colección Energética 2030. Estrategia de transformación del sector
energético colombiano en el horizonte de 2030
energética
Hacia los ecosistemas energéticos
escalables

Editor académico
© Universidad Nacional de Colombia
© Energética 2030
Autores
Primera edición, 2024 Isaac Millán, Idi Amin Guerrero Hernández, Alejandro Sallyth
Bogotá D. C., Colombia Arango Osorio, Sergio Andrés Guzmán Patiño, Wilder Fitzgerald
ISBN Impreso: 978-958-505-293-2 Bustamante Mesa, Santiago Goenaga Ortega, Miguel Alfredo
ISBN digital: 978-958-505-294-9 Cardona Rendón, Edison Giraldo Vásquez, Mario Alejandro
Cardona Restrepo, Hugo Alberto Henao Galeano, Santiago
Preparación editorial
Escobar Cárdenas, Eros David Osorio Cárdenas, Marisol
Editorial Universidad Nacional de Colombia
España Forero, Juan Manuel Hincapié Llanos, Carlos Augusto
Av. El Dorado 44A 40
Espinosa Oviedo, Jairo José Vallejo Gómez, David
Hemeroteca Nacional Universitaria
Eusse Giraldo, Andrés Felipe Sánchez, Hernán Mauricio
Bogotá D.C., Colombia
González Sánchez, Jorge Wilson Cárdenas Álvarez, Juan Pablo
(+57 1) 316 50 00 Ext. 20040
Jaramillo Vélez, Andrés Estrada Walker, Juan Andrés
[email protected]
López Jiménez, Gabriel Jaime Díaz Mendoza, Octavio David
Coordinación editorial Maceas Henao, Michelle Betancur Trujillo, Daniel
Angélica María Olaya Murillo Restrepo Mejía, Carlos Eduardo Díez Restrepo, Andrés Emiro
Corrección de estilo Sierra Carrillo, Javier Emilio García Torres, Edwin Marcelo
Hernán Rojas Rodríguez Vasco Echeverri, Oscar Hernán Duarte Herrera, Luis Felipe
Hoyos Velásquez, Santiago Horacio Franco Cardona, Carlos Jaime
Diseño de la colección Zuluaga Álvarez, Carolina Delgado Arroyo, Lubin
Juan Carlos Villamil Manrique Espíndola, Dolly Tatiana Gallon Londoño, Luciano
Diagramación Velásquez Jaramillo, Manuela
Carlos Andrés Contreras
Las investigaciones y resultados documentados en este libro se desarrollaron en el marco del Programa de Investigación “Energética
2030”, con código 58667 de la iniciativa Colombia Científica, financiada por el Banco Mundial a través de la Convocatoria “778-2017 de
Ecosistemas Científicos”y administrada por el Ministerio Colombiano de Ciencia, Tecnología e Innovación (Minciencias), a través del
Contrato FP44842-210-2018.
Prohibida la reproducción total o parcial por cualquier medio sin la autorización escrita del titular de los derechos patrimoniales.
Impreso y hecho en Bogotá D. C., Colombia
Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional

(CC BY-NC-ND 4.0) https://creativecommons.org/licenses/by-nc-nd/4.0/
Contenido
Agradecimientos............................................................................................... 9
Presentación .................................................................................................... 11
Introducción.................................................................................................... 15
Microrredes: catalizadoras de la transición

energética .................................................................................................... 21
Factibilidad de microrredes:
el primer paso.............................................................................................. 35
Modelación y estudios eléctricos

en microrredes........................................................................................... 51
Modelación y estudios energéticos

en microrredes........................................................................................... 81
Comunicación y supervisión
en microrredes........................................................................................... 99
Definición de la estrategia de control

para microrredes..................................................................................... 125
Control primario de microrredes...................................................... 149
Control secundario de microrredes................................................ 167
Control terciario de microrredes...................................................... 189

Emulación de inercia en microrredes
empleando sistemas de almacenamiento
de energía bess........................................................................................ 221
Plantas de biogás en microrredes................................................... 239
Producción de hidrógeno para fines

energéticos en microrredes............................................................... 271
Almacenamiento de energía con baterías

para microrredes.....................................................................................289
Centros de control de microrredes................................................. 309
Microrredes y seguridad alimentaria............................................. 329
Modelos de intercambio de energía entre pares...................... 347
Virtual power plants (vpp)..................................................................... 367
Las microrredes eléctricas como solución

a la pobreza energética en comunidades
rurales no interconectadas, caso aplicado
al departamento del Chocó (Colombia)......................................... 397
Epílogo............................................................................................................ 415
Lista de autores..............................................................................................429
Agradecimientos
Los autores expresan los agradecimientos al proyecto “Estrategia de transformación del

sector energético colombiano en el horizonte de 2030” financiado en la convocatoria
778 de Minciencias, Ecosistema Científico, contrato FP44842-210-2018.
Agradecer puede verse como una simple formalidad, en este caso es un sentir que
combina la lealtad con la admiración. Gracias a todo el equipo, por su denodado trabajo,
por superar juntos las adversidades, por sacar adelante este proyecto con una calidad
que superó toda expectativa.
Gracias a Jairo y Ernesto por su acertado acompañamiento, por mantener la cohesión
del equipo y por ayudarnos a librar batallas, muchas de ellas administrativas y políticas.
Gracias a Aurora, Miguel y Elizabeth por su orden, ideas y, sobre todo, por su paciencia.
De pacientes está lleno el cielo.
Gracias a los colegas investigadores de las universidades de la alianza y de las empresas
isa y xm, aprendimos de cada uno de ustedes lo mejor. Esta oportunidad debe repertirse.
Gracias a las ingenieras Manuela Velásquez y Carolina Zuluaga por su apoyo en la dura
tarea de compilar y apoyar la corrección tipográfica de la primera versión de este libro.
Gracias a nuestra Universidad Pontificia Bolivariana por el voto de confianza de-
positado en el cuerpo de investigadores del programa. Esperamos no ser inferiores a
las expectativas.
Gracias a Dios y a nuestras familias por soportar nuestras ausencias durante estos
cinco años que, aun con pandemia a bordo y múltiples retos, estuvieron llenos de in-
finitas enseñanzas.
9
Presentación
Jairo José Espinosa Oviedo1

Director científico, Alianza Energética 2030,
1
Universidad Nacional de Colombia, sede Medellín.
Por los días en los que escribo este texto se reúne en Egipto la Conferencia cop 27, que
aglutina a los principales países del mundo para discutir la agenda de cambio climático.
Se espera de ella decisiones radicales que permitan cambiar el futuro del calentamiento
global en el planeta. Un elemento fundamental para evitar el calentamiento global es la
descarbonización de la economía. A una parte de esos procesos de descarbonización
la hemos llamado transición energética. La introducción de fuentes no convencionales
de energía renovable con posibilidad de explotación en pequeña escala, como la ener-
gía fotovoltaica eólica y la biomasa, constituyen alternativas al uso de hidrocarburos.
Dichas tecnologías ponen en manos de comunidades y ciudadanos instrumentos de
lucha contra el cambio climático.
Cuando las comunidades y los ciudadanos deciden operar de manera autónoma
estas tecnologías, se constituyen las llamadas microrredes, que permiten tener, en un
espacio dado, esquemas de producción y consumo de energía, que en ocasiones pueden
operar de manera aislada o con dependencias pequeñas o limitadas de los sistemas de
suministros centralizados.
Encontrar un libro de microrredes en español es para un hispanoparlante encontrar
una oportunidad de aportar desde las comunidades y desde las iniciativas individuales
para frenar el cambio climático. La literatura de microrredes en español no es muy
amplia. Dado que es un tema cargado de matices tecnológicos, mucha de la literatura
se ha publicado en idioma inglés. Sin embargo, los principales beneficiarios de estas
tecnologías son comunidades que no tienen acceso al bilingüismo y que necesitan ur-
gentemente nutrirse de conocimiento que la Academia ha recogido y que se ponga al
servicio de las comunidades.
Las microrredes son un elemento fundamental de la transformación energética. Estas
impulsan el modelo de energía distribuida en términos de consumo y en términos de
generación. Es esta distribución la que es especial a las microrredes y la diferencia de
los sistemas eléctricos tradicionales. Las microrredes constituyen un micromundo que
acerca la generación, el consumo y la valoración de la energía.
11
La transformación energética tiene un cambio fundamental de los puntos de gener-
ación centralizados y los consumos distribuidos hacia puntos de generación y consumo
distribuidos cooperantes y redundantes. Esas son las microrredes, si las vemos desde un
aspecto puramente de suministro y consumo de energía; sin embargo, tienen una dimen-
sión que va mucho más allá del mero suministro y consumo: su dimensión tecnológica
obliga a la comunidad a apropiarse de procesos y tecnologías que eran completamente
ajenos. Aunado a lo anterior, tienen una dimensión social que obliga a las comunidades
a llegar a acuerdos para garantizar las fuentes de suministro, regular el consumo y
garantizar la sostenibilidad; una dimensión productiva, ya que la energía agrega valor
a la mano de obra, y ayuda a alejar la pobreza de las comunidades. Por último, tal vez
lo más importante, generan bienestar. La energía implica acceso a las comunicaciones,
cadenas de conservación de alimentos, oportunidades de entretenimiento, acceso a otros
medios para la educación y a nuevas oportunidades que se consideraban impensables
para comunidades no interconectadas hace 10 años.
En el año 2017, 8 universidades, 3 empresas y 2 instituciones internacionales con-
formaron la alianza Energética 2030. Esta alianza tiene como objetivo desarrollar una
estrategia integral para la transformación del sector energético colombiano orientada a su
confiabilidad, sostenibilidad social, económica y ambiental en el horizonte del año 2030.
Pieza fundamental de ese proyecto, era el proyecto de microrredes. En dicho proyecto
se plantearon diversos objetivos que permitían apropiar la tecnología más avanzada y
crear nuevas tecnologías que se planteaban como necesidades para el establecimiento
y masificación de las microrredes. Hoy, 5 años después, podemos presentar con mucho
orgullo un amplio volumen de resultados en términos de formación, desarrollo tecnológi-
co, resultados científicos y nuevas oportunidades para el mundo de las microrredes y
las comunidades asociadas a ellas.
Este libro no tiene la pretensión de ser un documento enciclopédico, sin embargo,
es una compilación de experiencias y herramientas que permiten comprender el mun-
do de las microrredes, y plantea métodos de solución a muchos de los problemas que
surgen en la implantación de estos sistemas. Está dirigido a múltiples audiencias: de
un lado, tomadores de decisiones que quieran informarse sobre los aspectos básicos
de las microrredes, su pertinencia y clasificaciones, además de los elementos claves de
la factibilidad de la construcción de estos. De otro lado, ingenieros electricistas que
quieran conocer acerca de los estudios básicos que se necesitan para la construcción de
la microrred, así como los elementos avanzados de controles primarios, secundarios,
terciarios y la emulación de inercia, utilizando sistemas de almacenamiento. Los temas
de control primario, secundario y terciario serán no solo del interés de los ingenieros
electricistas, sino también de ingenieros de control y automatización, quienes además
encontrarán relevantes los temas de los sistemas de supervisión y las plantas virtuales.
Los ingenieros energéticos encontrarán apasionantes los capítulos dedicados al biogás
jairo josé espinosa oviedo
y al hidrógeno. En ellos se analiza el segundo uso de los desperdicios y de la energía

excedente para producir gases que pueden ser utilizados como combustible con huella
de carbono neutra.
Aspectos económicos y sociales de las microrredes son examinados en distintos es-
pacios. Se estudian los modelos de intercambio de energía entre pares, las posibilidades
de las plantas virtuales, los impactos de las microrredes y su relación con la seguridad
12
alimentaria. Finalmente, el libro aborda un tema muy importante desde el punto de
vista social: la pobreza energética en comunidades rurales no interconectadas. Allí se
analizan las problemáticas de la pobreza energética, la problemática económica, social,
ambiental y energética, y se analizan las oportunidades utilizando un caso aplicado de
una comunidad del departamento del Chocó en Colombia.
El cierre de este prólogo merece un apartado que reconozca el esfuerzo del equipo.
Acertadamente, ha dirigido el profesor Idi Amín Isaac. Este equipo multidisciplinar
ha reunido profesionales de diversas instituciones, incluidas las empresas isa y xm, las
universidades Pontificia Bolivariana, Escuela de Ingeniería de Antioquia, Universidad
de Sucre, Tecnológica del Chocó, Politécnica Salesiana del Ecuador y Universidad Na-
cional de Colombia. Y el acompañamiento y asesoría de las universidades Católica de
Lovaina y su instituto Energyville en Bélgica, la Universidad Tecnológica Aquisgrán y
el Instituto de Investigaciones Juellich en Alemania.
Este volumen plasma el compromiso con la sociedad colombiana del proyecto En-
ergética 2030, de los investigadores del Grupo de microrredes, profesores y estudiantes,
y de las instituciones que en el marco de Colombia Científica y el programa Paces han
financiado este proyecto, incluidos los ministerios de Ciencia; Educación; e Industria,
Comercio y Turismo de la República de Colombia, y el Banco Mundial.
presentación
13
Introducción
Idi Amin Isaac-Millán1

Director de Proyecto 8 Pruebas de Concepto
1
de Microrredes en Colombia
Líder de Estrategia de Energía Multicampus, Foco de Energía
Director de Smart Energy Center, Universidad Pontificia Bolivariana
El libro que presentamos hoy es el resultado de 5 años de trabajo investigativo en el

marco del programa Energética 2030. Desde 2017 se gestó una alianza con el propósito
de anticipar la llegada de varios hitos de la transición energética en el año 2030 y pre-
pararnos para ello.
Se estructuraron y llevaron a cabo 11 proyectos, más de 300 investigadores reunidos,
con la finalidad de abordar los componentes más relevantes de la energía: el prosumidor
(proyecto 1), la construcción y la movilidad sostenible (proyectos 2 y 3), la bioenergía
(proyecto 4), los recursos distribuidos (proyecto 5), las microrredes, agregadores y cen-
tros de control (proyectos 8 y 9), todo complementado con una sólida contextualización
desde lo regulatorio, la planeación estratégica y el impacto social (proyectos 6, 7, 10 y
11). Asumimos 2 grandes retos: crear ecosistema científico y generar impacto a través
de nuestra investigación.
Primer reto: crear ecosistema científico

Conciliar alcances y lograr acuerdos investigativos en un grupo tan amplio resultó ser
una tarea más que divertida. Al final del camino, encontramos que las microrredes y,
en general, los ecosistemas energéticos Escalables (E3) —nombre que se confiere en este
libro a los sistemas que tienen como fin agrupar y controlar recursos energéticos— re-
sultaron ser nodos de conexión y sinergia inmejorables para las temáticas abordadas
en nuestros proyectos hermanos.
Como se puede apreciar en la figura 1, las microrredes acogen e integran, a través
de las tic y la sensórica, los recursos de generación desarrollados en los proyectos
4 y 5. Incorporan en sus algoritmos de control, las estrategias de respuesta de la de-
manda y movilidad logradas en los proyectos 1 y 3. Todo lo anterior, en el marco de
las serias proyecciones regulatorias y de escenarios, realizadas por los colegas de los
proyectos 6 y 7.
15
Figura 1. Interacción entre el proyecto de microrredes (P08) y los otros
proyectos de la Alianza Energética 2030
Fuente: elaboración propia.
A pesar de que la interrelación fue generalizada, las conexiones más fuertes se de-
sarrollaron de manera natural con:
• El proyecto 9, dada la necesidad de armonizar las estrategias de control y comunicaciones
con un nivel superior: el centro gestor en el operador de la red nacional.
• El proyecto 2, Construcción sostenible, por la participación directa en las pruebas op-
erativas con un prototipo de vivienda anterior (Hábitat Living Lab) y por la planeación,
el diseño, la construcción y el compromiso de una posterior optimización operativa del
idi amin isaac-millán
nuevo prototipo autosostenible Ecovilla iLab.

• El proyecto 10, Apropiación social, por la clara relación entre las microrredes, como
solución para el acceso a la energía, y la comunidad, que, indefectiblemente, debe hacer
parte activa de dicha solución. Fruto de esta interacción, ambos proyectos participamos
16
conjuntamente y de manera muy activa en la red internacional de investigación Ha-
bitar las ciudades del futuro (irn-rehvif), acompañando a investigadores de Francia,
Canadá, México, Ecuador y países africanos como Costa de Marfil, Argelia y Senegal.
Por todo lo anterior, podemos dar por cumplido nuestro primer compromiso: creamos
ecosistema científico y participamos activamente de él. El reto que sobreviene ahora es
realizar acciones para garantizar la sostenibilidad en el tiempo de este trabajo.
Segundo reto: impactar con nuestra investigación
Hablar de que se alcanzaron los productos comprometidos al principio del proyecto —

muy por encima de las expectativas— es importante, pero puede no reflejar la magnitud
del impacto investigativo de nuestro proyecto de pruebas de concepto de microrredes.
Destacamos algunos aportes que consideramos relevantes:
Del ecosistema energético escalable (E3): más de 650 kWp de energía solar, 80 kWh
en almacenamiento controlado, estaciones meteorológicas, medidores inteligentes,
estaciones de carga de vehículos eléctricos, biodigestores, entre otros equipos. Juntas,
las 5 microrredes del proyecto constituyen un completo laboratorio para desarrollar y
probar tecnología.
Nuestro sistema gestor de energía (ems), desarrollado in-house, con código abierto,
con estrategia mpc, y ya validado en campo. Consta de 4 módulos: pronóstico, control
de voltaje, despacho y visualización. El ems se encuentra instalado en las salas de control
de cada microrred del ecosistema.
Fortalecimiento interinstitucional. Participamos activamente del exitoso proceso de
acreditación de alta calidad de nuestros colegas de la Universidad de Sucre, creamos una
decena de cursos en conjunto y apoyamos la instauración del semillero de investigación.
Por supuesto, implementar el sistema microrred en la sede de Sincelejo, constituye el
gran paso para la integración de nuestros colegas al ecosistema investigativo.
El Smart Energy Center (sec). Aunque su génesis es el proyecto de microrred inteli-
gente upb, el sec constituye una actualización potenciada por y para la Alianza, con la
dirección del proyecto 8. El objetivo del centro es convertirse en un nodo agrupador
de investigadores, laboratorios y empresas, enfocado en la búsqueda de oportunidades
de financiación, la generación de conocimiento y en reforzar la sinergia alcanzada con
Energética 2030.
Abonamos el terreno para trabajo futuro en tópicos especiales relacionados con las
microrredes. Atendiendo a las acertadas sugerencias de pares evaluadores, comple-
mentamos nuestros objetivos iniciales con actividades relacionadas con el hidrógeno,
las nanorredes, los nuevos modelos de mercado en los que participan activamente las
microrredes (transacciones paritarias) y el nexo directo con la seguridad alimentaria y
la pobreza energética en escenarios de transición.
El reporte oficial. Por supuesto que se trata de un proyecto de investigación y, como
tal, debe rendir sus cuentas a través de los indicadores convencionales. Gracias a un
introducción
sensacional equipo, se lograron seis (6) artículos Q1, un (1) capítulo de libro externo al
proyecto, cinco (5) plantas piloto, cinco (5) aplicativos de software, veintiún (21) par�-
ticipaciones en eventos, dieciséis (16) reportes técnicos, tres (3) estudiantes de maestría
17
formados, tres (3) de doctorado y seis (6) de maestría vinculados, y la organización
de cuatro (4) estrategias de comunicación, entre ellas las ágoras del conocimiento de
la Feria Internacional de la Industria Eléctrica (Fise) con cerca de 1500 participantes
académicos en 3 días.
Un intento de consolidado es el que ponemos a disposición de la comunidad el día
de hoy. Este libro, titulado Microrredes y transición energética: Hacia los Ecosistemas
Energéticos Escalables, es un recorrido rápido por este viaje investigativo de los últimos
cinco años. Lo hemos preparado, en principio, en nuestra lengua con el propósito de
motivar la consulta, el debate y el crecimiento del ecosistema humano y tecnológico de
las microrredes y sus conceptos asociados.
¿Cómo está organizado el libro?

El libro se estructuró en tres grandes secciones: (i) “Conceptualización y factibilidad
de microrredes”, (ii) “Modelación y diseño de microrredes” y (iii) “Tópicos especiales
en microrredes”.
La sección i es introductoria y general, toca los conceptos básicos de las microrredes
y el proceso de factibilidad. Es la más corta del libro, comprende 2 capítulos, el capítulo
1, “Microrredes: catalizadoras de la transición energética” y el capítulo 2, “Factibilidad
de Microrredes: El primer paso”.
En la sección ii, a lo largo de los capítulos 3 al 9, se abordan las temáticas más técnicas
y especializadas del libro. Se estudian la modelación de elementos para su posterior em-
pleo en los estudios eléctricos (capítulo 3) y energéticos (capítulo 4) de microrredes. La
importancia de las estrategias de comunicación y control en microrredes se hace evidente
en los capítulos 5 y 6, en ellos se estudian las arquitecturas diseñadas e implementadas
en el ecosistema energético del proyecto. Esta sección finaliza con la descripción de los
principios básicos del control primario (capítulo 7), el control secundario —basado en
la estrategia predictiva por modelos mpc— (capítulo 8) y con una importante revisión
de estado del arte del control terciario (capítulo 9).
La sección iii comprende 9 capítulos (del 10 al 18), a través de los que se plantean
y desarrollan temas especiales de las microrredes. Se hace énfasis en los sistemas de
almacenamiento de energía con baterías saeb (bess, en inglés) (capítulo 13) y su uso
para emular inercia en redes con alta penetración de interfaces electrónicas capítulo 10.
En los capítulos 11, Plantas de biogás en microrredes, y 12, Producción de hidrógeno para
fines energéticos en microrredes, son estudiadas 2 temáticas que relacionan los recursos
termoquímicos con la producción de energía. En el capítulo 14 se realiza una reflexión
sobre la operación de microrredes y sus centros de control, que bien puede relacionarse
con el extenso y detallado estado del arte sobre las virtual power plants que se presenta
en el capítulo 17.
El rol de las microrredes en el desarrollo sostenible y la descentralización de la energía
es estudiado en tres capítulos: el nexo con la seguridad alimentaria a través de estrategias
idi amin isaac-millán
de smart farming se trabaja en el capítulo 15, el intercambio energético entre pares se

aborda en el capítulo 16 y en el capítulo 18 se muestra un caso aplicado de dinámica de
sistemas para analizar la pobreza energética en Colombia.
18
Como deferencia especial para cerrar el libro, 8 invitados en diferentes áreas relacio-
nadas con las microrredes y la transición energética plasmaron brevemente sus conceptos
sobre la situación actual y lo que se percibe a futuro. Todo nuestro agradecimiento a
expertos mundialmente reconocidos como Nikos Hatziargyriou y Claudio Cañizares;
colegas internacionales del ecosistema como Geert DeConinck, Claudia López-Rieux;
tomadores de decisiones como Jaime Zapata, director del centro nacional de despacho
de xm, y Lina Vega, del ipse; y expertos del sector multilateral global como Juan Roberto
Paredes, del bid, y Daniel Díaz, del World Energy Council. Esperamos que el libro sea
de provecho.
introducción
19
Microrredes: catalizadoras
de la transición energética
Idi Amin Isaac-Millán, Jorge W. González,

CAPÍTU LO 1
Hugo Cardona Restrepo, Gabriel López Jiménez y

Oscar Vasco-Echeverri [1]
1
Universidad Pontificia Bolivariana
[email protected]
Un mundo en transición
La humanidad está sometiendo al planeta a una situación de estrés extrema.

Se espera que entre 2025 y 2100 la población global pase de 8 000 000 000
a cerca de 11 000 000 000 de habitantes [1]. Una mayor población se ha
traducido en que el producto mundial bruto se ha multiplicado por 240
desde el inicio de la era industrial [2]. Por supuesto, tal situación ha re-
querido de un consumo inusitado de recursos energéticos, hasta el punto
de que hoy se producen cerca de 14 400 Mtoe 1, provenientes en su mayoría
0F
(82 %) de combustibles fósiles [3]. El impacto ambiental derivado del em�-

pleo de estos energéticos primarios ha sido definitivo para incrementar el
calentamiento global y otros límites del planeta 2. Llegar a un punto de no
1F
retorno es una libertad que no puede darse la humanidad.

La búsqueda de soluciones para este abuso global de recursos implicará,
sin duda, diseñar una combinación inteligente de acciones y estrategias
orientadas a realizar una transición energética que asegure no solo la
sostenibilidad, sino la regeneración del ecosistema planetario. Varios autores
y entidades como Yergin [5] e Irena [4] han presentado sus propuestas y
hojas de ruta para la transición. ¡Menuda tarea nos espera!
1 Millones de toneladas de petróleo equivalentes. Para efectos comparativos

(casi una sexta parte de la demanda anual de electricidad en Colombia).
2 Este concepto de límites planetarios y el diagnóstico de su situación es abor-
dado de manera muy completa por respetados autores como Rockström et
al. [21] y Steffen y Stafford [22].
21
Con el ánimo de simplificar el análisis, se puede afirmar que la transición energética
persigue, entre otros, 3 objetivos medulares 3: descarbonizar, digitalizar y gestionar de
2F
una manera descentralizada, autónoma y eficiente la demanda de energía. La descarbon-

ización se orienta al empleo de fuentes de energía con pocas emisiones, la digitalización
propicia la toma inteligente de decisiones a partir del análisis de los datos y la gestión de
la demanda aboga por un cambio significativo en el rol del usuario dentro de las redes,
pasando de ser un ente pasivo a convertirse en una figura estratégica para el sistema.
Son muchos los instrumentos para apoyar y catalizar la transición energética, algunos
de ellos son de corte tecnológico (los medidores inteligentes, las energías renovables, las
microrredes), otros son normativos (las leyes, las resoluciones y los estándares). También
hay económicos (esquemas de incentivos, modelos de mercado) y, desde luego, sociales
(estrategias de apropiación, mecanismos de participación, entre otras) [6]. El enfoque
de este libro estará en las microrredes y su aporte a la transición energética.
Este capítulo iniciará con una aproximación al concepto de microrred y las tipologías
más comúnmente aceptadas. Posteriormente, se hará una breve contextualización de
la situación global de las microrredes en el mundo. Finalmente, se abordará un caso de
éxito de agregación de microrredes llevado a cabo en el marco de un proyecto capstone
de pruebas de concepto de microrredes en Colombia (proyecto 8), articulado al interior
idi amin isaac-millán, jorge w. gonzález, hugo cardona restrepo, gabriel lópez jiménez y oscar vasco-echeverri
de la alianza Energética 20304.
Aproximación al concepto de microrred

En la literatura técnica hay muchas aproximaciones al concepto de microrred, algunas
de ellas pueden apreciarse en [7; 8;9]. Sin embargo, hay aspectos comunes que pueden
identificarse en dichas definiciones. Por ejemplo, es claro que las microrredes son
agrupaciones de recursos distribuidos (generación, almacenamiento, participación de
la demanda), dotadas de sensórica y medición, con un esquema de control propio, que
permite la toma de decisiones operativas de manera autónoma o asistida. Esta estructura
general y sus componentes se aprecian en la figura 1.1.
Hasta el momento es imperativo que las microrredes alimenten de manera directa
sus cargas, normalmente en niveles de tensión propios de la distribución de energía
y que tengan la capacidad de operar de manera aislada o conectada a la red principal.
Algo que suscita debate alrededor del concepto de microrred es su capacidad insta-
lada límite. Algunos autores y entidades entienden las microrredes como sistemas con
3 La transición también abarca muchos conceptos socioecológicos, como la sobriedad ener��-

gética, el decrecimiento, la histéresis e inacción ecológica, entre otros, los cuales, dado su
grado de complejidad, trascienden el enfoque del libro.
4 Energética 2030 (2018-2023) es una alianza conformada por 11 organizaciones: 8 Universi��-
dades (Universidad Nacional, Universidad Pontificia Bolivariana, Eafit, Universidad eia,
Cecar, Universidad de Sucre, Universidad de La Guajira, Universidad Francisco de Paula
Santander) y 3 empresas (isa, xm, Internexa), para ejecutar un programa de i+d+i, financia-
do por el Ministerio de Ciencias en el marco de la convocatoria “Colombia Científica”, que
responde al foco estratégico de Energía Sostenible y que busca definir estrategias de trans-
formación del sector energético colombiano al año 2030 (https://www.energetica2030.co/).
22
capacidad inferior a los 50 MW, otros como ieee prefieren situar dicho valor en 10 MVA.
Como era de esperarse, la discusión ha suscitado la proliferación de derivaciones y sub-
derivaciones del concepto, tales como minirredes, nanorredes y picorredes. El término
minirred se ha extendido a los sistemas instalados en África para mejorar el acceso a
la energía [10]; las nano y picorredes se han asociado a los arreglos para autoconsumo
con capacidades inferiores a 10 kW.
En conclusión, como plantea [11], si un sistema adolece de microgeneración, control,
posibilidad de funcionamiento aislado, y no tiene cargas locales para alimentar, no
puede considerarse como una microrred inteligente.
Figura 1.1. Esquema general de componentes de una microrred

Microrredes y su relación con otros conceptos
Hay varias configuraciones de sistemas que pueden asociarse erróneamente al concepto
microrredes: catalizadoras de la transición energética

de microrred, entre ellas figuran los agregadores de servicios energéticos (energy hubs
[eh]) y las plantas virtuales (virtual power plants [vpp]).
La principal diferencia de los anteriores conceptos con respecto a las microrredes
estriba en la localización de los recursos y la escala. En las microrredes los recursos son
locales y próximos a la carga, las capacidades instaladas no superan unas cuantas dece-
nas de MW. Los eh y las vpp, por su parte, agregan recursos geográficamente dispersos,
muchas veces no inmediatos a las cargas y con una capacidad mucho mayor (cientos y
hasta miles de MW). eh y vpp parecen asimilarse de mejor forma como estructuras para
el mercado de energía, mientras que las microrredes —sin limitarlas a ello— podrían
ser consideradas como eficientes sistemas de soporte y servicios tecnológicos comple-
mentarios zonificados 5. En la figura 1.2 se resumen estas diferencias.
4F
5 Por su parte, los energy hubs (eh) y las virtual power plants (vpp) son casi sinónimos. Suele
23
Figura 1.2. Microrredes vs. vpp y energy hubs
Es menester aclarar en este punto que los sistemas implementados en el proyecto

capstone cuyos resultados se resumen en este libro, no pueden considerarse estricta-
mente como microrredes; sin embargo, los autores se toman la licencia de emplear el
término dado que:
• Parte de los sistemas implementados poseen subsistemas de menor escala, que en la
actualidad pueden funcionar de manera aislada/conectada de sus redes principales.
• Para los sistemas y las redes de distribución activas trabajados en el proyecto, se han
desarrollado algoritmos para el control y gestión de la energía (ems), que resultan entera-
mente aplicables a microrredes, virtual power plants y otras configuraciones agregadoras
de recursos.
• El propósito de mediano plazo en varios de los campus bajo estudio es que los sistemas
implementados evolucionen hasta convertirse en microrredes en varias de sus zonas
operativas.
Una vez aclarado el concepto, se procederá a plantear una clasificación para las
microrredes.
Tipos de microrredes
En el presente documento, se propone clasificar las microrredes de acuerdo con (1) su
propiedad o administración, (2) con su funcionalidad y (3) su tipo de corriente. En la
figura 1.3 se resumen las mencionadas tipologías.
Según su propiedad, las microrredes pueden ser administradas por las empresas de
servicio (utilities), por la comunidad, pueden pertenecer a un privado, o combinar las
anteriores.
Según su funcionalidad, la diversidad es mucho mayor, se tienen microrredes para uso
militar, caracterizadas por su alta confiabilidad; comerciales o residenciales, en las que
priman estos tipos de usuarios y los consumos moderados; microrredes para investigación,
emplearse el primer término cuando quiere enfatizarse en la provisión de servicios tanto de

energía eléctrica, como térmica. Hay vpp que no prestan servicios térmicos. Para obtener
una mayor información sobre los agregadores de servicios energéticos, por favor remítase a
[23], [24], [25].
24
implementadas en laboratorios físicos o a través de cosimulación 6; remotas, ubicadas
5F
normalmente en zonas no interconectadas a la red principal; microrredes de emergencia,

para atención rápida de desastres, funcionalidad basada en su capacidad de arranque
autónomo; sistemas para brindar respaldo a los datacenters y microrredes tipo campus.
El tercer grupo es mucho más convencional, y tiene que ver con el tipo de corriente
(alterna, que son la gran mayoría; directa, trabajada por [12] y [13]; o híbridas ac/dc 7, 6f
como las modeladas en [14]).

Por último, es menester aclarar que las tipologías anteriormente descritas pueden
encontrarse combinadas en los sistemas reales. Este es el caso de las microrredes tra-
bajadas en el marco del proyecto 8 de la alianza Energética 2030, las cuales combinan
microrredes tipo campus y de investigación.

Figura 1.3. Clasificación de las microrredes
6 Es común hoy en día hablar de microrredes ciberfísicas, como aquellas que combinan recur-
sos energéticos reales con simulados, y sirven como bancos de prueba para el desarrollo de
algoritmos y controles [26].
7 Autores como [27] trabajan de manera intensiva la temática de la electrificación rural a tra�-
vés de microrredes en corriente directa. Otros, como [28], plantean revisiones topológicas a
las diversas microrredes.
25
Crecimiento de las microrredes en el mundo
La instalación de las microrredes en los sistemas eléctricos se ha incrementado nota-

blemente durante los últimos años. Hoy en día hay proyectos implementados en casi
150 países del mundo, con diferentes capacidades y vocaciones operativas. Desde que
Lasseter en el Certs 8 acuñó el concepto [15], y años más tarde tuvo lugar la concepción
7f
europea de las microrredes a través de los proyectos Microgrids y More Microgrids [16],
son muchos los avances verificados en los más diversos nichos de mercado.
En la figura 1.4, se presentan cifras aproximadas de la participación de mercado
para cada uno de los segmentos de las microrredes. En 2021 se alcanzó una capacidad
instalada global cercana a los 33 GW, la tendencia —sostenida en el tiempo— muestra
con el mayor despliegue a las microrredes para zonas remotas (44 %), seguida por un
creciente auge de los sistemas privados para uso comercial e industrial (26 %).
Figura 1.4. Tipos de microrredes. Participación en el mercado, 2021

Fuente: elaboración propia a partir de [20].
No es menester de este trabajo mapear los casi 7000 proyectos de microrredes en el

mundo, mucho menos reducir el análisis a cifras que rápidamente quedaran desactual-
izadas. Mas bien, se presenta en la tabla 1.1 un intento por identificar algunas iniciativas,
que, a juicio del equipo investigativo, resultan estratégicas por sus avances. Si el lector
requiere profundizar, puede consultar las referencias, las cuales se procuraron agregar
para facilitar su búsqueda.
8 Consortium for Electric Reliability Technology Solutions (Certs) (1999). Este consorcio se
dedica a la investigación y el desarrollo tecnológico enfocado en la mejora de la confiabili-
dad y eficiencia del mercado eléctrico de Estados Unidos.
26
Tabla 1.1. Microrredes. Algunos casos de éxito
Recursos
Capacidad
Modo de
País Proyecto Tipo instalada fpo Usuarios Ref.
operación
fv
ess
[kW]
chp
Eólico
Biogás
Diesel/gas
National Technical
University of Athens Conectado
Grecia Investigativo X X X - - - 21,5 1992 - [1]
Electrical Energy Systems / aislado
Laboratory
Tilos Island Conectado
Grecia Comunitario X X X - - - 1800 2018 800 [2], [3]
Microgrid / aislado
The Kythnos Island Comunitario /
Grecia X - X X - - 17 Aislado 2001 60 [4]
Microgrid remoto
Lidl Distribution Center Conectado
Finlandia Industrial / comercial X - X - - - 3200 2019 - [5]
Microgrid / aislado
Comunitario /
Finlandia Hailuoto Island - X - X - - 2000 Aislado 2014 - [6]
remoto
Comunitario /
Escocia The Isle of Eigg X X - X - X 230 Aislado 2011 100 [7]
remoto
Porto Santo Island
Portugal Comunitario / utility X X X X - - 23 400 Aislado 2019 10 000 [8], [9]
Microgrid
Kwalkwalawa, Sokoto Comunitario /
Nigeria X - X - - - 15 Aislado 2010 - [10]
Microgrid remoto
United Nation
Comunitario / Conectado
Kenya Environmental Program X - X - - - 515 2011 - [10]
remoto / aislado
Mombasa Microgrid
Guinea Annobon Island Comunitario /
X - X - - - 5000 Aislado 2016 5000 [10]
Ecuatorial Microgrid remoto
Canadian Renewable Energy Conectado
Canadá Investigativo X X X X - - 493 2019 - [11], [12]
Laboratory Microgrid / aislado
Kasabonika Lake First
Canadá Investigativo X X X - - 3143 Aislado 2009 681 [11], [12]
Nation System
Estados Portsmouth Naval Shipyard Conectado
Militar - - X X - X 21 500 2022 - [13]
Unidos Microgrid / aislado
Estados Santa Rita Jail Servicios críticos / Conectado
X X X X - - 4000 2001 4000 [14]
Unidos Microgrid militar / aislado
27
28
Recursos
Capacidad
Modo de
País Proyecto Tipo instalada fpo Usuarios Ref.
operación
fv
ess
[kW]
chp
Eólico
Biogás
Diesel/gas
University of California
Estados Investigativo / Conectado
Irvine X - X X - - 24 000 2000 30 000 [15]
Unidos campus / aislado
Microgrid
Estados Borrego Springs Conectado
Comunitario / utility X - X - - - 4000 2012 - [16]
Estados Fort Collins Conectado
Comunitario / utility X - X X X X 5000 2009 - [17]
Estados Fort Carson Servicios críticos / Conectado
X - X - - - 5000 2013 14 000 [18]
Unidos Microgrid militar / aislado
Estados Illinois Institute of Investigativo / Conectado
X X X X - - 12 000 2008 - [19]
Unidos Technology Microgrid campus / aislado
Estados
Saint Paul Island Utility - X X X - - 4885 Aislado 2014 490 [20]
Unidos
Dongfushan Island Comunitario /
China X X X X - - 1500 Aislado 2011 300 [21]
Microgrid remoto
Beiji Island Comunitario /
China X - X X - - 3200 Aislado 2013 4000 [22]
Microgrid remoto
Nanji Island Comunitario /
China X X X X - - 5500 Aislado 2014 2250 [23]
Microgrid remoto
Tailandia Koh Jig Island Utility X X X X - - 93 Aislado 2004 437 [24]
Microrred Comunitario /
Brasil X X X X - - 51 Aislado 2008 393 [25]
Isla Lencois remoto
Microrred Comunitario / Conectado
Bolivia X X X X - - 220 2015 600 [26]
El Espino remoto / aislado
Microrred
Argentina Comunitario / utility X - X - - - 500 Conectado 2018 12 000 [27]
Armstrong
Microrred Esuscon Comunitario /
Chile X X X X - - 190 Aislado 2010 100 [28]
Huatacondo remoto
Comunitario / 2018
Colombia 14 sistemas híbridos X X X - - - - Aislado 50-200 [29]
remoto 2022
Ecosistema Campus /
Colombia X - X - X - + 650 Conectado 20192022 30 000
Energética 2030 investigación
Pruebas de concepto de microrredes en Colombia
En el marco de los procesos de aprendizaje de nuevas tecnologías, se estructuró la alianza

Energética 2030 y particularmente su proyecto 8, “Pruebas de concepto de microrredes
en Colombia”. El propósito fundamental de estas pruebas de concepto fue el diseño y
la implementación de diferentes tipos de redes de distribución activas (sistemas con
recursos distribuidos y sensórica —primer paso hacia las microrredes—) en 5 emplaza-
mientos del país, cada una de dichas redes con sus particularidades, filosofía y objetivos.
En la tabla 1.2 se presentan las características generales de las microrredes que con-
forman el ecosistema del proyecto. Con excepción del sistema de la microrred de la
Universidad Pontificia Bolivariana (hoy llamado Ecocampus inteligente upb), al cual
se le agregaron y potenciaron algunos componentes previamente existentes, las otras 4
redes del ecosistema fueron implementadas y reforzadas durante el proyecto.
Tabla 1.2. Descripción general de microrredes del ecosistema del proyecto
Esquemático Características
Nombre: Microrred Universidad Pontificia Bolivariana

Objetivo: energy hub (sistemas eléctricos y térmicos)
Función en el proyecto: centro agregador microrredes con
funcionalidad de virtual power plant (vpp)
Capacidad instalada: 140 kWp (SFV) + 1 kW (biodigestión) +
51 kWh (almacenamiento) + distrito de frío (función de energy
hub)
Medida y control: 20 smart meters + 17 sensores
multipropósito + ems propio + controlador comercial +
estación meteorológica
Posibilidad de ampliación: 300 kWp (SFV) + prototipo
arquitectónico Ecovilla iLab (en construcción)
Nombre: Universidad Nacional de Colombia (Medellín)

Objetivo: microrred completamente aislada
Función en el proyecto: integrar bioenergía a mediana escala y
realizar pruebas de algoritmos de control
Capacidad instalada: 5,4 kWp (sfv) + 30 kW (gasificación) +
7,5 kWh (almacenamiento)
Medida y control: ems propio + smart meters
29
Esquemático Características
Nombre: Universidad eia

Objetivo: microrred sfv + almacenamiento
Función en el proyecto: Realizar pruebas de transactividad
energética entre pares (p2p)
Capacidad instalada: 83 kWp (sfv) + 18,5 kWh / 6,8 kW 1φ
(almacenamiento)
Medida y control: 9 smart meters + ems propio + estación
meteorológica
Posibilidad de ampliación: 127 kWp (SFV)
Nombre: Interconexión eléctrica S. A. E. S. P.

Objetivo: microrred sfv + modelación
Función en el proyecto: microrred ciberfísica, sistemas reales y
modelos para cosimulación (Opal rt)
Capacidad instalada: 400 kWp (sfv)
Medida y control: 6 smart meters + ems propio + estación
meteorológica
Posibilidad de ampliación: bess (200kWh)
Nombre: Universidad de Sucre (Sincelejo, Sucre)

Objetivo: sistema híbrido (sfv+ baterías)
Función en el proyecto: evaluar potencial mejora de
confiabilidad
Capacidad instalada: 20 kWp (sfv) +10 kWh
(almacenamiento)
Medida y control: 10 smart meters + estación meteorológica +
ems propio
Posibilidad de ampliación: 6 kWp (sfv)
Con el proyecto se buscaron objetivos y ambientes de prueba diferentes, propendiendo

por abordar especificidades del mundo de las microrredes en cada emplazamiento. Se
han implementado sistemas completamente aislables y con alta participación de la bio-
energía (microrred Unal), pensados en mejorar la confiabilidad (microrred Unisucre),
microrredes ciberfísicas con cosimulación (microrred isa), esquemas híbridos para
probar transactividad energética (microrred eia), y un centro agregador (microrred
upb), con la capacidad de ofrecer microservicios a los demás subsistemas y fungir
también como virtual power plant o energy hub.
Otros aspectos que confieren flexibilidad y universalidad a los laboratorios imple-
mentados son (ver figura 1.5):
• La arquitectura de captura, almacenamiento, procesamiento y visualización de los datos
ha demostrado su escalabilidad y adaptabilidad a nuevos componentes.
• El sistema gestor de energía (ems) fue desarrollado in house, lo que permite acceso total
a datos y algoritmos para facilitar su continuo monitoreo y mejora.
30
• Los emplazamientos son diversos en geografía y climatología 9. Se cuenta con sistemas
8F
en tres (3) pisos térmicos diferentes: Sincelejo (cálido), Medellín (templado) y Alto de
las Palmas (frío).
• La microgeneración instalada tiene diferentes capacidades, lo que permite evaluar diversos
porcentajes de penetración de renovables 10 en las redes.
9F
• Se procuró la instalación de diferentes equipos y diversos fabricantes, situación que

facilita la intercomparación.
• La estructura de las pruebas de concepto ha permitido reforzar sinergias con otros
proyectos, como el P09 a través de la interacción entre centro agregador y centro ges-
tor, y con el P02, a través de la construcción del prototipo arquitectónico adaptable y
autosostenible (Ecovilla iLab).
Figura 1.5. Supervisión y control de las microrredes del proyecto

Hacia los ecosistemas energéticos escalables (E3): a modo

de conclusión

El imaginario colectivo suele asociar el concepto de microrred con zonas sin acceso a
la energía. Si bien las microrredes permiten llevar energía a sitios remotos de manera
sostenible y segura, sus aplicaciones no paran ahí. En los entornos urbanos y a una
escala de decenas de MW, las microrredes ofrecen servicios complementarios muy
importantes como soporte de tensión, adecuación de potencia reactiva, arranque au-
tónomo, entre otros.
9 Sincelejo (9,304, –75,39, 197 m), Medellín (6,217, –75,56, 1579 m), Alto de las Palmas (6,154,
–75.54, 2550 m)
10 Es común en la literatura encontrar este concepto como power share, si mide el aporte in-
stantáneo de las renovables en un sistema; o energy share, si realiza el seguimiento del aporte
acumulado durante un periodo determinado.
31
Con todas sus características, las microrredes realizan un aporte ostensible a la tran-
sición energética, hasta el punto en el que pueden considerarse como unidades claves,
altamente funcionales para los sistemas de potencia de los años venideros. Las limita-
ciones ambientales, sociales y presupuestales dificultan cada vez más la construcción de
infraestructura de transmisión y distribución. Por tal razón, las redes del futuro serán
indefectiblemente un agregado de subsistemas mediado por las tic y el control, cada
uno de ellos con su aporte a la confiabilidad, la flexibilidad y, en general, la resiliencia.
Aunque virtual power plants, energy hubs y multi-microgrids difieren en su concepción,
bien podrían agruparse bajo un mismo concepto: ecosistemas energéticos escalables (E3).
Como se presenta en la figura 1.6, uno de los aportes más relevantes de este proyecto
es precisamente la conformación de un ecosistema energético escalable, multifuncio-
nal y flexible. Estos E3 fungen como laboratorios vivos para la prueba de prototipos y
desarrollos gestados desde los sectores académico e industrial. Si lo que se pretende
es descarbonizar, digitalizar y gestionar de manera inteligente la demanda, he aquí un
punto de apoyo.
Figura 1.6. Ecosistema energético escalable (E3) de microrredes del proyecto

32
Referencias
[1] J. Sachs, The Age of Sustainable Development, 1st ed. New York, NY: Columbia
University Press, 2015.
[2] H. Rosling, O. Rosling, and A. Rosling-Rönnlund, Factfulness: ten reasons
we’re wrong about the world–and why things are better than you think. London,
England: Sceptre, 2019.
[3] IRENA, Renewable Capacity Statistics 2022, 1st ed. Abu Dhabi: The International
Renewable Energy Agency, 2022.
[4] (IRENA) International Renewable Energy Agency, Global Energy Transforma-
tion: A Roadmap to 2050. Abu Dhabi, 2018. Accessed: Oct. 11, 2018. [Online].
Available: www.irena.org
[5] D. Yergin, The New Map. Energy, Climate, and the Class of Nations, 1st ed. New
York: Penguin Random House LLC, 2020.
[6] I. Isaac, “Las energías renovables no convencionales, ERNC, en Colombia; una
mirada hacia 2050,” in Colombia en su ruta, recorriendo el camino hacia 2050,
Bogotá: Fundación Konrad Adenauer (KAS), 2019, pp. 65–84.
[7] H. Farhangi and G. Joos, Microgrid Planning and Design a Concise Guide. 2019.
[8] J. M. Gers, “Fundamentals on microgrid technology,” Distribution Systems
Analysis and Automation, pp. 337–357, 2020, doi: 10.1049/pbpo147e_ch11.
[9] H. Bevrani, B. Francois, and T. Ise, “Microgrid Planning and Ener-
gy Management,” Microgrid Dynamics and Control, pp. 589–661, 2017, doi:
10.1002/9781119263739.ch12.
[10] J. Agenbroad, K. Carlin, K. Ernst, and S. Doig, “Minigrids in the Money: Six
Ways To Reduce Minigrid Costs By 60% for Rural Electrification,” p. 54, 2018,
[Online]. Available: www.rmi.org/insight/minigrids2018
[11] N. Hatziargyriou, Microgrids: Architectures and Control. 2013. doi:
10.1002/9781118720677.ch7.
[12] S. Backhaus et al., “dc Microgrids Scoping Study: Estimate of Technical and
Economic Benefits,” Los Alamos National Laboratory, pp. 1–94, 2015.
[13] H. Bevrani, B. Francois, and T. Ise, “dc Microgrid Control,” Microgrid Dynamics
and Control, pp. 267–306, 2017, doi: 10.1002/9781119263739.ch6.

[14] L. Ortiz, R. Orizondo, A. Águila, J. W. González, G. J. López, and I. Isaac, “Hy-
brid ac/dc microgrid test system simulation: grid-connected mode,” Heliyon,
vol. 5, no. 12, 2019, doi: 10.1016/j.heliyon.2019.e02862.
[15] R. Lasseter et al., “Publication Date Consortium for Electric Reliability Techno-
logy Solutions White Paper on Integration of Distributed Energy Resources The
CERTS MicroGrid Concept,” 2002, Accessed: Oct. 31, 2022. [Online]. Available:
https://escholarship.org/uc/item/9w88z7z1
[16] “Microgrids.” http://www.microgrids.eu/default.php (accessed Oct. 31, 2022).
[17] G. Mendes and J. Guerrero, “Overview of Microgrid Developments in Europe &
Africa,” in 2019 Symposium on Microgrids. Fort Collins, 2019, p. 27.
[18] J. Arteaga, “Análisis de flujos de potencia en sistema solar fotovoltaico y de alma-
cenamiento conectado a la microrred de la Universidad Autónoma de Occiden-
te,” Universidad Autónoma de Occidente, 2020. [Online]. Available: https://red.
33
uao.edu.co/bitstream/handle/10614/12403/T09260.pdf?sequence=5&isAllowe-
d=y
[19] E. D. ; Escobar, E. D. Escobar, T. Manrique, and I. A. Isaac, “Campus Micro-
grid Data-Driven Model Identification and Secondary Voltage Control,” Ener-
gies 2022, Vol. 15, Page 7846, vol. 15, no. 21, p. 7846, Oct. 2022, doi: 10.3390/
EN15217846.
[20] Guidehouse Insights, “How Utilities Can Be Microgrid Leaders,” Boulder, CO,
Published 3Q 2020, 2020.
[21] et al Rockström, J., Steffen, W., Noone, K., Persson, Å, Chapin, F., Lambin, “Pla-
netary Boundaries: Exploring the Safe Operating Space for Humanity,” Ecology
and Society, vol. 14, no. 2, p. 33, 2009.
[22] W. Steffen and M. Stafford Smith, “Planetary boundaries, equity and global
sustainability: why wealthy countries could benefit from more equity,” Curr
Opin Environ Sustain, vol. 5, no. 3–4, pp. 403–408, Sep. 2013, doi: 10.1016/j.co-
sust.2013.04.007.
[23] M. S. Javadi, M. Lotfi, A. E. Nezhad, A. Anvari-Moghaddam, J. M. Guerrero, and
J. P. S. Catalao, “Optimal Operation of Energy Hubs Considering Uncertainties
and Different Time Resolutions,” ieee Trans Ind Appl, vol. 56, no. 5, pp. 5543–
5552, 2020, doi: 10.1109/TIA.2020.3000707.

[24] B. Chen, J. Wang, X. Lu, C. Chen, and S. Zhao, “Networked Microgrids for Grid
Resilience, Robustness, and Efficiency: A Review,” ieee Trans Smart Grid, vol. 12,
no. 1, pp. 18–32, 2021, doi: 10.1109/TSG.2020.3010570.
[25] R. S. Jane, “Networked microgrid optimization and energy management,” 2019,
[Online]. Available: https://digitalcommons.mtu.edu/etdr/876/
[26] B. Zhang, “Cyber-Physical Microgrids,” no. SEPTEMBER, pp. 4–17, 2020.
[27] M. Nasir, S. Iqbal, H. A. Khan, J. C. Vasquez, and J. M. Guerrero, “Sustainable
rural electrification through solar PV dc microgrids—An architecture-based
assessment,” Processes, vol. 8, no. 11, pp. 1–23, 2020, doi: 10.3390/pr8111417.
[28] A. K. Erenoglu, S. Sancar, O. Erdinc, and M. Bagriyanik, “A topological overview
of microgrids: From maturity to the future,” Turkish Journal of Electrical Engi-
neering and Computer Sciences, vol. 29, no. 3, pp. 1308–1353, 2021, doi: 10.3906/
elk-2012-80.
[29] Rodriguez Zabala, A., López García, D., Carvajal Quintero, S. X., & Arango
Manrique, A. (2021). Una revisión integral de la sostenibilidad en las mi-
crorredes aisladas colombianas. Tecnura: Tecnología y Cultura Afirmando
El Conocimiento, ISSN-e 0123-921X, Vol. 25, No. 70, 2021 (Ejemplar De-
dicado a: October–December), Págs. 126-145, 25(70), 126–145. https://doi.
org/10.14483/22487638.18619
34
Factibilidad de microrredes:
el primer paso
Idi Amin Isaac-Millán, Jorge W. González, Hugo

CAPÍTU LO 2
Cardona Restrepo, Gabriel López Jiménez y Oscar

Vasco-Echeverri [1]
1
Universidad Pontificia Bolivariana, sede Medellín
[email protected]
Introducción
Se ha concluido del capítulo anterior que resulta clave pensar en las micro-
rredes como habilitadoras y catalizadoras de la transición energética. Es
innegable la capacidad intrínseca que tienen estos sistemas para integrar
recursos distribuidos, controlarlos y escalarlos hasta formar verdaderos
ecosistemas energéticos escalables (llámense multi-microgrids, virtual power
plants o energy hubs). Sin duda, descarbonizar, digitalizar y gestionar la
demanda de manera descentralizada, sin intermediación y eficientemente,
características que impone la transición energética, tienen a las microrredes
como aliados inmejorables.
En este capítulo se abordará el proceso de evaluación para determinar
la factibilidad de implementación de una microrred. En primera instan-
cia, se propone una sencilla metodología que consta de 4 pasos: definir el
objetivo de la microrred 11, luego caracterizar el emplazamiento candidato
10F
(sitio físico donde se instalarán los equipos), posteriormente se define

la arquitectura de la microrred, con ayuda de algoritmos de simulación
computacional, se estiman los costos, se efectúan las sensibilidades de rigor
y, finalmente, se evalúan los modelos de negocio que podrían habilitar la
factibilidad. El capítulo concluye con un par de casos de prueba reales,
11 Algunos autores como [8] y [9] suelen emplear el término política de la mi-
crorred, en reemplazo del objetivo de esta.
35
uno asociado a zonas no interconectadas de Colombia (zni)12 y el otro a una microrred
utility-scale para aprovechar residuos urbanos.
Aproximación metodológica a la factibilidad de microrredes

La figura 2.1 ilustra los cuatro pasos básicos para analizar la factibilidad de una micro-
rred. En primera instancia debe tenerse claro el tipo y objetivo de la microrred, esto
es, si propenderá por la venta de energía o el autoconsumo, el perfil de usuario que se
tendrá y las prioridades y, a partir de esas definiciones, se podrán establecer con mayor
certeza los parámetros del análisis energético y sus sensibilidades.
En el capítulo anterior se definieron los tipos de microrredes. Por supuesto que los
criterios cambian al modificar la vocación de la microrred. Por ejemplo, un sistema para
garantizar acceso a la energía —ampliación de cobertura— debe evaluarse con tasas
de descuento y modelos de negocio marcadamente sociales, sin esperar rendimientos
financieros. Por otra parte, una microrred urbana, instalada para proveer servicios
complementarios, como soporte de tensión o arranque autónomo, debe ser objeto de
tasas e indicadores de desempeño más estrictos.
Figura 2.1. Pasos generales para evaluar la factibilidad de una microrred

El segundo paso para evaluar la factibilidad de una eventual microrred, es la car-
acterización del emplazamiento, es decir, del sitio candidato a alojarla. En este punto
deben valorarse 3 aspectos:
• Los recursos disponibles para la microgeneración (radiación solar, biomasa, viento,
hidrología, combustible).
• El diagnóstico de los sistemas existentes, tanto de generación, como de infraestructura
de red disponible en el sitio (si los hay).
12 El 52 % del territorio nacional colombiano no está interconectado con el sistema central. Sin
embargo, la electrificación llega al 97 %, en algunos casos a través de un servicio parcial y de
calidad fluctuante.
36
• Los usuarios. El emplazamiento quedará bien caracterizado luego de definir los perfiles
de carga, las costumbres de uso, el consumo actual y, de ser posible, las expectativas
futuras que tengan los usuarios.
Para llevar a cabo el tercer paso de la factibilidad, se sugiere contar con un aplicativo
de software (Homer Pro 13, sam 14, retScreen Expert 15, desarrollos propios, etc.) que posibi-
12F 13f 14F
lite un completo análisis energético y facilite el desarrollo de sensibilidades. Producto

de este paso, se tendrá una arquitectura óptima para la microrred, con las capacidades
de cada recurso distribuido y su impacto técnico-económico en el sistema simulado.
Finalmente, la implementación de una futura microrred está ligada a la forma como
se viabilice financieramente, a través de los modelos de negocio más apropiados para
sus eventuales propietarios o administradores.
Objetivo de la microrred
La primera etapa de la factibilidad plantea un interrogante al diseñador o inversionista:

¿para qué se va a implementar la microrred? La respuesta a esta pregunta determinará los
criterios de evaluación y la rigurosidad de estos. Para ayudar a definir estos criterios, en la
figura 2.2 se clasifican, desde un punto de vista general, las microrredes mencionadas en
el capítulo anterior. Se mapean dos aspectos: la necesidad de contar con un desempeño
técnico robusto y la restricción de tener una relación beneficio/costo mayor o menor.
Para una mejor comprensión del diagrama se plantea el siguiente ejemplo. Si se anal-
izan microrredes remotas, comunitarias o rurales, cuyo principal objetivo es garantizar
acceso a la electricidad, se requerirá continuidad en el servicio, mas no servicios técnicos
específicos o especializados. En algunos casos podrían tolerarse incluso interrupciones
(por eso la calificación lleva a estas microrredes a la parte baja del diagrama). Dado
que en estas microrredes la prioridad no es la monetización o la obtención de réditos
económicos en el mercado, sino llevar energía a quienes adolecían de ella, se ubicarían
hacia el extremo izquierdo del diagrama (menor exigencia en cuanto a relación b/c).
El ejercicio presentado es general e indicativo, por lo que se invita al lector a realizar
sus propios ajustes y consideraciones.
factibilidad de microrredes: el primer paso
13 Desarrollado en un principio por el Departamento de Energía de Estados Unidos; hoy, pro�

-
piedad de Underwriters Laboratory: https://www.homerenergy.com/
14 Paquete gratuito ofrecido por el Laboratorio de Energías Renovables de Estados Unidos
(nrel): https://sam.nrel.gov/
15 Ministerio de Energías Renovables de Canadá: https://www.nrcan.gc.ca/maps-tools-and-pu�-
blications/tools/modelling-tools/retscreen/7465
37
Figura 2.2. Tipos de microrredes. Incidencia en los criterios evaluación

Caracterización del emplazamiento
Como se mencionó, caracterizar el emplazamiento candidato a alojar la microrred

es una tarea que implica 3 grandes componentes: valorar los recursos energéticos para
la microgeneración, diagnosticar la infraestructura existente y perfilar detalladamente
la demanda.
Valoración de recursos energéticos

La mayor precisión en la valoración de los recursos energéticos se obtiene al me-
dir in situ, aunque esto no es posible en todas las ocasiones. Cuando se adolece
de medición propia, la georreferenciación del sitio del proyecto es sumamente
importante para la obtención de los datos meteorológicos, que permitirán valorar
los recursos energéticos (radiación solar, velocidad de viento, biomasa disponible,
recursos hídricos, etc.). Lo ideal es contar con datos históricos de las variables hi-
drometeorológicas requeridas. Para tal efecto es recomendable triangular registros
38
de las estaciones meteorológicas cercanas al posible emplazamiento y realizar las
interpolaciones o ajustes del caso 16. 15F
Cuando no se cuenta con estaciones meteorológicas en el sitio o cercanas a él, las

variables requeridas deberán obtenerse a partir de bases de datos satelitales. Algunos
de los paquetes de software mencionados (Homer, sam, retScreen) hacen uso de la
georreferenciación e importan directamente los datos de recurso eólico y solar de
repositorios de la Nasa o del Laboratorio de Energías Renovables de Estados Unidos
(nrel). Para recursos como la biomasa, dichos datos necesariamente deben provenir
de un inventario en sitio o de estudios previamente adelantados17. 1
Diagnóstico de la infraestructura existente

Por principio de eficiencia financiera y mínimo costo, se debe procurar el máximo
aprovechamiento de la infraestructura previamente existente en el emplazamiento
de la microrred. Debe verificarse si los generadores instalados tienen aún vida útil
y, de requerirse, debe evaluarse si son susceptibles de algún tipo de actualización
tecnológica. Como se verá en el capítulo 5, la arquitectura de comunicaciones y
control de la microrred demandará requisitos de latencia y desempeño que los
equipos deberán cumplir.
Otro elemento que debe revisarse con detalle es la red eléctrica existente (cableado,
apoyos, protecciones, apantallamiento, puesta a tierra y otros). En función de la lon-
gevidad y el estado actual de los componentes, es posible que en la factibilidad se deban
“asumir” inversiones para su reemplazo tecnológico.
La mayoría de los paquetes de software mencionados permite incorporar costos de
capital y de operación fijos adicionales al proyecto para incluir las inversiones que se
identifiquen luego de inventariar los componentes que no puedan reaprovecharse.
Estimación del perfil de demanda

La calidad de los resultados del análisis de factibilidad será mayor si se combinan: el
levantamiento detallado de cargas, la medición directa de consumos en sitio y la consulta
con los usuarios acerca de la operación y necesidades del sistema actual y las expectativas
de crecimiento de este. Nuevamente, las condiciones iniciales de los proyectos distan
de contar con información completa y asequible, por lo que puede acudirse a varias
estrategias que permitan realizar una aproximación cercana y real a la demanda que se
deberá suplir. Alguna de estas se presentan a continuación:
Para zonas remotas. Pueden consultarse curvas de demanda genéricas, tipificadas
por los entes estatales, de acuerdo con la altura sobre el nivel del mar y las condiciones
16 Países como Estados Unidos o los de la Unión Europea cuentan con repositorios de datos de
varias décadas, con series de tiempo de muy alta calidad. Para el caso de Colombia, el Ideam
tiene un sistema de información de consulta libre, cuyos datos deben trabajarse con cuida-
do: http://dhime.ideam.gov.co/atencionciudadano/
17 La Unidad de Planeación Minero-Energética de Colombia (UPME) ofrece al público car-
tografías digitales para cada uno de los recursos mencionados.
39
climáticas locales (ver figura 2.3). Para el caso de Colombia, el Ipse plantea los criterios
en la metodología del Plan Indicativo de Expansión de Cobertura (Piec)18.
Para zonas remotas y urbanas. Puede emplearse un perfil de demanda desde Open
ei database 19, seleccionándolo de acuerdo con la escala de clasificación climática Koep-
18F
pen-Geiger del sitio en cuestión.

Para zonas urbanas. Es posible descargar completas redes sintéticas con sus datos de
demanda en diferentes repositorios técnicos altamente confiables 20. F
Perfil de demanda
Zonas no Interconectadas de Colombia
(Adaptado de IPSE)
0,25
0,20
0,15
0,10
0,05
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Potencia ZNI (p.u) Potencia ZNI (p.u)

<1000 m.s.n.m >1000 m.s.n.m
Figura 2.3. Perfil de demanda genérico de las zonas no interconectadas de

Colombia.
Fuente: adaptado del Ipse.
A la hora de caracterizar la demanda, hay 2 aspectos que no pueden dejarse de lado:

(1) clasificar las cargas en críticas y gestionables. Lo anterior, para efectos de implemen-
tar potenciales planes de respuesta de la demanda en la microrred. (2) La demanda es
estocástica, por lo que se debe considerar la variabilidad estacional y entre periodos
de análisis.
18 El criterio de diseño empleado por el Ipse en la metodología del Plan Indicativo de Expan� -
sión de Cobertura (Piec) asigna un consumo de 3 kWh/día para un usuario en una ubi-
cación por debajo de los 1000 m s. n. m y 2 kWh/día, si se encuentra a alturas superiores.
19 Open Energy Information es una completa base de datos, abierta al público, mantenida por
nrel y auspiciada por el Departamento de Energía de Estados Unidos (doe, por sus siglas
en inglés). Open ei contiene información de costos, perfiles de demanda, factores de desem-
peño y eficiencia de todas las fuentes de energía. https://openei.org/wiki/Data
20 Neuville (https://www.neuville.co.uk/documents/), Egriddata (https://egriddata.org/) y
Bettergrids (https://www.bettergrids.org/
40
Modelación y análisis energético
Esta etapa se apoya en los paquetes de software mencionados previamente. Los modelos
energéticos pueden ser aproximados. Se puede dividir el análisis energético de micro-
rredes en 2 grandes instancias o tipos: básico y completo.
Análisis energético básico
El análisis energético básico es propio del proceso de factibilidad. Recibe como entradas
los recursos energéticos (solar, eólico, biomasa, hídrico, combustible, entre otros), la ca-
racterización del emplazamiento, su demanda y los costos unitarios de cada componente.
El análisis básico tiene como resultado más importante la definición de la arquitectura
óptima de la microrred, es decir, la información sobre cuáles recursos de generación
deben implementarse y las capacidades a instalar. A partir de la arquitectura definida y
con el apoyo de simulación, se obtendrán otros resultados concluyentes con respecto a
la viabilidad del proyecto, tales como los costos totales de inversión y operación anua-
lizados, el costo nivelado de la energía (lcoe, por sus siglas en inglés), un estimado de
las emisiones, flujos de caja, entre otros.
De todos los insumos requeridos para el análisis energético, quizás el que guardan
con más celo los fabricantes y las consultoras sectoriales 21 es el costo detallado de los
20F
componentes. La volatilidad macroeconómica dificulta la elaboración de tendencias de

costos certeras; sin embargo, hay varias fuentes indicativas que brindan estimados de
tales valores. Una herramienta de referencia altamente recomendable es la Micro-grid
Tariff Assessment Tool de nrel, que, aunque fue diseñada para microrredes en África,
posibilita una estimación inicial para cualquier otro emplazamiento. En la figura 2.4
se presenta una aproximación comparativa a los costos por componente de 6 de las
microrredes tipificadas en el capítulo anterior. Se complementa la información con un
valor general por MW instalado.
21 Desafortunadamente la mayor parte de los reportes de estas consultoras, aunque comple�-

tos, son muy costosos. Sin embargo, algunos resúmenes y presentaciones públicas de sus
funcionarios brindan pistas al diseñador. Wood Mackenzie (https://www.woodmac.com/)
Lazard (https://www.lazard.com/) Bloomberg New Energy Finance (https://about.bnef.com/)
Guidehouse Insights (https://guidehouseinsights.com/)
41
Figura 2.4. Costos por componente. Tipos de microrredes.
Fuente: adaptado de [1] y [2].
Análisis de sensibilidad
Un complemento mandatorio al análisis energético básico es el análisis de sensibilidad.

Muchas de las variables asociadas a la factibilidad de microrredes fluctúan por fuera
del control del diseñador. Se deben contemplar varios escenarios de:
• Variables económicas, como son los costos del combustible, la tasa de inflación, los costos
variables de capital y operación, las penalizaciones por incumplimiento de regulaciones
medioambientales, entre otras.
• Recursos de generación, como la radiación solar, la velocidad de viento y el recurso hídrico.
• Restricciones técnicas y operativas, como los porcentajes de aportes mínimos de reno-
vables, los cortes de suministro permitidos, las reservas operativas, el crecimiento de
la demanda, el empleo de seguidores en los generadores solares, entre otras.
Es imposible considerar todas las variaciones, por lo que el criterio experto debe
primar en esta etapa.
Análisis energético completo
El análisis energético completo está asociado a la optimización de la operación en la mi-

crorred (posterior a la etapa de factibilidad). De este análisis hacen parte la asignación
de recursos (unit commitment [uc]) y el despacho económico (economic load dispatch
[eld]). Usualmente, se incluye un seguimiento económico y financiero detallado. La
modelación energética de cada componente de una microrred y el análisis completo
serán abordados en el capítulo 4.
42
Exploración de posibles modelos de negocio
La factibilidad de un proyecto puede recibir el impulso final si se asocia con el modelo

de negocio apropiado. Son varios los estudios realizados para determinar modelos de
negocio que viabilicen principalmente en el caso de las microrredes urbanas. Investiga-
dores del upb Smart Energy Center, apoyados en estudios como Utilities of the future [3],
y otros como [4] y [5], llevaron a cabo una exploración detallada de posibles modelos
aplicables a Colombia 22. 21F
En la tabla 2.1 se resumen algunas características de 4 de los modelos de negocio

identificados (enumerados como i-iv). Se presenta una valoración de cada modelo de
acuerdo con la necesidad de regulación, la madurez de la tecnología para llevarlo a cabo,
la capacidad de financiación requerida y la experiencia técnica del equipo humano para
implementarlo. Adicionalmente, se adaptan en la tabla cifras de participación mundial
de estrategias de negocio y financiamiento de microrredes, siendo ampliamente dom-
inadora la estrategia de energy as a service (81 %). Finalmente, se hace un recuento de
posibles fuentes de ingreso adicional aplicables a la mayoría de los modelos y estrategias
de negocio señaladas.
Tabla 2.1. Algunos modelos de negocio para microrredes
Modelo de negocio Factores clave para el desarrollo de modelos de negocio

Experiencia
Desarrollo Capacidad
Requisitos de técnica y Participación
de de
regulación formación de mundial 23
tecnología financiación
rrhh
i. Design, build, operate,
own, and maintain ++ + + -
(dboom)
ii. Power purchase
+ + +++ ++ -
agreements (ppa)
iii. Pay as you go (payg) + + + + -
iv. Virtual power plants
+++ ++ + +++ -
(vpp)
Energy as a service (eaas) + ++ ++ ++ 81 %
Financiamiento privado + + ++ ++ 11 %
Ingreso regulado para la
++ + + 4%
utility
Apoyo gubernamental + + 2%
Otras modalidades - - - - 2%
22 Para una mayor información sobre el tema de modelos de negocio en microrredes urbanas,
se sugiere revisar [6], y para el caso de los mercados en zonas no interconectadas, [10].
23 Resiliency Microgrids. Enabling Cost-Effective Solutions to Both Mitigate Outages from
Wildfire and Extreme Weather Risks and to Capture Grid Benefits. Navigant research.
4Q2019.
43
Modelo de negocio Factores clave para el desarrollo de modelos de negocio
Experiencia
Desarrollo Capacidad
Requisitos de técnica y Participación
de de
regulación formación de mundial 23
tecnología financiación
rrhh
- Cargo por respaldo de la red
- Bonos de carbono
- Alquiler de espacio (p. ej., techos para sfv o terrenos para eólica)
- Venta directa de equipos
Otros posibles ingresos
- Servicios de gestión de la demanda y eficiencia energética
para los modelos
- Servicios complementarios especiales (soporte de tensión, calidad de la potencia, black
start)
- Servicios complementarios genéricos (internet)
- Contratos específicos de operación y mantenimiento
Una vez identificados los modelos de negocio por evaluar en el proceso de factibil-
idad, es menester caracterizarlos y estudiarlos apropiadamente. En la figura 25 se pro-
pone una metodología previamente aplicada a la valoración de 5 posibles microrredes
para una utility local en Colombia. Aunque el detalle es mostrado en [6], se hará una
descripción básica de la figura.
Figura 2.5. Metodología para evaluación de modelos de negocio

44
Para la caracterización de los modelos de negocio (A), deben identificarse los prin-
cipales actores intervinientes en el potencial flujo de ingresos y egresos de la microrred.
Un esquema gráfico como el mostrado en la figura 2.5 entrega casi siempre una mayor
claridad de las relaciones a establecer y la propiedad sobre los activos de la microrred.
El segundo paso es la implementación del globalmente aceptado business model Can-
vas (B) para desagregar los componentes y relaciones existentes en el negocio, definir
con claridad la propuesta de valor de la microrred, identificar los clientes y definir la
estructura de costos e ingresos detalladamente.
Finalmente, para la valoración financiera de los modelos de negocio se propone
combinar la computación estática de los indicadores convencionales, especialmente vpn
y pri 24, con la evaluación probabilística de miles de escenarios aleatorios. La aplicación
F
de parámetros probabilísticos a la herramienta de análisis financiero permite una mejor

valoración de los resultados del vpn y pri , ya que considera la variabilidad de factores
F
como el dólar, la tasa de descuento y las horas efectivas de generación de las tecnologías
empleadas, los cuales son de gran relevancia dado su impacto directo para viabilizar
los proyectos de microrredes en el país.
Casos de estudio relacionados con el análisis de factibilidad

de las microrredes
Con el ánimo de ilustrar el análisis de factibilidad para proyectos tipo microrred, se
plantean a continuación un par de casos de estudio, el primero orientado a microrredes
remotas-comunitarias y el segundo para un sistema utility-scale.
Caso 1. Factibilidad de una microrred rural comunitaria para

incremento de cobertura
Descripción del caso

En Centro y Suramérica, así como en África, es común pensar en las microrredes como
solución a los problemas de electrificación. En la figura 2.6 se presenta un caso real de
una población sin energía, en el norte de Colombia. Se trata de un poblado indígena
(llamado ranchería) de la etnia Wayuu, denominado Santa Clara II, localizado en la
zona rural de la capital del departamento (Riohacha). Son cerca de 60 familias que
suman más de 300 personas. La comunidad cuenta con una pequeña escuela y un
acueducto artesanal que conduce agua extraída del subsuelo a través de una bomba
solar fotovoltaica (sfv).
En una actividad liderada por estudiantes y acompañada por profesores de la Uni-
versidad Pontificia Bolivariana, a mediados de 2022 se realizó una visita al pequeño
poblado, se hizo mantenimiento al sistema sfv y se repuso la bomba que se encontraba
dañada y tenía a la población sin agua desde hace varios meses.
24 vpn: valor presente neto. pri : periodo de retorno de la inversión.

F
45
Figura 2.6. Proyecto de microrred social-comunitaria. (A-B) Localización

ranchería Santa Clara. (C) Resultado análisis energético básico
Valoración de recursos y diagnóstico del sistema actual

Santa Clara II es un ejemplo claro de cómo una microrred social para uso comunitario
remoto ayudaría a mejorar las condiciones de vida de sus usuarios. En este caso, los
recursos solar y eólico son bastante buenos, casi 6 kWh/m2 día y 7,4 m/s de velocidad
promedio anual respectivamente.
Se modeló la demanda de acuerdo con un perfil rural, con un consumo estimado
de 180kWh/día, obtenido a partir del factor Ipse para poblaciones ubicadas a menos
de 1000 m s. n. m. Dada la escasa vegetación y la trashumancia del ganado caprino, no
se cuenta con biomasa en sitio. El costo del combustible en sitio es cercano a 0,7 usd/l.
Aunque Santa Clara II cuenta con energía eléctrica en la escuela central, a partir de
un arreglo fotovoltaico, las casas de los habitantes no disponen del servicio. Como hecho
curioso, hay un poste terminal de un circuito de distribución localizado a menos de
46
2 km de la ranchería, razón por la cual la electrificación vía extensión de la red podría
ser viable.
Resultados del análisis energético básico

Luego de simular el caso en un paquete de software comercial, se encontró que la arqui-
tectura óptima de recursos para una primera fase del proyecto combina un generador
sfv (35 kWp), un grupo electrógeno diésel (19 kW) y un banco de baterías de ion-litio
de 104 kWh de capacidad. La posibilidad de incorporar energía eólica se dejaría para
una eventual segunda fase del proyecto, que contemplaría ampliar la cobertura a la
ranchería Santa Clara I.
Aunque el proyecto resultó factible, muchas veces lo técnico no es tan determinante.
Hay componentes de gestión y manejo político decisivos. Luego de realizar el análisis, se
encontró que la alternativa de electrificar la ranchería a partir de la extensión de la red
resulta más económica que la opción microrred. El estudio concluyó que la conexión a
red sería viable incluso si la ranchería estuviera localizada a 6,5 km del nodo terminal
del circuito de distribución. Actualmente, esta distancia es de 2 km, por lo que parece
inexplicable que la comunidad adolezca del servicio.
Casos como el de Santa Clara II son muy comunes en Colombia. Según el Instituto
de Planeación y Promoción de Soluciones para las Zonas No Interconectadas del país
(Ipse) 25, a finales de 2022, el 53 % del territorio nacional correspondía a zonas no inter�-
24F
conectadas (zni), esto equivale a 404 000 viviendas sin servicio.

La energía actualmente se provee a las zni a través de generadores diésel (86 %). La
solución es muy costosa, contaminante, poco sostenible y no regenerativa para el eco-
sistema. Hay mucho por hacer en la diversificación de la matriz para estas zonas. El reto
de lograr la cobertura universal en la electrificación en Colombia, es decir, pasar del 97 %
al 100 % de población atendida, exige una inversión cercana a los 7 500 000 000 000
cop [7]. Estos recursos se destinarían principalmente a soluciones fotovoltaicas indi-
viduales (43 %) y microrredes (48 %).
Caso 2. Factibilidad de una microrred utility-scale para

aprovechamiento de residuos
Descripción del caso

Para el 2020, el equipo de investigación del upb Smart Energy Center (sec) 26 cuantificó
25F
el potencial de biogás de un relleno sanitario en el país en cerca de 420 000 000 de

m3-normales. Se trata de una energía cautiva, que, de aprovecharse, catalizaría enorme-
mente la transición energética en la zona de influencia del proyecto. Generar energía
a partir de residuos es un paso hacia la circularidad de la economía, y cuando se tiene
terreno disponible para infraestructura fotovoltaica, combinar los recursos a través de
una microrred es una apuesta a lo seguro. La figura 2.7 presenta la localización general
del sitio, una panorámica de este, y los resultados del análisis energético básico.
25 Para visualizar la información actualizada, por favor remítase a https://ipse.gov.co/

26 upb Smart Energy Center (sec): https://www.upb.edu.co/es/centro-energia-inteligen-
te-y-sostenible-sec
47
Figura 2.7. Proyecto de microrred utility-scale para aprovechamiento de

residuos. (A-B) Localización del relleno sanitario. (C) Resultados del análisis
energético básico
Valoración de recursos y diagnóstico del sistema actual

El relleno sanitario en cuestión está ubicado en una zona con una radiación solar
medianamente atractiva, por muy poco supera los 4 kWh/m2 día. Sin embargo, el quid
del asunto está en el aprovechamiento del mencionado potencial de biogás (420 Mm3).
Debe tenerse presente que 1 m3 de biogás equivale aproximadamente a la energía de
0,65 m3 de gas natural y puede llegar a producir 2,1 kWh de electricidad. Lo anterior
resulta más que atractivo para una utility que planee estratégicamente incorporarse de
manera decidida en la transición energética.
En este caso, la modelación de la demanda local del relleno resulta poco útil, ya que
evidentemente la capacidad instalada estimada, 4 MWp (SFV) y 60 MW (bioenergía)
tendría una vocación de entrega a la red. Nótese que incluso las cifras desafían el desac-
uerdo conceptual acerca del tope de capacidad que debería tener una microrred para
ser denominada como tal.
Conclusiones
Saber qué se quiere hacer con la microrred, caracterizar apropiadamente el sitio objetivo
con sus recursos e infraestructura, perfilar de la manera más completa posible la de-
manda por atender y realizar un buen análisis energético básico permitirá al planeador
responder con certeza al siguiente interrogante: ¿Es factible o no construir un proyecto
48
microrred determinado? Sin embargo, no solo lo técnico importa, la voluntad política de
los tomadores de decisiones y la selección de un modelo de negocio apropiado pueden
ser determinantes en la aprobación definitiva de la microrred.
Referencias
[1] J. I. Giraldez Miner, F. Flores-Espino, S. MacAlpine, and P. Asmus, “Phase I
Microgrid Cost Study: Data Collection and Analysis of Microgrid Costs in the
United States,” Oct. 2018, doi: 10.2172/1477589.
[2] S. Singh, D. W. Gao, and J. Giraldez, “Cost Analysis of Renewable Energy-Based
Microgrids,” 2017 North American Power Symposium, NAPS 2017, Nov. 2017, doi:
10.1109/NAPS.2017.8107241.
[3] Massachusetts Institute of Technology (MIT); Universidad Pontificia Comillas,
Utility o the Future. Boston, 2016. Accessed: Oct. 11, 2018. [Online]. Available:
https://energy.mit.edu/wp-content/uploads/2016/12/Utility-of-the-Future-Fu-
ll-Report.pdf
[4] “Non-traditional business models: Supporting transformative change in the
energy market | Ofgem.” https://www.ofgem.gov.uk/publications/non-traditio-
nal-business-models-supporting-transformative-change-energy-market (acces-
sed Nov. 06, 2022).
[5] K. Vatanparvar, “UC Irvine UC Irvine Electronic Theses and Dissertations Title
Design Space Exploration and Energy Management in Residential Microgrids.”
2015. Accessed: Nov. 06, 2022. [Online]. Available: https://escholarship.org/uc/
item/2cz8s1s2
[6] A. Quintero-Valencia and I. A. Isaac-Millan (Director), “Metodología para la
selección de modelos de negocio basados en microrredes para utilities en colom-
bia,” Universidad Pontificia Bolivariana, Medellin, 2017.
[7] M. de Minas Y Energía, “República De Colombia”, Accessed: Nov. 05, 2022. [On-
line]. Available: www.upme.gov.co
[8] N. Hatziargyriou, Microgrids: Architectures and Control. 2013. doi:
10.1002/9781118720677.ch7.
[9] C. Schwaegerl, G. Joos, and N. Hatziargyriou, “Active Distributed Systems and
Distributed Energy Resources,” pp. 519–567, 2020, doi: 10.1007/978-3-030-44484-
6_15.
[10] C. Restrepo and H. Cardona, “Modelo de mercado eléctrico para zonas no in-
terconectadas en colombia con integración de energías renovables,” Universidad
Pontificia Bolivariana, Medellin, 2017.
49
Modelación y estudios
eléctricos en microrredes
Carlos E. Restrepo, Santiago Bustamante, Idi Amin

CAPÍTU LO 3
Isaac-Millan, Jorge González y Hugo A. Cardona

1
Universidad Pontificia Bolivariana, Colombia
[email protected]
Este capítulo abre la sección ii del libro, la cual agrupa los conceptos rela-
cionados con la modelación, formulación matemática, principales estudios
y la definición de estrategias para la comunicación y el control de microrre-
des y de ecosistemas energéticos escalables (E3). Este apartado inicia con
el análisis eléctrico, mandatorio en cualquier diseño de microrredes. Es
importante aclarar que, en tan corta extensión, resulta imposible abordar la
totalidad de los estudios, solo se presentan los básicos, que fueron aplicados
a los sistemas eléctricos de las microrredes del proyecto para explorar el
posible impacto que tendrían los recursos distribuidos adicionados en las
redes preexistentes. Si el lector requiere abordar estudios especializados,
se recomiendan referencias al final del capítulo.
Introducción a modelación y simulación de

microrredes
En el escenario de la transición energética en dirección a sistemas flexibles
y amigables con el medioambiente, las microrredes se presentan como
componentes esenciales para su viabilización y, en consecuencia, para la
creación de alternativas que propicien la inclusión de generación renovable
e incremento en la penetración recursos energéticos distribuidos dentro
de las matrices energéticas.
La inclusión de nuevos dispositivos y nuevas tecnologías en las redes
eléctricas, si bien puede ayudar a la conformación de estructuras más
amigables con el medio ambiente, trae consigo importantes retos en el
entendimiento de sus comportamientos en estado estacionario y dinámico.
51
Por ello, desde el estudio de las microrredes eléctricas como un concepto de integración
y gestión de recursos energéticos distribuidos, es necesario la realización de modelos
adecuados de las microrredes objeto de estudio que consideren sus realidades indi-
viduales (valoración del recurso, caracterización de la demanda, etc.) y, por lo tanto,
permitan conocer a partir de simulaciones, comportamientos cercanos a la realidad de
los elementos estudiados.
Los estudios eléctricos para microrredes eléctricas se pueden clasificar en 2 grandes
grupos: los que consideran su comportamiento en estado estacionario y los que incluy-
en su respuesta dinámica cuando operan en conexión con la red de distribución o se
encuentran operando en modo aislado.
Varios autores han centrado su atención y trabajo en el estudio del flujo de carga en
microrredes eléctricas, es el caso de [1] que propone modelar las fuentes de generación
síncronas como su equivalente de Thévenin. Otra forma en la que se es posible realizar
el modelamiento de las fuentes generadoras, es a través de elementos pv o pq a los que
se les determina la variable indicada y a partir de controles, se modifican los demás
parámetros de las máquinas para mantener los valores estáticos de potencia activa y
voltaje en el caso de elementos pv y la potencia activa y reactiva para elementos pq. [2]
propone el método señalado anteriormente, modelando las fuentes como nodos pv y
asumiendo la premisa de que, si se violan los límites de potencia reactiva, el elemento
pasa de ser pv a pq, restringiendo la entrega de esta potencia. En el caso de [3] los autores
proponen representar los generadores como elementos de factor de potencia constante
o potencia reactiva variable [4].
carlos e. restrepo, santiago bustamante, idi amin isaac-millan, jorge gonzález y hugo a. cardona
Para mantener la seguridad de los sistemas eléctricos se suelen tomar una serie de
medidas e instalar dispositivos de protección que actúen ante la presencia de una falla
y puedan evitar alteraciones mayores sobre el sistema eléctrico. Para el dimension-
amiento correcto de las protecciones en un sistema eléctrico, suele tenerse en cuenta
la magnitud esperada de cortocircuito, por lo que este estudio resulta particularmente
importante en lo concerniente a los esquemas de protección para sistemas eléctri-
cos. Así, algunos autores han versado sus estudios en el análisis de cortocircuito en
microrredes eléctricas, es el caso de [5] que propone el modelado del cortocircuito
equivalente para evaluar la contribución a la falla desde el lado de corriente continua
y realiza simulaciones con el objetivo de encontrar la capacidad de alimentación de
fallas durante los modos operativos en la microrred. Para la realización de las simu-
laciones, es usado el software rscad en tiempo real y se encontró que los niveles de
corriente de falla para sistemas de baterías y fotovoltaicos es baja, por lo que estos
sistemas son considerados débiles, lo que complejiza el desarrollo de protecciones
para estos casos. Por otra parte, [6] presenta un método novedoso para el cálculo de
cortocircuito para microrredes en isla basado en el control maestro-esclavo. El método
propuesto basa su funcionamiento en el modelo equivalente hdg que considera control
desequilibrado y es aplicable a sistemas con esta característica, como lo suelen ser las
redes eléctricas en el nivel de distribución. En [7] se presenta una simulación de una
microrred conformada por una turbina eólica, un sistema solar fotovoltaico y una
celda de combustible. La potencia producida por cada una de las fuentes se combina
52
en el bus de corriente continua, luego es transferida a la carga en ca por medio de un
inversor trifásico. [8] establece un modelo de simulación de fallas de cortocircuito
haciendo uso del software pscad. Para el análisis de la onda de corriente detectada,
se hace uso del algoritmo de Wavelet.
Si bien el comportamiento en estado estacionario de la microrred es importante y
suele ser la base para los demás estudios, es importante también conocer su compor-
tamiento dinámico, pues permite entender la respuesta de los principales parámetros
eléctricos bajo diversos escenarios considerando sus variaciones en el tiempo. Estos
estudios suelen ser divididos en función de la forma de operación de la microrred,
es decir, si se encuentra operando de forma aislada en cuyo caso el comportamiento
dinámico depende de la respuesta de sus recursos distribuidos o si opera en conexión
a la red donde, por el contrario, la mayoría de los parámetros estarían influenciados
por las dinámicas de la red externa según su fortaleza.
Tradicionalmente, el comportamiento de los grandes sistemas eléctricos ha estado asociado
a los generadores síncronos y sus masas rodantes, por lo que los estudios en estado estacio-
nario y dinámico se centraban en una estructura vertical en la que la energía eléctrica fluía
de las grandes centrales a los centros de consumo de forma unidireccional. Con la inclusión
de la generación distribuida, esta concepción de la red eléctrica cambia y se considera la
posibilidad de que los flujos de potencia cambien de dirección. Estas nuevas fuentes carecen
naturalmente de inercia por lo que el comportamiento de los sistemas debería cambiar. En
este escenario, aparecen las microrredes como elementos que permiten la inclusión de re-
cursos distribuidos de forma segura dentro de la red, que deben ser estudiadas y analizadas.
A partir de este punto, en este capitulo, se presentan los modelos eléctricos de los
elementos que componen la microrred. También, se muestra una descripción de los
principales estudios realizados en microrredes desde la perspectiva eléctrica. Por último,
se presenta un caso práctico de estudio realizado sobre la microrred de la Universidad
Pontificia Bolivariana, se muestran sus principales características y recursos, y los resul-
tados obtenidos son discutidos. Se invita al lector que desee profundizar en la temática
de la inercia en microrredes, particularmente en lo concerniente a las estrategias de
emulación a partir de electrónica de potencia, a revisar el capítulo 10 del libro.
Modelos eléctricos de elementos de microrredes
modelación y estudios eléctricos en microrredes

En este apartado encontrará diferentes modelos eléctricos para los componentes de
microrredes propuestos por diferentes autores, el uso de cada uno dependerá del ob-
jeto y detalle del estudio que se va a realizar. Se establecerá un énfasis particular en los
modelos ofrecidos por la herramienta Digsilent Power Factory, debido a su amplio uso
en el sector eléctrico a nivel global, por parte de utilities y operadores de red.
Generadores solares
Dentro de los modelos por utilizar para generadores solares, Power Factory presenta
3 opciones diferentes:
53
Modelo generador solar basado en irradiancia y temperatura [9]
Este modelo se basa en las relaciones entre la corriente de un módulo, la irradiancia
por un lado y la temperatura y la tensión por el otro. A partir de lo anterior podría ob-
tenerse la corriente del módulo con base en los datos de placa del elemento y los datos
de irradiancia, como se muestra en la ecuación 3.1.
(3.1)
Donde:
Icn: corriente del módulo en condiciones nominales.

Gcn: irradiancia en condiciones nominales 1000 W/m2
Gt: irradiancia en cada hora t W/m2
Imt: corriente del módulo en Gt
Esta ecuación puede ser expresada de la misma manera en términos de la potencia,

como se muestra, en la ecuación 3.2:
Pmt = kPcn (3.2)

Donde
Pcn:corriente del módulo en condiciones nominales.

Pmt:corriente del módulo en Gt.
Modelo wecc de generadores distribuidos y de pequeña escala

El modelo de generadores solares distribuidos se representa en la red con un elemento
de módulo solar fotovoltaico y un transformador elevador, con este modelo se busca
representar una cantidad de sistemas solares fotovoltaicos conectados al sistema de
distribución, con lo que se logra simular la generación solar conectada en un circuito
alimentador de media tensión. Adicionalmente, este modelo contiene un modelo diná-
mico que representa un control de tensión, control de potencia activa y protección para
desconexión del generador. Tales modelos y el manejo del elemento se explican en [10].
El modelo cuenta con los siguientes componentes:
• Pequeñas plantas solares distribuidas
• Control básico de pequeños generadores solares fotovoltaicos
• Protecciones de la planta por sobre y baja tensión, y sobre y baja frecuencia
• Medición de tensión y potencia
54
Modelo generadores solares desarrollado por digsilent
El modelo de generador sfv de Power Factory con capacidad de 500 kVA puede ser
modificado de acuerdo con los requerimientos del usuario siguiendo las instrucciones
presentadas en [11]; sin embargo, ante ciertas simulaciones de cortocircuito, el modelo
presenta un fallo en la solución de las ecuaciones, lo que genera la imposibilidad para
invertir algunas de las matrices que hacen parte del proceso de cálculo del modelo.
La plantilla está conformada por una barra de 400 V, un elemento del tipo de sistema
solar fotovoltaico (pvsys) (ver figura 3.1), elementos de medición de P y Q y de tensión,
y un modelo dinámico de planta solar fotovoltaica (ver figuras 3.2 y 3.3).
Figura 3.1. Diagrama plantilla generador solar fotovoltaico

Fuente: adaptado de [11].

Figura 3.2. Diagrama de bloques modelo dinámico generador solar fotovoltaico
55
Figura 3.3. Modelo generador distribuido
Generador eólico
Modelo completo de un aerogenerador
El aerogenerador es modelado como una fuente de corriente controlable, conectado

a través de un conversor electrónico con un filtro pasa bajo (resistivo-inductivo). La
velocidad del viento y las características mecánicas son requeridas para calcular la
máxima potencia de la turbina a partir de las curvas de mppt (maximum power point
tracking) (ver figura 3.4) [9].
Figura 3.4. Máquina de inducción con alimentación dual

Fuente: adaptado de [9] pag. 43.
56
Modelo máquina de inducción con alimentación dual Power Factory
El modelo del generador de inducción de alimentación dual consiste en una máquina

de inducción de tensión del rotor controlada. El pwm controla la magnitud y el ángulo
de fase de la tensión, de esta forma se puede controlar la potencia activa y reactiva del
generador (ver figura 3.5).
Figura 3.5. Circuito equivalente del modelo dfig con pwm integrado en Power
Factory
Fuente: tomado de [11].
Recursos distribuidos acoplados electrónicamente
Este modelo es genérico y consiste en un inversor conectado a la red, cuyo extremo

de dc es alimentado desde fuente de corriente controlable capaz de emular las curvas
mppt de un generador renovable distribuido. Para el despacho del recurso se define
una reserva para regulación de frecuencia y para control de tensión en el circuito de
distribución. El inversor se conecta a la red a través de un transformador (ver figura 3.6).
Figura 3.6. Modelo de recursos distribuidos acoplados electrónicamente

57
Transformador bidevanado
Para modelar el transformador bidevanado, Power Factory emplea el circuito presentado

en la figura 3.7, cuando el cambiador de tomas se encuentra en el lado de alta, y el de
la figura 3.8 cuando el cambiador de tomas se encuentra en el lado de baja. En [12] se
encuentra la relación matemática entre cada uno de los parámetros.
Figura 3.7. Circuito eléctrico transformador bidevanado con cambiador de

tomas en el lado de alta [12]
Figura 3.8. Circuito eléctrico transformador bidevanado con cambiador de

tomas en el lado de baja [12] Fuente: tomado de [11].
Generadores rotativos
En estudios eléctricos, la máquina sincrónica es tal vez uno de los modelos más im-
portantes, pues este elemento es en el que se centran la mayoría de los análisis, desde
despachos en flujos de carga, hasta estabilidad de ángulo en simulaciones dinámicas.
Se presentan dos tipos de modelo:
Modelo basado en máquinas rotativas
Los generadores basados en máquinas rotativas consisten en máquinas sincrónicas ali-

mentadas desde un generador diésel. La potencia mecánica es despachada de acuerdo
a la potencia eléctrica de referencia (Pref) y una velocidad angular (Wf) de referencia.
La máquina sincrónica también tiene un sistema de excitación de corriente directa que
58
controla la tensión de campo del generador (Vf ) de acuerdo con el valor objetivo de
potencia reactiva y al modo de control de tensión del mismo (ver figura 3.9).
Figura 3.9. Modelo máquina sincrónica

Máquina sincrónica digsilent
De acuerdo con el tipo de estudio y el tipo de generador, Power Factory ofrece un

modelo diferente. En este libro se presenta únicamente el modelo para flujos de carga;
sin embargo, en [13] se presentan todos los circuitos equivalentes de acuerdo con las
variaciones mencionadas y todo su desarrollo matemático (ver figura 3.10).

Figura 3.10. Modelo de máquina sincrónica controlada para flujos de carga
En general, Power Factory ofrece diferentes modos de control en estado estable, en

especial en lo referido a potencia reactiva y tensión, los cuales son:
• Tensión constante
• Tensión con caída de potencia reactiva
• Tensión con caída de corriente de eje de cuadratura
• Potencia reactiva constante
• Curva característica de potencia reactiva vs potencia activa
• Factor de potencia constante
59
Sistema de almacenamiento de energía
Un sistema de almacenamiento de energía consiste en un inversor cuya entrada de dc

es alimentada desde un sistema de baterías [9]. De acuerdo con la salida de corriente
alterna del inversor podría usarse un transformador para conectar a la red. En general,
se presentan dos modos de operación que son controlados desde el inversor, el primer
modo tiene como propósito mantener una tensión-objetivo, como una ups; el segun-
do modo tiene como meta mantener un valor de potencia para inyectar en el nodo.
Finalmente, la interacción con la red estará determinada por el inversor y sus modos
de operación (ver figura 3.11).
Figura 3.11. Modelo de sistema bess

En el capítulo 13 de este libro se abordará con mayor detalle la temática de la model-
ación y los estudios que involucran sistemas de almacenamiento de energía con baterías
controlables (Bess).
Carga
En los sistemas eléctricos, las cargas consisten en variedad de elementos eléctricos, tales
como luminarias, aires acondicionados, calentadores, motores, hornos de fundición,
entre otros. Normalmente, en el proceso de modelación de sistemas eléctricos no es
necesario llegar al detalle de modelar cada uno de estos elementos; por el contrario,
lo que se hace es agrupar un conjunto de ellos de manera que representen desde un
circuito de una edificación (casa, edificio, etc.) hasta un alimentador de media tensión.
Todo dependerá del nivel de detalle requerido y del objeto de la modelación. En el caso
de grandes sistemas de potencia, las cargas pueden representar uno o varios alimenta-
dores de media tensión, mientras que para una microrred, dependiendo de su tamaño
y tipo, una carga podría representar el circuito de la edificación mencionado, la edifi-
cación misma o incluso un grupo de ellas; sea cual sea el interés del modelo, las cargas
modeladas estarán compuestas por una combinación de elementos que requieran una
demanda de potencia constante (como los motores), elementos con una impedancia
constante (como un bombillo incandescente) o elementos que demandan un valor de
corriente constante (normalmente cargas electrónicas). Por tal motivo, los modelos de
cargas están basados en combinaciones de los tipos de cargas mencionados (potencia
constante, corriente constante, impedancia constante).
De acuerdo con [9] las cargas tienen un gran impacto en los recursos de energía dis-
tribuida. Tal impacto debe analizarse tanto en estado estable como en estado dinámico.
60
Para modelar esta clase de elementos [9] establece 2 modelos: uno es el de fuente de
corriente con el que se logran modelar las características de la impedancia de la carga
(este es el planteado por ieee en [14]). El segundo modelo es basado en un inversor
conectado a la red que sigue las referencias de potencia activa y reactiva establecidas.
Otro modelo que se podría utilizar es empleado en Power Factory y descrito en [15].
Modelo basado en fuentes de corriente
En este modelo, las cargas son representadas por 3 fuentes de corriente (una por cada
fase), los valores de corriente se obtienen a través de transformaciones de corrientes
de eje directo y eje de cuadratura (id e iq). Estas a su vez son calculadas a partir de los
valores de tensión de eje directo y eje de cuadratura que, de igual forma, son obtenidas
a partir de las tensiones de fase en la carga. En [14] se presenta el detalle del modelo
(ver figura 3.12).
Figura 3.12. Modelo de carga

Modelo basado en inversor conectado a la red

El modelo de carga controlable basado en inversor está diseñado para absorber una
cantidad determinada de potencia activa y reactiva. El valor de las potencias deman-
dadas se puede obtener a partir del uso que la carga representada da a la energía, por
ejemplo, la temperatura en una carga de calefacción o la iluminación de un sistema
de luminarias inteligentes. El cálculo de los valores de potencia activa y reactiva de
referencia es calculado a partir de la tensión en el punto de conexión de la carga y la
impedancia de esta. Las potencias de referencia para el inversor son calculadas a partir
de la ecuación 3.3.
61
(3.3)
Donde:
Pref: potencia activa de referencia.
Qref: potencia reactiva de referencia.
Vterm(t): tensión en el nodo de la carga.
Zload: impedancia de la carga.
Modelo de carga Power Factory
digsilent ofrece en el software Power Factory un modelo de carga que puede repre-
sentar un circuito de media tensión o una combinación de cargas estáticas y dinámicas,
en el que esta última aplicación es adaptable a las cargas de microrredes. Esta herra-
mienta ofrece la modelación de cargas monofásicas, bifásicas y trifásicas en diferentes
configuraciones; sin embargo, es importante tener en cuenta el proceso de modelado
presentado en [15]. Adicionalmente, la herramienta ofrece la posibilidad ante análisis
dinámicos de que la carga sea modelada como una combinación de cargas estáticas y
dinámicas. Estas últimas se pueden modelar dependiendo de su respuesta en tensión
y frecuencia de manera lineal o no lineal.

Con este modelo es importante tener en cuenta la composición de la carga, ya que
la herramienta ofrece la posibilidad de ingresar pesos a los 3 tipos de cargas principales
(corriente constante, impedancia o potencia constantes) (ver figura 3.13).
Figura 3.13. Modelo de carga dinámica Power Factory

62
Una vez conocidos los modelos potencialmente aplicables a los equipos más co�-
munes, se procederá a implementarlos en los estudios eléctricos básicos para una de
las microrredes del proyecto.
Estudios eléctricos
En general, en microrredes no se presentan los mismos retos que en grandes sistemas
eléctricos de potencia; sin embargo, el análisis de microrredes con conexión a la red
podría aproximarse al que se lleva a cabo en sistemas de distribución, para el caso de
redes aisladas los retos se basan más en la estabilidad de estos.
De forma usual, se encuentran los siguientes análisis:
• Flujo de carga
• Cortocircuito
• Estabilidad de frecuencia
• Estabilidad de convertidores
• Estabilidad de tensión
A continuación, se realizarán los estudios de flujo de carga, cortocircuito y al análisis

de contingencias al sistema eléctrico que modela los recursos distribuidos instalados
en la Universidad Pontificia Bolivariana.
Modelo de red eléctrica de la upb
La construcción de los modelos eléctricos de cada microrred se hizo en el software dig-

silent Power Factory. Para esto se realiza una exploración de los circuitos eléctricos de
cada elemento dentro del software, con el fin de obtener mejores análisis y comprensión
de los resultados de cada sistema y, de ser necesario, proponer mejoras a estos.
La microrred upb está alimentada por un circuito de distribución de 13.2 kV que se
divide en tres ramales al interior del campus. En total se cuenta con 18 transformadores
de distribución los cuales se encuentran en 15 subestaciones. Además, cuenta con 5
generadores solares de diferentes capacidades, 1 biodigestor y 8 plantas eléctricas de
respaldo. La figura 3.14 presenta un esquema de los subsistemas del emplazamiento.
63
Figura 3.14. Esquema resumido de microrred de la upb

Generación
Dentro de la red se encuentran grupos electrógenos (plantas diésel) de respaldo, que

únicamente operan cuando se pierde el suministro desde el operador de red. Además,
hay 133.5 kWp en generación solar dividida en 5 generadores. La tabla 3.1 presenta las
capacidades de los sistemas de generación de la upb.
Tabla 3.1. Capacidad instalada de los sistemas de generación de la upb
Solar Diésel Biodigestor

Bloque
(kWp) (kVA) (kWh-día)
Bl-3: Rectoral - 156 -
Bl-5: Colegio - 62.5 1
Bl-7: Ciencias Sociales - 250 -
Bl-8: Laboratorios - 62.5 -
64
Solar Diésel Biodigestor
Bloque
(kWp) (kVA) (kWh-día)
Bl 9: Posgrados - 375 -
Bl-10: Arquidiseño 4.9 - -
Bl-11: Laboratorio Ing. 28 - -
Bl-11: Ingeniería 52 500 -
Bl-12: Derecho - 63 -
Bl-18: Parqueaderos 45 63 -
Hábitat 3.4 - -
Total 133.5 kWp 1532 kVA 1 kWh-día
Para la modelación se plantean los siguientes supuestos:

• Se modelan todas las líneas aéreas con conductor acsr 1/0.
• El distrito de frío se encuentra en proceso de integración al sistema de monitoreo del
upb Smart Energy Center, razón por la cual se considerará en estudios posteriores.
Líneas de distribución
Todas las líneas de distribución son compuestas por conductores 1/0 acsr (las subterrá-
neas cuentan con xlpe 1/0; sin embargo, no se tiene información de la configuración).
La tabla 3.2 presenta los parámetros de la línea del sistema mencionado.
Tabla 32. Líneas de distribución de la microrred de la upb
R1 X1 R0 X0 Longitud
Elemento
(ohm) (ohm) (ohm) (ohm) (m)
L_Bachillerato_Bl7 0.161 0.128 0.275 0.405 300
L_Biblio_Poli 0.022 0.017 0.037 0.054 40.3
L_Bl7 0.027 0.021 0.046 0.068 50
L_Bl8_Bl9 0.044 0.035 0.076 0.111 82.5
L_BlAdministrativo_DerivacionBoule 0.045 0.035 0.076 0.112 83.2

L_CajaBlAdministrativo_PosteBlAdministra 0.035 0.028 0.06 0.089 65.8
L_CajaBoule1_CajaBoule2 0.019 0.015 0.032 0.047 34.7
L_CajaBoule2_CajaBoule3 0.025 0.02 0.042 0.062 46
L_CajaBoule3_CajaGlorietaVirtual 0.017 0.013 0.029 0.042 31.2
L_CajaDerivacionBouel_Caja1Boule 0.045 0.036 0.077 0.114 84.3
L_Distr_Parqueaderos 0.021 0.017 0.037 0.054 40
L_Derecho_Biblio 0.028 0.022 0.048 0.07 52
L_DerivacionBoule_Derecho 0.025 0.02 0.043 0.064 47.4
L_Frontera_CajaBlAdministrativo 0.033 0.026 0.056 0.083 61.2
L_GlorietVirtual_PosteLampara 0.026 0.021 0.045 0.066 48.8
65
R1 X1 R0 X0 Longitud
Elemento
(ohm) (ohm) (ohm) (ohm) (m)
L_GlorietaVirtual_Bl8 0.028 0.022 0.048 0.07 52
L_GlorietaVirtual_PosteIngeniería 0.028 0.023 0.049 0.072 53.1
L_Placa_CanchaTenis 0.036 0.028 0.061 0.09 66.4
L_PosteBl3_PosteCafeteriaPrmaria 0.041 0.033 0.071 0.104 76.9
L_PosteBlAdministrativo_Bl3 0.08 0.064 0.138 0.203 150
L_PosteCafeteriaPrimaria_PostePlacas 0.026 0.021 0.045 0.067 49.3
L_PosteCanchaTenis_BlBachillerato 0.036 0.028 0.061 0.09 66.4
L_PosteLampara_Bl10 0.029 0.023 0.05 0.074 54.8
L_PostePlacas_BlGarajesColegio 0.051 0.041 0.088 0.129 95.4
L_SEBl8_PadMounted 0.009 0.007 0.015 0.022 16.4
Line_Poli_Dist 0.134 0.107 0.229 0.338 250
Transformadores
La universidad cuenta con 15 subestaciones dentro de las cuales se encuentran 18

transformadores que permiten alimentar toda la demanda del emplazamiento, como
se muestra en la tabla 3.3.
Tabla 3.3. Transformadores de la microrred de la upb

Capacidad Tensión lado de alta Tensión lado de baja Impedancia

Elemento
(kVA) (kV) (kV) (%)
TRF_Bl112.5 Bl8 112.5 13.2 0.226 3.5
TRF_Bl9_1 225 13.2 0.22 4
TRF_Bachillerato 225 13.2 0.216 4
TRF_Biblioteca 350 13.2 0.208 4.5
TRF_Bl10Poste1 45 13.2 0.216 3
TRF_Bl10Poste2 75 13.2 0.216 3.5
TRF_Bl3 400 13.2 0.216 4.5
TRF_Bl7 225 13.2 0.226 3.5
TRF_Bl7_Ascensores 45 13.2 0.214 3.5
TRF_Bl8 110 13.2 0.208 3
TRF_Bl9_2 400 13.2 0.22 4.5
TRF_BlParqueaderos 300 13.2 0.208 4.5
TRF_Bl_Derecho 75 13.2 0.225 3.5
TRF_Garaje_Colegio 150 13.2 0.213 4
TRF_Ingeniería labs 630 13.2 0.206 3
TRF_PadMounted 300 13.2 0.208 3
TRF_Polideportivo 75 13.2 0.226 3.5
TRF_Distrito_frio 500 13.2 0.46 4.5
66
En la figura 3.15 se presenta el diagrama unifilar construido en Power Factory de la
microrred upb.

Figura 315. Diagrama unifilar de la microrred de la upb
Fuente: elaboración propia. Unifilar construido en digsilent Power Factory [16].
Demanda
Dado que en este emplazamiento se cuentan con medidores inteligentes en cada sub-
estación desde 2017, la modelación de la demanda se hizo a partir de los datos regis-
trados con tales elementos. Para esto se realizó un procesamiento estadístico con el fin
de construir los perfiles de carga a través de una caracterización de la demanda, para
luego ejecutar simulaciones. El procedimiento es el siguiente:
Obtención de datos de medidores en el tiempo: se obtienen registros históricos de
los medidores desde el 1 de enero de 2019 hasta el 28 de octubre de 2019. Es menester
67
recordar que los datos de los años 2020 y 2021 son atípicos, debido a la pandemia de
Covid-19.
Organización de datos en el tiempo: los registros obtenidos se acomodan en tab-
las de 2 entradas en las cuales las filas corresponden a una hora del día y las columnas
corresponden a días del año. Además, se calculan promedios de 15 minutos, con lo que
se obtienen 96 datos por día.
Procesamiento de datos: inicialmente, se calculan valores promedio y percentil 90
de los datos obtenidos, con lo que se llega a la curva de carga deseada para cada punto
de medida. Este proceso se realiza para la totalidad de los datos. Además, se separan por
días de la semana, logrando así obtener curvas de cargas características para cada día.
Luego de organizar los datos y obtener curvas a partir del análisis de los registros
entregados por los medidores, se procede a separar los datos por días, dado que el
comportamiento del emplazamiento cambia sobre todo en fines de semana.
Teniendo en cuenta que la demanda de potencia reactiva es muy baja para la microrred
de la upb (poca presencia de motores) se entregan únicamente las curvas de potencia
aparente (las curvas corresponden al valor de percentil 90 de los datos). Dado que en los
sistemas de distribución se presentan ciertos desbalances debido a la poca agregación
de las cargas, se analizan las variables de potencia activa, reactiva y aparente por cada
fase y la total. Además, se hace el análisis también para la corriente de cada una de las
fases. Por facilidad se presentan en este capítulo las curvas de la potencia aparente total.
Las figuras 3.16, 3.17 y 3.18 presentan las curvas de potencia típica demandada desde
cada subestación para las fases A, B y C, respectivamente. Se aprecia que los mayores
valores de demanda se registran en horas del día. Los picos se alcanzan en horas de la
tarde, cerca de las 2.00 p. m. El bloque de ingenierías es el que presenta el mayor valor
en las 3 fases.
Figura 3.16. Potencia aparente demandada por subestación de la fase A

68
Figura 3.17. Potencia aparente demandada por subestación de la fase B
Figura 3.18. Potencia aparente demandada por subestación de la fase C

69
Análisis eléctrico
Para el desarrollo de los estudios eléctricos se hizo una modelación del sistema basado
en 96 casos de estudio, correspondientes a periodos de 15 minutos durante un día. Se
ejecutan estudios de flujo de cargas, cortocircuito y análisis de contingencias. Se utiliza
como elemento slack la red externa, y se ajusta una tensión de 1.0 p. u. En este estudio
se hizo el análisis de manera desbalanceada, buscando llegar a una representación más
aproximada de la red.
Flujo de carga
En el análisis de flujo de carga se evidencia que no hay problemas de tensión ni de car-

gabilidad en ninguno de los elementos del sistema en ningún periodo.
Las figuras 3.19, 3.20 y 3.21 presentan los resultados de tensión obtenida en las barras
de media tensión de las subestaciones del emplazamiento. En general, no se evidencia
un desbalance de tensiones; además, en las 3 fases se aprecia que el comportamiento
siempre es muy cercano a 1 por unidad (1 p. u.), lo anterior indica que el sistema de dis�-
tribución garantiza que no existan mayores caídas de tensión en los nodos de carga; por
otro lado, podrían existir aumentos de demanda sin la necesidad de reforzar el sistema.
Figura 3.19. Tensiones en barras de media tensión de la fase A

70
Figura 3.20. Tensiones en barras de media tensión de la fase B
Figura 3.21. Tensiones en barras de media tensión de la fase C

71
La figura 3.22 presenta la cargabilidad en líneas de distribución, no se presentan
valores elevados en el indicador. Todas están por debajo del 20 %, lo que indica que el
sistema podría estar sobredimensionado.
Figura 3.22. Cargabilidad líneas de distribución

La figura 3.23 presenta la cargabilidad de los transformadores. En general, ninguno

de ellos supera el 100 % de su capacidad nominal. Se presentan en la mayoría valores
de carga por debajo del 50 % durante los periodos de carga máxima (cercanos al medi�-
odía y en horas de la tarde), y mayor valor de carga en los transformadores del bloque
12, en el colegio, los garajes y el bloque 8, aires. Los picos de demanda se presentan en
horas de la tarde.
72
Figura 3.23. Cargabilidad de los transformadores
La figura 3.24 presenta la potencia generada por los módulos solares, en ella se
aprecia que los picos de generación coinciden con los picos de demanda presentados
en las figuras 3.25 y 3.26.
Figura 3.24. Potencia aparente generada en la fase A

73
Figura 3.25. Potencia aparente generada en la fase B
Figura 3.26. Potencia aparente generada en la fase C

La figura 3.27 presenta el aporte de potencia de la red externa a la red eléctrica de

la upb para las fases A, B y C. En ella se aprecia que el pico de consumo se registra
en las horas de la tarde entre las 2.00 p. m. y las 4.00 p. m. En general, no se aprecian
desbalances considerables entre las fases, lo que indica un buen balance de las cargas.
74
Figura 3.27. Potencia suministrada por la red externa
Finalmente, la figura 3.28 presenta el porcentaje de penetración de energía renovable,

en este caso energía solar por fase. Se aprecia que los valores máximos se alcanzan cerca
del mediodía y son de aproximadamente el 11 %. La fase con el valor máximo es la B;
sin embargo, dado el balance del sistema, los valores en las 3 fases son muy similares.
Figura 3.28. Porcentaje de penetración de energía solar por fases

75
Cortocircuito
Dentro del análisis de cortocircuito se ejecutan cortocircuitos trifásicos y monofásicos

basados en la norma iec 60909 en todas las subestaciones. Dado que durante ninguno
de los periodos evaluados hay cambios en la topología, los resultados obtenidos son
iguales en cada escenario.
La figura 3.29 presenta la corriente de cortocircuito trifásica en cada subestación,
mientras que la figura 3.30 presenta la potencia de cortocircuito trifásica, en ella se
aprecia que las subestaciones de garajes y derecho son las que tienen mayor potencia
de cortocircuito.
Figura 3.29. Corriente de cortocircuito trifásico

76
Figura 3.30. Potencia de cortocircuito trifásico
Las figuras 3.31 y 3.32 presentan los valores de corriente y potencia de cortocircuito
monofásico respectivamente. Se aprecia que al igual que en el caso del trifásico, las
subestaciones de derecho y garajes presentan los mayores valores.
Figura 3.31. Corriente de cortocircuito monofásico

77
Figura 3.32. Potencia de cortocircuito monofásico
Conclusión
La modelación y simulación de microrredes puede llevarse a cabo con el nivel de detalle

que se desee. Sin embargo, es necesario identificar el objeto y alcance de la simulación,
para lograr un equilibrio entre la precisión del modelo y la demanda computacional.
Este capítulo presentó los modelos que desde el punto de vista de los autores rep-
resentan adecuadamente cada uno de los elementos de red y que permitirían ejecutar
simulaciones de sistemas eléctricos compuestos por los mismos, dando luz a obtener
respuestas acertadas del comportamiento del sistema ante diferentes escenarios. En las
simulaciones ejecutadas sobre el caso de estudio, se evidencia el éxito de los modelos
construidos, llegando a resultados aproximados a la realidad, toda vez que se tiene como
parámetros de entrada, escenarios reales.
78
Referencias
[1] T. H. Chen, M. S. Chen, T. Inoue, P. Kotas, and E. A. Chebli, “Three-phase cogene-

rator and transformer models for distribution system analysis,” ieee Transactions on
Power Delivery, vol. 6, no. 4, pp. 1671–1681, 1991, doi: 10.1109/61.97706.
[2] H. E. Farag, E. F. El-Saadany, R. El Shatshat, and A. Zidan, “A generalized power
flow analysis for distribution systems with high penetration of distributed gene-
ration,” Electric Power Systems Research, vol. 81, no. 7, pp. 1499–1506, 2011, doi:
10.1016/j.epsr.2011.03.001.
[3] X. Wei and H. Bai, “Modelling distributed generations in three-phase distribution
load flow,” Generation, Transmission & Distribution, IET, vol. 1, no. 2, pp. 182–197,
2007, doi: 10.1049/iet-gtd.
[4] A. Bahmanyar, A. Estebsari, A. Bahmanyar, and E. Bompard, “Nonsy load flow:
Smart grid load flow using non-synchronized measurements,” Conference Procee-
dings - 2017 17th ieee International Conference on Environment and Electrical Engi-
neering and 2017 1st ieee Industrial and Commercial Power Systems Europe, EEEIC /
I and CPS Europe 2017, no. 646568, pp. 1–5, 2017, doi: 10.1109/EEEIC.2017.7977509.
[5] S. Hemavathi and M. Singh, “Microgrid Short Circuit Studies,” 8th ieee Power India
International Conference, PIICON 2018, no. 1, pp. 1–6, 2018, doi: 10.1109/POWE-
RI.2018.8704389.
[6] Y. Ma, G. Wang, H. Li, and B. Han, “Short-circuit calculation method for islanded
micro-grid based on master-slave control,” China International Conference on Elec-
tricity Distribution, CICED, vol. 2016-Septe, no. Ciced, pp. 10–13, 2016, doi: 10.1109/
CICED.2016.7576226.
[7] R. Bayindir, E. Irmak, F. Issi, and N. Guler, “Short-circuit fault analysis on mi-
crogrid,” 2015 International Conference on Renewable Energy Research and Appli-
cations, ICRERA 2015, no. January 2018, pp. 1248–1252, 2015, doi: 10.1109/ICRE-
RA.2015.7418608.
[8] M. Zhao and X. Zheng, “Waveform characteristic analysis and recognition of
short-circuit fault in grid-connected ac microgrid,” 2019 4th International Confe-
rence on Intelligent Green Building and Smart Grid, IGBSG 2019, no. 2, pp. 732–735,
2019, doi: 10.1109/IGBSG.2019.8886297.
[9] H. Farhangi and G. Joos, Microgrid Planning and Design a Concise Guide. 2019.

[10] DIgSILENT GmbH, “WECC_PV_MODELS,” 2018.
[11] DIgSILENT GmbH, “Photovoltaic System Template,” Template Documentation,
2018.
[12] DIgSILENT GmbH, “TR Two-Winding Transformer (3-Phase),” 2018.
[13] DIgSILENT GmbH, “TR Synchronous Machine,” 2018.
[14] A. Haddadi, A. Yazdani, G. Joos, and B. Boulet, “A Generic load model for simu-
lation studies of microgrids,” ieee Power and Energy Society General Meeting, 2013,
doi: 10.1109/PESMG.2013.6672962.
[15] PowerFactory, “Technical reference documentation. General load,” p. 7;34, 2019.
[16] “PowerFactory - DIgSILENT.” https://www.digsilent.de/en/faq-reader-powerfac-
tory/do-you-have-an-example-for-photovoltaic-generators-and-battery-stora-
ge-systems/tags/photovoltaic.html (accessed Jun. 17, 2019).
79
Modelación y estudios
energéticos en microrredes
Santiago Bustamante1, Marcelo García2,

APÍTU LO 4
Idi Amin Isaac-Millán1, Jorge W. González1,

Hugo A. Cardona1, y Gabriel J. López1
1
2
Universidad Politécnica Salesiana, Ecuador
Como complemento natural al proceso de factibilidad de microrre-

des introducido en el capítulo 2 y al análisis eléctrico descrito en el
capítulo 3, se trabajará a continuación la modelación detallada de los
componentes y el principal estudio energético en las microrredes: el
despacho económico.
Introducción
Con el objetivo de conocer el comportamiento energético de una micro-
rred y estimar su viabilidad económica y financiera, se suelen desarrollar
varios estudios que, entre otras cosas, pretenden servir a los inversionistas
y promotores de microrredes eléctricas para determinar qué tan conve-
niente podría resultar invertir en este tipo de sistemas. En [1] se propone
un esquema de microrred en el que se considera la inclusión de generación
diésel, generación eólica (wtg), generación solar fotovoltaica (fv) y un
sistema de almacenamiento (ess), buscando mejorar en esta microrred la
confiabilidad y disminuir el costo de la energía. El estudio concluye con
el establecimiento de una relación positiva en cuanto a disminución de
costos anuales de energía y una mejora en la confiabilidad de la microrred
al incluir en su topología wtg, fv y ess.
Varios pueden ser los modelos topológicos de una microrred eléctrica
surgidos a partir de un modelamiento energético que busque la optimi-
zación de sus recursos y la minimización de sus costos. Para estos efectos
[2] propone la implementación de un sistema híbrido de generación solar,
81
eólica y diésel, en una población rural del estado de Karnataka, India. En este trabajo, la
optimización fue realizada empleando el software Homer Pro y se tenía como objetivo
la minimización del costo de generación. Por otra parte, [3] asume una configuración
similar, pero opta por sustituir la generación diésel por biogás y pretendía la electrifi-
cación de otra población rural, esta vez en Multan, distrito del sur de Punjab, Pakistán.
Otros ejemplos de estudios energéticos en microrredes realizados para poblaciones
aisladas pueden ser vistos en [4] y [5] en los que se estudian la electrificación de unas
aldeas en Tailandia y la implementación de una microrred híbrida en aldea Nasau (isla
de Koro, Fiji), respectivamente.
Debido a que las industrias son especialmente vulnerables a los cortes de energía,
que someten sus procesos a interrupciones y, en casos críticos en que los productos no
pueden ser suspendidos, a pérdidas de producción, las microrredes cobran una par-
ticular relevancia para estas instalaciones, ofreciéndoles un aumento significativo en
la confiabilidad, calidad y flexibilidad en el suministro de energía. [6] y [7] versan su
trabajo sobre microrredes enfocadas en esta área. El primero propone el estudio de un
caso comercial de microrred aplicada en una fábrica de vidrio en la India. El segundo
estudia la aplicación de este tipo de sistema en un aserradero ubicado en la Argentina.
santiago bustamante, marcelo garcía, idi amin isaac-millán, jorge w. gonzález, hugo a. cardona, y gabriel j. lópez
Ambos estudios comparten el uso de Homer Pro como la herramienta para evaluar
sus hipótesis.
Al igual que en los casos industriales, las instalaciones académicas gozan de una
topología que es significativamente afín a las microrredes eléctricas por el hecho de
poseer su carga y generación de forma concentrada y localizada, además de presentar
generalmente un solo punto de acople común con el sistema de distribución. [8], [9] y
[10] muestran estudios energéticos realizados a campus académicos. El primer estudio
trata sobre una escuela rural con sede en Tagzirt, Marruecos, que consta de un gener-
ador solar, uno eólico y uno diésel como recurso de respaldo. El segundo documento
pretende justificar la electrificación de las instituciones educativas con altos perfiles
de consumo en la India, haciendo uso principalmente de los residuos orgánicos en la
generación distribuida. Por último, el tercer estudio considera un sistema híbrido con
generación eólica, fotovoltaica y diésel en el campus de Jntuk Vizianagaram en la India.
Al igual que en el caso industrial, la herramienta escogida para realizar las simulaciones
corresponde a Homer Pro.
A partir de este punto el documento se ordena de la siguiente forma. La sección 2
describe los modelos matemáticos empleados para estudios energéticos en microrredes
eléctricas. La sección 3 presenta una descripción de los estudios que se realizan en mi-
crorredes eléctricas desde la perspectiva energética. Los resultados obtenidos del caso
de aplicación son presentados en la sección 4. Por último, en la sección 5 se plantean
algunas conclusiones.
82
Modelos matemáticos para estudios energéticos en
microrredes eléctricas27
Definiciones modelo para los sistemas solares fotovoltaicos
Los sistemas solares conformados por módulos fotovoltaicos son en esencia elementos
que permiten transformar la energía lumínica proveniente del sol en electricidad. Debido
a su bajo costo y a la facilidad con que pueden ser instalados y puestos en operación,
hacen parte de los sistemas de aprovechamiento de energía renovable más comunes.
La ecuación 4.1 representa el comportamiento en términos energéticos de un sistema
aprovechamiento solar fotovoltaico, y se emplea para esto la radiación solar, el rendi-
miento del módulo y la potencia de instalada [11]-[15].
(4.1)
Donde:
Ppv: potencia que entrega el sistema fotovoltaico.
Pp: potencia pico de la instalación.
IR: irradiación horaria sobre el plano.
Gp: 1 (kW/m2) y rpv puede tomar valores desde 0.85 hasta 0.95 %. Representa el
rendimiento energético de la instalación y se compone de la eficiencia del inversor, las
pérdidas de cableado y el rendimiento de los módulos de acuerdo con la temperatura.
Modelo para la generación eólica
Al igual que los sistemas de generación fotovoltaica, los aprovechamientos eólicos

toman la energía proveniente del sol, que se manifiesta en forma de movimiento del
viento como resultado de los cambios de temperaturas de las grandes masas de aire.
Este recurso es en la actualidad uno de los que presenta mayor penetración alrededor
del mundo, y es solo superado por la generación fotovoltaica [16] y [17]. En los sistemas
eólicos, la energía cinética del flujo másico del aire es convertida en energía mecánica
modelación y estudios energéticos en microrredes

por medio de las turbinas de los aerogeneradores y, posteriormente, en energía eléctrica
por medio de un generador eléctrico. La energía entregada por un aerogenerador puede
determinarse con la ecuación 4.2.
(4.2)
27 Aunque se presentan similitudes en algunas ecuaciones y variables de análisis, los mode��-

los eléctricos y los energéticos tienen propósitos muy diferentes. A través de los modelos
energéticos se puede valorar los recursos y estimar beneficios y costos de la implementación
de un sistema distribuido o microrred.
83
Donde:
Pe: potencia que entrega el aerogenerador.
CP: coeficiente de potencia del rotor. Tiene un máximo físico de 0.59, en la actualidad
ronda los 0.5-0.51 para grandes aerogeneradores. En pequeños aerogeneradores y en
este modelo, se utiliza 0.48.
Kd-p: constante de relación diámetro de barrido de las aspas vs. potencia del aero-
generador que es de 0.00421521. Otra alternativa de cálculo podría ser el reemplazo de
esta constante por el área de barrido del aerogenerador, en función de la radio del aspa.
Pg: potencia del generador eólico.
V: velocidad del viento.
Modelo empleado para el banco de baterías

Los sistemas de almacenamiento de energía basado en baterías (Bess) como se les conoce
en inglés, son un conjunto de celdas electroquímicas que permiten almacenar energía
eléctrica, teniendo la capacidad de liberarla o tomarla según las consignas operativas
bajo las cuales se encuentre sujeto. Generalmente, los Bess suelen estar limitados por
el estado de carga (state of charge [soc]), el límite de potencia de salida y entrada, efi-
ciencia de carga y descarga y la profundidad de descarga. Los modelos matemáticos
para representar el comportamiento energético de estos sistemas se suelen desarrollar
relacionando el voltaje y la corriente de carga y descarga [18], [20], [21] y [23]. Así, la
caracterización de estos sistemas se basa en la entrega constante de energía mientras
se conserven los límites establecidos en las ecuaciones 4.3 y 4.4.
(4.3)
(4.4)
Donde:
EPtc: energía que entrega al sistema en el tiempo.
∆t: tiempo de entrega de energía.
∝jc y ∝jd: constantes que limitan la cantidad de ciclos descarga y descarga.
soc: estado de carga.
En la ecuación 4-5, se determina la operación del banco de baterías en función del

estado de carga.
(4.5)
Además, se deben tener en cuenta los límites de carga y descarga, mostrados a con-
tinuación:
84
La profundidad de descarga (depth of discharge [dod]), que corresponde a la energía
consumida del Bess, se representa con la ecuación 4.6 y se considera superficial cuando
alcanza un valor máximo de 20 % y profunda, cuando su valor supera el 80 % de la
capacidad total de almacenamiento del sistema.
DoD=1-SOC (4.6)
Para una mayor detalle en la modelación eléctrica y los resultados de los estudios de
los bess, remítase a los capítulos 10 y 13.
Modelo empleado para los sistemas de biomasa
Los aprovechamientos de biomasa son sistemas que dependen de la producción y

descomposición de material orgánico, haciendo necesario la realización de un estudio
de caracterización previo del recurso disponible para su aprovechamiento. Mediante
la transformación de estos recursos orgánicos (previamente caracterizados) se puede
obtener metano que, al ser empleado como combustible, combinado con un comburente
y posteriormente puesto en combustión, moverán una turbina acoplada a un generador
eléctrico que terminará por entregar la energía proveniente de la biomasa en forma de
electricidad [24]-[28], tal como se plantea en la ecuación 4-7.
(4.7)
Donde:
ṁOFMSW: flujo másico [kg/h].
γ: rendimiento de la biomasa [m3 /kg],

δ: fracción de metano [%] y oscila entre el 40-70 %.
ρCH4: densidad del metano [t/m3].
LHVCH4: poder calorífico inferior [MJ/kg].
ηel: eficiencia del motor [%].
t4: tiempo de operación del sistema [h].
Estudios energéticos en sistemas distribuidos y microrredes

Despacho económico
El despacho económico es definido como un problema de optimización en el que se

busca minimizar el costo de operación del sistema al considerar las restricciones propias
85
de la red en estudio, por ello es uno de los estudios que presta mayor importancia en las
microrredes eléctricas y sistemas de potencia en general [29]. Varios métodos han sido
empleados para la solución del problema de despacho económico, entre estos están la
relajación lagrangiana, la programación cuadrática, la función cuadrática convexa, etc.
Con el fin de minimizar el costo de generación, el costo incremental definido como la
relación entre la derivada de la función de costo respecto de la potencia de salida de los
generadores debe ser igual para todos los generadores.
Formulación del despacho económico

En este libro, se emplea el método de Lagrange para definir el problema de despacho
económico para microrredes conectadas a la red. Si se considera unidades de genera-
ción en una microrred, el costo de un generador puede ser definido en la ecuación 4.8a.
(4.8a)
Donde:
Ci Pi: costo del generador.

ai, bi, ci: coeficientes de costo.
Pi: potencia total de salida del generador.
Debido a que lo que busca el despacho económico es minimizar el costo total de

generación de la microrred, se reescribe la ecuación 4.8a como ecuación 4.8b.
(4.8b)
Además, la potencia total generada se define en la ecuación 4.9.
(4.9)
Donde PD es la carga total, Ploss son las pérdidas ocasionadas durante el proceso de
transmisión de la potencia de los diferentes generadores hacia la carga, Pimin y Pimax son
los límites de generación mínimo y máximo para el generador .
Para la formulación de la función de Lagrange, las ecuaciones 4.8a, 4.8b y 4.9 se

convierten en la ecuación 4.10.
(4.10)
Donde λ, ux, uy son los multiplicadores de Lagrange.
86
Para encontrar la solución al despacho económico como se plantea en la ecuación
4.10, los costos incrementales (IC1, IC2, …, ICn) deben ser calculados y, para minimizar
el costo de la microrred, estos costos deberían ser iguales para las diferentes centrales
de generación, (IC1 = IC2 = … = ICn)donde n es el número de generadores).
Normalmente, la solución a este problema se plantea como se muestra en la ecuación 4.11.
(4.11)
Donde λi y λ* son el costo incremental y el costo óptimo incremental, respectivamente.

Las ecuaciones presentadas en esta sección describen de forma general el problema de
despacho económico, en el que comúnmente se deben tener en cuenta las restricciones
propias de la microrred para encontrar el cronograma de despacho. Por ello, si no se
tienen en cuenta las restricciones, el problema resulta fácil de resolver.
Caso aplicado
Para la realización de los estudios energéticos en la etapa de factibilidad se usó la herra-
mienta Homer Pro, donde se modelaron las microrredes del Proyecto 8 de Energética
2030. Los datos iniciales (como curva de demanda eléctrica y valoración del recurso)
proceden de mediciones realizadas localmente. En la tabla 4.1 se presenta un resumen
de los parámetros de cada microrred.
Tabla 4.1. Recursos energéticos de microrredes del proyecto Energética 2030

Universidad de Universidad Universidad Nacional
Ítem upb isa
Sucre eia (M18)
Demanda pico 1600 kW 299 kW 117 kW 889,9 kW 112 kW
Diésel 1532 kVA 200 kVA 300 kVA 750 kVA -
Baterías 50 kWh 10 kWh 25 kWh 328 kWh 10.3 kWh
Solar 133.5 kWp 20 kWp 86 kWp 447 kWp 5.4 kWp
Biomasa 1 kWp - - 30 kWp
Medidores inteligentes 20 - 8 2 -
Estaciones meteorológicas 2 1 1 1 1
Estaciones de carga para
2 - 1 - -
vehículos eléctricos
87
En el caso de estudio que compete a este capítulo, se emplearon los datos proveni-
entes de la microrred de la upb por ser la que poseía mayor detalle en su composición
y sus características.
Características de la microrred de la upb
A continuación, se presentan las características principales de la microrred upb em-

pleadas para la modelación en la herramienta Homer Pro. En la tabla 4.2 se muestra el
campus de la Universidad y sus datos básicos.
Tabla 4.2. Características de la microrred upb
Característica de la
Valor
zona la zona
Latitud [°,´] 05°14’32” N
Longitud [°,´] 75°35’20” W

Sitio upb
Demanda pico [kWp] 418.5 kWp
Temperatura media [°C] 23°
En la figura 4.1 se presentan los datos meteorológicos mes a mes de la microrred upb
obtenidos de las bases de datos de Homer Pro, nrel (Merra 2), era 5 y las mediciones
en sitio que consideran las de velocidad de viento, radiación solar y biomasa. Los valores
presentados de la radiación solar (Global Horizontal Irradiance [ghi]) y velocidad del
viento representan valores promedios mensuales.
Para la realización del modelo de la microrred upb en Homer Pro, se consideró un
escenario de demanda construido con los datos de medición del consumo eléctrico por
parte de la Universidad para los fines de semana. En dichos periodos, la demanda es
menor, la penetración de renovables es considerable y se buscó proyectar una eventual
condición de inyección de excedentes al sistema del operador de red. Los valores con-
signados en la curva corresponden a la demanda horaria promedio para los días fines
de semana durante el mes de marzo del año 2022. La figura 4.2 presenta la curva de
demanda de la Universidad empleada para las simulaciones en Homer Pro.
88
Figura 4.1. Valoración del recurso en la microrred de la upb
Figura 4.2. Curva de demanda de la Universidad Pontificia Bolivariana

Por otra parte, el campus de la Universidad cuenta con sistemas de generación solar,
diésel y biodigestión. En la tabla 3.1 se presentaron los sistemas de generación con que
cuenta la microrred de la upb, en esta se detallaron la capacidad instalada según el tipo
de generación y el bloque académico en el que se encuentra instalado.
La microrred upb se desarrolla a partir del campus universitario de la Universidad
Pontificia Bolivariana, que se integra dentro de la red eléctrica como un usuario no
regulado y cuenta con un valor de energía promedio anual de 0.120 usd/kWh (aprox.
492 cop/kWh con trm mayo 11 de 2022). Para las simulaciones energéticas realizadas
en Homer Pro, se considera la posibilidad de la venta de excedentes de energía a la red
por medio de la opción net metering.
89
Escenarios de simulación
Figura 4.4. Topología microrred (b)

Figura 4.3. Topología microrred (a)

Para la construcción del modelo de la microrred en Homer Pro, se emplearon 2 topologías

del sistema. En la primera se consideró la posibilidad de tomar energía proveniente
de la red funcionando en forma on-grid presentada en la figura 4.3. Por otra parte, en
la segunda topología o configuración de la microrred que se muestra en la figura 4.4,
se consideró la operación aislada de la red de distribución, por lo que no era posible
suministrar energía desde esta última para alimentar la demanda.
Resultados de simulación en Homer Pro con integración de nuevos

módulos solares fotovoltaicos, microrred de la upb
Realizadas las simulaciones, el software Homer Pro entrega varias configuraciones de red
especificando para cada uno de los casos el tamaño de los subsistemas que la componen,
y realiza una optimización de los recursos y su posterior clasificación.
Para cada una de las topologías planteadas en los escenarios de simulación, se
seleccionó una de las configuraciones entregadas por Homer Pro. El criterio emplea-
do para esta selección resultó de considerar la inclusión de todos los subsistemas
planteados en cada topología y de que el software la presentara como la mejor opción
técnico-económica. La figura 4.5 presenta una descripción de la capacidad de cada
uno de los subsistemas que componen la microrred, es importante destacar que, en
el caso de la red externa, esta se considera de una potencia mayor a la mostrada y que
es en términos prácticos indeterminada e ilimitada, por lo que podría suministrar
toda la energía que se le requiera.
90
Figura 4.5. Subsistemas y su capacidad según las topologías de microrred
estudiadas
Por otra parte, la tabla 4.3 presenta un resumen de los costos obtenidos para cada
una de las topologias de la microrred. En el primer caso (topología [a]), el valor pre-
sente neto alcanza los 6 000 000 usd teniendo en cuenta una tasa de descuento del
12 %. Se observa un lcoe de 0.120 usd/kWh (aprox. 492 cop/kWh con trm de mayo
11 de 2022) que puede ser visto como el costo de producir un kWh de los sistemas de
generación de la microrred. Para el segundo caso (topología [b]), el costo presente neto
(NPC) corresponde a 520 000 usd con una tasa de descuento igual al primer caso. Se
obtiene un lcoe de 0.0751 usd/kWh (aprox. 307 cop/kWh con trm mayo 11 de 2022).
Tabla 4.3. Resultados económicos para los escenarios simulados

ítem Topología (a) Topología (b) Unidades
Despacho lf cc -
npc 6.08 0.523742 Millones USD
lcoe 0.12 0.0751 USD
Costo operativo 0.566509 0.008284 Millones USD/año
Capital inicial 0.242716 0.437416 Millones USD

En las tablas 4.4 y 4.5 se presentan los costos por tecnologías. Allí se definen los
costos capitales, los de reemplazo, aquellos asociados a la operación y mantenimiento
(o&m) y los costos de salvamento al final de la vida útil del proyecto. Para la topología
a, se puede observar cómo los mayores costos están asociados a la energía entregada
por la red, debido a que la carga de la Universidad no puede ser abastecida por los
sistemas de generación y esta energía debe importarse de la red. Para la topología b, se
considera la integración de más módulos solares fotovoltaicos con una potencia de 300
kW que sumados a la capacidad instalada actualmente dan como resultado 434 kW. En
este caso no se considera la conexión con la red externa, por lo que la microrred está
91
en operación aislada. A diferencia del caso anterior, se observan los mayores costos
asociados a los sistemas fotovoltaicos, debido a la restricción de importación de energía
proveniente de la red externa.
Tabla 4.4. Resultados económicos por componente o&m y salvamento

Ítem o&m (usd) Salvamento ($)
Topología a b a b
Bess 10 130.51 10 130.51 3511.29 3511.29
Biodigestor 732.39 1236.11 440.73 242.83
Sistema fotovoltaico 13 803.19 46 941.15 - 8143.57
Red externa 5 774 946.88 - - -
Inversor - - 661.99 661.99
Sistema 5 799 612.97 58 307.77 4614.01 12 559.68
Fuente: elaboración propia
Tabla 4.5. Resultados económicos por componente capital y reemplazo
Ítem Capital (usd) Reemplazo ($)

Topología a b a b
Bess 53 200.00 53 200.00 34 140.76 34 140.76
Biodigestor 5500.00 5500.00 - -
Sistema fotovoltaico 174 200.00 368 900.00 - -
Red externa - - - -
Inversor 9996.00 9996.00 6436.65 6436.65
Sistema 242 716.00 437 596.00 40 577.41 40 577.41
Según los recursos empleados para suministrar energía a las microrredes, estas suelen
provocar una cantidad de emisiones en relación con su demanda. La tabla 4.6 presenta
una estimación de las principales emisiones bajo las dos topologías propuestas para la
microrred upb. Resalta el valor de las emisiones relacionadas con el dióxido de carbono
y de azufre que presentan valores muy elevados en la topología a, debido a que Homer
Pro calcula las compras netas de la red y las multiplica por el factor contaminante (en
g/kWh) que corresponde a cada elemento emitido. Si el sistema vende más energía a la
red de la que compra, las compras netas son negativas y también lo serán las emisiones
de cada contaminante.
92
Tabla 4.6. Emisiones provocadas por la microrred según su topología
Ítem Valor (kg/yr)
Topología a b
Dióxido de carbono 2 977 556 129
Monóxido de carbono 1.56 1.56
Hidrocarburos no quemados 0.0569 0.0568
Material particulado 0.0947 0.0945
Dióxido de azufre 12 908 0
Óxido de nitrógeno 6315 1.77
Resultados específicos para la operación en isla
La topología b descrita en la subsección anterior, se basa en la operación de la micro-

rred cuando se encuentra operando en isla o desconectada de la red externa, por lo que
depende de sus propios recursos distribuidos para alimentar las cargas o satisfacer su
demanda. En este caso, se considera la operación de un esquema de generación solar
fotovoltaica de 434 kWp. A continuación, se presentan los principales resultados sobre
este caso de estudio.
Los resultados de las simulaciones para 3 días específicos son mostrados en la figura
4.6, en la que se aprecia que, entre las horas 12:00 y 13:00, la generación sobrepasa a la
demanda, con lo que se podría exportar este excedente energético o almacenarlo para
un futuro aprovechamiento.
Figura 4.6. Comparación entre generación solar y demanda

93
Con el aumento de la capacidad de generación solar fotovoltaica evaluado en el caso
de estudio de la topología b, se consiguen mayores porcentajes de penetración de renov-
ables, pasando de un 4.27 % a un 13.7 %, se logra una potencia máxima de 371 kW y una
producción de 675 980 kWh/año. Las principales características resultantes del aumento
de potencia en generación considerado en la topología b se presentan en la tabla 4.7.
Tabla 4.7. Emisiones provocadas por la microrred según su topología
Ítem Valor
Capacidad 434 kW
Potencia media de salida 77.2 kW
Energía media de salida 1852 kWh/d
Factor de capacidad 17.8 %
Producción 675 980 kWh/año
Potencia máxima de salida 371 kW
Penetración pv 13.7 %
Horas de operación 4377 h/año
Conclusiones
Se presenta una estrategia para el estudio de las microrredes desde la perspectiva del
análisis energético y económico, con lo que se puede obtener la composición óptima
de una microrred bajo unas consideraciones iniciales propias del activo en evaluación.
El despacho económico debe tener en cuenta los límites de cada generador para
garantizar que la solución proporcionada al problema resulte ser lo más cercana posible
a la realidad de la red en estudio.
Se desarrolló un análisis energético típico, se emplearon datos reales provenientes de
la valoración del recurso energético y de las cargas de la Universidad Pontificia Bolivar-
iana, sede principal, por lo que los resultados obedecen a la realidad de la microrred.
Se encontró que, en general, los sistemas solares fotovoltaicos a pequeña escala en la
microrred upb no son rentables desde el punto de vista económico, debido a que el
precio de la energía proveniente de la red externa resulta más económico que generar
electricidad de forma local; aunque, en el caso particular de las microrredes tipo campus,
su vocación académica e investigativa ayuda a la viabilidad de estos sistemas.
Se modeló un caso de estudio para la microrred en el que se aumentaba la generación
solar fotovoltaica y se eliminó la posibilidad de suministro de energía desde la red externa
con el fin de analizar la relación generación/demanda y se encontró que, en una hora
del día bajo las condiciones descritas en la sección, se logra un excedente energético.
94
Referencias
[1] T. Adefarati, R. C. Bansal, and J. J. Justo, “Reliability and economic evaluation

of a microgrid power system,” Energy Procedia, vol. 142, pp. 43–48, 2017, doi:
10.1016/j.egypro.2017.12.008.
[2] S. Vendoti, M. Muralidhar, and R. Kiranmayi, “HOMER Based Optimization
of Solar-Wind-Diesel Hybrid System for Electrification in a Rural Village,” 2018
International Conference on Computer Communication and Informatics, ICCCI
2018, pp. 1–6, 2018, doi: 10.1109/ICCCI.2018.8441517.
[3] M. U. Khan, M. Hassan, M. Haseeb Nawaz, M. Ali, and R. Wazir, “Techno-eco-
nomic Analysis of PV/Wind/Biomass/Biogas Hybrid System for Remote Area
Electrification of Southern Punjab (Multan), Pakistan using HOMER Pro,” 4th
International Conference on Power Generation Systems and Renewable Energy
Technologies, PGSRET 2018, no. September, pp. 1–6, 2019, doi: 10.1109/PGS-
RET.2018.8686032.
[4] C. Madtharad and T. Chinabut, “Microgrid Design for Rural Island in PEA
Area,” Proceedings - 2018 53rd International Universities Power Engineering Confe-
rence, UPEC 2018, pp. 1–5, 2018, doi: 10.1109/UPEC.2018.8541848.
[5] S. S. Prakash, K. A. Mamun, F. R. Islam, and M. Cirrincione, “Design of a Hy-
brid Microgrid for a Rural Community in Pacific Island Countries,” Proceedings
- 2017 4th Asia-Pacific World Congress on Computer Science and Engineering,
APWC on CSE 2017, pp. 246–251, 2018, doi: 10.1109/APWConCSE.2017.00049.
[6] R. Mehta, “A Microgrid Case Study for Ensuring Reliable Power for Commer-
cial and Industrial Sites,” 2019 ieee PES GTD Grand International Conference
and Exposition Asia, GTD Asia 2019, pp. 594–598, 2019, doi: 10.1109/GTDA-
sia.2019.8716006.
[7] J. L. Godoy, R. M. Schierloh, and J. Vega, “Economic Evaluation of Micro-Grids
with Renewable Generation,” 2018 Argentine Conference on Automatic Control,
AADECA 2018, 2018, doi: 10.23919/AADECA.2018.8577305.
[8] M. Lamnadi, M. Trihi, and A. Boulezhar, “Study of a hybrid renewable energy
system for a rural school in Tagzirt, Morocco,” Proceedings of 2016 International
Renewable and Sustainable Energy Conference, IRSEC 2016, pp. 381–386, 2017,
doi: 10.1109/IRSEC.2016.7984079.

[9] A. Kumar, A. R. Singh, Y. Deng, X. He, P. Kumar, and R. C. Bansal, “Multiyear
load growth based techno-financial evaluation of a microgrid for an acade-
mic institution,” ieee Access, vol. 6, pp. 37533–37555, 2018, doi: 10.1109/AC-
CESS.2018.2849411.
[10] G. Sandeep and V. S. Vakula, “Optimal combination and sizing of a standalone
hybrid power system using HOMER,” International Conference on Electrical,
Electronics, and Optimization Techniques, ICEEOT 2016, pp. 4141–4144, 2016,
doi: 10.1109/ICEEOT.2016.7755496.
[11] J. Grandidier et al., “Full spectrum hybrid photovoltaics and thermal engine
utilizing high concentration solar energy,” 2017 ieee 44th Photovoltaic Specialist
Conference, PVSC 2017, pp. 281–283, 2017, doi: 10.1109/PVSC.2017.8366058.
95
[12] H. Hatta, M. Asari, and H. Kobayashi, “Study of energy management for de-
creasing reverse power flow from photovoltaic power systems,” 1st ieee-PES/IAS
Conference on Sustainable Alternative Energy, SAE 2009 - Proceedings, pp. 1–5,
2009, doi: 10.1109/SAE.2009.5534838.
[13] R. Ayop and C. W. Tan, “A comparison study of interpolation and circuit based
photovoltaic mathematical models,” PECON 2016 - 2016 ieee 6th International
Conference on Power and Energy, Conference Proceeding, pp. 626–631, 2017, doi:
10.1109/PECON.2016.7951636.
[14] Q. Zhang, M. Wangg, X. Wang, and S. Tian, “Mid-long term optimal dispat-
ching method of power system with large-scale wind-photovoltaic-hydro
power generation,” 2017 ieee Conference on Energy Internet and Energy System
Integration, EI2 2017 - Proceedings, vol. 2018-January, pp. 1–6, 2017, doi: 10.1109/
EI2.2017.8245290.
[15] Z. Wang et al., “Research on the active power coordination control system for
wind/photovoltaic/energy storage,” 2017 ieee Conference on Energy Internet and
Energy System Integration, EI2 2017 - Proceedings, vol. 2018-January, pp. 1–5, 2017,
doi: 10.1109/EI2.2017.8245403.
[16] B. Li, D. L. Zhou, Y. Wang, Y. Shuai, Q. Z. Liu, and W. H. Cai, “The design of
a small lab-scale wind turbine model with high performance similarity to its
utility-scale prototype,” Renew Energy, vol. 149, pp. 435–444, 2020, doi: 10.1016/j.
renene.2019.12.060.
[17] R. Mahalakshmi, J. Viknesh, and K. C. S. Thampatty, “Mathematical modelling
of grid connected doubly fed induction generator based wind farm,” ieee Inter-
national Conference on Power Electronics, Drives and Energy Systems, PEDES
2016, vol. 2016-January, 2017, doi: 10.1109/PEDES.2016.7914301.
[18] C. M. Shepherd, “Design of Primary and Secondary Cells,” J Electrochem Soc,
vol. 112, no. 7, p. 657, 1965, doi: 10.1149/1.2423659.
[19] J. B. Copetti, E. Lorenzo, and F. Chenlo, “A general battery model for PV system
simulation,” Progress in Photovoltaics: Research and Applications, vol. 1, no. 4, pp.
283–292, 1993, doi: 10.1002/pip.4670010405.
[20] D. Mayer and S. Biscaglia, “Use of the Modeling of Lead-Acid Battery Operation
for the Development of a State of Charge Meter,” Tenth E.C. Photovoltaic Solar
Energy Conference, no. April, pp. 1209–1213, 1991, doi: 10.1007/978-94-011-3622-
8_307.
[21] M. Alramlawi, Y. Souidi, and P. Li, “Optimal design of PV-Battery Microgrid
Incorporating Lead-acid Battery Aging Model,” Proceedings - 2019 ieee Inter-
national Conference on Environment and Electrical Engineering and 2019 ieee
Industrial and Commercial Power Systems Europe, EEEIC/I and CPS Europe 2019,
2019, doi: 10.1109/EEEIC.2019.8783927.
[22] C. Lebron, F. Andrade, E. O’Neill, and A. Irizarry, “An intelligent Battery ma-
nagement system for home Microgrids,” 2016 ieee Power and Energy Society
Innovative Smart Grid Technologies Conference, ISGT 2016, 2016, doi: 10.1109/
ISGT.2016.7781249.
96
[23] S. Li and B. Ke, “Study of battery modeling using mathematical and circuit
oriented approaches,” ieee Power and Energy Society General Meeting, pp. 1–8,
2011, doi: 10.1109/PES.2011.6039230.
[24] H. Yu, K. Zhang, Y. Liu, J. Dai, and Z. Sun, “Micro-grid scheduling of electric
boiler and CHP with thermal energy storage based on wind power accommoda-
ting,” PEDG 2019 - 2019 ieee 10th International Symposium on Power Electronics
for Distributed Generation Systems, no. 2018, pp. 336–340, 2019, doi: 10.1109/
PEDG.2019.8807672.
[25] G. Szapajko, H. Rusinowski, and A. Milejski, “Mathematical model of the
steam-water cycle for CHP unit with bleed-condensing turbine,” Proceedings of
the 2012 13th International Carpathian Control Conference, ICCC 2012, vol. 49,
no. 3, pp. 694–698, 2012, doi: 10.1109/CarpathianCC.2012.6228735.
[26] M. Abunku and W. J. C. Melis, “Modelling of a CHP system with electrical and
thermal storage,” Proceedings of the Universities Power Engineering Conference,
vol. 2015-Novem, pp. 4–8, 2015, doi: 10.1109/UPEC.2015.7339926.
[27] Q. Bi, X. Han, and G. Ren, “The optimization model and its application research
on the thermal system of CHP cogeneration unit based on ‘unit fuel consump-
tion’ theory,” Proceedings - International Conference on Computer Distributed
Control and Intelligent Environmental Monitoring, CDCIEM 2011, pp. 633–636,
2011, doi: 10.1109/CDCIEM.2011.317.
[28] D. Xie, A. Chen, C. Gu, and J. Tai, “Time-domain modeling of grid-connected
CHP for its interaction with the power grid,” ieee Transactions on Power Systems,
vol. 33, no. 6, pp. 6430–6440, 2018, doi: 10.1109/TPWRS.2018.2839584.
[29] S. Singh and D. Wenzhong Gao, “Noiseless Consensus Based Algorithm for
Economic Dispatch problem in Grid-connected Microgrids to Enhance Stability
among Distributed Generators,” 2019. doi: 10.1109/NAPS46351.2019.9000235.
[30] “MapGIS5.” https://www.medellin.gov.co/MAPGISV5_WEB/mapa.jsp?aplica-
cion=0 (accessed Sep. 03, 2022).
97
Comunicación y supervisión
en microrredes
Andrés Eusse Giraldo1, Luis Felipe Duarte1, Octavio

CAPÍTU LO 5
Díaz 2, Wilder Guzman2 y Javier Sierra3

1
Universidad Pontificia Bolivariana, Medellín, Colombia
2
Universidad Nacional de Colombia, Medellín, Colombia
3
Universidad de Sucre, Sincelejo, Colombia —
En el concepto de microrred introducido en el capítulo 1, sobresale un

componente imprescindible: la arquitectura de comunicaciones. Sin duda, el
éxito en la controlabilidad y la toma de decisiones en un ecosistema energé-
tico escalable (E3) dependerá en gran medida de la calidad e integridad de
la información adquirida, y de su correcto almacenamiento, visualización
y posterior análisis. En este capítulo se describe la arquitectura empleada
para interconectar los dispositivos al interior de las microrredes, y estas,
a su vez, con el centro agregador.
Estado del arte de la arquitectura de

comunicaciones en microrredes y su marco
normativo
En esta sección se presentarán diferentes microrredes y los protocolos
de comunicación que se manejan en las diferentes capas del modelo osi
(capa física, capa de red, capa de transporte, capa de sesión para algunos
protocolos que manejan acceso de usuarios y la capa de aplicación). En la
segunda parte de la sección, se presentan algunas normas que tienen un
impacto sobre proyectos basados en energías renovables.
La estructura de los sistemas de comunicación, desde la adquisición de
la información, hasta la visualización, puede dividirse en 5 capas [1] y [2]:
• Capa adquisición de datos: capa en la cual se hace la petición de la infor-
mación a equipos como sensores, información de los diferentes equipos de
la microrred, información de operación, información del almacenamiento,
99
información de las estaciones meteorológicas e información económica como el precio
de la energía.
• Capa de preprocesamiento: capa en la cual se realiza un preprocesamiento de la in-
formación en caso de haber datos anómalos. Un ejemplo de las herramientas que se
utilizan es Kafka.
• Capa de bases de datos: capa en la cual se almacena la información en bases de datos.
Algunos ejemplos de bases de datos relacionales son sql Express y Postgresql, y bases
de datos no relacionales como Mongodb e Influxdb
• Capa de analítica de datos: capa en la cual se realiza análisis de datos, cálculo del pronós-
tico de generación y demanda, y se estiman diferentes kpi (key performance indicators)
para realizar una evaluación del funcionamiento de la microrred. Algunas herramientas
usadas para el cálculo de los indicadores son Python y GraphX.
• Capa de aplicación: esta última capa se enfoca en la parte de visualización y control de
las microrredes. Algunas herramientas comúnmente empleadas son son los sistemas
scada y, para el caso de las microrredes del proyecto, Grafana.
De acuerdo con esta distribución, se realizó una revisión de literatura científica sobre
los diferentes protocolos de comunicación usados en diferentes instancias, iniciando
con la adquisición de datos desde los equipos instalados en las diferentes microrredes,
hasta la visualización y control realizada en los centros de control de las microrredes
del proyecto y el centro agregador y gestor (ver tabla 5.1).
Tabla 5.1. Aplicaciones y protocolos en artículos revisados

andrés eusse giraldo, luis felipe duarte, octavio díaz, wilder guzman y javier sierra
Aplicación Protocolos Referencia

CoAP
HTTP
XMPP
Revisión bibliográfica de protocolos de comunicación tradicionales
WebSocket
y los recientes avances en protocolos de comunicación a nivel capa
mqtt
de aplicación. Se incluyen también aplicaciones en tiempo real que
mqtt-sn [3]
adaptaron los protocolos de comunicación con el fin de mejorar el
amqp
rendimiento de los diferentes desarrollos, buscando optimización en
ws-n
tiempo de lectura y procesamiento.
stomp
dds
Message Queues
Sistema de monitoreo para plantas solares basado en sistemas Open
Modbus
Source. Proponen una arquitectura jerárquica, empezando por las
mqtt [4]
medidas y control de los diferentes dispositivos, y terminando en la
rest/api
administración del sistema desde los operadores.
Investigación sobre las propiedades en tiempo real de los protocolos
coap/dtls
de comunicación en IoT para comunicación en microrredes. Para la
mqtt/tls [5]
comunicación se usan protocolos especializados para transferencia de
xmpp/tls
información sobre internet, dejando la parte de seguridad sobre tls.
100
Aplicación Protocolos Referencia
Implementación de una plataforma de bajo costo para educación,
investigación y desarrollo para la administración energética de
microrredes. Esta es una plataforma que incorpora infraestructura
eléctrica como fuentes, inversores, almacenamiento y cargas; rest/api [6]
infraestructura de comunicación y computación como un computador
integrado, módulos de comunicación e interfaces de usuario y un ems
programable.
Alámbricos
Ethernet:
X10
upb (universal powerline bus)
Insteon
Revisión del estado del arte de las mayores tecnologías de IoT para casas MoCa (multimedia over coax)
inteligentes. Plantea las tecnologías y protocolos de comunicación (tanto knx
[7]
alámbrico como inalámbrico) usados para la interoperabilidad entre Inalámbricos:
diferentes dispositivos. wifi 802.11n
Bluetooth
Bluetooth LE
Zigbee
Z-Wave
6lowpan
Revisión del estado del arte de las diferentes técnicas de optimización Se utiliza comunicación
usadas para realizar una correcta solución a los problemas generados cableada por medio del
por la administración de la energía en microrredes. Se realiza un análisis protocolo de comunicación
[8]
crítico y profundo a algunos de los problemas generados por predicción RS-485, mientras que para
de la demanda y de la generación, gestión de la demanda y despacho la parte inalámbrica se usa
económico. zigbee.
Se propone una plataforma p2p open source para el intercambio de
energía. Esta tiene adquisición de información, monitoreo y control en mqtt
[9]
la generación de energía. El mercado de energía se realiza a través de rest/api
Ethereum.
Capítulo de libro en el cual se explica todo lo referente a la RS485/RS232 (Modbus rtu)
implementación de un sistema scada en microrredes, discutiendo las Modbus tcp/ip [10]
dificultades y retos a la hora de implementar nuevos sistemas. rest/api por tcp/ip
wifi
Capítulo de libro que habla y explica lo relacionado con algunos Zigbee
protocolos de comunicación utilizados en microrredes y la seguridad dnp3
que cada uno de estos le agrega a el intercambio de información entre iec 61850, la norma no
[11]
equipos. Para la comunicación se usan protocolos especializados habla sobre la seguridad de
comunicación y supervisión en microrredes
para transferencia de información sobre internet y transferencia de la información y de los datos
información entre equipos, dejando la parte de seguridad sobre tls. obtenidos, lo que deja el tema
al estándar iec 62351
Normatividad y regulación
Para la parte de normatividad se realizó una revisión de las diferentes normas que afec-
tan sistemas de baja tensión, diferentes tipos de comunicación para sistemas eléctricos,
tanto alámbricas como inalámbricas, contemplando la parte de seguridad que debe
incluirse en sistemas que manejan información sensible o delicada. Hacia el final, se
muestran normas que hablan sobre el control, monitoreo y visualización en sistemas
eléctricos de potencia.
101
ieee P1901.2
Propone el estándar para comunicaciones de baja frecuencia (menos de 500 kHz) y

banda estrecha por líneas de potencia (plc) para aplicaciones en redes inteligentes. En
esta norma, la transmisión se permite hacer en líneas de baja tensión (hasta 1000 V) y
media tensión (hasta 72 kV). Se pueden usar líneas ac y dc. Las redes con plc pueden
cubrir distancias de hasta decenas de kilómetros. Las velocidades de datos pueden ser
escalables a 500 kbps según los requisitos de la aplicación [12]. Esta tecnología ha sido
usada en los sistemas eléctricos de potencia desde hace bastante tiempo y se ha usado
para distintas aplicaciones como el control de carga, medición remota y teleprotec-
ción. A pesar de su amplio uso y de su facilidad de instalación al no necesitar de una
infraestructura propia de comunicaciones, el plc tiene problemas de atenuación, ruido,
distorsión de la señal [13] y que su confiabilidad se ve afectada ante cortocircuitos o
fallas del sistema eléctrico.
Desde el punto de vista de las microrredes, el plc se ha usado como plataforma de
intercambio de información entre inversores, generadores distribuidos y controladores
secundarios o terciarios en redes tipo han (home area network), es decir, en redes
pequeñas que tiene el alcance de una o un par de viviendas residenciales [14].
ieee 1901
Contiene un conjunto de normas relacionadas con comunicación por líneas de potencia

de alta definición (high definition-power line communication [hd-plc]), que es la siguiente
generación del plc. Inicialmente, se pensó para aplicaciones como redes domésticas
de multimedia (audio de alta definición y video) y smart-grids, pero se actualizó en
2019 para usarse también en aplicaciones de internet de las cosas (iot). Esta norma se
puede aplicar también en redes tipo lan (local area network) tanto a nivel residencial
como comercial. En este estándar se implementan dos tecnologías, una es la tecnología
hd-plc basada en una modulación wavelet y la segunda se basa en la modulación fft
[15]. Como se mencionó en el estándar ieee P1901.2, el plc se puede usar como medio
de intercambio de información entre controladores locales, inversores y generadores
tradicionales distribuidos, pero este estándar se puede usar incluso para controladores
de un mayor nivel jerárquico, como el control terciario.
ieee 802.3
Corresponde al grupo de normas que estandarizan la transferencia de información por

medio del cable Ethernet, en la que se define qué tipo de cableado se permite y cuáles
son las características de la señal que transporta [16]. Últimamente se han añadido otras
características a este estándar como comunicaciones en tiempo real y sincronización
por gps. La velocidad de transferencia de datos puede ir desde 1 Mb/s hasta 100 Gb/s,
lo cual permite conexión de alta velocidad. Se usa para redes tipo lan y man (metropo-
litan area network). El Ethernet permite adaptar protocolos como Modbus, Modicon,
Profibus y dnp3, los cuales pueden combinarse con el protocolo tcp/ip.
102
El Ethernet se ha usado para centros scada en subestaciones y centros de control de
operadores locales, y este uso se ha extendido a las microrredes para monitoreo y control
de los recursos distribuidos como inversores o controladores de máquinas síncronas.
ieee 802.11
Es el conjunto de normas que define las características para redes inalámbricas tipo
wlan (wireless local area network), comúnmente conocidas como redes wifi. La primera
versión de esta norma fue lanzada en 1997 y desde allí se han agregado más de 30 modi-
ficaciones para mejorar la velocidad de transferencia de datos y precisar otros detalles
[17]. Esta tecnología es muy confiable y segura, ofrece velocidades de transferencia que
van desde los 2 hasta los 600 Mbps y está disponible en frecuencias de 2.4, 3.6 y 5 GHz
[18]. Esta tecnología tiene la desventaja de que su rango de alcance es muy corto, ya
que solo se puede usar en edificios residenciales o comerciales, y de que su consumo de
energía es relativamente alto. En microrredes, el wifi se puede usar para protecciones,
para medidores o para control de los recursos distribuidos.
ieee 802.15
Es el conjunto de normas que detallan las especificaciones para las redes inalámbricas
de área personal (wireless personal area networks [wpan]). Del conjunto de normas, la
más usada en microrredes es la ieee 802.15.4, sobre la cual se basa la tecnología ZigBee,
que es una tecnología inalámbrica de bajo costo y baja potencia con velocidades de
transferencia que varían desde los 20 kbps hasta los 250 kbps. Puede cubrir áreas desde
10 m hasta 100 m. Este estándar está pensando para usarse en aplicaciones similares al
wifi, que requieren de una instalación más simple y barata, y que, al poseer baja capa-
cidad de memoria, no sean críticas en la microrred [18].
ieee 802.16
Este grupo de normas especifican y delimitan las comunicaciones inalámbricas fijas de

banda ancha. Son redes tipo man (metropolitan area network) que se caracterizan por
tener un amplio alcance geográfico, ya que pueden abarcar una ciudad entera. Este grupo
de estándares son comercializados con el nombre de wimax (worldwide interoperability
for microwave access) y utiliza 2 tipos de espectros: uno licenciado con frecuencias de
2.3, 2.5 y 3.5 GHz y otro no licenciado de 5.8 GHz; su capacidad de transferencia de
información puede ir desde los 35 hasta los 70 Mbps a distancias de hasta 48 km con
latencias de 1 ms [13].
Debido a su baja latencia y a su largo alcance, las redes wimax puede usarse para
aplicaciones en microrredes en tiempo real, ya que tiene una alta tasa de transferencia
de información. Puede usarse para recolectar las señales de medidores residenciales,
en centros scada de industrias o en las mismas microrredes y también para la detección
rápida de apagones y su consecuente restauración. Las desventajas de esta tecnología
son su alto costo inicial, su vulnerabilidad ante las condiciones climáticas y su alto
consumo energético [18].
103
ieee 2030
Son un conjunto de normas que definen la guía para la interoperabilidad de tecnologías

de energía y tecnologías de la información con el Sistema Eléctrico de Potencia (eps, por
sus siglas en inglés), aplicaciones de uso final y cargas en redes inteligentes. En síntesis,
este conjunto de normas integra 3 perspectivas distintas de la interoperabilidad: los as-
pectos de los sistemas de potencia, de las redes de comunicaciones y de las tecnologías
de la información. Provee los lineamientos para el intercambio de información y el
control a través de las redes de comunicaciones en los sistemas de potencia, así como el
diseño de tablas, flujos de datos, conexiones lógicas y gestión de la información. Estas
normas establecen el Modelo de Referencia para la Interoperabilidad en Redes Inteli-
gentes (Smart Grid Interoperability Reference Model [sgirm]), que es un modelo para
un entendimiento común de los criterios de interoperabilidad desde las perspectivas de
los sistemas de potencia, las comunicaciones y las tecnologías de la información [19][13].
ieee 1547
Conjunto de normas para la interconexión e interoperabilidad de los recursos distribuidos

(der) con las interfaces de los sistemas de potencia. Comprende más de 10 normas que
establecen los requerimientos referentes al rendimiento, operación, pruebas, seguridad
y mantenimiento de la interconexión e interoperabilidad de los recursos distribuidos
con los sistemas de potencia, enfocado específicamente en el punto de acople común
(pcc). Los requerimientos planteados en estas normas incluyen máquinas síncronas,
máquinas de inducción y conversores o inversores de potencia. Es de aplicación uni-
versal siempre que se quiera conectar un der a un sistema de potencia, y se ajusta a las
tensiones primarias y secundarias típicas del sistema de distribución [20].
iec 61850
Es un conjunto de normas que estandarizan las comunicaciones en las subestaciones

para efectos de asegurar la interoperabilidad de los sistemas y equipos. Se basa en 4
pilares fundamentales: la semántica, el lenguaje, los protocolos de comunicación y la
seguridad. El primer pilar detalla unas jerarquías de nombres y estructuras de datos
que se pueden usar en distintos dispositivos, así como formatos comunes para que los
fabricantes nombren las cosas de forma estándar, lo cual permite comunicar elementos
de distintas marcas. El segundo pilar define el lenguaje de descripción del sistema (sys-
tem description language [scl]), que es la base para que los procesos de comunicación
sean fluidos e interoperables. El tercer pilar es un protocolo de comunicación común a
todos los equipos del sistema. El protocolo se diseña para que el intercambio de infor-
mación se encuentre de los límites de tiempo y disponibilidad. Finalmente, el último
pilar garantiza que el intercambio de información sea ciberseguro [21].
En las microrredes, el protocolo 61850 se puede usar como protocolo único, ya que
permite comunicar cualquier tipo de elementos de forma más rápida y segura compara-
104
da con otros estándares, lo cual permite ejecutar arquitecturas de control tipo esclavo/
maestro o control jerárquico.
iec 62351
Son una serie de normas para la protección y seguridad de las comunicaciones de sis-
temas energéticos. Es un estándar desarrollado por el Comité Técnico (tc) 57 de iec,
Grupo de Trabajo (wg) 15. Dada la alta vulnerabilidad en términos de ciberseguridad
de los protocolos actuales, se creó esta serie de normas que definen la arquitectura de
sistemas de potencia seguros y estandariza los protocolos y sus componentes. Algunas
de las prácticas de seguridad detalladas en este estándar es la autenticación por medio de
firmas digitales para el acceso, la prevención de la suplantación de identidad y la de-
tección de intrusos. La norma hace uso de protocolos existentes como tls (transport
layer security), que proporciona servicios de seguridad como la autenticación mutua
de los pares de comunicación y también la protección de la integridad y la confiden-
cialidad de los datos comunicados [13].
iec 60870
Es un conjunto de estándares desarrollados por el iec tc 57 wg 03 para monitoreo,

control y supervisión de sistemas eléctricos. Estos estándares especifican los requeri-
mientos básicos de los servicios y la arquitectura física para el telecontrol en distintas
aplicaciones. Especifican también formatos para codificar, formatear y sincronizar
tramas de datos de longitudes variables.
Arquitectura de comunicación implementada en las

microrredes del proyecto
La solución propuesta e implementada se muestra en la figura 5.1, donde inicialmente
se debe garantizar que todos los equipos se comunican entre ellos a través de los pro-
tocolos descritos en las secciones siguientes. En caso de haber fallas de comunicación,
la cadena completa, desde el equipo hasta la supervisión control se vería afectada. La
consulta a los diferentes equipos (medidores inteligentes, estaciones meteorológicas,
sistemas de generación con energías renovables, entre otros) se hace a través de un
sistema colector de información, desarrollado en .net Framework y el lenguaje de pro-
gramación C#, mostrado en la figura 5.2. El almacenamiento se hace en dos bases de
datos no relacionales, MongoDB e InfluxDB. La supervisión de los diferentes sistemas
y subsistemas se realiza a través de Grafana, una plataforma de uso libre, flexible para
nuevos desarrollos a la medida y con gran disponibilidad de fuentes de información
y de formas de visualización, el cual en su última versión se puede desarrollar a través
de React.
Para la comunicación de las microrredes con el agente agregador, se implementó una
vpn cliente a cliente en cada emplazamiento, con el fin de manejar una capa de seguri-
dad con la cual se pueda proteger la información obtenida de cada uno de los equipos.
105
Figura 5.1. Esquema general de las microrredes y el agente agregador
Figura 5.2. Esquema interfaz recolectora

106
Protocolos de comunicación empleados en las microrredes
Los protocolos utilizados en los equipos de las diferentes microrredes son:

• tcp/ip (transmission control protocol/internet protocol): conjunto de protocolos de comu-
nicación utilizados para interconectar dispositivos por ip, no necesariamente debe estar
conectado a internet [22].
• dlms (device message language specification): protocolo utilizado para comunicación
con los medidores inteligentes, sobre tcp/ip y a través de aplicaciones desarrolladas por
el equipo por el equipo del UPB Smart Energy Center, con el fin hacer monitoreo de las
variables eléctricas en las diferentes subestaciones [23].
• ModBus: protocolo de comunicación serial, muy utilizado para sistemas de control
[24]–[26].
• mqtt: protocolo liviano de red de publicación-suscripción, estándar Oasis e iso abierto,
que transporta mensajes entre dispositivos [27].
• iec 61850: Protocolo internacional de comunicación interacción entre equipos en
subestaciones [21].
Microrred de la upb
En la figura 5.3 se observa la arquitectura de comunicaciones y control de la microrred
de la upb en conjunto con los equipos de cosimulación. En dicha figura está implícita la
cantidad de der; sin embargo, es importante mencionar que actualmente se cuenta con:
• 16 medidores inteligentes, para los cuales el acceso se realiza a través de dlms/cosem.
• 6 inversores de Fronius, para los cuales el acceso a los datos se lleva a cabo a través de
Modbus tcp/ip.
• 3 inversores Schneider Electric conectados a un sistema de baterías, la comunicación se
hace mediante Modbus tcp/ip.
• 20 módulos fotovoltaicos Enphase, para los cuales el acceso a los datos se realiza a través
de web scraping.
• 2 inversores Yaskawa, para los cuales el acceso a los datos se hace con una api, a través
de un Solarlog.
• 1 inversor Victron, que se comunica a través de Modbus tcp/ip
• 1 estación hidrometereológica, que se comunica a través de mqtt por medio de Ubidots.
• 1 biodigestor que se encuentra en funcionamiento; sin embargo, aún no está integrado
en el Collector Interface.
Esta microrred cuenta con un equipo comercial SEL-RTAC, en el cual se programarán

los algoritmos de control del EMS (Energy Management System). Los resultados operativos
del RTAC se compararán con el sistema de gestión propio, que se desarrollará en Phyton.
107
108
Figura 5.3. Arquitectura de la microrred de la upb
Microrred de la universidad eia

de la Universidad eia. En dicha figura se presenta la cantidad de der; sin embargo, es
importante mencionar que actualmente se cuenta con:
• 6 inversores Fronius para la planta solar fotovoltaica que se comunican mediante Mo-
dbus tcp/ip, las cuales se presentan como ppa, por lo que no se realizará supervisión a
dicho sistema.
• 1 inversor/cargador Bess que se comunica mediante Modbus tcp/ip.
Figura 5.4. Arquitectura de la microrred de eia

109
Microrred de la Universidad Nacional

de Unal. En dicha figura está explícita la cantidad de der; sin embargo, es importante
mencionar que actualmente se cuenta con:
• 1 inversor Solax y 1 inversor Victron para el sistema Bess M2, que se comunican mediante
Modbus tcp/ip.
• 1 inversor Victron para el sistema solar fotovoltaico Laboratorio M7 y 1 plc Siemens para
recolección de históricos de producción, que se comunican mediante Modbus tcp/ip.
• 1 inversor Fronius y 1 inversor Victron para el sistema integrado Laboratorio M18 y 1
plc Siemens para el biodigestor, que se comunican mediante Modbus tcp/ip.
Figura 5.5. Arquitectura de la microrred de la Universidad Nacional

110
Microrred de Unisucre

de Unisucre. En dicha figura está explícita la cantidad de der; sin embargo, es impor-
tante mencionar que actualmente se cuenta con:
• 1 inversor Chint para el bess que se comunica mediante Modbus tcp/ip.
• 3 inversores Chint para los módulos solares fotovoltaicos que se comunican utilizando
Modbus tcp/ip.
Figura 5.6. Arquitectura de la microrred de Unisucre

111
Microrred de isa

de isa. En dicha figura está explícita la cantidad de der; sin embargo, es importante
mencionar que actualmente se cuenta con:
• 6 inversores de Fronius, para los cuales el acceso a los datos se da a través de Modbus
tcp/ip.
Figura 5.7. Arquitectura de la microrred de isa

Agente agregador
Desde la figura 5.3 hasta la figura 5.7, se muestran las arquitecturas de cada una de las
microrredes propuestas en el proyecto, donde el bloque “Kafka Agregador” representa
el agente agregador/vpp. Este bloque no está explícitamente dentro de cada microrred,
sino que se representa para clarificar la comunicación a través de tcp. Apache Kafka fue
desarrollado en Scala por LinkedIn con el fin de migrar a una arquitectura distribuida
y con capacidades para transmitir datos en tiempo real, alejándose del concepto de
aplicación monolítica y convirtiéndose en una arquitectura de microservicios, es decir,
dejando de ser una aplicación de software en la cual las capas de interfaz de usuario
112
y de acceso a datos se combinan en un solo programa y sobre la misma plataforma.
Actualmente, Kafka es adoptado por Apache Software Foundation Ecosystem y usado
para arquitecturas basadas en eventos (productor-subcriptor) [28].
En la figura 5.8, se puede ver la arquitectura del agente agregador, cuya función prin-
cipal es recibir del ems de cada microrred su situación actual y capacidad disponible;
por tanto, la optimización de la vpp a realizar permitirá ser un oferente del mercado
de la microrred en cuestión.
Este servicio se encargará de poner a disposición un tópico de Kafka por cada mi-
crorred, en el cual le enviará a cada una de ellas, una consigna del despacho energético
en un horizonte de las próximas 24 horas, en un intervalo de tiempo de 15 minutos (te-
niendo en cuenta el periodo del pronóstico). Cada una de las microrredes se encargará
de gestionar sus der en modo de operación convencional.
A futuro, se propone que la vpp preste servicios de regulación de voltaje (no vender
capacidad, sino que el operador le pague a la vpp por regular la tensión en determinadas
zonas) a través del control de reactivos, algo que hasta ahora no se ha hecho. También,
el agente agregador podría enviar las consignas en caso de contingencia o por efectos
económicos o contractuales, pudiendo tomar control de los der en modos de operación
de contingencia o planeados, de una microrred específica o de cada una de ellas. Lo
anterior no se podrá en todos los casos de las microrredes por efectos de seguridad o
confidencialidad, como por ejemplo con la microrred isa-xm.
Figura 5.8. Arquitectura del agente agregador

113
Sistemas de monitoreo
El desarrollo de nuevas herramientas de visualización ha tomado gran importancia en

los últimos años, debido a que los sistemas de potencia están en constante crecimiento,
por lo que nace la necesidad de aplicar conceptos que concentren varias medidas en
una sola señal, sin perder la noción de lo que ocurre en el sistema. El concepto de con-
ciencia situacional también apunta a la optimización en la toma de decisiones a partir
de las variables censadas, de manera que las acciones que sean consecuencia de dichas
decisiones garanticen el menor impacto posible al sistema.
La implementación del concepto de Conciencia Situacional, en la supervisión o vi-
sualización de Sistemas de Potencia, implica una constante vigilancia de las condiciones
del sistema, lo que apunta a observar un sistema complejo desde diversas perspectivas
de una manera global. Dada la complejidad de los sistemas de potencia actuales y la
rapidez con que los operadores deben manejar los cambios en los flujos de potencia
que se presentan, es necesario un tipo de visión amplia de la estabilidad del sistema. La
información de todos los sistemas interconectados es un insumo necesario para lograr
un control óptimo de los sistemas globales y locales.
Las aplicaciones para el control y la supervisión de sistemas de potencia han evolu-
cionado de la mano con los siguientes puntos [29]– [30] – [31]:
• Monitoreo en tiempo real de las condiciones del sistema
• Establecer valores de frecuencia permitidos
• Disminución de costos al variar la carga del sistema
• Monitoreo en tiempo real de la topología del sistema
• Realización de estudios del estado del sistema en tiempo real
• Optimización de la operación de la red
• Evaluación de la estabilidad del sistema
Con el fin de desarrollar interfaces que ayuden con el monitoreo y control, y desple-
garlos en el Video Wall destinado para esto en el espacio que haga el papel de centro
de control, se implementaron los siguientes despliegues, cada uno con un fin diferente.
Tensiones en la upb
Es un despliegue enfocado en consciencia situacional. Representa las tensiones toma-

das de los medidores inteligentes ubicados en la upb, evaluando la violación de límites
regulatorios y operativos e informando al operador de una operación inadecuada por
medio de colores, como se puede ver en la tabla 5.2, tabla 5.3 y figura 5.9.
114
Tabla 5.2. Colores de los estados en los nodos
Alta tensión Baja tensión

Rojo Morado
Naranja Rojo
Tabla 5.3. Significado de los colores en el despliegue de voltaje
Color Significado
Denota operación normal. Mientras la subestación tenga este color, significa que el nivel de tensión presente
Blanco
es el adecuado para la operación.
Denota advertencia. Este color indica que la tensión ha aumentado significativamente, ubicándose en el
Naranja
intervalo de 1.05 y 1.1 en p. u.
Denota advertencia. Este color indica que la tensión ha disminuido significativamente, ubicándose en el
Morado
intervalo de 0.95 y 0.9 en p. u.
Denota alerta. Este color aparece si el nivel de tensión supera el límite superior (1.1 p. u.) o el límite inferior
Rojo
(0.9 p. u.)
Figura 5.9. Despliegue de tensiones de la microrred de la upb comunicación y supervisión en microrredes

115
Áreas operativas en la upb
Este despliegue consta de 4 kpi (key performance indicator) para las 4 áreas operativas (3
áreas operativas y el sistema completo) en las cuales se dividió la Universidad Pontificia
Bolivariana, como se puede ver en la figura 5.10. Estos 4 kpi son:
• fernc: potencia generada con fuentes de energía renovables no convencionales.
• Consumo: potencia consumida por cada una de las cargas.
• Power share: porcentaje de potencia alimentado con fuentes de energía renovables no
convencionales. Este es un indicador instantáneo.
• Energy share: Porcentaje de energía alimentado con fuentes de energía renovables no
convencionales. Este es un indicador acumulativo.
Figura 5.10. Despliegue de los kpi en la microrred de la upb

Unifilar de microrredes
En este despliegue se planea mostrar información eléctrica de cada una de las micro-
rredes, muy parecido a como se realizaría la implementación en un programa conven-
cional de estudios eléctricos (se asigna el elemento, la ubicación en el área de trabajo y
las variables asociadas a este dispositivo). El plugin implementado, una vez realizado
el montaje de la microrred de la upb, se muestra en las figuras 5.11 y 5.12 en las que se
puede observar un unifilar resumido de las microrredes del proyecto Energética 2030.
116
Figura 5.11. Unifilar de la microrred de la upb

Figura 5.12. Unifilar de las microrredes del proyecto Energética 2030
117
Despliegue de generación y carga para el ecosistema energético
escalable de microrredes
En la figura 5.13, se puede ver el despliegue de generación y carga. En este despliegue

se planea mostrar datos eléctricos de cada una de las microrredes, tales como potencia
generada, consumo del sistema y el porcentaje de potencia que está consumiendo por
medio de energías renovables. El power share tiene la ventaja de que también puede
reflejar si se está entregando energía a la red (si es mayor al 100 %). El desarrollo se
planea implementar de la misma forma que se hicieron los despliegues de prueba, con el
fin de que un usuario no tenga que ir al código para agregar o eliminar nuevos puntos.
Figura 5.13. Despliegue de generación y carga en el proyecto Energética 2030

Estaciones meteorológicas
Radiación, velocidad y dirección del viento
En la figura 5.14 se muestra el despliegue de radiación solar y velocidad y dirección del

viento, donde se podrá ver la diferencia de los recursos entre microrredes, información
disponible desde las estaciones meteorológicas dispuestas por el proyecto para realizar
la evaluación del recurso.
118
Figura 5.14. Despliegue de variables asociadas a generación en estaciones
meteorológicas del proyecto Energética 2030
Índice de calidad del aire
En la figura 5.15 se puede ver el despliegue de calidad del aire, en el cual se muestra el
dato del índice ICA. El color de los círculos cambia de acuerdo con el valor medido.
Además, se muestra una flecha que indica si la medida está disminuyendo o creciendo
dentro de un intervalo de tiempo seleccionado desde la aplicación.
Los cortes por defecto utilizados serán los definidos en [32], pero los colores se modif-
ican de acuerdo al concepto de conciencia situacional, como se muestra en la figura 5.4.
119
Tabla 5.4. Lista de colores del ica
Categoría Color hexagesimal Color

Buena #FFFFFF
Aceptable #FFFF00
Dañina para grupos sensibles #FFC000
Dañina #FF8000
Muy dañina #FF0000
Peligrosa #A00000
Figura 5.15. Índice de calidad del aire (ica) en estaciones meteorológicas del
proyecto Energética 2030
120
Trabajo futuro
Como parte de los trabajos que deberían realizarse en un futuro, se recomienda:

Realizar una refactorización al Collector Interface para permitir facilidad a la hora
de implementar nuevos protocolos de comunicación y que el código tenga una mayor
claridad para desarrolladores que no participaron en la programación inicial.
• Realizar refactorización de los plugins desarrollados con el fin de que se permita una
mejor expansión en el momento de nuevas implementaciones. Entre estas se recomien-
da: separaciones de tipos de elementos, creación de componentes para cada uno de los
elementos, creación de hooks personalizados para el manejo de la información y manejos
de estados para algunas de las variables asociadas a los tipos.
• Implementar nuevos protocolos de comunicación en el Collector Interface, tales como
mqtt o iec 61850 para la facilidad y flexibilidad de agregar nuevos equipos a las dife-
rentes microrredes.
En relación con los nuevos indicadores encontrados y calculados en otros capítulos

del presente libro, buscar formas de representarlos de forma gráfica, alineados con el
concepto de consciencia situacional, para ser calculados y presentados en línea o en
tiempo real a los operadores de las diferentes microrredes.
Se aclara que el término refactorización en programación, se refiere al proceso de
reestructurar el código existente, cambiando su comportamiento interno sin afectar el
comportamiento externo. Es decir, se realiza mejorando funcionalidades, mientras se
conserva su funcionamiento.
Referencias
[1] K. Moharm, “State of the art in big data applications in microgrid: A re-
view,” Adv. Eng. Informatics, vol. 42, no. December 2018, 2019, doi: 10.1016/j.
aei.2019.100945.
[2] S. Marzal, R. Salas, R. González-Medina, G. Garcerá, and E. Figueres, “Cu-
rrent challenges and future trends in the field of communication architectures
for microgrids,” Renew. Sustain. Energy Rev., vol. 82, no. September 2017, pp.
3610–3622, 2018, doi: 10.1016/j.rser.2017.10.101.
[3] P. K. Donta, S. N. Srirama, T. Amgoth, and C. S. R. Annavarapu, “Survey on
recent advances in IoT application layer protocols and machine learning scope
for research directions,” Digit. Commun. Networks, no. October, 2022, doi:
10.1016/j.dcan.2021.10.004.
[4] P. de Arquer Fernández, M. Á. Fernández Fernández, J. L. Carús Candás, and
P. Arboleya Arboleya, “An IoT open source platform for photovoltaic plants
supervision,” Int. J. Electr. Power Energy Syst., vol. 125, no. March 2020, 2021,
doi: 10.1016/j.ijepes.2020.106540.
[5] A. Kondoro, I. Ben Dhaou, H. Tenhunen, and N. Mvungi, “Real time perfor-
mance analysis of secure IoT protocols for microgrid communication,” Futur.
Gener. Comput. Syst., vol. 116, pp. 1–12, 2021, doi: 10.1016/j.future.2020.09.031.
121
[6] A. Manur, D. Sehloff, and G. Venkataramanan, “EnerGyan: A Portable Plat-
form for Microgrid Education, Research, and Development,” Proc. 2018 IEEE
Int. Conf. Power Electron. Drives Energy Syst. PEDES 2018, pp. 1–6, 2018, doi:
10.1109/PEDES.2018.8707745.
[7] D. Mocrii, Y. Chen, and P. Musilek, “IoT-based smart homes: A review of sys-
tem architecture, software, communications, privacy and security,” Internet of
Things (Netherlands), vol. 1–2, pp. 81–98, 2018, doi: 10.1016/j.iot.2018.08.009.
[8] G. S. Thirunavukkarasu, M. Seyedmahmoudian, E. Jamei, B. Horan, S. Mekhi-
lef, and A. Stojcevski, “Role of optimization techniques in microgrid energy
management systems—A review,” Energy Strateg. Rev., vol. 43, no. June 2021, p.
100899, 2022, doi: 10.1016/j.esr.2022.100899.
[9] M. J. A. Baig, M. T. Iqbal, M. Jamil, and J. Khan, “Design and implementation
of an open-Source IoT and blockchain-based peer-to-peer energy trading pla-
tform using ESP32-S2, Node-Red and, MQTT protocol,” Energy Reports, vol. 7,
pp. 5733–5746, 2021, doi: 10.1016/j.egyr.2021.08.190.
[10] K. Sayed and H. A. Gabbar, Scada and smart energy grid control automation.
Elsevier Inc., 2017.
[11] A. Renjit, Communications, cybersecurity, and the internet of things for micro-
grids. Elsevier Inc., 2019.
[12] IEEE, P1901.2 - Standard for Low Frequency (less than 500 kHz) Narrow Band
Power Line Communications for Smart Grid Applications. 2013.
[13] J. L. Sosa Avendaño and L. E. Moreno Martín, “Ch3. Communication in Mi-
crogrids,” in Microgrids Design and Implementation, 2019, p. 72.
[14] I. Serban, S. Cespedes, C. Marinescu, C. A. Azurdia-Meza, J. S. Gomez, and
D. S. Hueichapan, “Communication requirements in microgrids: A prac-
tical survey,” IEEE Access, vol. 8, pp. 47694–47712, 2020, doi: 10.1109/AC-
CESS.2020.2977928.
[15] HD-PLC.org, “HD-PLC STANDARDS,” IEEE 1901, 2020. .
[16] Ecured, “Estándares IEEE 802.3,” 2012. .
[17] The Working Group for WLAN Standards, “IEEE 802.11 WIRELESS LOCAL
AREA NETWORKS.” .
[18] S. Kumar, S. Islam, and A. Jolfaei, “Microgrid communications – protocols and
standards,” in Variability, Scalability and Stability of Microgrids, 2019.
[19] IEEE Standards Coordinating Commitee 21, “IEEE Std P2030 - IEEE Guide for
Smart Grid Interoperability of Energy Technology and Information Techno-
logy Operation with the Electric Power Systems (EPS), End-Use Applications,
and Loads General.” .
[20] IEEE Standards Coordinating Committee 21, “1547 Series of Standards.” .
[21] IEC Technical Committee 57, “Scope,” 2004. .
[22] A. S. Tanenbaum, Computer networks. Prentice Hall PTR, 2003.
[23] DLMS User Association, “DLMS / COSEM Architecture and Protocols,” 2018.
[24] Fronius, “Fronius Datamanager 2.0.”
[25] Fronius, “Fronius Datamanager 2.0 modbus,” 2013.
[26] Fronius, “Fronius Solar API V1,” pp. 1–62, 2012.
[27] OASIS, “MQTT Version 5.0 OASIS Standard,” MQTT.org, no. March, p. 137, 2019.
122
[28] P. Neha, Narkhede; Gwen, Shapira;Todd, Kafka the Definitive Guide. 2010.
[29] J. Giri, M. Parashar, J. Trehern, and V. Madani, “The situation room: Control
center analytics for enhanced situational awareness,” IEEE Power Energy Mag.,
vol. 10, no. 5, pp. 24–39, 2012, doi: 10.1109/MPE.2012.2205316.
[30] PSNH, “Final Report on the August 14, 2003 Blackout in the United States and
Canada: Causes and Recommentations, April 2004, U.S.-Canada Power Sys-
tem Outage Task Force,” 2003.
[31] U. Department of Energy and N. American Synchrophasor Initiative, “NASPI
Synchrophasor Technical Report Phasor Tools Visualization Workshop Tech-
nical Summary Final Report,” 2012.
[32] ICA, “2017 COLOMBIA Resolución 2254 de 2017 - Niveles Calidad del Aire.” .
123
Definición de la estrategia de
control para microrredes
Wilder Guzmán1, Eros D. Escobar 2,

APÍTU LO 6
Miguel Goenaga1 y Hugo A. Cardona2

1
Universidad Nacional de Colombia, Colombia
2
[email protected]
En el capítulo anterior, gran parte del trabajo resultó cubierto al de-

finirse la arquitectura de comunicaciones, con sus componentes de
captura, almacenamiento y visualización de la información relevante
para la operación de la microrred. A continuación, se realiza un ba-
rrido conceptual básico sobre las tipologías y modos de control más
comunes en microrredes, para luego describir la estrategia de control
implementada en el ecosistema energético escalable (E3) constituido
por las microrredes y su agregador en el proyecto.
Introducción
Las microrredes eléctricas se han definido en detalle en capítulos anteriores
(ver capítulos 1 y 2), consideradas, en términos generales, como un grupo
de cargas y generadores distribuidos y agrupados dentro de una frontera
definida, que actúa como una única entidad controlable con respecto a la
red y opera interconectado o en modo aislado [1], [2] y [3]. De esta manera,
en la interacción de los generadores, las cargas, los propietarios o agentes
involucrados con la microrred y el sistema de potencia, aparecen dinámi-
cas complejas que deben gestionarse para lograr alimentar las cargas de
forma continua, operar la microrred de forma económicamente óptima
y cumplir con los objetivos de los propietarios. Es por tanto necesario un
sistema de control que se encargue de operar la microrred y de mantener
la estabilidad ante las distintas perturbaciones de los sistemas eléctricos
125
mientras se cumplen los objetivos anteriormente nombrados. En últimas, el objetivo
central del sistema de control es mantener el balance de potencia por medio del control
de la frecuencia y tensión de las fuentes de generación y del deslastre de carga [4].
Desde el punto de vista del control, una microrred es un sistema dinámico que tiene
ciertas señales de referencia de frecuencia y tensión, que está sometido a diversos ti-
pos de perturbaciones y que debe alimentar un conjunto de cargas de forma continua.
Estas perturbaciones pueden ser de pequeña escala, como cambios en la carga o en las
condiciones climáticas de sol y viento, o transitorias, como cortocircuitos o desconexión
súbita de cargas o de generadores. Por otro lado, una microrred también se podría ver
como un sistema dinámico de costos que busca optimizar su operación. Es así como el
sistema de control es inevitable si se busca garantizar la operación continua y económica
de la microrred.
En la literatura existe una amplia cantidad de textos relacionados con las arquitecturas,
los métodos, estrategias y algoritmos de control usados en microrredes. Una revisión
muy completa y actualizada se presenta en [4], en la que L. Ahmethodzica y M. Music
presentan de forma ordenada y sistemática las referencias relacionadas con el control y
los sistemas de gestión de la energía (ems), las diferencias entre el control centralizado
y descentralizado, y los distintos grados de descentralización. Además, profundizan en
el control jerárquico, tan usado en microrredes actualmente. Rajesh et al. [5] presentan
otra revisión muy completa y novedosa específicamente relacionada con las microrredes
en ca. Los autores detallan las complejidades en el control para cada modo de operación
y las distintas arquitecturas usadas en cada uno; luego describen los diversos métodos
de control, como el control V-f, control P-Q y control droop, y finalmente detallan los
distintos niveles de las arquitecturas jerárquicas.
En otras revisiones, como la planteada por Ishaq et al. en [6]decentralized energy
sources and loads must be seamlessly integrated and isolated from main grid structure.
Realization of one such approach is termed as “Microgrid”. Microgrids (MGs, se cate-
gorizan las distintas arquitecturas de control de acuerdo con las fuentes distribuidas,
los tipos de sistemas de distribución, los modos de operación y los tipos de esquemas
wilder guzmán, eros d. escobar, miguel goenaga y hugo a. cardona
de comunicaciones. Los autores detallan las diferencias entre el control centralizado y

descentralizado, los sistemas ca y cd, y las arquitecturas para cada modo de operación.
Además, profundizan en cada uno de los niveles del control jerárquico. Igualmente,
analizan los distintos algoritmos de optimización usados en el control y dan una pequeña
introducción al problema de la ciberseguridad de estos sistemas. Por su parte, Roslan
et al. [7] realizan una recopilación de numerosos artículos relacionados con el control
de microrredes tanto en el modo aislado como interconectado. Este trabajo es una
gran ayuda pues es la mayor recopilación de artículos sobre el tema de control y ems
realizado hasta la fecha. Allí se confirma que el tema de control en microrredes es un
tema que se ha venido investigando de forma creciente desde el 2010.
Dada las complejidades de las dinámicas electromagnéticas y socioeconómicas de las
microrredes, algunos autores han planteado la necesidad de incluir técnicas de inteligencia
artificial en el control y la optimización de sistemas híbridos como las microrredes. Así,
Trivedi y Khadem plantean en [8] las distintas posibilidades en las que las técnicas de
inteligencia artificial (ia) podrían usarse como una mejora a las técnicas tradicionales. Los
autores describen los métodos convencionales y planten la necesidad de incluir técnicas
126
más flexibles, como las de ia. Finalmente, proponen un control jerárquico usando estas
técnicas. Por otro lado, y más enfocado en técnicas de control tolerante a fallas (ftc), los
autores en [9] describen y organizan también los métodos convencionales de control,
los métodos no lineales, métodos adaptativos, control predictivo (mpc), control óptimo,
control robusto, control con ia, control jerárquico distribuido y control descentralizado.
Conceptos básicos de control aplicados a microrredes

En esta sección se definirán 2 conceptos básicos de la teoría de control a la luz de la
dinámica y de la arquitectura física de las microrredes.
Sistema de control
Un sistema de control es un conjunto de subsistemas o procesos que están dispuestos

de modo tal que pueden proveer una respuesta deseada o controlada. En un sistema de
control siempre hay una entrada (y(t)), una planta y una salida (x(t)), lo cual se esque-
matiza en la figura 6.1 [10]. El sistema de control puede ser de lazo abierto o cerrado, el
primero es aquel que no tiene retroalimentación, mientras que el último usa la salida
para ser comparada con la entrada o referencia y, con base en esa diferencia, tomar
una acción de control u(t)) dada por un controlador (ver figura 6.1). En el caso de una
microrred, la planta puede ser un transistor que compone un inversor cd-ca, el inver-
sor cd-ca mismo, el gobernador de un generador síncrono, un cargador de baterías
(conversor ca-cd), la carga que alimenta la microrred o puede ser la microrred misma.
La decisión sobre cuál subsistema será la planta depende a su vez del nivel de control en
el que se esté operando y del objetivo del control. La entrada de un inversor solar, por
ejemplo, es la corriente cd y la salida es la corriente ca [11]. En el caso del gobernador
de un generador síncrono de biomasa, la entrada es la velocidad del rotor y la salida es
la apertura de la válvula de entrada de combustible [12].
definición de la estrategia de control para microrredes
Figura 6.1. Esquema de un sistema de control en lazo cerrado

Variables de control
Las variables de control son las cantidades físicas que son susceptibles de ser controla-
das. En una microrred, las variables de control son la potencia activa, potencia reactiva,
tensión y frecuencia. Estas corresponden a las cantidades más importantes y sobre ellas
127
se aplican diversas estrategias de control. Si bien las anteriores son las principales, exis-
ten otras variables que pueden ser controladas y que se podrían considerar variables
intermedias de control. Un ejemplo de lo anterior es el flujo de combustible que ingresa
a un generador síncrono y la carga que se deslastra.
Consideraciones que determinan el control en microrredes

En síntesis, las tareas que debe cumplir un sistema de control en una microrred son las
siguientes [13] y [14]:
• Regular la frecuencia y la tensión tanto en el modo aislado como en el modo interconectado.
• Operar los recursos distribuidos dentro de los límites de tensión y frecuencia preestablecidos
• Realizar la conexión y desconexión de cargas o generadores de forma suave y controlada.
• Asumir la carga crítica, como mínimo, o toda la carga si hay suficiente energía en los
sistemas de almacenamiento, en caso de una falla de la red.
• Optimizar el uso de los recursos distribuidos desde un punto de vista económico.
• Participar en un mercado de energía y aplicar las consignas de operación que se decidan
en un nivel superior de control como una vpp.
Existen otros aspectos que delimitan el control en una microrred y que tienen que
ver con la arquitectura de la microrred y otros aspectos de diseño. A continuación, se
describen dichos aspectos:
Microrredes cd, ca e híbridas
No es lo mismo realizar el control en una microrred en ca, en una microrred cd o

una híbrida. Mientras que en la primera se debe controlar frecuencia y tensión, en la
segunda solo se debe controlar tensión. Este aspecto es un determinante importante a
la hora de realizar el control en una microrred [1].
En una microrred ca, los sistemas pv y bess deben conectarse por medio de un
inversor cd-ca, mientras que los generadores síncronos y las cargas ca se conectan
directamente a la barra central. La eficiencia del sistema puede reducirse debido a las
múltiples interfaces cd-ca, la cual depende de la complejidad de la microrred y de los
recursos solares y de baterías conectados. Asimismo, el control se complejiza porque
el número de elementos por conectar y controlar es mayor [15], lo que obliga a regular
tanto la tensión como la frecuencia y a reducir los armónicos. No obstante, este tipo de
microrred es la más usada, ya que los sistemas de potencia operan en ca y la mayoría
de las cargas son alimentadas en corriente ca.
Por su parte, las microrredes en corriente cd presentan una mayor eficiencia, menor
costo inicial y una estructura más simple [16]. Las microrredes en corriente cd usan
conversores cd-cd que presentan una mejor eficiencia comparados con inversores
ca-cd. De acuerdo con [16], cerca de un 30 % de la energía generada en ca se trans-
forman en conversores ca-cd, lo cual hace que las microrredes en cd sean superiores
en términos de eficiencia y simpleza. En estas microrredes, además, no es necesario
128
controlar la frecuencia y los armónicos desaparecen. No obstante, para microrredes muy
grandes, esta opción no es viable, debido a la mala regulación de tensión de las redes
en cd. Otro factor limitante del uso de este tipo de microrredes son las cargas, ya que,
si bien muchas usan corriente cd (como cargadores de computadores, de celulares), el
estándar es que estas se conecten en ca.
Por otro lado, las microrredes híbridas hacen uso tanto de redes ca como cd, su
motivación está fundamentada en la disminución de conversores con electrónica de
potencia. En el nodo cd, se puede conectar cargas que usen este tipo de corriente
y en el bus ca el resto de las cargas. En el nodo cd pueden integrarse el sistema
de baterías, el sistema solar (por medio de un conversor cd-cd) y las cargas cd,
mientras que en el nodo ca se pueden integrar los generadores síncronos, la red
principal y las cargas en ca. Si bien este tipo de microrredes presentan mejoras,
aún hay aspectos que deben investigarse para que su implementación sea exitosa,
como las protecciones en cd [16].
Modos de operación
Un factor que es determinante para el control de una microrred es su modo de ope-
ración [17]. Con esto se hace referencia a si la microrred opera de forma conectada a
la red o de forma aislada. En el primer modo de operación, la microrred está inmersa
y en sincronía con un sistema de potencia más grande que impone las referencias de
frecuencia y tensión. Además, esta puede inyectar energía a la red y funcionar como un
generador único para el operador de red. En el segundo modo, la microrred opera de
forma autónoma y alguna de sus fuentes de generación impone las señales de tensión
y frecuencia. Es importante notar que una microrred puede estar diseñada para operar
en ambos modos de operación, como es el caso de una microrred conectada a la red
de distribución, o puede estar diseñada exclusivamente para operar de forma aislada,
como es el caso de una microrred en una zona no interconectada (zni). Cuando la
microrred está diseñada para operar en ambos modos de operación, su control es más
complejo porque, al cambiar el modo de operación interconectado al aislado, cambian
también los flujos, se deja de disponer de la robustez y confiabilidad del sistema de
potencia, y la estabilidad de la microrred depende de sí misma [18]. Cuando la mi-

crorred hace la transición de un modo a otro, las corrientes de corto cambian y por
tanto se deben reajustar las protecciones. Esto último redunda en detrimento de la
economía de la microrred, ya que, al menos en Colombia, las protecciones que realizan
estos cambios de ajuste de forma automática son más costosas que las tradicionales.
Cuando la microrred opera en modo aislado, una fuente como una microturbina, un
generador a diésel o gas o, en general, cualquier fuente síncrona puede servir como
referencia para la estabilidad, o, en su defecto, el sistema de almacenamiento impo-
ne las referencias. Las transiciones entre los diferentes estados de la microrred y su
control son objeto de estudio en el capítulo 14 del libro.
129
Control centralizado y descentralizado
Históricamente, el control centralizado ha sido el de más amplio uso en microrredes,

dadas su semejanza y fácil asimilación con los sistemas de potencia tradicionales.
En el control centralizado, existe un controlador central que recibe las señales de los
distintos recursos distribuidos, los procesa y envía de nuevo las consignas operativas
a cada uno [4]. En la figura 6.2 se muestra un esquema de los principios del control
centralizado, en donde se muestra el sistema de gestión de la energía (ems), que hace
las veces de controlador central. Algunas de las entradas del ems son los pronósticos
de la irradiancia, de la velocidad del viento y de la carga. Es necesario este pronóstico
de la generación de las fuentes intermitentes (fuentes no despachables) y de la carga
para organizar el despacho de las fuentes despachables de forma óptima y segura. Esto
último es la esencia conceptual de lo que es una asignación de recursos que incluye el
problema de encendido y apagado de generador síncronos (problema uc). En otras
microrredes se puede usar la estimación de estado como una entrada del ems cuando
existe mucha incertidumbre en las medidas o mucho ruido externo que puede afectar
todos los demás cálculos del controlador central. Los anteriores aspectos, sumados a
las alarmas de seguridad que podrían incluso parar la operación de la microrred si el
evento pone en riesgo vidas humanas o algún equipo importante, son herramientas que
ingresan a un algoritmo de optimización que da como resultado una serie de set points
de potencia activa, reactiva, tensión o frecuencia (dependiendo de la complejidad del
ems) que optimiza la operación económica de la microrred en una ventana de tiempo
de 12, 24, 48 o 72 horas.
El control también está determinado por el número de propietarios y sus intereses
particulares. Si las decisiones de la microrred son tomadas por un solo agente o los
intereses de los distintos agentes son comunes y cooperativos, es conveniente usar un
control centralizado que optimice, por ejemplo, el costo de operación total, mientras
que, si las decisiones las toman varios agentes, un control centralizado se volvería muy
complejo porque sería necesario modelar en la función objetivo y en las restricciones
todas las condiciones y requerimientos de cada uno de los propietarios o agentes. Por
ejemplo, un agente quiere maximizar la exportación de energía a la red y otro quiere
mantener el nivel de tensión lo más cercano a la referencia para participar de un mer-
cado auxiliar de regulación de tensión. En este ejemplo, el planteamiento del problema
de optimización se volvería multidimensional, y, por lo tanto, más complejo y con más
gasto computacional, si se hiciera de forma centralizada [19].
A diferencia del control centralizado, y como se observa en la figura 6.3, en el control
descentralizado, cada recurso distribuido y cada carga toman sus propias decisiones,
y existe una fase de negociación de los controladores internos o locales (ic) con un
sistema central que se encarga de gestionar todo. Los ic operan con la información que
recopilan de forma local de los recursos distribuidos y pueden aplicar estrategias de
control tipo droop. En este tipo de control, el ems no envía consignas operativas, sino
que envía unas políticas de operación y una programación de precios, dándole a cada
microcontrolador descentralizado la independencia para ejecutar dichas políticas y usar
esa programación como más le convenga de acuerdo con sus objetivos [19].
130
Figura 6.2. Principios del control centralizado
Existen otros factores que determinan la selección del tipo de control como el personal
y los equipos. Algunos equipos comerciales no tienen la posibilidad de tener un control
local muy sofisticado, por lo que es necesario implementar un control centralizado. Por
su parte, si no se cuenta con un personal cualificado suficiente para operar la microrred,
es conveniente usar un control descentralizado que minimice las posibilidades de falla
y que esté lo más automatizado posible. En el caso de la microrred de la Universidad
Nacional del proyecto Energética 2030, se usó una arquitectura centralizada, en la que

un controlador gestiona la parte ca (biogenerador y red eléctrica), otro controlador la
parte cd (baterías y sistema solar) y un control central que gestiona ambos controla-
dores junto con las cargas controlables (ver figura 6.4). Finalmente, la tabla 6.1 resume
y sintetiza las diferencias entre el control centralizado y descentralizado.
Métodos de control en microrredes

El control de una microrred está determinado por su modo de operación, ya que cuando
se opera en modo interconectado a la red, las referencias de tensión y frecuencia (en
caso de las microrredes ca) —o solo la referencia de tensión (en caso de microrredes
cd)— son impuestas por la red. Cuando la microrred opera en modo aislado, son las
mismas fuentes en la microrred las que ejercen el control, por lo cual el método de
control y la arquitectura cambian.
131
Figura 6.3. Principios del control descentralizado
Figura 6.4. Arquitectura de control de la microrred de la Universidad Nacional de Colombia

M18.
132
Tabla 6.1. Comparación de las principales características del control
centralizado y descentralizado.
Características Centralizado Descentralizado

Confiabilidad Baja Alta
Punto único de falla Sí No
Carga de comunicación Alta Muy baja
Propietarios Único propietario Varios propietarios
Coordinación de unidades Alta Baja
Flexibilidad Muy baja Muy alta
Alta, concentrada en el Baja, controladores locales con
Costo computacional
controlador central información local
Optimalidad Soluciones óptimas Mayormente soluciones subóptimas
La operación de microrred está unida a
Posible No posible
una operación más grande y crítica
Fuente: adaptado de [9] y [20].
Control pq
En este tipo de control, se busca mantener la potencia activa y reactiva muy cerca de
una referencia que usualmente es determinada por un nivel de control superior como
un ems o una vpp. Además, se permite que la frecuencia y la tensión varíen dentro de
un rango permisible. Es necesario que una de las fuentes en la microrred realice ese
balance de la frecuencia y la tensión. En el modo interconectado, usualmente, es la red
quien realiza dicho trabajo, mientras que en el modo aislado puede ser el sistema de
almacenamiento o la fuente sincrónica disponible [21].
Control V/f
En este modo de control, el objetivo es mantener la tensión y la frecuencia muy cerca

de una referencia fijada por un nivel de control superior como un ems. Se permite a

la potencia activa y reactiva variar entre un rango previamente establecido y es usado
especialmente en el modo autónomo o aislado [5].
Control de caída o control droop
Dentro de este tipo de control, existen 2 subtipos principales: control de potencia activa y
control de tensión. Está basado en el principio fundamental de sistemas de potencia que
establece que la potencia activa y la frecuencia están fuertemente relacionados y la potencia
reactiva y la tensión también lo están. En el primero, se establece una relación lineal entre
la potencia activa y la frecuencia. Lo anterior se realiza para modificar la salida de poten-
cia activa de cada generador en función de la variación de frecuencia, según la relación
∆P = P2-P1 = Sp ( f1 - f2 ), donde Sp es la pendiente de la relación lineal dada en kW/Hz o
MW/Hz. En el segundo método, se establece una relación lineal entre potencia reactiva
133
y tensión y así el control de tensión se lleva a cabo por medio del ajuste de la potencia
reactiva de las fuentes, según la relación ∆V = V2 - V1 = Sq ( Q1 - Q2 ), donde Sq es la
pendiente de la relación lineal dada en V/kWh o V/MWh [21]. Lo anterior se observa
gráficamente en la figura 6.5.
Figura 6.5. Características del droop.

Arquitecturas de control en microrredes

Cada microrred presenta sus propias particularidades que hacen que el diseño de la
arquitectura de control deba analizarse a fondo en cada caso. El contexto social y eco-
nómico en el que se implementa la microrred también plantea otras particularidades
que deben considerarse en el diseño de la arquitectura de control. A continuación, se
presentan algunos tipos de arquitecturas ampliamente usados, cada uno con sus ventajas
y desventajas según sean las particularidades de la microrred. La tabla 6.2 muestra una
comparación de cada una de las arquitecturas descritas a continuación.
Control maestro/seguidor
En esta arquitectura de control, y particularmente en el modo aislado, debe existir una

fuente distribuida, ya sea un sistema de almacenamiento o un generador síncrono,
que establezca las referencias de tensión y frecuencia (en caso de microrredes ca) y
referencias de tensión (en el caso de microrredes cd). Esta fuente, por lo tanto, se con-
vierte en el maestro que ejecuta un control V/f y las demás fuentes son los seguidores
que ejecutan un control pq. En el modo interconectado a la red, es esta última la que
establece las referencias de tensión y frecuencia y, por tanto, todas las fuentes ejecutan
un control pq, como se muestra en la figura 6.6.
134
Figura 6.6. Estructura del control maestro/esclavo
Fuente: adaptada de [21].
Tabla 6.2. Comparación de las principales arquitecturas de control en

microrredes
Método Ventajas Desventajas

- Puede usarse tanto para modo interconectado como - Presenta baja confiabilidad al tener
aislado. que depender de un control central.
Maestro/seguidor
- Permite un control centralizado y sincronizado con capas - requiere alta inversión inicial.
superiores como una vpp. - No es fácilmente escalable.

- Permite realizar control local con medidas locales. -No existen soluciones óptimas al no
- Elimina puntos únicos de falla. ser centralizado.
Peer-to-peer - Permite una transición suave entre modos de operación. - Presenta baja coordinación de
- Brinda mayor seguridad en la información al mantenerse unidades dada la falta de información
local. centralizada.
- Es robusto ante perturbaciones.

- Otorga la posibilidad de usar distintos métodos en cada
- Requiere una alta inversión inicial
nivel de control.
Jerárquico - Presenta una alta probabilidad de
- Muestra un avanzado desarrollo de la tecnología dada
falla
su similaridad con el control en sistemas de potencia
tradicionales.
135
La unidad maestra puede ser una fuente distribuida, una unidad de almacenamien-
to o una combinación. Si se usa un generador síncrono como una microturbina o un
generador diésel o a gas, el control V/f puede sostenerse por un buen tiempo, mientras
que, si lo realiza un banco de baterías, depende de su capacidad de almacenamiento;
como el banco de baterías establece la referencia de frecuencia y tensión, su soc irá
disminuyendo hasta su límite mínimo. Cuando el banco ya no pueda asumir el control
V/f por sí solo, tendrá que coordinarse otra fuente que cumpla tal función [21].
Por otro lado, este tipo de control presenta desventajas como una alta inversión inicial,
pues es necesario comunicar todos los controladores entre sí. Además, no es adecuado
cuando el tamaño de la microrred aumenta. Por otro lado, si el control central falla, es
muy probable que ocurra una falla total del sistema, dada su alta dependencia de este
control centralizado.
Control peer-to-peer
Este tipo de control elimina las desventajas del control centralizado o control maestro/
seguidor. En esta arquitectura, cada fuente tiene su propio control local y hace uso de un
control por caída (ya sea en potencia activa o en reactiva), es decir, cada fuente es capaz
de ajustar su salida de potencia activa y reactiva basado en las mediciones locales de
tensión y frecuencia. En el control peer-to-peer se establecen enlaces de comunicaciones
entre los distintos controladores locales y se elimina la alta probabilidad de falla de los
controles centralizados [22]. Por otro lado, las relaciones lineales de los controladores
por caída no dependen del modo de operación, por lo que esta arquitectura permite
una transición suave entre el modo aislado y el modo interconectado.
Control jerárquico
El control jerárquico hace uso de una arquitectura por niveles o jerarquías. Además del
objetivo central de cualquier arquitectura de control, que es la de operar la microrred
y mantenerla estable ante cualquier tipo de perturbación, en este tipo de arquitectura,

se ejecuta un pronóstico de la carga y de la generación renovable para organizar una
programación que luego se aplica en tiempo real. En la operación en tiempo real se
presentan errores que se ajustan en los niveles primario y secundario. El control jerár-
quico programa el despacho de potencia activa, reactiva o ambas para las siguientes 24
o 48 horas, el cual luego se ajusta de acuerdo con las medidas de frecuencia y tensión
en tiempo real. Se programa también el encendido y apagado de máquinas síncronas,
el despacho de los sistemas de almacenamiento, la carga deslastrada y la energía ex-
portada a la red [21].
Se puede asimilar que un control jerárquico es necesariamente centralizado, pero
no siempre es así. El primer nivel de control o control primario se encarga de operar
correctamente cada una de las fuentes distribuidas, tanto si se trata de fuentes sín-
cronas como de fuentes en cd como sistemas solares o baterías. En el primer caso, el
control primario se encarga de mantener la velocidad estable (por medio del control
del gobernador) y la tensión estable (por medio del control del avr), mientras que, en
136
el segundo caso, se trata de operar los inversores o cargadores para operar el sistema
solar o las baterías en el punto de máxima potencia mientras se respetan los límites de
corriente del elemento [23].
El nivel secundario se encarga de reestablecer los niveles de frecuencia y tensión
después de que el nivel primario realiza el control más inmediato. Este nivel de control
se acciona durante variaciones de carga, cortocircuitos o variaciones de potencia de
las fuentes intermitentes, y se encarga de corregir los errores entre las referencias de
tensión y frecuencia y las medidas reales una vez ha actuado el control primario [23].
Finalmente, el nivel terciario se encarga de optimizar ambiental y económicamente
la operación de la microrred por medio de algoritmos tradicionales o heurísticos. El
nivel terciario es el más lento de todos y es quien realiza la programación del despacho
una vez al día o cada 5, 10 o 15 minutos según lo defina el operador.
Pueden existir jerarquías superiores, o un nivel cuaternario, que se encarga de op-
erar y optimizar varias microrredes al mismo tiempo, mientras se interactúa con el
mercado eléctrico o con otros agentes. Para el caso de estudio del proyecto, se usó una
arquitectura jerárquica que se subdividió en varios módulos, cada uno con funciones
muy específicas. En la siguiente sección se detalla esta aproximación.
Diseño y desarrollo de un ems de microrredes: caso de

estudio del proyecto Energética 2030
En esta sección se expone el caso de estudio de un sistema ems de administración
completa de múltiples microrredes basado en un esquema jerárquico centralizado,
compuesto por una extensa arquitectura de supervisión y control de las redes, equipos y
recursos energéticos distribuidos, gestión de la información y bases de datos, operación
eléctrica, energética y económica de 5 microrredes tipo campus, desarrolladas dentro
del programa de investigación “Estrategias para la transformación del sector energético
colombiano en el horizonte 2030-Energética 2030”.
La arquitectura general de control multinivel propuesta para las microrredes se
presenta en la figura 6.7. El esquema se compone de 4 capas lógicas: un nivel primario
enfocado en el control interno de cada uno de los recursos locales de las microrredes;
una capa secundaria compuesta de módulos de visualización, pronóstico, despacho

y control de voltaje; un nivel terciario destinado a la administración agregada de las
múltiples redes; y un agente superior de cuarto nivel definido como centro gestor.
Nivel primario
En el nivel primario se hace uso de las funciones de regulación de voltaje, frecuencia y

potencias propias de los dispositivos, en su mayoría inversores comerciales de sistemas
fotovoltaicos y de baterías. Estos controles locales se encargan de asegurar la calidad
del voltaje y frecuencia en las diferentes terminales de corriente alterna y directa del
equipo, y exportar o consumir la potencia activa o reactiva de acuerdo con su punto de
operación, determinado por la capa secundaria de control. La descripción extendida
del control primario de las microrredes se presenta en el capítulo 7.
137
Figura 6.7. Arquitectura de control general para administración de microrredes

Nivel secundario
En el nivel secundario se integran 4 módulos de control desarrollados en el proyecto.

Los módulos son interdependientes y comparten continuamente información de los
recursos: estado de la microrred, resultados de cálculos, restricciones y asignaciones
de variables de control. La descripción extendida y resultados de operación del control
secundario de las microrredes se presenta en el capítulo 8. A continuación, se indica la
operación generalizada de cada módulo.
138
Módulo de pronóstico
El módulo de pronóstico, alimentado a partir de registros históricos de recurso meteo-
rológico en las microrredes y en las diversas estaciones de medición disponibles, realiza
procesamiento de los datos y a través de metodologías de ensamble y reanálisis genera
pronósticos de radiación solar y velocidad de viento con diferentes granularidades y
horizontes de predicción. Actualmente, se cuenta con pronósticos horarios que sirven
de insumo a los módulos de despacho económico y control eléctrico de voltaje.
Módulo de despacho
La función de despacho económico del ems secundario centralizado se encarga de
calcular las potencias activas óptimas de los recursos de generación de la microrred, y
determinar los ciclos de carga y descarga de los bess, para un horizonte de tiempo futuro
del día siguiente. El despachador está fundamentado en una lógica de control óptimo
considerando las restricciones eléctricas, energéticas y económicas de los diversos
equipos y los pronósticos de recurso solar y eólico provenientes del módulo anterior,
para realizar la minimización de la función objetivo según las políticas de operación
de la microrred.
Módulo de control eléctrico

Este módulo se encarga de la regulación de voltaje en los nodos de la microrred a par-
tir del control de exportación/consumo de potencia reactiva de los diversos recursos.
El controlador de voltaje realiza el cálculo óptimo de los puntos de ajuste de factor
de potencia de los inversores de sistemas de generación y almacenamiento, con el fin de
regular la tensión en el punto de conexión de cada recurso controlable, partiendo de una
lógica de control predictivo por modelos (mpc) que se presentará en el capítulo 8. Las
consignas de potencia activa determinadas por el despachador se consideran restricciones
que el control de voltaje debe respetar y así, en conjunto con los pronósticos de recurso
meteorológico, evaluar la disponibilidad de potencia reactiva de los dispositivos.
Módulo de supervisión
Este módulo posibilita la relación entre el usuario y las demás funciones de pronóstico
y control, asegurando el monitoreo operativo de las microrredes a través de diversos

diagramas de supervisión. El diseño de los despliegues de visualización desarrollados
bajo este módulo está fundamentado en conceptos de consciencia situacional y per-
mite visualizar estados de operación generales de la microrred, condiciones de cada
recurso, indicadores claves de desempeño del sistema, estados de carga, generación y
almacenamiento, variables eléctricas de los nodos como voltaje y potencia, entre otros.
Nivel terciario
La arquitectura general de control posee también un nivel terciario de administración

que se encarga de agregar la operación de las múltiples microrredes que integra el pro-
yecto y permitir su monitoreo y gestión centralizada. Este agente agregador requiere
la comunicación remota con las redes para reunir sus variables de operación y definir
consignas de ser necesario, operando como una planta de potencia virtual (vpp, por sus
139
siglas en inglés) que puede ser representante de las capacidades de generación de las
microrredes ante el mercado eléctrico como un único agente. Las funciones del nivel
terciario y posibilidades de un esquema vpp se extienden en los capítulos 9 y 17.
Nivel superior
En el nivel cuarto o superior de la arquitectura se ubica el agente conocido como centro

gestor de la red. Este administrador reúne la supervisión y gestión de las microrredes
del proyecto desde una instancia superior al agente agregador, a la vez que se encarga
de la integración remota apropiada de los muy diversos espacios, equipos, bases de
datos, fuentes de información, recursos de almacenamiento y monitoreo que operan
de forma sincrónica e interrelacionada en el programa Energética 2030. Así, además
de administrar las microrredes y sus sistemas de comunicación remota, el centro ges-
tor posee un alcance mucho más amplio con objetivos de supervisión y operación de
sistemas eléctricos a escala nacional.
ems de la microrred de la eia
Con base en el esquema lógico propuesto para administración de microrredes de la

figura 6.7 se especifican los sistemas ems de cada una de las 5 microrredes comprome-
tidas en el proyecto, adaptado a sus condiciones específicas de capacidades, recursos
energéticos, topologías eléctricas y de comunicaciones, pero guiado por una arquitectura
base genérica. Así, en la figura 6.8 se presenta la propuesta de esquema de supervisión
y control para la microrred del campus de la universidad eia, Envigado, Colombia, y
en la figura 6.9 se expone el esquema del agente agregador de las múltiples microrredes
comprendidas en el programa Energética 2030.
La microrred de la universidad eia se compone de diversos recursos energéticos de
generación y almacenamiento distribuidos en su campus. Los principales equipos son 6
arreglos de módulos fotovoltaicos que conforman un sistema de 83.16 kWp de capacidad
y 1 dispositivo de almacenamiento bess con potencia nominal de 6.8 kW y capacidad

energética de 18.5 kWh. Además, la microrred integra puntos de carga de vehículos
eléctricos y medición inteligente ami, como se presenta en la figura 6.8.
A nivel local o primario, en la microrred eia se incluyen los diferentes recursos de
generación fotovoltaica, sistemas bess y medidores inteligentes cuyos puntos de operación,
medidas eléctricas y energéticas, estados de alarma y emergencia son recolectados a
través del denominado agente colector de la microrred, un elemento fundamental en la
arquitectura de control y comunicación propuesta. La lectura de variables de los recursos
se desarrolla mediante diversos protocolos de comunicación, según las posibilidades de
los equipos comerciales de la red, permitiendo monitoreo de la demanda de interés del
sistema y sus nodos a través de la infraestructura de medición automática y el estado
de los recursos de generación y almacenamiento distribuidos en el campus.
140
La información de recursos integrada por el colector de la microrred sirve de insumo
para la operación de los 4 módulos del ems secundario de la arquitectura y las capas
superiores. Así, los datos medidos se almacenan en diversas bases de datos, relacionales
y no relacionales, según las características de la información. A ellas accede el módulo
de visualización de la microrred para implementar los diagramas e interfaces de su-
pervisión y monitoreo operativo presentados al usuario en el centro de control. Igual-
mente, los datos de operación y registros históricos de la red son provistos al módulo de
pronóstico como insumo de predicción y este, a su vez, regresa los resultados de cálculo
al colector para el horizonte de tiempo y resolución requeridos. Finalmente, las medidas
de operación de los dispositivos y el pronóstico de recurso meteorológico, reunidos en
el colector, son entregados a los módulos de control principales de la arquitectura: el
despachador económico y el controlador de voltaje.
Las órdenes de despacho de potencia activa y consignas de control de factor de potencia,
calculadas por los controladores, requieren ser enviadas mediante comunicaciones a los
dispositivos físicos de la microrred. Para esto, las consignas son recibidas por un agente
actuador Modbus que, de acuerdo con la frecuencia temporal de los ajustes de control,
valida la calidad de la comunicación con el equipo, envía los parámetros solicitados
mediante los registros adecuados y verifica la correcta recepción y procesamiento del
ajuste por parte del dispositivo. De esta manera, los 4 módulos indicados y los agentes
colector y actuador Modbus componen el ems centralizado de nivel secundario de la
microrred.
Ahora bien, el colector se encarga también de la conexión de la microrred y su siste-
ma de supervisión y control con el agente agregador de nivel terciario de la figura 6.9.
Así, mediante el gestor de datos Apache Kafka® este administrador accede a los datos
de operación de las múltiples microrredes y puede entablar órdenes de operación y
control, con la posibilidad de agrupar su relación con la red externa y representar a
las cinco redes como un solo agente ante un mercado energético, ejerciendo funciones
de planta vpp como se expone en el capítulo 17. A su vez, el agregador de tercer nivel
entrega remotamente datos de supervisión al centro gestor en una cuarta capa superior
que integra diversas funcionalidades a escala nacional, elementos, sistemas, espacios y
equipos físicamente distribuidos en diferentes locaciones, como se indicó en la arqui-
tectura general propuesta.
141
Figura 6.8. Arquitectura de ems propuesta para la microrred de la eia

142
Figura 6.9. Arquitectura propuesta para el agregador de microrredes
143
Despacho económico de bess
Como parte del esquema completo ems de la microrred de la eia con estructura je-
rárquica de control, se presenta como caso de estudio el despacho óptimo del sistema
bess de 6.8 kVA/18.5 kWh basado en los costos de energía de los recursos, con el fin de
desplazar demanda de la red desde las horas de mayor precio a las de menor precio y
reducir el costo operativo de la microrred.
La captura de medidas eléctricas de operación del sistema, la lectura de pronósticos
de generación necesarios para calcular estados futuros y el envío de las consignas re-
sultantes de despacho a los recursos manipulados deben ser integrados por código en
la lógica de comunicación y operación del programa.
El programa de control desarrollado completamente en lenguaje Python® y todas sus
rutinas de ejecución han sido estructuradas de manera que la integración de recursos
adicionales y la implementación en los sistemas de la microrred del proyecto sea com-
pletamente cómoda y directa para el usuario.
El sistema de despacho considera precios horarios de la energía de cada recurso
de la microrred, incluyendo la red externa, para buscar la combinación óptima entre
potencia y costo operativo del dispositivo con el fin de minimizar los gastos en energía
de cada periodo del día. Así, en la figura 6.10 se presentan los precios considerados para
el despacho de la microrred de la eia.
Figura 6.10. Precio de la energía considerado para la microrred de la eia

En la figura 6.11 se presentan los resultados de despacho óptimo del recurso durante
3 días. La primera gráfica detalla las órdenes de despacho de potencia activa calcula-
das por el controlador, la segunda gráfica presenta la potencia activa efectivamente
entregada/consumida por el Bess y la tercera gráfica indica el comportamiento de las
condiciones de voltaje de corriente directa en las celdas de la batería, ya que no se tiene
medida directa del soc. El voltaje está relacionado con su estado de carga de forma
directa no-lineal para estas baterías LiFePO, de manera que un mayor voltaje indica
mayor nivel de carga en proporciones no lineales.
144
Para las consignas de despacho una potencia negativa indica carga del bess y una po-
tencia positiva descarga. Al igual que en el caso upb, el equipo real maneja estos signos
al revés: en ellos, una potencia positiva es carga y una potencia negativa es descarga.
De esta manera, es claro el seguimiento de las órdenes del despachador en los periodos
horarios correspondientes a cada modo de operación, donde para las horas en que el
precio de la energía de la red es menor (4 a. m.-7 a. m.) se ejecutan consignas de carga
del bess y para los periodos en que el precio de la energía es mayor (7 p. m.-10 p. m.)
se ejecutan consignas de descarga, reduciendo los costos operativos de la microrred al
evitar importación de energía de la red en períodos de altos precios.
Asimismo, el sistema de despacho está configurado para mantener niveles de carga
del equipo entre 20 % y 100 % (correspondientes a voltajes entre 50Vcd y 54Vcd) con
el fin de conservar su estado de salud y vida útil, como se observa en la gráfica inferior
de la figura 6.11.
Figura 6.11. Resultados de la operación del despachador en la microrred eia.

En síntesis, para una operación económica y confiable de la microrred, que cumpla

satisfactoriamente con los requerimientos de calidad de la potencia y calidad del servicio
y se adapte a una alta participación de fuentes intermitentes o parcialmente despachables,
la posibilidad de participar en mercados de energía de niveles superiores, la inclusión
de estrategias de gestión de la demanda, la heterogeneidad de los objetivos de los dis-
145
tintos propietarios y la limitación de equipos tecnológicos es necesario establecer un
esquema adecuado de control eléctrico y energético del sistema a partir de las técnicas
y arquitecturas que mejor se adapten a las características de la microrred en cuanto a
tipos y capacidades de sus recursos energéticos, requisitos y políticas de operación,
condiciones de comunicación, controlabilidad de los dispositivos, niveles de control
posibles y necesarios, variabilidad de los recursos y tamaño de la red.
En este capítulo se definieron algunos conceptos básicos en la teoría de control a la

luz de las dinámicas de microrredes, se describieron los aspectos fundamentales que
determinan la selección del tipo de control en cada microrred y se expuso un caso de
estudio práctico desarrollado en el proyecto Energética 2030. Se proyecta incluir y
comparar distintos métodos de control adicionales al centralizado, así como algoritmos
de inteligencia artificial que permitan gestionar la incertidumbre con mayor precisión.
De esta manera, para el caso de estudio centrado en las cinco microrredes del pro-
grama Energética 2030, se diseñó y se encuentra en implementación una estrategia
de ems adaptada a las condiciones comunes a las redes como la imposibilidad del
funcionamiento totalmente aislado, el uso de dispositivos comerciales que dificultan
el desarrollo de controles primarios y obligan a una implementación predominante de
los niveles secundario y terciario, las incertidumbres, perturbaciones, comunicación
y limitaciones típicas de una implementación experimental a mediana escala, y la op-
eración eléctrica, energética y económica integrada de las microrredes a través de un
agregador de alto nivel.
Referencias
[1] A. Hirsch, Y. Parag, and J. Guerrero, “Microgrids: A review of technologies, key
drivers, and outstanding issues,” Renew. Sustain. Energy Rev., vol. 90, no. Septem-
ber 2017, pp. 402–411, 2018.
[2] E. Planas, A. Gil-De-Muro, J. Andreu, I. Kortabarria, and I. Martínez De Alegría,
“General aspects, hierarchical controls and droop methods in microgrids: A

review,” Renew. Sustain. Energy Rev., vol. 17, pp. 147–159, 2013.
[3] S. Parhizi, H. Lotfi, A. Khodaei, and S. Bahramirad, “State of the art in research
on microgrids: A review,” IEEE Access, vol. 3, pp. 890–925, 2015.
[4] L. Ahmethodzic and M. Music, “Comprehensive review of trends in microgrid
control,” Renew. Energy Focus, vol. 38, no. September, pp. 84–96, 2021.
[5] S. M. Kzaviri, M. Pahlevani, P. Jain, and A. Bakhshai, “A review of AC microgrid
control methods,” 2017 IEEE 8th Int. Symp. Power Electron. Distrib. Gener. Syst.
PEDG 2017, vol. 71, no. December 2015, pp. 814–819, 2017.
[6] S. Ishaq, I. Khan, S. Rahman, T. Hussain, A. Iqbal, and R. M. Elavarasan, “A re-
view on recent developments in control and optimization of micro grids,” Energy
Reports, vol. 8, pp. 4085–4103, 2022.
[7] M. F. Roslan, M. A. Hannan, P. J. Ker, M. Mannan, K. M. Muttaqi, and T. I. Ma-
hlia, “Microgrid control methods toward achieving sustainable energy manage-
ment: A bibliometric analysis for future directions,” J. Clean. Prod., vol. 348, no.
February, 2022.
146
[8] R. Trivedi and S. Khadem, “Implementation of artificial intelligence techniques
in microgrid control environment: Current progress and future scopes,” Energy
AI, vol. 8, no. March, 2022.
[9] L. Ortiz, J. W. González, L. B. Gutierrez, and O. Llanes-Santiago, “A review on
control and fault-tolerant control systems of AC/DC microgrids,” Heliyon, vol. 6,
no. 8, 2020.
[10] L. Fribourg and R. Soulat, Control of Switching Systems by Invariance Analysis.
2013.
[11] T. Stetz and M. Braun, “Voltage Control in Distribution Systems with high level
PV-Penetration,” no. October 2010, 2016.
[12] R. E. Cosse, M. D. Alford, M. Hajiaghajani, and E. R. Hamilton, “Fundamen-
tals of Turbine - Generator Speed Control - A graphical approach for islanding
applications,” IEEE Ind. Appl. Mag., vol. 19, no. 4, pp. 56–62, 2013.
[13] A. Bidram and A. Davoudi, “Hierarchical structure of microgrids control sys-
tem,” IEEE Trans. Smart Grid, vol. 3, no. 4, pp. 1963–1976, 2012.
[14] M. S. Mahmoud and F. M. AL-Sunni, Control and Optimization of Distributed
Generation Systems. 2015.
[15] M. S. Bin Arif and M. A. Hasan, “Microgrid architecture, control, and opera-
tion,” in Hybrid-Renewable Energy Systems in Microgrids, 2018, pp. 26–28.
[16] V. K. Sood and H. Abdelgawad, “Microgrids architectures,” in Distributed Ener-
gy Resources in Microgrids: Integration, Challenges and Optimization, 2019, pp.
24–25.
[17] B. Wang and Y. Sang, “Dual-mode operation control of smart micro grid based
on droop strategy,” vol. 8, pp. 9017–9024, 2022.
[18] Y. Wang, A. O. Rousis, and G. Strbac, “On microgrids and resilience: A compre-
hensive review on modeling and operational strategies,” Renew. Sustain. Energy
Rev., vol. 134, no. August, p. 110313, 2020.
[19] N. Hatziargyriou, Microgrids - Architectures and Control. 2014.
[20] S. K. Sahoo, A. K. Sinha, and N. K. Kishore, “Control Techniques in AC, DC,
and Hybrid AC-DC Microgrid: A Review,” IEEE J. Emerg. Sel. Top. Power Elec-
tron., vol. 6, no. 2, pp. 738–759, 2018.
[21] D. W. Gao, “Basic Concepts and Control Architecture of Microgrids,” in Energy

Storage for Sustainable Microgrid, 2015, pp. 1–34.
[22] H. Almasalma, J. Engels, and G. Deconinck, “Peer-to-Peer Control of Micro-
grids,” 2017.
[23] N. Yang, D. Paire, F. Gao, and A. Miraoui, “Power management strategies for
microgrid-A short review,” Conf. Rec. - IAS Annu. Meet. (IEEE Ind. Appl. Soc.,
pp. 1–9, 2013.
147
Control primario de
microrredes
Miguel Goenaga1, Eros D. Escobar2,

CAPÍTU LO 7
Wilder Guzman1 y Hugo A. Cardona2

1
Universidad Nacional de Colombia, Colombia
2
[email protected]
En un ecosistema energético escalable (E3) coexisten miles de dispositivos,

la mayoría de ellos se integran a la red a través de convertidores basados
en electrónica de potencia. La operación de estos elementos requiere de la
convergencia de 2 componentes: buenas comunicaciones, cuya columna
vertebral fue estudiada en el capítulo 5, y de un control local robusto. A
continuación, se abordarán los aspectos fundamentales de dicho control,
denominado control primario. El apartado se complementa con un caso
aplicado al diseño de un convertidor para un sistema de almacenamiento
controlable con baterías (bess).
Introducción al control primario de microrredes

El control primario hace parte de un control jerárquico. Por lo general, está
compuesto por 3 etapas en las que el nivel primario es el más cercano a los
dispositivos de generación de energía y, por lo tanto, el que debe actuar
en el menor tiempo posible. Tiene la tarea de aumentar la estabilidad,
confiabilidad y rendimiento de la red para el dispositivo encargado del
voltaje local, lo que se logra modificando el voltaje y la frecuencia de salida
por medio de un control que determina el funcionamiento del generador
local, y que asegura la dispersión de las potencias P y Q entre las unidades
de generación distribuidas (dg) [1] y [2].
En microrredes en las que actualmente hacen uso de fuentes renovables
no convencionales generalmente este nivel de control pretende simular la
inercia característica de los generadores síncronos para realizar la r egulación
149
de las variables principales de la generación local de la energía. Para lograr esto, el con-
trol primario está dividido en 2 secciones: la primera realiza el control de la salida de
inversor la cual es definida como control de lazo interno, la segunda sección realiza el
control de la potencia activa y reactiva y su distribución adecuada ante la presencia de
varias fuentes de generación; este control se denomina control droop o control de caída
[3]. Estos 2 controles se presentan de forma detallada a continuación:
• Control droop: el control droop es un tipo de control cooperativo que permite la conexión
de forma paralela de los inversores de fuente de voltaje (vsi) con el fin de compartir la
potencia activa y reactiva de los generadores distribuidos. El precio por pagar por com-
partir la potencia se observa en el voltaje y la frecuencia los cuales reciben desviaciones
en los valores de su referencia. Por esta razón, son utilizados generalmente controladores
en un nivel superior que corrigen las desviaciones y los llevan lo más cercano a la ref-
erencia definida [2]. Con el control droop el objetivo es realizar un control óptimo de
potencia activa y reactiva para proporcionar una distribución adecuada de potencia entre
las unidades de generación distribuida y los sistemas de almacenamiento, en especial
en el modo de operación isla de la microrred. De esta manera se ajustan las ganancias
de control evitando la comunicación entre las unidades de generación distribuida [4]
• Control droop avanzado: además del control droop convencional, se han investigado
diferentes tipos de características de droop para hacer frente a la compensación y mejorar
el rendimiento del sistema.
Tabla 7.1. Métodos de control droop en microrredes
Método de
Definición Observaciones
control
Usa la relación entre P vs. V y Q vs. f, Generalmente, es utilizado en sistemas que poseen líneas
Control droop
creando una función inversa a la del de bajo voltaje en los que la inductancia es mucho menor a
inverso
miguel goenaga, eros d. escobar, wilder guzman y hugo a. cardona
control droop convencional. la resistividad que estas poseen.

Es utilizado en sistemas que trabajan
En [5], se propone un control droop no lineal en el que la
con cargas no lineales. La ganancia
ganancia droop es una función de la corriente de salida del
Control droop no de control es una función no lineal
convertidor cd/cd. Este método mejora la distribución
lineal que depende de parámetros como la
de la carga en cargas pesadas, y la regulación de voltaje en
corriente de salida del conversor o la
cargas ligeras es más estricta.
carga del sistema.
En [6], se propone un control droop que ajusta la tensión
Es utilizado en sistemas que trabajan nominal para lograr un mejor compartimiento de
con cargas no lineales. La ganancia carga. Sin embargo, este método solo considera la carga
Control droop de control es una función no lineal compartida entre fuentes con las mismas calificaciones.
adaptativo que depende de parámetros como la En [7], se propone una técnica de programación
corriente de salida del conversor o la de ganancias que logra la regulación de voltaje y
carga del sistema. compartimiento de potencia en forma simultánea
ajustando la ganancia droop del control.
150
Método de
Definición Observaciones
control
El uso del controlador droop para compartir la carga
Utiliza un controlador principal que
adecuada entre los der conduce a fluctuaciones pequeñas
Control droop determina y regula la distribución de
y grandes persistentes en el voltaje y la frecuencia del
centralizado potencia requerida en un conjunto de
sistema. Esto puede resultar en fallas en el equipo, calidad
recursos distribuidos (der).
de energía distorsionada y problemas de estabilidad [8].
Realiza el control de voltaje y
Este controlador es capaz de mitigar el desequilibrio
Control droop frecuencia, así como el intercambio
armónico y proporcionar una mayor amortiguación, por lo
descentralizado de las componentes PQ en inversores
que es ampliamente aceptado [9].
paralelos.
• Control de lazo interno: el control de lazo interno tiene el objetivo de realizar los ajustes
en la regulación tanto de la corriente como del voltaje que se genera en los dispositivos
de conversión de cd/ca, para esto se debe efectuar inicialmente la medición tanto de la
corriente como del voltaje en la sección de filtrado de la señal resultante del conversor. A
las señales trifásicas detectadas se les realiza una transformación de los valores sensados
de las 3 fases de potencia a 2 variables equivalentes, con las cuales es posible realizar la
comparación entre valores iniciales y finales de las variables trabajadas, y determinar el
nivel de ajuste de estas variables.
• Control en inversores comerciales: los inversores comerciales desarrollados para la
transformación cd/ca de la energía han tenido una generación limitada en el control
de las variables más representativas que determinan el comportamiento de la microrred.
• Control on/off: este control permite realizar la detención del funcionamiento del inversor
al detectar un aumento o reducción significativo de parámetros como voltaje, corriente,
frecuencia o potencia; deteniendo el suministro del flujo de energía hasta que los valores
de estas variables vuelvan a trabajar dentro de los rangos definidos en el equipo. Para
realizar esta operación de forma efectiva, los inversores han realizado grandes avances
tanto en el monitoreo de operación como en la detección de fallas y el desarrollo de las
respectivas alarmas. La detención en el flujo de energía en estos equipos se ha programa-
do de esta forma para evitar una operación errada del inversor en operaciones futuras.
• Control de potencia activa (apc) y reactiva (rpc): el control de potencia activa (apc)
se ha desarrollado para regular la salida de inversores para sistemas fotovoltaicos, realiza
la regulación de la potencia activa teniendo en cuenta los valores del voltaje de salida
del inversor [10]. Cuando la magnitud del voltaje del punto de conexión sobrepasa al
voltaje umbral definido por el usuario, el inversor empieza a restringir la inyección de
la potencia activa para de esta forma reducir el voltaje [11].
control primario de microrredes
Estado del arte del control primario de microrredes

Debido a que los equipos pertenecientes al proyecto P08 de Energética 2030 son en su
mayoría comerciales, las estrategias de control primario expuestas anteriormente solo se
pueden aplicar a aquellos que sean construidos en el desarrollo del proyecto o aquellos
que sean intervenidos con el fin de manipular el control que tienen por defecto de fábrica.
151
En vista de que la mayoría de los equipos con los que se cuenta en el proyecto
son comerciales, se ha decidido realizar la construcción de un inversor trifásico,
dentro del marco del presente proyecto. Sobre este nuevo inversor sí se podrán
aplicar una o varias de las técnicas de control descritas anteriormente; sin embargo,
a continuación, se presenta la estrategia que, de acuerdo con los análisis, resulta
ser más conveniente.
Se ha observado que las técnicas basadas en control droop avanzado han sido am-
pliamente usadas en la literatura, por su buen desempeño y fácil implementación [5],
[9], [12]–[15]. Sin embargo, como el controlador debe tener la capacidad de integrarse
a diferentes configuraciones estructurales de microrred, se decide utilizar el control
droop convencional como el control primario del caso de estudio.
En [14] desarrollaron una estrategia basada en un control droop utilizando 2 lazos de
control. El primero para manipular voltaje y corriente en cada inversor conocido como
control interno y el segundo para controlar potencia activa y reactiva de la microrred. La
potencia activa y reactiva son reguladas por el control droop de tal modo que funcionen
como un complemento al controlador interno descrito anteriormente. Es posible con-
trolar el flujo de la potencia activa mediante la variación de la frecuencia ajustando el
ángulo de potencia y el flujo de potencia reactiva, mediante variaciones de la magnitud
del voltaje; por lo tanto, nos concentraremos en el desarrollo de este control droop el
cual maneja estas componentes de potencia y determina la distribución de la energía
entre los diferentes generadores distribuidos de la microrred. La finalidad es regular la
salida de voltaje del conversor fuente de voltaje, controlar la potencia activa y reactiva
de los sistemas de generación que utilicen inversores como interfaz de interacción entre
los diferentes dispositivos de manejo de energía en la microrred. La figura 7.1 muestra
la estructura de la estrategia de control primario por utilizar en cada inversor. En ella
se puede observar un control interno compuesto por las ganancias 𝐾𝑉 y 𝐾𝑖 y que el
control droop definido entrega valores que determinan la referencia de operación del
control interno del inversor.
Además, el control droop es clave en sistemas de generación que están en paralelo,
ya que puede determinar eficientemente la proporción del suministro de energía que

entregará cada fuente a la demanda del sistema. Por ello, se utilizará un control cen-
tralizado cuando se presenten estos casos en la arquitectura de la microrred. Adiciona-
lmente, el control contribuye a vigilar que se efectúe una sincronización apropiada de
las fases de la microrred cuando se realizan cambios en el modo de operación (modo
isla o conectado a la red), lo que asegura que estos procedimientos no intervengan con
el suministro de energía en las cargas críticas que maneja el sistema. La arquitectura
centralizada se muestra a continuación en la figura 7.1.
A pesar de que las anteriores estrategias de control primario no se pueden aplicar
como tal en todas las microrredes, desde un nivel de control jerárquico superior, sí se
pueden abordar otras estrategias. Como se muestra al final de este documento, existe
cierta flexibilidad en cuanto a las variables que pueden ser manipuladas en las microrre-
des pertenecientes al proyecto P08.
152
Conexión física DG#1 Controllocal #1
DG#2 Controllocal #2
Control
centralizado
DG#n Controllocal #n
Figura 7.1. Estructura de control primario centralizado

Desarrollo e implementación de control primario: caso de

estudio, inversor de sistema bess
En esta sección se expone el caso de estudio de un sistema de control primario de
un equipo bess, como parte de un ems de administración de múltiples microrredes
compuesto por una extensa arquitectura de supervisión y control, equipos y recursos
energéticos distribuidos, gestión de la información y bases de datos, operación eléctrica,
energética y económica de 5 microrredes tipo campus desarrolladas dentro del programa
de investigación “Estrategias para la transformación del sector energético colombiano
en el horizonte 2030-Energética 2030”.
Diseño de inversor con control primario regulable
Debido a que dentro de las microrredes del proyecto se trabaja principalmente con dis-
positivos comerciales, no se posee un equipo de conversión con suficiente flexibilidad
en la modificación de sus parámetros internos para el desarrollo del control. Por esta
razón, se definió realizar el diseño de un inversor que pueda cumplir con este objetivo
y que cumpla funcionalidades necesarias para contribuir a la operación de las micro-
rredes. Las funciones definidas para el convertidor son:
• Regulación interna del voltaje y la corriente de salida del inversor ante variaciones del
suministro de energía entregada por los dispositivos de generación.
• Seguimiento de consignas de referencia externas para voltaje, corriente, frecuencia y
potencia.
• Regulación del voltaje y frecuencia en la salida del inversor mediante la inyección de las
componentes de la potencia.
• Actualización remota de los valores de referencia de las variables principales mencionadas.
• Manejo de los modos de operación (conectado y aislado) con la red eléctrica externa y
sus respectivas transiciones.
153
• Protección eléctrica de todos los dispositivos que componen el inversor.
• Operación conjunta con otros inversores.
El objetivo es obtener un inversor trifásico que sea fácilmente configurable y adapt-

able a los requerimientos energéticos de la microrred. La estructura que compone este
inversor está compuesta por 4 bloques principales que permiten el cumplimiento de
las funcionalidades requeridas. Estos bloques se definen como: el bloque de potencia,
el bloque de sensado, el bloque de control y el bloque de drivers o conductores de las
señales. La estructura definida en [16]se toma como base para el desarrollo del inversor
propuesto.
Estructura de control del inversor
El control para programar en el inversor propuesto es el correspondiente al primer nivel

jerárquico, en el que se tendrán 2 lazos de control: el primero será el control interno
que regula corriente y voltaje del inversor, y el segundo el control droop de potencia
reactiva y activa que determinará los valores de referencia necesarios para entregar la
potencia requerida por las órdenes de los niveles superiores. El control propuesto tendrá
las siguientes funcionalidades:
• Obtener la información de la conversión cd/ca a partir de la línea de filtros en la que
se detecta voltaje y corriente. El bloque de sensores es el encargado de la medición del
voltaje y corriente de salida.
• El bloque de estimación de voltaje y potencia determina los valores de referencias necesa-
rios por la microrred (control droop) y las entrega para hacer el respectivo control interno.
• El bloque de computación del voltaje realiza el control interno de corriente y define la
señal de referencia para el pwm.
• El bloque pwm realiza la modulación de la señal de voltaje recibida y la envía hacia los
tiristores generadores de la señal ca.
En la tabla 7.2 se presenta la composición en bloques y funciones del inversor pro-

puesto con control primario de 2 etapas.
Consideraciones de control de sistemas bess
La estructura de potencia que trabajan los inversores asociados a los sistemas de

almacenamiento es más robusta que otro tipo de dispositivos que se encuentren en
las microrredes, debido que el funcionamiento de los ess se ejecuta en 2 modos de
operación: el primero empleado para la carga de energía al dispositivo y el otro para la
entrega de potencia hacia la microrred [17].
154
Tabla 7.2. Componentes en bloques del inversor propuesto
Bloque del
Componentes Características
inversor
Estructura compuesta por transistores en los que la conmutación de estos se
realiza mediante un pulso definido que produce la señal trifásica de salida. Los
conmutadores por utilizar son los transistores bipolares de compuerta aislada
Convertidor cd/ca
(insulated-gate bipolar transistor [igbt]), los cuales permiten un control de
accionamiento que permite determinar la amplitud de la señal de salida del
conversor.
Transforman la tensión pulsativa en una corriente suave sinusoidal que
Bloque de
Filtros de salida reducen el efecto armónico producido en la salida del inversor a causa de la
potencia
conmutación de los transistores.
Los transformadores son los dispositivos encargados de esta sección, una
conexión a través de un transformador presenta las ventajas de actuar de filtro
Acoplamiento del pasa bajas y eliminar armónicos de secuencia cero en la señal de salida del
inversor con la red inversor.
Funciona también como separación galvánica entre el inversor y la fuente
continua de la red [18].
Sensores de voltaje y Realiza la medición de voltaje y corrientes de salida y las envía a un puerto de
Bloque de
corriente de la señal conversión análogo digital (adc) que hace la respectiva transición de las señales
sensado
trifásica y transmite los datos hacia una tarjeta con el control del sistema.
Realiza la adquisición de datos de los sensores de voltaje y corriente y envía las
Módulo de interfaz - señales de tiempo hacia el pwm.
procesador de puertas Recibe las señales de referencia entregadas por el procesador digital de señales
programables (fpga) (dsp) y genera los pulsos de activación de cada uno de los transistores igbt que
Bloque de son utilizados para la conversión cd/ca en el tablero de potencia.
control
Módulo de gestión de Es el procesador digital de señales. En él se realizará el diseño y validación del
control, procesador controlador digital del inversor.
digital de señales Realiza la ejecución de las acciones de control programadas en el dsp para el
(dsp) funcionamiento del inversor.
Está encargado de administrar el accionamiento de los transistores del inversor.
Tablero de Sincroniza la adquisición de todas las señales recibidas por el pwm, aísla y
Octoacopladores y
conductores amplifica los pulsos de disparo enviados a los transistores. Cada señal de
conversores cd/cd
(drivers) disparo proveniente del tablero de control alimenta un circuito optoacoplador,
el cual entrega la señal amplificada a cada transistor del convertido [16] y [19].
Para lograr este funcionamiento es necesario incluir una etapa de potencia adicional
que realice la transferencia de los modos de operación junto a su respectivo control ante
perturbaciones. Esta etapa de potencia se realiza por medio de un conversor cd/cd que
trabaja con un puente medio de transistores para separar los 2 modos de operación del
ess. La salida de la etapa de potencia del conversor cd/cd conecta con el conversor cd/
ca por medio de un bus cd, para realizar la transformación trifásica [20].
El control interno de cada conversor es desarrollado para cubrir las diferentes op-
eraciones de estos elementos. Por tal razón, es necesario realizar la distribución de los
controles con base en los modos de operación en los que trabaja el inversor para el bess.
La distribución se presenta en las tablas 7.3 y 7.4 [17], [20].
155
Tabla 7.3. Control en el conversor cd/cd del inversor cargador
Modo Tipo control Descripción
Se encarga de la regulación de voltaje en el bus cd manteniendo un suministro

Control interno
constante de energía.
Modo
descarga
Se hace cargo de la supervisión del estado de carga e impide que la descarga de
Control primario
energía no sobrepase valores que puedan afectar el rendimiento del ess.
Se encarga de realizar de forma paralela la regulación de la corriente y el voltaje para

Modo
Control interno que la carga de energía al ess no sobrepase la capacidad del equipo definida por el
recarga
fabricante.
Tabla 7.4. Control en el conversor cd/ca del inversor cargador
Modo Tipo control Descripción
Realza la regulación de la corriente y el voltaje de salida de este conversor, los cuales llegan
Control interno
al bus de la microrred, reduciendo los armónicos en la señal de salida.
Modo
descarga Se hace cargo de la regulación de la potencia activa y reactiva en la microrred dependiendo
Control
de la distribución de la carga entre los diferentes der que interactúen con el ess y también
primario
se encarga de la sincronización del ess con el bus principal de la microrred.
Este control hace la regulación de la corriente de entrada del convertidor y del voltaje del
Modo Control interno bus cd que une a los 2 conversores en esta configuración. El objetivo es hacer la entrega de
recarga estos 2 parámetros al bus cd de forma constante y con un mínimo error hacia el conversor
cd/cd.
Diseño del sistema de potencia del inversor
La topología del inversor se establece como mononivel de 3 brazos, puesto que es simple
de operar y los elementos para su construcción son de fácil obtención en el mercado.
A continuación, se describen los elementos que conforman el sistema de conversión.
Modulación, transformador y voltaje del banco de baterías

Al emplearse una topología mononivel de 3 brazos se hace necesario el uso de un
transformador. La relación de transformación del transformador junto con la tensión
en el banco de baterías, definen la amplitud máxima de la tensión sinusoidal que puede
entregar el inversor.
La modulación máxima que se puede lograr con mínimo contenido armónico está
definida por el tipo de modulación que se utilice y el índice de modulación. Para estas
condiciones se utiliza una modulación spwm bipolar, que tiene una señal portadora
triangular y la señal de referencia es una sinusoidal a la frecuencia fundamental (60
Hz en este caso).
156
Filtro pasivo pasa bajos
Al usar un transformador de acoplamiento a la red, se obtiene naturalmente una induc-
tancia de bajo valor. A esto se suma un filtro lc hacia el puente inversor, conformándose
un filtro lcl. El filtro debe calcularse considerando los siguientes puntos:
• La frecuencia de resonancia se debe encontrar entre la frecuencia fundamental y la fre-
cuencia de conmutación.
• La caída de tensión a potencia máxima no debe superar las capacidades de regulación
de la modulación.
• Debe incluirse una resistencia antirresonante en serie con los condensadores.
• No puede superarse la distorsión armónica de corriente máxima permitida a potencia
nominal.
La norma ieee 1547 [21] restringe a un 5 % la distorsión armónica de corriente total de

un generador distribuido independientemente de su naturaleza, mientras que la norma
ieee 519 [22] establece límites para los armónicos de corriente thdi. El inversor aquí
expuesto se diseña siguiendo estas recomendaciones, aunque, debido a su alta exigencia
en los diversos modos, es posible que no se cumpla con el máximo de armónicos para
ciertas componentes.
En la tabla 7.5 se presentan los valores de los elementos calculados para el convertidor
propuesto para el bess.
Simulación estática del inversor para verificación del diseño
Previo a la simulación dinámica del sistema con su esquema de control primario, se

utiliza el software psim para verificar los cálculos de los elementos componentes del
equipo. A continuación, se muestran los resultados de simulación que tiene en cuenta
una entrada de voltaje de 150 VCD en el puente inversor y los valores del filtro, capacidad
del transformador y su relación determinados en la etapa de diseño.
Tabla 7.5. Valores calculados para los componentes del convertidor
Componente o parámetro Símbolo Valor Unidad

Razón de modulación Ma Hasta 1.12 -
Razón de transformación r 2.57 -
Capacidad del transformador St 3.7 kVA
Inductancia del filtro Lf 2 mH
Capacitancia del filtro Cf 500 uF
Resistencia antirresonante Rf 1.0 mOhm

El análisis del comportamiento del convertidor indica que el voltaje rms línea-línea
a la salida del transformador es de 220 VCA aproximadamente, lo cual coincide con el
voltaje calculado y presenta una adecuada regulación. A continuación, se presentan los
resultados de análisis detallado en simulación del desempeño del convertidor, con énfasis
en la respuesta de su sistema de control primario ante diferentes modos de operación.
157
Figura 7.2. Diagrama simplificado de circuito de inversor con filtro y transformador
Fuente elaboración propia.
Figura 7.3. Señal portadora vs. señal de referencia para accionar igbt
Figura 7.4. Voltaje fase-fase a la salida del transformador (a-b)

158
Figura 7.5. Voltaje l-l después del transformador (arriba) y antes del
transformador
Simulaciones y resultados
Para continuar con el diseño, desarrollo y prueba del inversor con control primario se
realiza el modelamiento computacional de las diferentes etapas de potencia, sensado
y control del sistema. Como casos de estudio se prueba el diseño de las 2 etapas de
operación del convertidor del sistema de almacenamiento, esto es, las conversiones
cd/cd y cd/ca. El convertidor completo debe presentar un carácter bidireccional para
realizar la carga y descarga de la energía del bess. Estas 2 funcionalidades no se hacen
de forma simultánea, y se deben tener en cuenta las topologías del respectivo control
desarrollado para el sistema [23].
Caso de estudio control de conversor cd/cd

Inicialmente se realiza la simulación de un conversor cd/cd implementado en un modelo
de baterías para determinar la configuración del control y su respectivo funcionamien-
to. El desarrollo de esta simulación fue realizado bajo las bases de diseño encontradas
en [24], en el software Matlab/Simulink y ejecutada con un tiempo de muestreo de 5
microsegundos (𝜇𝑠). En la figura 76 se presenta el esquema de la etapa de conversión
cd/cd del inversor/cargador desarrollado.
El caso de estudio se compone de una batería con monitoreo de la corriente, el voltaje
y el estado de carga (soc), 2 transistores que componen los convertidores Buck y Boost
encargados de definir los modos de operación del sistema, una fuente de voltaje y una
carga. Se utiliza un interruptor para realizar el cambio del modo de operación entre
carga y descarga de la batería.
159
Figura 7.6. Modelo de conversor cd/cd aplicado a operación con baterías
Control de corriente Selector de referencia IB

[IB]]
.
[IB_ref_Chrg]
]
+
Pl(z) ∫ DP [S_P]]
-
Add PI Control PWM Generador [IB_ref]

[IB_ref]] Corriente (DC-DC) NOT [S_N]] [Modo]] >0
[IB_ref_Chrg]
]
Cambio de Modo_Op
Control de voltaje
25.98
+
Visor de señal
Pl(z) ∫ -1 [IB_ref_Chrg]
]
-
[SOC]
]
Add1 PI Control
[VB]] Voltaje Carga
[IB]]
[IB_ref]]
48
+
Pl(z) ∫ [IB_ref_Disch]
- [VB]
Add2 PI Control
[V_Load]
] Voltaje Descarga
[V_Load]
]
Figura 7.7. Control interno (primario) para el caso de estudio conversor cd/cd
160
El control utilizado en este caso de estudio es un control interno o primario que regula
corriente y voltaje de la batería en los 2 modos de operación. Este se puede observar
en la figura 7.7. El control de corriente es el que interactúa con mayor responsabilidad
dentro del sistema ya que con este se determina el accionamiento de los conversores
Buck o Boost. El control de voltaje es definido para cada modo de operación y deter-
mina la señal de referencia del control de corriente por medio del selector de referencia
ib. La estructura de este control interno es una conexión en cascada, en la que cada
controlador trabaja con el método proporcional integral (pi) y tiene la capacidad de
regular los parámetros de corriente y voltaje ante cambios de los valores de referencia
y modo de operación.
Basado en estos esquemas de potencia y control, se desarrolla la prueba en simulación
y se obtiene la respuesta del control primario ante cambio del modo de operación. Ini-
cialmente, se trabaja en el modo de operación de carga indicando el comportamiento
creciente del soc característico y un aumento de voltaje relacionado con la reducción
de corriente en el sistema. Posteriormente, se hace el cambio de modo de operación a
descarga en el que el soc es decreciente y tanto la corriente como el voltaje tratan de
compensar el cambio para mantener una tensión constante en la carga en 48 V.
Caso de estudio control de conversor cd/ca
El caso de estudio desarrollado muestra el funcionamiento del control primario en un

inversor ca con capacidad de alimentar una carga definida y con opción de sincronizarse
y conectarse a una red externa.
Como se presenta en la figura 7.8, el conversor es alimentado por una fuente cd
(V_CD), que sería la salida del conversor cd/cd presentado en la sección anterior, y
su salida pasa por un filtro pasa bajas compuesto por la inductancia Lf y capacitancia
Cf para alimentar la carga del sistema. El interruptor utilizado se trabaja como punto
común de acople pcc y realiza el cambio de modo de operación de aislado a conectado.
La red externa definida opera con una frecuencia de 60 Hz y un voltaje fase-fase de 220
V. Los valores utilizados en el caso de estudio se presentan en la tabla 7.6.
El esquema de control desarrollado para este conversor, presentado en la figura 7.9
requiere inicialmente de un acondicionamiento de la señal trifásica a partir de la trans-
formada de Park, con el fin de realizar el cambio del marco de referencia a señal bifásica
y transformar el voltaje y la corriente de salida en señales definidas por componentes
𝑑𝑞. Estas señales son tomadas por los controles primarios de voltaje y corriente que
trabajan en una configuración de cascada, con la que el control de voltaje entrega la señal
de referencia del control de corriente. La orden resultante del control se agrega como
componente de amplitud de la señal trifásica de referencia utilizada por el modulador de

ancho de pulsos pwm, con el objetivo final de administrar los pulsos de accionamiento
de los transistores que conforman el conversor ca.
161
Figura 7.8. Modelo de conversor cd/ca para inversión en un sistema bess.
Tabla 7.6. Parámetros para el caso de estudio del conversor cd/ca
Parámetro Símbolo Valor Unidad

Voltaje de entrada cd 𝑉𝑑𝑐 800 𝑉
Voltaje de red fase-fase 𝑉𝑔 200 𝑉
Frecuencia de red 𝑓 60 𝐻𝑧
Inductancia del filtro 𝐿0 1.3 𝑚𝐻
Capacitancia del filtro 𝐶 0.274 𝜇F
Resistencia del inductor 𝑅𝐿 0.128 Ω
Resistencia del capacitor 𝑅𝐶 1 𝑚Ω
Voltaje de carga 𝑉𝐿 220 V
La simulación del caso de estudio del conversor ca se desarrolla por un tiempo

de 1 segundo, durante el que se ejecuta el cambio de modo de operación de aislado a
conectado y se regresa al modo aislado nuevamente. Para este escenario se analiza el
desempeño tanto del control interno o primario de voltaje como el de corriente, con lo
que se obtiene que los 2 lazos de control logran el estado estable en un tiempo menor a
0.2 segundos (un ciclo de 60 Hz) después del cambio, y que las transiciones de los modos
de operación no afectan en gran medida el comportamiento del voltaje y la corriente
de salida del conversor, manteniendo un comportamiento estable y apropiado para la
integración del sistema de almacenamiento bess a una microrred eléctrica.
En caso de no obtener los modelos de control de los bess, podrían usarse los modelos
presentados, siempre y cuando cumplan con las condiciones de control requeridas, es
decir, deben ajustarse los valores nominales y las funciones de control requeridas a la
hora de realizar la modelación. El control desarrollado para el conversor ca modifica
la amplitud de la señal de referencia para determinar las señales de salida, por lo que
es necesario controlar la fase de la señal de referencia para obtener un control más
robusto del sistema.
162
Acondicionamiento señal trifásica Señal referencia de PWM
Vsabc abc [Vd]
dq0 DPS
wt [Vq]
PTr_Park_V
[wt]
V_a
[Amp]
Freq
Vsabc abc
DPS
wt [wt] Vref
PLL
X [Vref]
[Id] Control PI_I

I1abc abc
dq0 V_b V
wt [Iq]
PTr_Park_I
[wt] DPS
Control de voltaje Control de corriente V_c
Generación ancho de pulsos

Vref_pu
220*sqrt(2) -K-
Vref
+ I_ref
Pl(z) +
- V_error Pl(z) [Amp]
- Vref Uref P [g]
V_pu Control PI_V I_error
V_med Control PI_I
[Vd] -K- FWM
I_pu
[Id]] -K-
Figura 7.9. Estructura de control primario para el caso de estudio del conversor
ca
Conclusiones
En síntesis, en este capítulo se presentó una revisión de los objetivos, funciones, posibi-
lidades y consideraciones de la capa primaria de control de los recursos energéticos de
una microrred eléctrica. Así, entre las diversas estrategias de control primario destacan
las distintas variaciones del control de caída o droop, que recientemente ha evolucionado
apoyado por lógicas modernas, como esquemas no lineales y adaptativos. Esto, con el fin
de hacer frente de forma óptima a las perturbaciones generadas en la operación primaria
de los dispositivos de la microrred, especialmente a las fuentes renovables intermitentes.
Por otro lado, se expuso el diseño, desarrollo, modelamiento y prueba computacio-
nal de un convertidor bidireccional de sistema bess con énfasis en su control interno.
Para el convertidor propuesto se presentó su estructura de control dividida en bloques
funcionales y las tareas diferenciales según el modo de operación (carga o descarga).
Finalmente, el equipo diseñado se prueba en un entorno de simulación, indicando un

comportamiento de regulación exitosa en los diferentes modos de trabajo y presentándose
como importante base conceptual para un trabajo futuro dirigido a su implementación
experimental.
163
Referencias
[1] Q. C. Zhong, “Robust droop controller for accurate proportional load sharing
among inverters operated in parallel”, ieee Transactions on Industrial Electronics,
vol. 60, n.° 4, pp. 1281–1290, 2013, doi: 10.1109/TIE.2011.2146221.
[2] J. C. Vásquez, J. M. Guerrero, M. Savaghebi et al., “Modeling, analysis, and de-
sign of stationary-reference-frame droop-controlled parallel three-phase voltage
source inverters”, ieee Transactions on Industrial Electronics, vol. 60, n.° 4, pp.
1271–1280, 2013, doi: 10.1109/TIE.2012.2194951.
[3] D. E. Olivares, C. Cañizares, A. Mehrizi-Sani et al., “Trends in microgrid control”,
ieee Transactions on Smart Grid, vol. 5, n.° 4, pp. 1905–1919, 2014, doi: 10.1109/
TSG.2013.2295514.
[4] P. Coelho, M. Gomes y C. Moreira, Smart metering technology. 2018. doi:
10.1007/978-3-319-98687-6_4.
[5] F. Chen, R. Burgos, D. Boroyevich et al., “A nonlinear droop method to improve
voltage regulation and load sharing in dc systems”, in 2015 ieee 1st Internation-
al Conference on Direct Current Microgrids, icdcm 2015, 2015, pp. 45–50. doi:
10.1109/ICDCM.2015.7152008.
[6] J. W. Kim, H. S. Choi y B. H. Cho, “A novel droop method for converter parallel
operation”, ieee Transactions on Power Electronics, vol. 17, n.° 1, pp. 25–32, 2002,
doi: 10.1109/63.988666.
[7] H. Kakigano, Y. Miura y T. Ise, “Distribution voltage control for dc microgrids
using fuzzy control and gain-scheduling technique”, ieee Transactions on Power
Electronics, vol. 28, n.° 5, pp. 2246–2258, 2013, doi: 10.1109/TPEL.2012.2217353.
[8] S. Sen y V. Kumar, “Microgrid control: A comprehensive survey”, Annual Reviews
in Control, vol. 45, n.° junio, pp. 118–151, 2018, doi: 10.1016/j.arcontrol.2018.04.012.
[9] G. Xu, D. Sha y X. Liao, “Decentralized Inverse - Droop Control for Input-Se-
ries-Output-Parallel dc-dc Converters”, ieee Transactions on Power Electronics,
vol. 30, n.° 9, pp. 4621–4625, 2015.
[10] M. M. Haque y P. Wolfs, “A review of high pv penetrations in lv distribu-

tion networks: Present status, impacts and mitigation measures”, Renewable
and Sustainable Energy Reviews, vol. 62, pp. 1195–1208, 2016, doi: 10.1016/j.
rser.2016.04.025.
[11] P. P. Vergara, T. T. Mai, A. Burstein et al., “Feasibility and Performance Assess-
ment of Commercial pv Inverters Operating with Droop Control for Providing
Voltage Support Services”, Proceedings of 2019 ieee pes Innovative Smart Grid
Technologies Europe, isgt-Europe 2019, pp. 2–6, 2019, doi: 10.1109/ISGTEu-
rope.2019.8905499.
[12] F. Gao, R. Kang, J. Cao et al, “Primary and secondary control in dc microgrids:
a review”, Journal of Modern Power Systems and Clean Energy, vol. 7, n.° 2, pp.
227–242, 2019, doi: 10.1007/s40565-018-0466-5.
[13] Y. Zhou y C. Ngai-Man Ho, “A review on Microgrid architectures and control
methods”, 2016 ieee 8th International Power Electronics and Motion Con-
trol Conference, ipemc-ecce Asia 2016, pp. 3149–3156, 2016, doi: 10.1109/IP-
EMC.2016.7512799.
164
[14] D. Gautam y R. P. Hema, “Microgrid system advanced control in islanded and
grid connected mode”, Proceedings of 2014 ieee International Conference on Ad-
vanced Communication, Control and Computing Technologies, icaccct 2014,
n.° 978, pp. 301–305, 2015, doi: 10.1109/ICACCCT.2014.7019450.
[15] A. Bidram, A. Davoudi, F. L. Lewis et al., “Distributed cooperative secondary
control of microgrids using feedback linearization”, ieee Transactions on Power
Systems, vol. 28, n.° 3, pp. 3462–3470, 2013, doi: 10.1109/TPWRS.2013.2247071.
[16] J. A. Restrepo-Zambrano, J. M. Ramírez-Scarpetta, M. L. Orozco-Gutiérrez et al.,
“Experimental framework for laboratory scale microgrids”, Revista Facultad de
Ingeniería, vol. 2016, n.° 81, pp. 9–23, 2016, doi: 10.17533/udea.redin.n81a02.
[17] J. A. Tenorio-Melo, “Control Strategies to Guarantee Regulation of Voltage and
Frequency in the uv Microgrid.” Universidad del Valle, 2020.
[18] A. Vargas, “Diseño e implementación de un prototipo de inversor trifásico orien-
tado a redes de distribución.” Universidad de Chile, 2010.
[19] F. Bravo, J. E. Quintero, J. M. Ramirez et al., “A Methodology for the Identification
of Design Faults in a Prototype of a Medium Power Three-Phase Inverter”, 2018
ieee Andescon, Andescon 2018 - Conference Proceedings, 2018, doi: 10.1109/AN-
DESCON.2018.8564670.
[20] J. A. Armero Viveros, “Diseño de un sistema de almacenamiento de energía para
la microrred MredUV.” Universidad del Valle, 2020.
[21] ieee Standards Coordinating Committee 21, ieee Std. 1547-2020 Conformance
Test Procedures for Equipment Interconnecting Distributed Energy Resources
with Electric Power Systems and Associated Interfaces. 2020.
[22] ieee Power y Energy Society, ieee Std 519-2014 Recommended Practice and Re-
quirements for Harmonic Control in Electric Power Systems. 2014.
[23] A. Gil Mafé, “Diseño inversor bidireccional para micro-red”, Universitat Politècni-
ca de Catalunya, 2016.
[24] E. Irmak, N. Güler, E. Kabalci et al., “A Modified Droop Control Method for pv
Systems in Island Mode dc Microgrid”, in 8th International Conference on Renew-
able Energy Research and Applications, 2019, p. 6.
165
Control secundario de
microrredes
Eros D. Escobar1, Tatiana Manrique2, Daniel Betancur1 y

CAPÍTU LO 8
Idi Amin Isaac-Millán1

1
2
Universidad eia, Colombia
[email protected]
Una vez abordado el control primario, el enlace natural hacia la escalabilidad

en la operación de las microrredes, es el control secundario. Uno de los
principales logros del proyecto, fue el diseño in-house de un sistema gestor
de energía (energy management system [ems]), implementado y validado
en el ecosistema energético escalable conformado por las microrredes
y su centro agregador. En este capítulo se plantean los conceptos claves
del control predictivo por modelos (mpc), base del ems desarrollado y se
muestra un caso de aplicación.
Introducción al control secundario de microrredes

En las microrredes, las desviaciones de frecuencia y tensión provocadas por
el control primario generan señales de control de corrección para el segundo
nivel de una estructura jerárquica con el fin de mantener los parámetros
eléctricos de la microrred en rangos aceptables [1] y [2]. De esta forma,
el control secundario de la microrred tiene como objetivo gestionar las
incertidumbres operativas causadas por la alta variabilidad de las fuentes
de energía renovable (res) y de las cargas de la red a través de diversas
estrategias de control que permitan considerar estas incertidumbres a
través del modelo de optimización y la ley de control [3], de manera que
lógicas como el control predictivo por modelos (mpc) han sido exploradas
recientemente como una estrategia moderna y ampliamente utilizada para
sistemas de generación distribuida (dg) y sistemas de almacenamiento de
energía (ess) equipados con convertidores de potencia y para microrredes
con múltiples res [4].
167
De esta manera, aunque la integración de energías renovables a través de microrredes
inteligentes acarrea muchos beneficios, también va acompañada de varios desafíos. La
transformación de redes de baja tensión de pasivas a activas, el uso extensivo de conver-
tidores de electrónica de potencia, los recursos energéticos distribuidos con operación
en ca y cd y sus problemas en la regulación de voltaje y frecuencia, además, los 2 mo-
dos de operación posibles (conectado a la red y aislado), son dificultades relativas a la
infraestructura de microrred, requiriéndose una arquitectura de control adecuada para
que opere de la forma esperada y los usuarios tengan acceso económico y confiable a la
energía eléctrica [5]. Así, el sistema de control de la microrred, a través de sus diferentes
estrategias, debe ser capaz de garantizar la fiabilidad y el funcionamiento económico
de la red, a la vez que supera los desafíos antes mencionados. Comúnmente, las carac-
terísticas deseables del sistema de control incluyen [6]:
• Control de voltajes y corrientes de los diferentes recursos según el modo de operación.
• Balance y asignación de potencia de las diferentes fuentes para equilibrar desbalances
en generación-demanda y mantener desviaciones de frecuencia y voltaje en los límites.
• Control de la demanda como mecanismo de operación costo-efectiva de la microrred.
• Despacho económico de los recursos para reducir los costos operativos y aumentar
beneficios.
• Transición estable y fluida entre modos de operación conectado y aislado.
Por otro lado, en un esquema de control jerárquico, estas funciones de adminis-

tración se asignan a varios agentes o niveles de control que operan en diferentes escalas
de tiempo y abarcan diversos equipos y necesidades de la microrred. Así, el nivel se-
cundario de control en que se enfoca este capítulo es caracterizado por una ejecución
de órdenes de control en escala de minutos a horas y una administración limitada a los
recursos internos de la microrred, su regulación de variables eléctricas y optimización
energética. En la tabla 8.1 se presentan las tareas principales que son requeridas a cada
eros d. escobar, tatiana manrique, daniel betancur y idi amin isaac-millán
nivel de control, enunciadas en [7].

Frente a estos requisitos de control del nivel secundario, la mencionada estrategia
mpc tiene la capacidad de resolver el problema de optimización en cada tiempo de
muestreo con el fin de determinar los mínimos costes de operación satisfaciendo la
demanda y considerando las restricciones técnicas y físicas. Diferentes características
hacen del mpc un gran candidato para el control de microrredes [3], [8]: incorpora
una lógica de retroalimentación que permite al sistema hacer frente a incertidumbres
y perturbaciones; puede manejar restricciones físicas, como la capacidad de almace-
namiento, la disponibilidad de recursos renovables, la capacidad de la red y los límites
de potencia de los generadores; puede incorporar pronósticos de generación y demanda;
y se basa en el modelado del comportamiento futuro del sistema, lo cual es de crucial
importancia para los sistemas que dependen de la demanda eléctrica y la generación
intermitente de energía renovable. En la siguiente sección se presenta un compendio
resumido de estado del arte moderno del control secundario de microrredes centrado
en estrategias como el mpc.
168
Tabla 8.1. Funciones de control requeridas según el nivel y módulo de control
Nivel de
Funciones de control requeridas
control
Control Control de corrientes y voltajes locales en los dg, siguiendo las referencias y amortiguando las
primario oscilaciones
Regulación de frecuencia y voltaje de nodos en los modos de operación
Equilibrio de potencia adaptándose a cambios en carga y generación, manteniendo frecuencia y
voltaje dentro de límites aceptables
Control Mecanismos de gestión del lado de la demanda (dsm) que permiten cierta variación en las cargas
secundario para adaptarse a las necesidades de la red
Despacho económico asignando potencias entre los dg y los ess, reduciendo costos operativos y
manteniendo la confiabilidad. Se pretende maximización del beneficio económico y provisión de
servicios auxiliares
Transiciones suaves entre modos de operación y resincronización con la red principal
Control terciario Gestión de los flujos de energía entre la microrred y la red principal y posiblemente con otras
microrredes, así como administración de las relaciones de mercado eléctrico
Estado del arte del control secundario de microrredes
En cuanto a desarrollo de esquemas de control secundario, la literatura disponible es

considerablemente extensa. Con respecto a prueba de los sistemas, en [9] se define
un esquema de pruebas para algoritmos de control secundario centralizado imple-
mentando montajes de laboratorio con complejidad y rigurosidad incremental, desde
pruebas completamente en simulación hasta implementaciones en campo. En [10] se
establece una serie de ejercicios de laboratorio basados en power hardware-in-the-loop
(phil) para probar las estrategias de control en 4 tópicos principales, a saber, operación
paralela de fuentes de generación, control de voltaje en la red, estudios de cortocircuito
y operación global de la microrred. El esquema de pruebas se compone de hardware
de generación, inversión y almacenamiento, cargas desconectables, sensores, relés de
protección, simulador en tiempo real y conexión a la red externa.
De forma semejante, en [11] se propone un sistema microrred tipo benchmark con
una detallada configuración hil para probar tanto estrategias de control como ele-
mentos de potencia. Como ejemplo se prueba un esquema de control centralizado que
realiza recorte de picos en combinación con un control de voltaje coordinado óptimo,
minimizando las desviaciones de voltaje de los nodos y las pérdidas de potencia activa.
Asimismo, en [12] se presenta un esquema de microrred de laboratorio para validar
controles de voltaje y frecuencia en redes aisladas e interconectadas. La microrred pro-
control secundario de microrredes
puesta se compone de máquinas sincrónicas y cargas inductivas variables, se presentan

resultados de regulación de voltaje y balance de potencias.
Por otro lado, propiamente en cuanto a lógicas de control desarrolladas, en [13] se
propone un algoritmo de control coordinado de generadores distribuidos integrados
a una microrred en dc, operando en modo desconectado y conectado. Además, es
planteada una estrategia de control para inversores de voltaje trifásicos bajo diferentes
escenarios de operación. El esquema de control planteado usa una combinación de
lazos de control retroalimentado y prealimentado. En [14] se propone un sistema de
169
administración de energía (ems) para una microrred aislada que alimenta un sistema de
desalinización de agua. La red posee 2 modos de operación: generador eólico y baterías
para los que se adopta una estrategia de control de voltaje y frecuencia (V/f) centralizada,
y modo generador eólico-generador diésel-baterías mediante una estrategia de control
de potencia constante (P/Q) que asegura gestión óptima de la energía.
En [15] se analiza el efecto de los intervalos de transmisión y pérdida de mensajes sobre
4 diferentes estrategias de control secundario en una microrred aislada escalable. Una
de las arquitecturas evaluadas consiste en un control centralizado basado en esquema pi
para la corrección de frecuencia que calcula un término de corrección y lo envía a cada
inversor para desarrollar control droop primario local. En [16] se propone un esquema
de control centralizado para microrredes con cargas pasivas; en el escenario conectado
el controlador opera en modo control de corriente y en el escenario aislado se imple-
menta control de voltaje mediante un doble lazo de control de fase bloqueada (pll) de
los inversores. También en [17] se presenta una arquitectura de control jerárquico con
estrategia centralizada para el nivel secundario que asegura flujo óptimo de carga en la
microrred a través de 4 bloques operacionales: validación y corrección de las medidas,
cálculo de límites de voltaje por nodo, cálculo del punto de operación y regulador central.
En [18] se propone una estrategia de operación de microrredes y su correspondiente
ems. Se equipa un centro de control de nivel superior en la microrred y se establece una
base de datos de información histórica de generadores fotovoltaicos, eólicos y cargas
locales para pronosticar el intercambio de potencia con la red externa. El ems asegura
balance entre generación en la microrred, demanda e intercambio con la red a partir
de la operación de carga o descarga de baterías y ultracapacitores. En [19] se plantea
un ems basado en estrategia de horizonte rodante (rh) para pronóstico de generación
y demanda que provee consignas online para cada generador y señales para los con-
sumidores basadas en un mecanismo dsm. El ems minimiza los costos operacionales
mientras asegura el suministro de agua y energía eléctrica a los usuarios y es probado
usando datos reales de una microrred existente en Chile.

Por otro lado, en [20] se propone un esquema de control para proveer múltiples
servicios a la red desde sistemas de almacenamiento en baterías (bess). La estrategia se
valida en simulación e implementación en un sistema real de 560 kWh/720 kVA. En el
ejemplo de aplicación se evalúan funciones de balance de potencia en una red de media
tensión y control primario de frecuencia. En [21] se presenta una estrategia de control
óptimo robusto de rh para un ess de microrredes conectadas a la red. La microrred
evaluada se presenta como un sistema tipo edificio o campus y se estructura todo su
sistema de comunicación y bases de datos de los der y ems.
En [22] los autores proponen un ems predictivo de 2 capas para microrredes con ess
híbridos, compuesto de baterías y supercapacitores. Se desarrolla un modelo de despacho
jerárquico en el que la capa superior minimiza el costo de operación de la red y la capa
inferior controla fluctuaciones derivadas del error de pronóstico. De forma semejante, en
[23]photovoltaics (PVs se presenta un esquema de control robusto de 2 capas que regula
la potencia de los der (sistemas fotovoltaicos y bess) en una microrred ca aislada. El
sistema se basa en la asignación proporcional de generación de los recursos sin requerir
comunicación continua entre los diferentes dispositivos y el ems. El funcionamiento de
170
la estrategia de control se verifica bajo varios escenarios obtenidos del simulador Opal-
rt mediante una red de prueba ieee 34 barras modificada en Matlab/sps.
En [24] se presenta el desarrollo de un controlador central en el laboratorio de mi-
crorred inteligente basada en inversores de la Universidad de Aalborg, Dinamarca. La
estrategia de control se basa en un esquema jerárquico incluyendo las capas primaria,
secundaria y terciaria. Los lazos de control primario se desarrollan en Matlab y se
desarrolla un controlador central en LabView para la supervisión y administración
secundaria y terciaria del sistema. La composición del incluye equipos de simulación
y dispositivos der reales para esquemas de pruebas hil.
Control predictivo por modelos (mpc)

Recientemente, un método llamado control predictivo por modelos (mpc) o control de
horizonte en retroceso se ha utilizado ampliamente en sistemas de generación distribuida
equipados con convertidores de potencia y en microrredes con múltiples fuentes de
energía renovable. En este contexto, las consignas de control óptimo se determinan
de acuerdo con funciones de costo predefinidas y objetivos determinados por dife-
rentes restricciones.
Como se ha mencionado, el control secundario de la microrred debe encargarse de
administrar las incertidumbres en su operación causadas por la alta variabilidad de las
res y las cargas. Las estrategias mpc tienen la finalidad de considerar estas incertidum-
bres a través del modelo predictivo, el modelo de optimización y la ley de control [3].
En la actualidad, la investigación y el desarrollo relativos al control mpc de microrre-
des se enfocan en 2 frentes [2], [25], [26]:
• Desarrollo de esquemas de control de corriente (entendido como el control de poten-
cia) de los recursos del sistema en modo conectado a la red, principalmente control de
potencia de los dg y gestión del estado de carga de los ess.
• Desarrollo de esquemas de control de voltaje y frecuencia de la microrred en el modo
aislado, principalmente definiendo las referencias a partir de los ess como dispositivos
formadores de red y regulando corriente (potencia) de los dg para suplir la demanda.
En ambos casos, existen desarrollos en los 3 niveles del esquema jerárquico de con-
trol de microrredes, primario [1], [27], [28] secundario [29]–[33] y terciario [34]–[37].
De esta manera, la metodología de optimización que se combina con el fundamento
del control predictivo por modelos (mpc) de los esquemas de control, origina una
amplia variedad de métodos utilizados en los diferentes trabajos para el control de
la microrred. Así, para la minimización de la función objetivo, se proponen métodos
de programación lineal [38]; programación entera mixta [36], [39]; programación no

lineal [40]; programación cuadrática [33]; descomposición dual [41], [42]; lógica mixta
dinámica [30]; optimización convexa [43]; set de control finito [26], [28], [44]; modelo
basado en espacio de estados [1]; método de multiplicadores [45]; y combinaciones
entre estos que se recopilan en [46].
Para el caso de la capa secundaria de control, existe una tendencia moderna en la lit-
eratura en desarrollar sistemas de control basados en mpc estocástico [2]. Esta estrategia,
se enfoca en solucionar los problemas que la variabilidad de las fuentes y la demanda
171
suponen para los procesos de predicción. Se generan grandes cantidades de escenarios
futuros que luego se reducen a algunos casos típicos y se les asigna una probabilidad
de ocurrencia, con base en la cual se producen las acciones de control del mpc [36],
[37]electricity/heat/gas. Los esquemas estocásticos se pueden dividir en estrategias de
programación de escenario múltiple (multi-scenario), basada en árbol (tree-based) y
restringidas a la posibilidad (chance-constrained) [2].
Casos de estudio: esquemas de simulación

Respecto a las aplicaciones de sistemas de control secundario de microrredes, existen
desarrollos de simulación con innovadoras propuestas y valioso detalle que presentan
esquemas adaptables a diversas condiciones de la red y sus recursos, especialmente, la
imposibilidad de control primario directo de los disparos de convertidores de sistemas
de generación y almacenamiento, una característica común en microrredes de mediana
escala implementadas con equipos comerciales.
En [30] se propone el control mpc estrictamente secundario de voltaje y potencia re-
activa, basado en el esquema general de la figura 8.1, donde a partir de la solución óptima
del problema de control se generan referencias de V/Q para los der que lo permiten.
Asimismo, la función objetivo pretende minimizar las desviaciones de voltaje de cada
fase respecto al valor nominal, para los nodos que se presentan más importantes en la
regulación, penalizando las variaciones excesivas en acciones de control y considerando
las restricciones de voltajes y potencias reactivas, mínimas y máximas, en conjunto con
el límite térmico de corriente de las líneas. Las variables controladas son el ajuste de
voltaje de un generador diésel, las potencias reactivas de 2 generadores eólicos y la acti-
vación de 2 bancos de capacitores. El sistema predictivo se implementa en una microrred
simulada en Matlab con un modelo de dinámica lógica mixta (mld), y el problema de
optimización se soluciona mediante programación cuadrática entera-mixta (miqp).
En [47] se presenta un esquema de control centralizado de voltaje en redes de dis-

tribución activa. El sistema funciona bajo mpc basada en un modelo lineal de la red
y el problema de optimización se soluciona mediante programación cuadrática (qp).
El esquema de control se guía por una operación del voltaje restringida a regiones y
límites, ejecutando diversos recursos de la microrred según la región de desviación en
que se encuentre la tensión. El sistema desarrollado se prueba mediante simulación en
Matlab/Simulink de la red de distribución activa de 11 kV compuesta por 75 nodos, 53
cargas y 22 generadores distribuidos.
En [33] se presenta un sistema de control de redes de medio voltaje con Generación
distribuidabuida, compuesto por un esquema jerárquico de 3 capas. La capa superior
calcula flujo óptimo estático de carga para definir perfiles de voltaje. La segunda capa
basada en mpc determina las referencias de potencia reactiva para cada recurso con el
fin de seguir el plan de flujo óptimo. Las referencias calculadas se envían al nivel infe-
rior de los reguladores automáticos de voltaje (avr) locales de los der. La lógica del
esquema de control se presenta en la figura 8.2.
El sistema de control propuesto se implementa en un ambiente de cosimulación
de una red rural de distribución activa. El modelo del sistema y la capa superior se
desarrollan en digsilent PowerFactory. Las medidas y estados de la red se llevan a
172
una base de datos que es consultada por el algoritmo mpc implementado en Matlab.
Las órdenes regresan al modelo en PowerFactory y son ejecutadas por los reguladores
locales y avr de los recursos.
OptimizadorMPC Setpoint
de Q Voltajes
Estados de nodo
Acciones Función Control Sistema
Referencias futuros de
de control objetivo local eléctrico +
voltaje +
Restricciones Perturbaciones
Figura 8.1. Esquema de un control mpc secundario de voltaje.

Pronóstico meteorológico y de demanda
Flujo de carga
óptimo
Referencia de V y Q
Algoritmo MPC
Factor de potencia
Control local de Q Control OLTC
Medidas
Red de distribución
Generación Líneas, nodos,

OLTC
distribuida transformadores
Figura 8.2. Estructura de control jerárquico mpc de 3 capas

173
Casos de estudio: implementaciones experimentales
La gran mayoría de trabajos y publicaciones concernientes al control secundario de

microrredes enfocado en estrategia mpc presenta pruebas de simulación computacio-
nal de los esquemas propuestos. Por lo tanto, las implementaciones experimentales
son pocas y principalmente con sistemas a pequeña escala de laboratorio. Así, en [39]
se propone un ems basado en mpc en combinación con programación entera-mixta
(milp) para la minimización de la función objetivo. El sistema se implementa en la mi-
crorred del Centro para las Fuentes y Ahorro de Energía Renovable Cres, en Pikermi,
Atenas, Grecia. La microrred integra generación fotovoltaica, celda de combustible,
almacenamiento en baterías, cargas resistivas y el sistema de control, incluyendo la
lógica implementada en Matlab.
De forma semejante, en [38] los autores proponen un ems secundario de 2 capas:
capa superior de optimización y capa inferior de control de recursos. Además, el traba-
jo incluye un detallado control óptimo mpc de bess para administración de energía y
soporte de la red. El esquema propuesto se prueba experimentalmente en el laboratorio
FlexElec de la Universidad de Nottingham, integrando un generador fotovoltaico, un
bess y cargas a pequeña escala. Asimismo, el laboratorio FlexElec se utiliza en otro tra-
bajo [43] con un sistema de baterías de mayor capacidad y simuladores electrónicos de
fuente fotovoltaica, generador eólico y cargas, para probar un ems de microrred híbrida
basado en control predictivo de horizonte rodante (rhpc).
Desarrollo e implementación de control secundario: caso de

estudio de control de voltaje en la microrred de la upb
En esta sección se expone el caso de estudio de un sistema de control secundario de
voltaje desarrollado como parte de un extenso esquema de supervisión y administra-
ción de microrredes, equipos, recursos y otros desarrollos dentro del programa de

investigación “Estrategias para la transformación del sector energético colombiano en
el horizonte 2030-Energética 2030”. Así, el módulo de control propuesto debe integrarse
adecuadamente con otros niveles, funciones, adaptadores, actuadores, dispositivos y
sistemas de la arquitectura para operar satisfactoriamente dentro de la microrred.
La arquitectura general de control definida para el proyecto P8 del programa En-
ergética 2030 se presentó en el capítulo 7. En el nivel secundario del esquema se integran
4 módulos de control desarrollados en el proyecto. Los módulos son interdependientes
y comparten continuamente información de los recursos, estado de la microrred, resul-
tados de cálculos, restricciones y asignaciones de variables de control. En la tabla 8.2 se
resume la operación de cada uno.
El caso de estudio expuesto para la implementación de un control secundario de
microrredes se enfoca en el sistema de la Universidad Pontificia Bolivariana y, específi-
camente, en el control eléctrico de voltaje.
El módulo eléctrico del ems de las microrredes tiene la función principal de realizar
control de voltaje en los nodos y recursos de las microrredes que lo permitan a través
174
de la administración inteligente de la potencia reactiva suministrada por los elementos
de generación y almacenamiento.
Este módulo, construido bajo la lógica mpc, se somete a una etapa de diseño inicial
para implementación con el fin de definir el desempeño esperado del sistema, los rangos
y restricciones de operación de los recursos y los modelos matemáticos que se requieren
para establecer la lógica mpc.
Para la implementación del control mpc se adopta una metodología secuencial que
parte de la descripción del sistema de estudio, su modelación, la selección de la estrate-
gia más apropiada y la definición de los requisitos físicos y computacionales con el fin
de caracterizar y realizar la puesta en marcha del sistema de control de forma óptima.
Los pasos de implementación mpc que guían el desarrollo del controlador de voltaje
son los siguientes:
• Definición de desempeño deseado
• Definición de restricciones
• Definición del modelo
• Selección de estrategia mpc
• Determinación de requerimientos de hardware
• Implementación de la estrategia en el sistema
• Pruebas y operación del sistema
Tabla 8.2. Funciones de módulos de control del ems
Módulo del ems Funcionalidades
Procesa datos históricos y genera pronósticos de radiación solar y velocidad de viento para diversas
Pronóstico granularidades y horizontes. Provee pronósticos horarios que usan los módulos de despacho y
control eléctrico.
Calcula las potencias activas óptimas de los recursos de generación y determina los ciclos de
Despacho óptimo carga y descarga de los bess en frecuencia horaria, para un horizonte de un día, considerando
restricciones eléctricas, energéticas y económicas.
Calcula los puntos de ajuste de factor de potencia de los inversores de sistemas de generación y
Control eléctrico almacenamiento para regular la exportación/consumo de potencia reactiva y controlar el voltaje en
el punto de conexión, basado en una lógica mpc.
Posibilita el monitoreo operativo de la microrred a través de diagramas de supervisión. El diseño

Supervisión de las interfaces se basa en conceptos de conciencia situacional y permite monitorear recursos de la
red, indicadores claves de desempeño, entre otros.
Con base en los pasos anteriores se desarrolló el sistema de control predictivo de

voltaje, previamente diseñado, probado y ajustado en simulación, y se implementa
experimentalmente en la microrred eléctrica upb para la regulación de voltaje. A
175
c ontinuación, se describe el sistema de la microrred de estudio y sus recursos, y se
presentan los resultados de operación del controlador.
Descripción del sistema
El proyecto de la microrred de la upb se desarrolla desde 2013, en su campus universi-

tario principal en Medellín, como una iniciativa de investigación hacia la integración
de las fuentes de energía renovable y las nuevas tecnologías en los sistemas eléctricos
modernos. La figura 8.3 presenta un diagrama esquemático de la topología eléctrica de
la microrred eléctrica y los dispositivos actualmente integrados en cada barra.
La demanda del sistema se satisface a través de la red externa, generadores fotovol-
taicos con una potencia total de 133.5 kWp y sistemas bess con una potencia total de 24
kW y capacidad de almacenamiento de 73 kWh. Además, la microrred de la upb integra
generadores de respaldo (plantas diésel), que solo funcionan en ausencia del suministro
de la red de distribución. A modo de referencia, en figura 8.3 se describen las potencias
activas y aparentes y las capacidades de almacenamiento de los der de la microrred.
Para la prueba experimental del controlador se selecciona el generador fotovoltaico
Gf2 cuya ubicación en la microrred de la upb y características se presentan en la figura
8.3 y la tabla 8.3.
La arquitectura de control y comunicaciones propuesta en detalle para la microrred
de la upb se presenta en la figura 8.3. El esquema de administración se fundamenta
en la lógica de operación y niveles de control de la arquitectura general previamente
expuesta como caso de estudio en el capítulo 6. En la siguiente sección se presentan las
consideraciones específicas para la prueba experimental del controlador de voltaje en
la microrred de la upb.
Consideraciones de implementación
La implementación física del controlador predictivo de voltaje en un sistema de la

microrred de la upb implica muchas más consideraciones, requerimientos, desarrollos
e incertidumbres que en las pruebas en simulación. A esto se suma que el sistema de
generación fotovoltaica en el que se realiza la puesta en funcionamiento, y, en general,
todo el esquema físico de prueba, no se encuentran en un ambiente controlado de labo-
ratorio con condiciones eléctricas y climatológicas regulables, canales de comunicación
completamente estables y directos, y acceso inmediato al equipo. Por el contrario, el
sistema de experimentación es un dispositivo ya integrado en la microrred, operando
comercialmente y a merced de las condiciones eléctricas de la red y meteorológicas de
irradiancia y temperatura.
Por otro lado, los valores reales de pronóstico de radiación solar, demanda eléc-
trica y generación fotovoltaica, que son fundamentales para la operación predictiva
del controlador, conllevan un alto error de predicción por la entendible dificultad de
176
modelar fenómenos altamente complejos y variables. Para el regulador de voltaje aquí
desarrollado, estos datos son provistos por el módulo de pronóstico que hace parte del
sistema completo de administración de energía (ems) desarrollado en los proyectos 8
y 9 del programa Energética 2030.
Pronóstico de irradiancia solar y generación fotovoltaica

El controlador predictivo de voltaje se alimenta con el pronóstico horario de irradiancia
solar (G) de la ubicación de la upb para considerar el efecto futuro de la perturbación
sobre la tensión regulada, e integra el valor equivalente horario de generación (S) del
sistema fotovoltaico de estudio para calcular el límite de disponibilidad futura de po-
tencia reactiva.
Figura 8.3. Diagrama de la microrred de la upb y sus recursos

177
Tabla 8.3. Características de recursos de la microrred de la upb
Fotovoltaico Diesel Biodigestor bess

Nodo
(kWp) (kVA) (kWh/día) (kVA-kWh)
B03_REC - 156.0 - -
B04_PRI - 62.5 1.0 -
B07_CTI - 250.0 - -
B08_CPA - 62.5 - -
B09_POS - 375.0 - -
B10_ARQ 4.9 - - -
B11_ING 28.0 500.0 - -
B11_ADM 52.0 - - -
B12_DER - 63.0 - -
B15_BIB - - - 21.0 - 55.0
B18_PAR 45.0 63.0 - -
ECOVILLA 3.6 - 6.0 3.0 - 18.0
Total 133.5 1532.0 7.0 24.0 - 73.0
Los valores pronosticados para la locación y equipo requeridos se encuentran dis-

ponibles en una base de datos InfluxDB® que administra el agente agregador del ems.
Así, el controlador de voltaje contiene un módulo de comunicación con bases de datos
que asegura el acceso a tales valores de pronóstico para el correcto funcionamiento
predictivo del optimizador mpc desarrollado. Más adelante se expondrá la estructura
del controlador experimental con detalle.
Estructura experimental del controlador de voltaje

Para la implementación física del controlador en el sistema de generación fotovoltaica

seleccionado, se hace necesario adicionar rutinas de lectura y escritura en bases de datos,
comunicación Modbus con el equipo y administración de horarios de operación al pro-
grama base de optimización predictiva que fue desarrollado y probado en simulación.
Así, la captura de medidas eléctricas de operación del sistema, la lectura de pronósticos
de perturbación y generación necesarios para calcular estados futuros y el envío de las
consignas de control a los inversores manipulados deben ser integrados a la lógica de
comunicación y operación del programa, como se presenta en el diagrama de flujo del
controlador de la figura 8.5.
Todo el sistema de control ha sido configurado para funcionar en el horario re-
stringido de 7 a. m. a 5 p. m., en el que la generación fotovoltaica de potencia aparente
es suficiente para que la potencia reactiva que se pueda obtener variando el fp de
los inversores resulte útil para la regulación de voltaje. Asimismo, el código ha sido
preparado para seguir operando ante la mayoría de los problemas de comunicación
con equipos y bases de datos, de manera que continúe la ejecución para los sistemas
que estén disponibles y sea posible controlar. En la siguiente sección se presentan los
resultados de la implementación del sistema de control descrito en el caso de estudio
de la microrred de la upb.
178
Centro gestor
TCP
Centro agregador
Microrred ISA Microrred UN

Microrred US Microrred EIA
Microrred UPB Bases de datos
Controlador comercial
SEL RTAC 3555 Pronosticador TCP
Registros Visualizador
Gsol, Vwind Medidas,
estados,
pronósticos
Pronóstico
Gsol, Vwind Registros, medidas
Sistemas PV
Lectura
medidas Colector
Microrred UPB
Modbus TCP/IP
MQTT
DLMS COSEM
Sistemas BESS Estado Pg, Pch, Pd
Web Scraping
C37.118
Restricción P
Estado V, Q, P, FP
Despachador Controlador
óptimo de voltaje
Pronósticos
Biodigestores Consigna P
Escritura
Consigna FP
controles Convenciones
Actuador Modbus
Comunicación remota
Modbus TCP/IP
con sistemas externos
Lectura y escritura en
Plantas diésel base de datos
Integración por código
con otros módulos
Lectura de recursos
Modbus, MQTT, DLMS
Escritura Modbus a
Sistemas híbridos recursos
Medidores
*La dirección de las flechas indica el sentido de flujo de información
Figura 8.4. Arquitectura de control y comunicaciones propuesta para la

microrred de la upb
179
Figura 8.5. Diagrama de flujo del controlador predictivo de voltaje experimental

180
Resultados de la implementación
Para evaluar el desempeño experimental del sistema de regulación predictiva de voltaje,

como controlador del sistema de generación fotovoltaica del Bloque 11C de la microrred
de la upb, se consideran 3 escenarios de implementación según la variabilidad del re-
curso solar. Los escenarios seleccionados se diferencian por la magnitud y frecuencia de
las variaciones de irradiancia solar durante el periodo de operación del controlador (7
a. m. a 5 p. m.), determinando casos de variabilidad baja, media y alta. En este capítulo
se presentan los resultados de implementación física del controlador en el escenario
de baja perturbación.
En la condición de variación baja se considera un comportamiento de la radiación
solar lo más cercano posible al caso ideal, con una curva de irradiancia semejante a
la función gaussiana. Así, se eligen los datos de prueba correspondientes a un día de
octubre de 2021.
En la figura 8.6 se presentan la irradiancia solar, demanda eléctrica y resultados de
consigna de potencia reactiva, consigna ajustada de factor de potencia y voltaje de la
barra para el periodo comprendido entre las 6 a. m. y las 6 p. m. etiquetado en minutos.
El factor de potencia ajustado es la diferencia entre el factor de potencia adelantado
(negativo) o atrasado (positivo) y el valor estándar de 1.0, manteniendo su signo.
Incluso en este escenario de radiación casi ideal es clara la variabilidad de las con-
signas de control de factor de potencia y su equivalente de potencia reactiva. Se hace
evidente que con la frecuencia de operación de treinta (30) segundos, el controlador
secundario de voltaje es exigido continuamente para optimizar las consignas, tal que
las oscilaciones de voltaje logren regularse y se cumpla el objetivo de evitar variaciones
de larga duración, a la par que se busca la referencia de 1.03 Vp.u. y se mantienen las
restricciones.
Durante el periodo de ejecución del sistema de control el factor de potencia del
generador fotovoltaico es continuamente variado en su rango de operación (±0.8), con
evidentes segmentos prolongados en los que se hace necesario saturar la consigna en sus
valores límites para lograr el objetivo de control (factor de potencia ajustado en ±0.2).
Estas condiciones son más frecuentes en las horas extremas (7 a. m. a 9 a. m. y 3 p. m.
a 5 p. m.) en las que la generación fotovoltaica es baja y la disponibilidad de potencia
reactiva reducida.
En cuanto al voltaje de la barra cuyo control es el objetivo final del mpc, presenta
la variabilidad propia de las continuas perturbaciones, en este caso de la demanda
eléctrica. No obstante, se hace notable el efecto del controlador, especialmente en los
momentos de inicio y finalización de operación y en el periodo de mayor recurso solar
al medio día. Así, a las 7 a. m. (minuto 60 de la gráfica) es clara la intención inicial del
controlador de aumentar el voltaje de la barra y llevarlo a su objetivo de 1.03 Vp.u.,
con una tendencia de mantener la tensión cercana a la referencia durante las horas de
mayor capacidad de potencia reactiva (minutos 140 a 450) y lograr el mejor resultado
posible hasta el final de su operación a las 5 p. m. (minuto 660). Con el fin de evaluar
la operación del control secundario de voltaje en los escenarios de perturbación, se
determinan el error estándar (sem), la raíz del error cuadrático medio (rmse), el voltaje
181
máximo (Vmax), el voltaje mínimo (Vmin) y la saturación de cada caso. El resumen de
resultados se indica en la tabla 8.4.
El porcentaje de saturación indica la relación entre la cantidad de pasos de control en

los que el sistema debe asignar el mínimo factor de potencia (+0.8 o –0.8, visto como un
factor de potencia ajustado de +0.2 o –0.2), respecto al total de pasos medidos durante
la operación de 7 a. m. a 5 p. m. (1200 pasos de control).
Figura 8.6. Resultados experimentales de control de voltaje para variabilidad

baja
182
Según la predicción, es altamente dependiente de las condiciones de variabilidad
del sistema, especialmente las características de irradiancia solar. Esta situación se
presentaba esperable por tratarse de un esquema fundamentado en controlar tensión
a partir de generadores fotovoltaicos en una microrred eléctrica, resaltando de forma
importante que el pronóstico de radiación presentará mayor precisión en tanto la pres-
encia e intermitencia de nubosidad sean menores.
Para casos de variabilidades solares medias y altas el error de control aumenta de
forma clara, sin embargo, el sistema de regulación mantiene su intención de buscar el
valor objetivo de la salida con mayores limitaciones de potencia reactiva y permitiendo
oscilaciones mayores de la variable controlada de voltaje.
Tabla 8.4. Resultados experimentales de control de voltaje para variabilidad

baja
Vref rmse Vmax

Escenario sem Vmin Saturación
[Vp. U. [Vp. u. [Vp. u.
variabilidad [%] [Vp. u. × 1000] [%]
× 1000] × 1000] × 1000]
Baja 1030 0.75 9.27 1043.93 1010.60 41.96 %
Media 1030 0.94 11.07 1048.79 1009.43 41.47 %
Alta 1030 1.29 14.69 1052.74 998.69 40.22 %
Conclusiones
En síntesis, en este capítulo se presentó una recopilación de las funcionalidades reque-

ridas para cada nivel de control de un esquema jerárquico de ems para microrredes,
con énfasis en la capa secundaria y sus tareas de regulación de frecuencia, voltaje y
potencias de los recursos a corto y mediano plazo. Además, se detalla una revisión del
estado de desarrollo de diversas estrategias de control de microrredes, resaltando el uso
de esquemas predictivos y de horizonte rodante para las funciones secundarias, princi-
palmente probadas en entornos de simulación y sistemas de laboratorio de baja escala.
Por otro lado, se realizó un estudio especializado en los esquemas de control mpc
que presentan gran aplicabilidad en la administración de microrredes eléctricas, con
valiosas ventajas en cuanto a flexibilidad ante diferentes topologías de red y converti-
dores de potencia, integración de restricciones y no linealidades del sistema, control
de múltiples variables sincrónicamente y consideración de incertidumbres asociadas a
fuentes de energía renovable.
Para el caso de estudio presentado se diseñó un controlador secundario predictivo

de voltaje con restricciones variantes en el tiempo, ajustado en un entorno de simu-
lación y probado en implementación física en la microrred de la upb. El controlador
posee una fuerte dependencia de la calidad y frecuencia del pronóstico de irradiancia
solar y generación fotovoltaica, ya que la lógica predictiva se basa en los valores futuros
esperados para desarrollar la optimización. En escenarios de baja y media variabilidad
presenta errores suficientemente bajos en torno al valor de referencia para considerar este
desarrollo útil y apropiado para la regulación de la tensión secundaria en microrredes.
183
Referencias
[1] T. John y S. P. Lam, “Voltage and frequency control during microgrid islanding
in a multi-area multi-microgrid system”, iet Gener. Transm. Distrib., vol. 11, n.° 6,
pp. 1502–1512, 2017, doi: 10.1049/iet-gtd.2016.1113.
[2] A. Villalón, M. Rivera, Y. Salgueiro et al., “Predictive control for microgrid appli-
cations: A review study”, Energies, vol. 13, n.° 10, pp. 1–32, 2020, doi: 10.3390/
en13102454.
[3] B. Carlos, G.-T. Félix y A. R. Miguel, Model Predictive Control of Microgrids.
Springer, 2020. doi: 10.1007/978-3-030-24570-2.
[4] J. Hu, Y. Shan, J. M. Guerrero et al., “Model predictive control of microgrids –
An overview”, Renew. Sustain. Energy Rev., vol. 136, n.° octubre 2020, p. 110422,
2021, doi: 10.1016/j.rser.2020.110422.
[5] S. Sen y V. Kumar, “Microgrid control: A comprehensive survey”, Annu. Rev.
Control, vol. 45, n.° marzo, pp. 118–151, 2018, doi: 10.1016/j.arcontrol.2018.04.012.
[6] D. E. Olivares et al., “Trends in microgrid control”, ieee Trans. Smart Grid, vol. 5,
n.° 4, pp. 1905–1919, 2014, doi: 10.1109/TSG.2013.2295514.
[7] ieee Power y Energy Society, “ieee Standard 2030.7-2017 for the Specification of
Microgrid Controllers.” 2017.
[8] J. B. Rawlings, D. Q. Mayne y M. M. Diehl, Model predictive control: Theory,
Computation, and Design, Second Edi. Santa Barbara, ca: Nob Hill Publishing,
LLC, 2019. doi: 10.1007/978-3-030-11869-3_4.
[9] M. Maniatopoulos, D. Lagos, P. Kotsampopoulos et al., “Combined control
and power hardware in-the-loop simulation for testing smart grid control
algorithms”, iet Gener. Transm. Distrib., vol. 11, n.° 12, pp. 3009–3018, 2017, doi:
10.1049/iet-gtd.2016.1341.
[10] P. C. Kotsampopoulos, V. A. Kleftakis y N. D. Hatziargyriou, “Laboratory Edu-
cation of Modern Power Systems Using Phil Simulation”, ieee Trans. Power Syst.,
vol. 32, n.° 5, pp. 3992–4001, 2017, doi: 10.1109/TPWRS.2016.2633201.
[11] P. Kotsampopoulos, D. Lagos, N. Hatziargyriou et al., “A Benchmark Sys-
tem for Hardware-in-the-Loop Testing of Distributed Energy Resources”,
ieee Power Energy Technol. Syst. J., vol. 5, n.° 3, pp. 94–103, 2018, doi: 10.1109/
jpets.2018.2861559.
[12] S. N. Bhaskara, M. Rasheduzzaman y B. H. Chowdhury, “Laboratory-based
microgrid setup for validating frequency and voltage control in islanded and
grid-connected modes”, 2012 ieee Green Technol. Conf., 2012, doi: 10.1109/
GREEN.2012.6200969.
[13] M. Kumar, S. C. Srivastava y S. N. Singh, “Control Strategies of a dc Microgrid
for Grid Connected and Islanded Operations”, ieee Trans. Smart Grid, vol. 6, n.°
4, pp. 1588–1601, 2015, doi: 10.1109/TSG.2015.2394490.
[14] L. Guo, W. Liu, X. Li et al., “Energy Management System for Stand-Alone
Wind-Powered-Desalination Microgrid”, ieee Trans. Smart Grid, vol. 7, n.° 2, pp.
1079–1087, 2016, doi: 10.1109/TSG.2014.2377374.
[15] P. Martí, M. Velasco, E. X. Martín et al., “Performance Evaluation of Secondary
Control Policies With Respect to Digital Communications Properties in Inver-
184
ter-Based Islanded Microgrids”, ieee Trans. Smart Grid, vol. 9, n.° 3, pp. 2192–
2202, 2018, doi: 10.1109/TSG.2016.2608323.
[16] M. Popov, H. Karimi, H. Nikkhajoei et al., “Modeling, control and islanding
detection of microgrids with passive loads”, Proc. EPE-PEMC 2010 - 14th Int.
Power Electron. Motion Control Conf., pp. 107–112, 2010, doi: 10.1109/EPE-
PEMC.2010.5606619.
[17] C. Gavriluta, I. Candela, A. Luna et al., “Hierarchical Control of HV-MTDC Sys-
tems With Droop-Based Primary and OPF-Based Secondary”, ieee Trans. Smart
Grid, vol. 6, n.° 3, pp. 1502–1510, 2015.
[18] B. Liu, F. Zhuo, Y. Zhu et al., “System Operation and Energy Management of a
Renewable Energy-Based dc Micro-Grid for High Penetration Depth Appli-
cation”, ieee Trans. Smart Grid, vol. 6, n.° 3, pp. 1147–1155, 2015, doi: 10.1109/
TSG.2014.2374163.
[19] R. Palma-Behnke, C. Benavides, F. Lanas et al., “A Microgrid Energy Manage-
ment System Based on the Rolling Horizon Strategy”, ieee Trans. Smart Grid, vol.
4, n.° enero 2013, pp. 1–11, 2012, doi: 10.1109/TSG.2012.2231440.
[20] E. Namor, F. Sossan, R. Cherkaoui et al. , “Control of Battery Storage Systems
for the Simultaneous Provision of Multiple Services”, ieee Trans. Smart Grid, vol.
3053, n.° c, pp. 1–10, 2018, doi: 10.1109/TSG.2018.2810781.
[21] J. Choi, Y. Shin, M. Choi et al., “Robust Control of a Microgrid Energy Storage
System using Various Approaches”, ieee Trans. Smart Grid, vol. 7, n.° 4, pp. 1–11,
2018, doi: 10.1109/TSG.2018.2808914.
[22] C. Ju, P. Wang, L. Goel et al., “A two-layer energy management system for mi-
crogrids with hybrid energy storage considering degradation costs”, ieee Trans.
Smart Grid, vol. 9, n.° 6, pp. 6047–6057, 2018, doi: 10.1109/TSG.2017.2703126.
[23] J. Lai y X. Lu, “Robust self-consistent control of PV-battery-based microgrids
without continuous communication”, Int. J. Electr. Power Energy Syst., vol. 119, n.°
enero, p. 105900, 2020, doi: 10.1016/j.ijepes.2020.105900.
[24] L. Meng, M. Savaghebi, F. Andrade et al., “Microgrid central controller deve-
lopment and hierarchical control implementation in the intelligent microgrid
lab of Aalborg University”, in Conference Proceedings - ieee Applied Power Elec-
tronics Conference and Exposition - Apec, 2015, pp. 2585–2592. doi: 10.1109/
APEC.2015.7104716.
[25] E. A. Al-Ammar, H. Ur Rahman Habib, A. Waqar et al., “Predictive direct
power control of voltage source converters in microgrids during reconfigu-
ration”, 2020 Adv. Sci. Eng. Technol. Int. Conf. ASET 2020, 2020, doi: 10.1109/
ASET48392.2020.9118348.
[26] R. Toman, “Distributed Model Predictive Control of Power Converters in Mi-

crosrids Under Different Modes of Operation”, Western Michigan University,
2017.
[27] S. R. Mohapatra y V. Agarwal, “An advanced voltage support scheme considering
the impact of zero-sequence voltage under microgrid faults using model predic-
tive control”, ieee Trans. Ind. Electron., vol. 67, n.° 10, pp. 8957–8968, 2020, doi:
10.1109/TIE.2020.2972459.
185
[28] T. Dragicevic, “Model Predictive Control of Power Converters for Robust and
Fast Operation of ca Microgrids”, ieee Trans. Power Electron., vol. 33, n.° 7, pp.
6304–6317, 2018, doi: 10.1109/TPEL.2017.2744986.
[29] I. Sarantis, “Robust model predictive control strategies in fuel-cell-car-based
microgrids”, Delft University of Technology, 2017.
[30] M. Falahi, K. Butler-Purry y M. Ehsani, “Dynamic reactive power control of
islanded microgrids”, ieee Trans. Power Syst., vol. 28, n.° 4, pp. 3649–3657, 2013,
doi: 10.1109/TPWRS.2013.2246589.
[31] G. Lou, W. Gu, Y. Xu et al., “Distributed mpc-Based Secondary Voltage Control
Scheme for Autonomous Droop-Controlled Microgrids”, ieee Trans. Sustain.
Energy, vol. 8, n.° 2, pp. 792–804, 2017, doi: 10.1109/TSTE.2016.2620283.
[32] Y. Shan, J. Hu, Z. Li y J. M. Guerrero, “A Model Predictive Control for Renewable
Energy Based ca Microgrids Without Any piD Regulators”, ieee Trans. Power
Electron., vol. 33, n.° 11, pp. 9122–9126, 2018, doi: 10.1109/TPEL.2018.2822314.
[33] M. Farina, A. Guagliardi, F. Mariani et al., “Model predictive control of voltage
profiles in MV networks with distributed generation”, Control Eng. Pract., vol. 34,
pp. 18–29, 2015, doi: 10.1016/j.conengprac.2014.09.010.
[34] T. Morstyn, B. Hredzak y V. G. Agelidis, “Control Strategies for Microgrids with
Distributed Energy Storage Systems: An Overview”, ieee Trans. Smart Grid, vol.
9, n.° 4, pp. 3652–3666, 2016, doi: 10.1109/TSG.2016.2637958.
[35] M. Zachar y P. Daoutidis, “Nonlinear Economic Model Predictive Control for
Microgrid Dispatch”, IFAC-PapersOnLine, vol. 49, n.° 18, pp. 778–783, 2016, doi:
10.1016/j.ifacol.2016.10.260.
[36] B. Li y R. Roche, “Optimal scheduling of multiple multi-energy supply micro-
grids considering future prediction impacts based on model predictive control”,
Energy, vol. 197, p. 117180, 2020, doi: 10.1016/j.energy.2020.117180.
[37] S. R. Cominesi, M. Farina, L. Giulioni et al., “A Two-Layer Stochastic Model Pre-
dictive Control Scheme for Microgrids”, ieee Trans. Control Syst. Technol., vol. 26,
n.° 1, pp. 1–13, 2018, doi: 10.1109/TCST.2017.2657606.
[38] M. Elkazaz, M. Sumner, E. Naghiyev et al., “A hierarchical two-stage energy
management for a home microgrid using model predictive and real-time con-
trollers”, Appl. Energy, vol. 269, n.° mayo, p. 115118, 2020, doi: 10.1016/j.apener-
gy.2020.115118.
[39] A. Parisio, E. Rikos y L. Glielmo, “A model predictive control approach to micro-
grid operation optimization”, ieee Trans. Control Syst. Technol., vol. 22, n.° 5, pp.
1813–1827, 2014, doi: 10.1109/TCST.2013.2295737.
[40] A. Nurkanovic, A. Mešanović; A. Zanelliet al., “Real-Time Nonlinear Model Pre-
dictive Control for Microgrid Operation”, in 2020 American Control Conference,
2020, pp. 4989–4995. doi: 10.23919/acc45564.2020.9147816.
[41] M. Razzanelli, E. Crisostomi, L. Pallottino et al., “Distributed model predicti-
ve control for energy management in a network of microgrids using the dual
decomposition method”, Optim. Control Appl. Methods, vol. 41, n.° 1, pp. 25–41,
2020, doi: 10.1002/oca.2504.
[42] R. Halvgaard, L. Vandenberghe, N. K. Poulsen et al., “Distributed Model Predic-
tive Control for Smart Energy Systems”, ieee Trans. Smart Grid, vol. 7, n.° 3, 2016.
186
[43] M. Elkazaz, M. Sumner y D. Thomas, “Energy management system for hybrid
PV-wind-battery microgrid using convex programming, model predictive and
rolling horizon predictive control with experimental validation”, Int. J. Electr.
Power Energy Syst., vol. 115, n.° marzo 2019, p. 105483, 2020, doi: 10.1016/j.ije-
pes.2019.105483.
[44] S. R. Mohapatra y V. Agarwal, “Model Predictive Controller With Reduced
Complexity for Grid-Tied Multilevel Inverters”, ieee Trans. Ind. Electron., vol. 66,
n.° 11, pp. 8851–8855, 2019, doi: 10.1109/TIE.2018.2866115.
[45] A. Forel, “Distributed Model Predictive Operation Control of Interconnected
Microgrids”, KTH Royal Institute of Technology, 2017.
[46] D. Espín‐Sarzosa, R. Palma-Behnke y O. Núñez‐Mata, “Energy management sys-
tems for microgrids: Main existing trends in centralized control architectures”,
Energies, vol. 13, n.° 3, pp. 1–32, 2020, doi: 10.3390/en13030547.
[47] G. Valverde y T. Van Cutsem, “Model predictive control of voltages in active dis-
tribution networks”, ieee Trans. Smart Grid, vol. 4, n.° 4, pp. 2152–2161, 2013, doi:
10.1109/TSG.2013.2246199.
187
Control terciario de
microrredes
Mario Giraldo1, Alejandro S. Guerrero2

APÍTU LO 9
y Tatiana Manrique1
Universidad eia.
1
[email protected], [email protected]
2
Universidad de Sucre, Sincelejo, Colombia
[email protected]
La clave de un ecosistema energético escalable (E3) es la optimización de

los recursos a un nivel que transcienda lo local y permita la complemen-
tariedad operativa en las grandes redes. La estrategia de control terciario
planteada a continuación es consecuente con la estructura edificada desde
el control primario, visto en el capítulo 7 y con el robusto ems propuesto
en el capítulo 8. En las páginas siguientes, se referencia con detalle el
control predictivo por modelos (mpc) como estrategia de tercer nivel, se
formula su matemática y se plantean sendos casos de aplicación en 2 de
las microrredes del proyecto.
Introducción al control terciario de microrredes

El control terciario es el nivel más alto en la estructura jerárquica de control
de microrredes1. Cuando la microrred no opera de forma aislada, el control
terciario coordina la interacción de la microrred con la red principal ante
excesos o déficit en la generación, y coordina múltiples microrredes que
interactúan entre sí. Si la microrred opera conectada a la red, el control
terciario busca gestionar flujos de energía y maximizar los beneficios
económicos [1]. En la optimización de los beneficios económicos, el control
1 El control de microrredes se puede clasificar en centralizado, descentraliza�-

do, distribuido y jerárquico. El control jerárquico proviene del estándar ansi/
isa-95 de la Sociedad Internacional de Automatización, sobre interfaz de
comunicación automática entre sistemas de control [72].
189
terciario debe responder a las preguntas de cuándo se debe importar o exportar energía
y cuánta energía se debe importar o exportar con el objeto de minimizar el costo de la
energía comprada [2][3][4]. Si la microrred opera de forma aislada, el control terciario
puede optimizar la operación ante las incertidumbres y perturbaciones de la generación
a partir de energías renovables variables y maximizar el beneficio económico [2]. Las
estrategias de control terciario propuestas, rara vez se incorporan al control secundario
y al control primario para formar una estrategia completa y holística. En este capítulo
se analiza una estrategia de control terciario para el intercambio de energía entre la
microrred y la red principal según la capacidad instalada de la microrred. También
se consideran los precios de energía, la previsión de carga y la generación de energía.
El control terciario para la gestión de la energía en microrredes implica, típicamente,
la formulación y solución de un problema de optimalidad que minimice la importación
de energía de la microrred y maximice las ganancias por exportar energía eléctrica ya
sea a otras microrredes o la red principal. De tal manera que la gestión de la energía que
en la microrred realiza el control terciario es inherentemente un problema de control
óptimo con restricciones propias de la red (e. g., balance de potencia, restricciones de
potencia activa y reactiva, voltaje en cada bus de potencia, etc.) y restricciones relaciona-
das al almacenamiento de energía. La optimización puede incluir modelos lineales que
pueden ser enteros mixtos con variables binarias (e. g., carga y descarga de la batería) o
modelos lineales continuos; también puede incluir modelos no lineales, modelos que
incluyan incertidumbres y modelos estocásticos. Los objetivos de optimización pueden
ser descritos por funcionales de costo asociados al costo de la potencia generada, al
costo de operación y mantenimiento, al costo de compra y venta de energía, y a costos
asociados a los pronósticos de generación de fuentes renovables de energía [3].
Algunas tendencias relacionadas con el problema de optimalidad y su solución
incluyen a [5], que desarrolla un control terciario basado en la optimización del punto
interior para coordinar los convertidores de fuente de voltaje y el centro de energía para
minimizar las desviaciones de voltaje generando las referencias deseadas. Otros trabajos
incluyen a [6], que desarrolló una programación estocástica de 2 etapas teniendo en
cuenta las incertidumbres de las fuentes de energía renovables y los precios de desviación
de energía inciertos. En [3], se menciona el uso de algoritmos metaheurísticos como la
optimización de ballenas (whale optimization algorithm [woa]), optimización basada
mario giraldo, alejandro s. guerrero y tatiana manrique
en biogeografía (biogeography-based optimization [bbo]), enjambres de partículas,

optimización basada en consensos y el algoritmo de competencia de Stackelberg, entre
otros, para resolver el problema de optimización propuesto por el control terciario.
Otra estrategia para el control terciario es el control predictivo basado en modelos
(model predictive control [mpc]). El control predictivo se diferencia de cualquier otra
estrategia de control óptimo en su capacidad para incluir de forma efectiva y contundente
las restricciones en la solución, al propagarlas en la predicción que hace proyectando
hacia el futuro la dinámica de la microrred y resolviendo el problema de optimización
para esa proyección. El mpc también puede considerar múltiples objetivos de control, lo
que es muy conveniente para el control terciario y ha demostrado tener un desempeño
satisfactorio [1]. Respecto al costo computacional, por ejemplo, la optimización que real-
iza el mpc se puede determinar de acuerdo con una función de costo convirtiéndola en
una operación más simple con una respuesta dinámica mejorada [7], [8], esto se conoce
190
como mpc explícito. En este capítulo se presta especial atención al mpc como estrategia
para la gestión de la energía y flujo de potencia en la microrred ante las perturbaciones
de la generación fotovoltaica.
Los pronósticos, la regulación vigente y las características monetarias de la gener-
ación y de la demanda también juegan un papel importante en la descripción del control
terciario desarrollado en este capítulo. En los apartes restantes de la presente sección
se tratan los modelos de pronósticos de la generación y demanda que intervienen en el
problema de control óptimo que implica el control terciario de microrredes. También
se trata el marco regulatorio que rige la interacción de las microrredes con la red prin-
cipal, haciendo especial énfasis en el caso colombiano y en las restricciones operativas
impuestas por la regulación descrita. En la sección 2 se describe un esquema de control
terciario bajo una arquitectura de control predictivo (mpc), que integra las restricciones
eléctricas y operativas establecidas por la regulación colombiana. En la misma sección,
se incluye también una revisión de los trabajos más relevantes relacionados al mpc para
control terciario de microrredes. En la sección 3, se desarrolla el estudio de la exportación
e importación de energía de las microrredes de la universidad eia2 y la Universidad de
Sucre (Unisucre), que hacen parte del Proyecto Energética 2030, bajo una estrategia de
control terciario que está enfocada en los precios de energía en el mercado colombiano
y las previsiones de carga de estas microrredes. Se usa programación lineal entera mixta
(milp) para optimizar la importación y la exportación de las microrredes a partir de
datos experimentales de generación y demanda de cada microrred. Finalmente, en la
sección 4, se presentan conclusiones y trabajos futuros.
Modelo de pronóstico de demanda y generación

El pronóstico se define como el proceso que predice el futuro basado en datos pasados y
presentes y en análisis de tendencias. Un sinnúmero de aplicaciones utilizan el modelo
de pronóstico para evaluar el comportamiento futuro para la toma de decisiones tem-
pranas [9]. Entre las áreas que emplean pronósticos se pueden mencionar: variaciones
bursátiles, pronósticos climáticos, variaciones monetarias, pronósticos inmobiliarios,
planificación de la demanda, entre otros.
Uno de los sectores que utiliza modelos de pronósticos es la optimización energética.
En este aspecto, se destacan las aplicaciones dirigidas a predecir la demanda de carga,
predecir el precio de la electricidad, pronosticar fuentes de energía, emisiones de gases
o energías renovables [10]-[13].
En los sistemas de gestión energética (energy management system [ems]) juegan un
papel importante los modelos de pronósticos para controlar y optimizar el rendimien-
control terciario de microrredes
to de la generación o transmisión de energía eléctrica [14]. El uso de pronósticos en

ems en microrredes contribuye al cálculo del tiempo de retorno de la inversión y a la
toma de decisiones sobre el consumo o almacenamiento de energía, y es típicamente el
objetivo principal de control terciario. Esto se debe a que los modelos de pronósticos
pueden predecir la generación de energía a partir de fuentes de energía renovables
(fotovoltaica o eólica), y la planificación operativa de cargas evitando que operen en
2 Antes Escuela de Ingeniería de Antioquía.

191
horas punta, reduciendo así la tarifa energética pagada por el consumidor [15]. Los
modelos de pronóstico pueden tener alta variabilidad al depender de factores diversos
como los horizontes de tiempo, el tipo de datos y factores que determinan los resul-
tados reales, entre otros. Para hacer frente a estas variaciones, se han desarrollado
varias técnicas para obtener los modelos de pronóstico y que se pueden clasificar en
2 grandes grupos [9]:
• Cuantitativo: se utiliza cuando se puede tener acceso a una cantidad suficiente de in-
formación en forma numérica. En este grupo destacan: la serie temporal y la variable
explicativa.
• Cualitativo: se utiliza cuando se trata de poca o ninguna información cuantitativa y
conocida, pero hay mucho conocimiento cualitativo.
Los modelos de series temporales se obtienen asumiendo que los datos modelados
están correlacionados y caracterizados por tendencias y comportamientos estaciona-
les. Las siguientes son 3 clases de series temporales importantes que permiten modelar
variaciones en los pronósticos: la representación autorregresiva (ar), integrada (i)
y media móvil (ma). La combinación de las 3 clases da como resultado los modelos
autorregresivos de media móvil (arma, por sus siglas en inglés), autorregresivo inte-
grado y media móvil (arima, por sus siglas en inglés). Sin embargo, a menudo solo la
corrección no garantiza la obtención del tipo y orden de un modelo satisfactorio. Para
obtener modelos más precisos, es necesario ayudar a los indicadores estadísticos de
evaluación del desempeño [9].
Por ejemplo, en [16] se presenta el uso de 4 estructuras de series temporales: ar,
ari, arma y arima para cada mes en la ciudad de Petrolina, Brasil. Se comparan 48
modelos obtenidos al analizar el promedio de las series sintéticas con el conjunto de
datos significativos, en las que la estructura ari demostró ser más adecuada para gen-
erar modelos de predicción para la ciudad brasilera. Así mismo, [17] enfatiza en varios
modelos basados en métodos estadísticos, computación inteligente y programación
matemática que realizan predicciones en aplicaciones dirigidas a la planificación y op-
timización energética. Se destacan modelos basados en series temporales que utilizan
como indicadores el error porcentual promedio absoluto, el error porcentual absoluto
medio, la raíz del error cuadrático medio y el coeficiente de determinación.
Por otra parte, en [18] se realiza una revisión de la literatura relacionada con el uso
de redes neuronales artificiales para predecir el comportamiento de la generación de
energía con fuentes de energía renovables. Los resultados brindan un importante pun-
to de partida para continuar trabajando con este tipo de herramienta de inteligencia
artificial (ia) para mejorar la eficiencia de este tipo de instalaciones. En este sector de
inversión, cualquier mejora mínima de la eficiencia en la generación energética podría
representar importantes ahorros económicos en los planes comerciales futuros y mejoras
cruciales en la prestación de servicios de calidad.
En este capítulo se considera que un modelo de series temporales tipo arima predice
de manera adecuada la generación de energía a partir de los paneles fotovoltaicos, de-
bido a que la radiación solar y los factores climáticos presentan un tipo de corrección
serial [4], [19], [20]; por tanto, contribuye a la toma decisiones respecto al consumo y
al almacenamiento de energía en respuesta al valor de la tarifa en Colombia.
192
Normatividad de la autogeneración y la generación
distribuida
La autogeneración, en un sentido amplio, se refiere a consumidores que no solo con-
sumen energía pasivamente, sino que también participan activamente en los mercados
de energía, generando valor para sí mismos o para otros actores en el mercado [21].
Dependiendo de las capacidades instaladas y de los perfiles de demanda, los autogene-
radores pueden no solo exportar (vender) energía, sino también importar (comprar)
energía, según sea el caso.
Algunos de los efectos más relevantes que se producen con la presencia de autogener-
adores en un sistema eléctrico de potencia y el mercado de energía son la producción de
ahorros de energía al adoptar medidas regulatorias de eficiencia energética y estrategias
de respuesta de demanda al cambiar entre consumo y autogeneración de acuerdo con
los picos de demanda y oferta del sistema. Los autogeneradores también pueden vender
exceso de energía si tienen almacenada. Estos son de especial interés para el control
terciario, debido a las consideraciones económicas, la importación y la exportación de
energía con el sistema eléctrico de potencia, coordinación de múltiples unidades de
autogeneración, entre otras funciones, como se discutió previamente. Teniendo esto
en cuenta, en esta sección se presentan las consideraciones normativas y de regulación
para el caso colombiano y algunos casos a nivel internacional, incluyendo otros países
latinoamericanos, Estados Unidos y Europa, con el ánimo de contextualizar mejor el
estado en el que se encuentra actualmente la normatividad colombiana respecto a la
regulación vigente a nivel mundial para la autogeneración y la generación distribuida.
La normatividad descrita a continuación es vigente y actualizada al momento de la
escritura de este capítulo.
Contexto colombiano
La Comisión de Regulación de Energía y Gas (Creg) de Colombia expidió la Reso-

lución 030 de 2018 que fue actualizada por la Resolución 174 de 2021 [22], en la que
se establecen las reglas de autogeneración a pequeña escala y generación distribuida,
agilizando y aclarando así los aspectos operativos y comerciales en los procesos de
conexión a la red. Los autogeneradores pueden ser usuarios domiciliarios, comerciales
e industriales, ubicados en entornos rurales o urbanos, esta definición fue presentada
inicialmente en la Ley 1714 de 2014, y la Resolución 281 de 2015 de la Unidad Planeación
Minero-Energética (Upme) estableció como potencia máxima para un autogenerador
a pequeña escala en ≤1 MW.
De manera general la normativa aclara que, si un usuario que genera su propia energía
desea proveer los excedentes al Sistema Interconectado Nacional (sin), debe cumplir con
una serie de pasos divididos en etapas, que van desde la entrega de la documentación,
la revisión técnica de esta y la solicitud de entrada en operación. Los pasos son de fácil
seguimiento, el cual se hará inicialmente a través de un sistema de trámite en línea en
la página web de la empresa de energía operadora de red, y posteriormente, a través de
una ventanilla única administrada por la Upme. Si en cualquier momento un usuario
produce excedentes de energía que sobrepasen su consumo, los puede entregar a la red
193
para que sean contabilizados y utilizados para cubrir parte de su consumo en la factura,
es decir, para reflejar un menor costo de facturación por la energía consumida. En caso
de que los excedentes contabilizados en un mes o periodo de facturación sobrepasen
el consumo en el mismo mes o periodo, los excedentes también serán pagados por el
agente comercializador que los atiende.
La Resolución 174 de 2021 de la Creg define las condiciones técnicas para la operativ-
idad de autogeneradores a pequeña escala y generadores distribuidos. Define las condi-
ciones para la integración (conexión y medición) de autogeneradores a pequeña escala
y generadores distribuidos al Sistema Interconectado Nacional (sin) y las condiciones
para la comercialización de un autogenerador a pequeña escala (agpe) y generadores
distribuidos. También se establece que un generador distribuido es una persona jurídica
con potencia instalada ≤0.1 MW.
Contexto latinoamericano
A continuación, se describe la normatividad asociada a 2 países limítrofes con Colombia:

Ecuador y Panamá, que son países con los cuales empresas colombianas de generación
tienen actualmente negocios de energía.
Ecuador
La Agencia de Regulación y Control de Electricidad de Ecuador (Arconel) definió un
marco normativo para la participación de la generación distribuida en el año 2020 [23].
La normatividad ecuatoriana hasta ahora solo se refiere a instalaciones de sistemas de
generación de energía solar fotovoltaica por medio de la Regulación 003 de 2018 que
organiza las condiciones para el desarrollo, la implementación y la participación de
consumidores que cuenten con sistemas de microgeneración fotovoltaica ubicados en
techos, superficies de viviendas o en edificaciones para las categorías residencial y gen-
eral. Estos sistemas están determinados en el pliego tarifario en bajo o medio voltaje, y
se define esta capacidad instalada como ≤0.1 MW. Se afirma que aún no hay regulación
sobre generación distribuida, pero que la anterior regulación aplica para los siguientes
2 casos también:
• Consumidores residenciales que tengan interés en instalar sistemas fotovoltaicos ≤0.3 MW.
• Consumidores comerciales o industriales < 1 MW.
Panamá
La Autoridad Nacional de los Servicios Públicos de Panamá (Asep) definió un conjunto
de principios, criterios y procedimientos establecidos para realizar el planeamiento, la
coordinación y la ejecución de la operación integrada del sistema interconectado na-
cional, y compensar los intercambios de energía entre agentes del mercado, incluyendo
normas para conexión de autogeneradores [24], específicamente para la Empresa de
Transmisión Eléctrica, S. A. (Etesa). Se establecen 2 casos:
• Autogenerados con capacidad instalada <10 MW: solicitud de acceso a Etesa.
• Autogenerados con capacidad instalada ≥10 MW: solicitud de acceso a Etesa y estudios
de flujos de carga, estudios de corto circuito y estudios de estabilidad transitoria.
194
Estados Unidos
Estados Unidos tiene un sistema eléctrico de potencia dividido en 8 entidades regiona-

les que funcionan de manera independiente, y en todas se está trabajando para hacer
una transición hacia una mezcla de recursos que dependa menos en carbón y energía
nuclear, mientras integra más gas natural, energía eólica, solar y generación distribui-
da. La entidad encargada de regular la generación distribuida, y en general asegurar la
confiabilidad y seguridad de su sistema eléctrico de potencia, denominado bulk electric
system (bes), es la Corporación de Confiabilidad Eléctrica de Norteamérica (nerc, por
sus siglas en inglés).
La nerc estableció unas consideraciones para el modelamiento y confiabilidad en
la conexión de autogeneradores y generadores distribuidos, y definió los recursos de
energía distribuida (der) como cualquier recurso en el sistema de distribución que pro-
duce energía y no está incluido en la definición formal de bes establecida por nerc [25].
La generación distribuida es definida en Estados Unidos como cualquier unidad
de generación o conjunto de unidades de generación no bes ubicadas en una única
locación o operada por una instalación de distribución o una entidad negociadora de
energía. Los límites de generación establecidos dependen de cómo es la interconexión
al bes, y se establecen 2 casos para generadores distribuidos:
• Conexión al voltaje primario: ≤100 kV, pero >1kV.
• Conexión al voltaje secundario: ≤1kV.
Contexto europeo
El servicio de investigación del parlamento europeo presentó en el año 2016 un informe

en el cual se definen los prosumidores, consumidores activos de energía que también
producen energía, y su impacto en el sistema eléctrico de potencia. Al definir a los
prosumidores, el informe indica que la regulación de unidades de autogeneración y
generadores distribuidos debe ampliarse para garantizar la confiabilidad de la operación
de los sistemas eléctricos de potencia [21].
En 2019 se presenta en el parlamento de la Unión Europea el documento con las
recomendaciones regulatorias para los países miembros con respecto a los prosumidores,
incluyendo la normativa vigente para autogeneración y generación distribuida [26]. A
continuación, se presentan los casos de 2 países de interés por las relaciones comerciales
y de investigación que se sostienen con Colombia y un cuadro comparativo con datos
relevantes de otros países de la Unión Europea. control terciario de microrredes
España
España emitió el Real Decreto 244/2019, del 5 de abril, por el que se regulan las con-
diciones administrativas, técnicas y económicas del autoconsumo de energía eléctrica
[27]. Este decreto establece que un autogenerador, llamado autoconsumidor, podrá
instalar sistemas de acumulación para almacenar la energía producida durante las ho-
ras de generación en la que no estén consumiendo toda la energía autoproducida. El
autoconsumo de energía eléctrica para instalaciones que estén conectadas a la red de
195
distribución eléctrica de su zona también está regulado. A continuación, los principales
puntos por destacar:
• Tipos de autoconsumo
Autoconsumo sin excedentes: aquellas que no pueden verter los excedentes a la red, de
manera que deben de instalar un sistema antivertido, solo existirá el sujeto consumidor.
En este caso, el consumidor tiene que ser el titular de la instalación de generación.
Autoconsumo con excedentes vertidos a la red: pueden verter los excedentes a la red.
Existirán el sujeto consumidor y el sujeto productor. Según el tratamiento que se les
dé a los excedentes, este se subdivide en:
Generación de corriente alterna con excedentes y acogida a compensación: cuando el
consumidor y el productor opten por acogerse a compensación de excedentes. Para
esta opción la producción debe ser < 100 kW.
Generación de corriente alterna con excedentes y sin acogida a compensación: cuando
no cumplen los criterios del ítem anterior o voluntariamente no quieren acogerse a
esta modalidad. En este caso, recibirá por la energía eléctrica horaria excedentaria
vertida las contraprestaciones económicas correspondientes.
• Las instalaciones de autoconsumo podrán clasificarse en:
» Autoconsumo individual: un consumidor asociado a una instalación de producción.
» Autoconsumo colectivo: varios consumidores asociados a instalaciones de producción.
Alemania
Alemania es un caso especial debido a la complejidad de su sistema de legislación
energética. En uno de los estudios más relevantes realizado por el Instituto Alemán
para la Investigación Económica (Deutsches Institut für Wirtschaftsforschung [diw]) se
establece que no hay una regulación o definición normativa para autogeneradores o
generadores distribuidos, aunque sí se define el autoconsumo y el autoproductor [28].
El autoconsumo se refiere al consumo de energía de una persona natural o jurídica
en la vecindad de una instalación de generación eléctrica cuya electricidad no fluye a
través del sistema público de potencia. El autoproductor es alguien que genera electri-
cidad para su autoconsumo. Además, en Alemania hay 3 características relevantes para
destacar como referencia para los aspectos discutidos en esta sección de normatividad:
• No tienen regulación que prohíba la generación de energía para autoconsumo.
• Todo aquel que consuma energía autoproducida requiere un permiso, excepto para
generadores de emergencia o capacidades nominales ≤2 MW.
• No hay una ley que limite la cantidad de energía renovable producida o la capacidad
del sistema de energía. El operador del sistema eléctrico de potencia puede regular la
cantidad de energía introducida para garantizar estabilidad.
Otros países de la Unión Europea. En la tabla 9.1 se presenta un cuadro resumen

con información relevante de autogeneración en países europeos [26].
196
Tabla 9.1. Cuadro resumen con información relevante de la regulación de la
autogeneración en países europeos
País Autogeneración Restricciones de capacidades para la autogeneración

Se permite autogenerar y Legalmente no definidas, pero técnicamente se imponen cuando la
Bélgica
autoconsumir. capacidad aumentada excede la del sistema de distribución.
Se permite autogenerar y
Croacia 500 kW
autoconsumir.
No hay restricciones legales. Solo se segmentan las tarifas de acuerdo con
Se permite autogenerar y las capacidades:
Francia autoconsumir. Ley 2017- ≤100 kW
227 del 24 de febrero. ≤1MW y >100 kW
<3 kW no hay responsabilidades de estabilidad de la red.
Reino Unido/ Se debe solicitar una licencia que depende de las restricciones técnicas de
No hay una ley definida.
Gran Bretaña la red a la cual se solicite la conexión.
Italia No hay restricciones legales ni técnicas definidas.
autoconsumir.
Se definen 2 tipos de producción: unidades de producción para
autoconsumo (Upac) y unidades de pequeña producción (upp):
Portugal autoconsumir bajo la Ley
Upac ≤1MW
153/2014.
upp ≤250kW
Se permite autogenerar y Se presentan restricciones técnicas de la red a la cual se solicite la
Países bajos
autoconsumir. conexión, pero existe un límite de consumo de 5000 kWh/año.
De acuerdo con la revisión anterior se observa que Colombia tiene un marco norma-
tivo claro y preciso, que no solo describe detalladamente los procedimientos y establece
entidades responsables con roles bien definidos, sino que también relaciona claramente
capacidades instaladas y restricciones operativas. Con respecto a los países latinoamer-
icanos comparados, se observa un estado avanzado en la regulación colombiana. Con
respecto a potencias como Estados Unidos y algunos países europeos, se está a la par
considerando el hecho de tener regulación diferenciada en autogenerador y genera-
dor distribuido. E incluso, respecto a algunos de los países europeos mencionados, se
evidencia en la normatividad colombiana una ventaja respecto al detalle con el que se
desarrolla la normatividad nacional.
Restricciones eléctricas y operativas

Como se mencionó en la sección anterior, la Resolución 174 de 2021 de la Creg relaciona
la autogeneración a pequeña escala y generación distribuida, las define y particulariza

su operación. En esta resolución se establece que la autogeneración debe mantener el
almacenamiento de energía en los niveles deseados, minimizar la importación de ener-
gía y maximizando las ganancias por exportar energía eléctrica a la red. Esto implica
un problema de optimización que depende de excedentes de energía, de la dinámica
197
de la batería, de factores económicos como el precio de bolsa, y de los costos asociados
a la prestación del servicio, la transmisión y la distribución de la energía, entre otros.
Además, está sujeta a restricciones de comercialización y de oferta y demanda.
La Resolución 174 de 2021 de la Creg también indica que el comercializador que re-
cibe energía de un agpe es el responsable de la liquidación y facturación, incorporando
información detallada de consumos, exportaciones y cobros. Para la facturación de la
energía proveniente de un agpe, el comercializador debe incluir las siguientes reglas:
• Los excedentes acumulados de energía (Exc1i,j,m,h) de un agpe que sean menores o ig�-
uales a su importación de energía (Impi,j,m) desde la red se intercambiarán en la misma
cantidad por su importación de energía eléctrica de la red en el periodo de facturación.
• Por el excedente acumulado de energía intercambiada, la comercializadora cobrará al
agpe por cada kWh, el costo de comercialización correspondiente al componente (Cv), o
el que lo modifique o sustituya. Si usted es un usuario no regulado, el costo de marketing
corresponde al costo acordado.
• Las cantidades de energía excedente (Exc2i,j,m,h) de un agpe que superen su importación
de energía (Impi,j,m,h) desde la red en el periodo de facturación, se liquidarán al precio
de bolsa (Pbolsah,m) de la energía correspondiente.
Con los parámetros i, j, m, h y Cv como se definen en la tabla 9.2. Estas reglas son
restricciones que se deben implementar en el algoritmo de optimización para representar
el ahorro económico en la microrred, así:
• La valoración del excedente (ve) para un agpe con capacidad instalada o nominal menor
o igual a 100 kW (0,1 MW), y al que aplica crédito de energía, está dada por la ecuación 9.1:
(9.1)
• Para el agpe que utiliza fuentes no convencionales de energía renovable (fncer) con
capacidad instalada o nominal mayor a 100 kW (0.1 MW) y menor o igual a 1000 kW
(1 MW), y al que aplica crédito de energía, la ve es la que se muestra en la ecuación 9.2:
(9.2)
198
Con parámetros CU, H, Pbolsa, Tm, Dn, PRm y Rm, y como se indican en la tabla 9.2.
Tabla 9.2. Parámetros y variables de las restricciones para la ve de los agpe

según la capacidad instalada
Parámetro o
Descripción
variable
i i-ésimo comercializador
j j-ésimo mercado de comercialización
n n-ésimo nivel de tensión
h Hora
m Mes para el cual se calcula la valoración del excedente
H Número total de horas del mes inmediatamente anterior
Cv Costo de comercialización en cop/kWh
CU Componente variable del costo unitario de prestación del servicio
Pbolsa Precio de bolsa cop/kWh
Tm Costo por uso del sistema de transmisión nacional en cop/kWh, en el mes m
Dm Costo por uso del sistema de distribución en cop/kWh, en el mes m
PRm Costo de compra, transporte y reducción de pérdidas de energía e cop/kWh, en el mes m
Rm Costo de restricciones y servicios asociados con generación en cop/kWh, en el mes m
Socbat Estado de carga de la batería
Socbat max
Estado de carga máximo de carga de la batería
Soc bat min
Estado de carga mínimo de carga de la batería
Pbat Potencia de la batería
η c
bat
Eficiencia de carga de la batería
η d
bat
Eficiencia de descarga de la batería
Cbat Capacidad de la batería
δbat Estado binario de la batería
Ppv Potencia de salida del sistema fotovoltaico
Pload Potencia de la demanda
Pres Potencia residual
Pgrid Potencia de la microrred
tk Periodo de tiempo
Fuente: elaboración propia. control terciario de microrredes
Para el desarrollo de la función objetivo del problema de optimización, es fundamental

comprender las condiciones generales de suministro de electricidad según la Resolu-
ción Creg 174 de 2021. La función objetivo J está dada por los beneficios económicos
de comprar y vender energía evitando el uso intensivo del sistema de almacenamiento
de energía. Como resultado, el problema de optimización se puede reescribir como:
• Si la capacidad instalada o nominal menor o igual a 100kW (0.1MW), se aplica la ecua-

ción 9.3:
199
(9.3)
• Si capacidad instalada o nominal mayor a 100 kW (0.1 MW) y menor o igual a 1000 kW
(1 MW), se aplica la ecuación 9.4:
(9.4)
Donde SOCbatmax y SOCbat se presentan como se definen en la tabla 2. Exc1*, Exc2* y SOCbat*
son los excedentes acumulados de energía y la dinámica de la batería que optimizan J,
respectivamente. La optimización se realiza sobre un periodo de tiempo tk. Las ecua-
ciones 9.3 y 9.4 incluyen la función costo del uso de la batería (en azul), debido a que se
debe evitar la degradación rápida de su vida útil, por el uso no controlado de los ciclos
de carga y descarga [29]. Nótese que si la capacidad instalada es inferior a 0.1 MW solo
se incluye el costo de comercialización, pero si la capacidad instalada supera los 0.1 MW,
el problema de optimización debe ahora incluir los costos de transmisión, distribución,
compra y transporte, y los costos de los servicios asociados a la generación (en rojo).
Los problemas de optimización de las ecuaciones 9.3 y 9.4 están sujetos a restricciones
sobre la dinámica de la batería y su potencia de carga y descarga (ver ecuaciones 9.5 y 9.8).
Como la batería solo puede presentar un estado: carga (subíndice c) o descarga (subíndice
d), entonces se define una condición binaria δbat que indica si la batería se está cargando o
descargado: (δcbat = 1, δdbat = 0) si la batería se está cargando, (δcbat = 0, δdbat = 1) si la batería
se está descargando (ver ecuación 9.9). A continuación, se describen estas restricciones:
(9.5)
(9.6)
200
(9.7)
(9.8)
(9.9)
Pbat, ηbat y Cbat están definidos en la tabla 2. La optimización de la importación y la

exportación de energía, ecuaciones 9.5 y 9.6, también están sujetas a restricciones de
conexión de la red, a saber:
(9.10)
(9.11)
(9.12)
(9.13)
(9.14)
(9.15)
(9.16)
Donde Pload, Ppv, Pres y Pgrid corresponden a lo indicado en la tabla 9.2. Exctotal es el
excedente de energía total de la microrred, Pres la potencia residual y Pgrid es la poten-
cia de la microrred. En resumen, las ecuaciones 9.5 y 9.9 constituyen las restricciones
del almacenamiento, y las ecuaciones 9.10 y 9.16, las restricciones de la red. Como se
mencionó anteriormente, el objetivo del problema de optimización, las ecuaciones 9.3
y 9.4, es mantener el almacenamiento de energía en los niveles deseados, minimizar
la importación de energía y maximizar las ganancias por exportar energía eléctrica a
la red. En la sección 3, este modelo propuesto será resuelto a través de programación
lineal entera mixta para las microrredes de la universidad eia y Unisucre usando datos
experimentales de estas. Variaciones en la generación de fuentes renovables de energía y
en la demanda requieren la implementación de una estrategia de control en lazo cerrado
201
que mantenga el desempeño a pesar de estas fluctuaciones. En la siguiente sección se
describen las principales características del mpc en aplicaciones en control terciario.
Control predictivo para nivel terciario

Generalidades
El mpc es una estrategia de diseño de controladores basado en el uso explícito del

modelo del proceso que se desea controlar para obtener la señal de control óptima al
minimizar una función de costo en un horizonte de tiempo futuro. Un controlador mpc
posee 3 componentes característicos: un modelo de predicción, una función de costo
y la obtención de la ley de control [30].
El modelo de predicción debe representar o capturar completamente las dinámicas
del proceso y así calcular las predicciones del comportamiento. Los modelos del pro-
ceso más utilizados para dinámicas lineales son el de respuesta al impulso, respuesta
al escalón y la representación en espacio de estados. Si el problema de mpc está for-
mulado para realizar una tarea de seguimiento de trayectoria, la función objetivo debe
formularse de tal manera que la salida en el horizonte de tiempo considerado siga una
señal de referencia establecida (típicamente calculada a priori) y la señal de control
necesaria para lograrlo esté penalizada. Usualmente, se consideran funciones de costo
que penalizan la desviación respecto a la referencia y el esfuerzo de control con índices
de desempeño cuadráticos. El mpc considera, además, restricciones para la función de
costo, las cuales obedecen a limitaciones físicas, normativas o de operación del proceso,
que limitan los valores de variables de estado, acciones de control y salida del proceso.
Finalmente, la obtención de la ley de control obedece a un proceso de optimización en
la cual se minimiza la función de costo planteada respetando las restricciones impues-
tas. Como optimalidad no implica estabilidad, se deben incluir en el problema del mpc
restricciones terminales que garanticen estabilidad. Esto se logra imponiendo como
conjunto terminal del problema de optimización un conjunto invariante típicamente
elipsoidal o politópico [31], [32].
El control predictivo ha sido ampliamente utilizando en microrredes realizando dif-
erentes tareas en el nivel primario, secundario y terciario de la microrred [33]. En nivel
primario, el mpc produce señales de cambios de estados de conmutación para gobernar

los conversores, y en nivel secundario se encarga de compensar las desviaciones de voltaje
y frecuencia debidas al control primario de la microrred [1]. El control predictivo mpc en
nivel terciario tiene diversas funciones: establece órdenes de despacho para generación
distribuida y cargas controlables [2], se encarga de la reducción de carga que resultan
en beneficios para el prosumidor, por lo que debe garantizar el suministro estable de
energía a los prosumidores, incluso durante las variaciones en la demanda debido a la
reducción de la carga. De forma general, la estrategia del mpc en nivel terciario tiene
como objetivos [19], [34], [4]:
• Mantener el suministro de electricidad, asegurando la estabilidad operativa de la micro-
rred residencial durante la reducción de carga.
• Maximizar los beneficios económicos del prosumidor haciendo un mayor uso del con-
junto de paneles fotovoltaicos y baterías.
202
• Realizar la reducción de la demanda mediante reducción de carga predefinida, sin com-
prometer las actividades del prosumidor, que en el presente estudio son las microrredes
universitarias de Unisucre y de la universidad eia.
• Prevenir grandes fluctuaciones en relación con su estado de carga, evitando descargas
profundas y sobrecargas.
• Asegurar un menor intercambio de energía con la red eléctrica del concesionario,
dotando de mayor autonomía operativa a la microrred.
Las aplicaciones del control predictivo en el control terciario se pueden clasificar según
la configuración en la que opera la microrred, bien sea de forma interconectada a otras
microrredes o a la red principal, o si la microrred opera de forma autónoma (aislada).
La operación de redes interconectadas ha ganado gran notoriedad en los últimos años
debido a la incursión en energías renovables y la necesidad de distribuir eficientemente
los recursos [2], [1]. Si la microrred opera de forma interconectada el control terciario
debe afrontar retos como optimizar la distribución de los recursos a pesar de la com-
plejidad que implica coordinar a todas las microrredes. Diferentes trabajos han tratado
el control terciario de redes interconectadas en los que se usa mpc para la gestión de las
microrredes proponiendo arquitecturas centralizadas [35]-[39] o distribuidas [40]-[46].
De los trabajos anteriores destacan [39] y [45] que fueron implementados experimen-
talmente, y [42] y [41] que expanden la simulación convencional a entornos virtuales,
lo que incluye componentes en tiempo real. Una comparación entre control terciario
con mpc distribuido y centralizado para microrredes interconectadas se realiza en [47].
El control terciario de microrredes aisladas es seguramente la configuración de con-
trol terciario que más trabajos con control predictivo reporta. La práctica más popular
es complementar el mpc con diversas estrategias de optimización entre las que destaca
como la más usada la optimización lineal entera mixta [1]. Son ejemplos de imple-
mentación del mpc en el control terciario de microrredes aisladas los trabajos de [48]-
[67]. Entre ellos destacan [50], [52], [53], [58] y [61] por haber logrado implementación
experimental, que es una tasa baja de trabajos implementados experimentalmente para
la cantidad de trabajos reportados.
Control predictivo para regulación en nivel terciario

El uso de un esquema convencional de mpc para el control terciario requiere la obtención
de un modelo lineal de la microrred alrededor de un punto de trabajo (x*, y*), donde
x* y y* son el estado y la salida de operación para la microrred, respectivamente. Para
describir la dinámica del nivel terciario esta se modela como un sistema lineal invariante
en el tiempo (lti, por sus siglas en inglés) descrito por la siguiente representación del
espacio de estados en tiempo discreto:
(9.17)
(9.18)
203
Donde x(k) ∈ Rα son los estados del sistema, u(k) ∈ Rγ son las variables manipuladas,
y(k) ∈ Rp son las variables controladas y d(k) ∈ Rγ son las perturbaciones al sistema.
α es el orden del sistema, γ es el número de entradas y p el número de salidas. Las ma�-
trices Α ∈ Rα×α, B ∈ Rα×γ y Bd ∈ Rα×γ son las matrices del sistema, la matriz de entrada y
la matriz que transfiere las perturbaciones a los estados, respectivamente. El modelo
dinámico se obtiene a partir de las ecuaciones de equilibrio que modelan la evolución
del estado de carga Socbat de las baterías durante el proceso de carga/descarga, tal y
como se describe en [68]. Típicamente, los parámetros del modelo se pueden identifi-
car mediante experimentación en la microrred [69] y el sistema obtenido se discretiza
para formular apropiadamente el problema del mpc [70]. A continuación, se considera
solo un sistema de almacenamiento, por lo tanto, la dinámica del nivel terciario de la
microrred en ecuación 9.17 es como se muestra en 9.199:
(9.19)
El vector de variables manipuladas está representado por u(k) = [Pgrid(k) Pbat(k) Pload (k)]T.
La arquitectura de control se desarrolla a través de estas 3 variables manipuladas ges-
tionando al sistema: el intercambio de energía con la red pública (Pgrid), la potencia
de la batería (Pbat) y Pload, que denota la energía eléctrica que satisface la demanda.
El control predictivo en el nivel terciario se puede implementar como un control
predictivo económico que minimiza directamente el costo asociado [71], [72] o puede
ser un control predictivo para el seguimiento de una trayectoria óptima. En esta sección
se considera un control predictivo de seguimiento de trayectoria para el control del
nivel terciario de una microrred fotovoltaica. El control predictivo debe garantizar el
seguimiento de la solución óptima (SOCbat*) que minimiza la ecuación 9.3 (o la ecuación
9.4, según sea el caso), a pesar de las perturbaciones causadas por la dependencia que la
generación fotovoltaica (Ppv ) tiene de condiciones climáticas variables. En la ecuación
9.20 se presenta la estrategia de control predictivo que tiene como objetivo calcular las
señales de referencia optimas u*(k) = [Pgrid*(k) Pbat*(k) Pload *(k)]T para tratar la dif-
erencia entre la demanda eléctrica y la energía generada por la microrred fotovoltaica:
(9.20)
s.t. dinámica de la microrred: (9.19), ∀i = 0, … , Np - 1,

restricciones de almacenamiento: (9.5) – (9.9), ∀i = 0, … , Np - 1,
restricciones de red: (9.11) – (9.16), ∀i = 0, … , Np - 1,
restricciones terminales: , (Socbat (k+Np) - Socbat* (k+Np) ) ∈ Xf , ∀i = 0, … , Np - 1,
204
El error cuadrático de seguimiento de la solución óptima constituye una función
convexa. El control predictivo resolverá para cada instante de muestreo k el problema
de optimización (ecuación 9.20) para un horizonte de predicción Np ∈ Z+, propagando
en este horizonte la dinámica del sistema y sus restricciones. Al sistema solo le serán
aplicadas las primeras Nc ∈ Z+, Nc ≤ Np, acciones de control calculadas. Nc es conocido
como el horizonte de control y en k = Nc se actualiza la medida y la optimización se
realiza nuevamente. El conjunto terminal Xf ∈ Rα debe designarse como un conjunto
invariante controlado para el estado (Socbat - Socbat*) alrededor del origen y que solu-
cione el problema de regulación cuadrática lineal (lqr) para el sistema (ecuación 9.19).
Este conjunto invariante puede ser politópico o elipsoidal, y garantiza la estabilidad
para el problema (ecuación 9.20) cuando se obliga al sistema predicho a entrar en este
conjunto después de Np pasos [32]. En la figura 9.1, se muestra el esquema del control
predictivo indicado en (ecuación 9.20).
Figura 9.1. Control predictivo de seguimiento para el nivel terciario de una

microrred fotovoltaica
La inclusión de Ppv en la figura 9.1 introduce las perturbaciones en el esquema

de control. En consecuencia, durante la operación el mpc debe mantener las salidas
deseadas en torno a un cierto nivel de energía almacenada SOCbat, asegurando así la
disponibilidad de carga o descarga según los funcionales de costo (ecuaciones 9.3 y
9.4) para minimizar la importación de energía y maximizar las ganancias por exportar
energía eléctrica a la red. Para implementar el procedimiento de reducción de carga, se
agrega la variable Pload a la formulación del mpc. Esta variable manipulada está asociada
con la respuesta a la demanda y será calculada de manera óptima por el controlador
asegurando la reducción de la carga cuando sea necesario [4]. El equilibrio se cumple
en el bus de potencia cc y se puede expresar como en la ecuación 9.16.
Casos de estudio: control terciario de las microrredes de la

eia y Unisucre
En esta sección se desarrollan los funcionales de optimización para minimizar la im-
portación de energía y maximizando las ganancias por exportar energía eléctrica a la red
para la microrred de la universidad eia, ubicada en Envigado, Antioquia, y la microrred
de la Universidad del Sucre (Unisucre), ubicada en Sincelejo, ambas con generación
menor a 0.1 MW, y demás características eléctricas como se indican en el capítulo 3.
205
Los problemas de optimalidad (ecuaciones 9.3 y 9.4) son formulados y resueltos medi�-
ante programación lineal entera mixta usando Gams®. En la optimización se incluyen las
variables y restricciones como la energía fotovoltaica, el exceso de energía, la importación
de energía y la demanda de carga horaria. Además, se necesitan definir algunas especifica-
ciones del sistema, como la capacidad del generador fotovoltaico, la capacidad de la batería
de almacenamiento, la profundidad de descarga permitida de la batería, la eficiencia en la
carga y descarga. En ambos casos de estudio se incluyen previsiones de carga de estas mi-
crorredes imponiendo restricciones de carga y descarga mínima y máxima de las baterías.
Control terciario de la microrred de la eia
La microrred de la universidad eia toma la energía de un circuito de distribución al

nivel de tensión de 13.2 kV, y cuenta con 2 subestaciones que albergan en su interior
2 transformadores de potencia. La generación de energía se da a partir de un sistema
fotovoltaico con una capacidad de 83.16 kWp, un sistema de almacenamiento bess con
una capacidad energética de 18.5 kWh y con una potencia de salida nominal de 6.8 kW.
El sistema de generación fotovoltaico está conformado por 6 arreglos a partir de la unión
de un grupo de módulos solares y 1 inversor. En total, la generación solar instalada consta
de 308 módulos solares y 6 inversores (ver figura 9.2). Para un mayor detalle remítase
al capítulo 3 que trata de modelación y estudios eléctricos en microrredes.
Figura 9.2. Sistema fotovoltaico de la microrred de la universidad eia, Envigado

206
En la figura 9.3 se presenta el comportamiento de la potencia de generación promedio
de energía por mes de la microrred de la universidad eia, discriminada por horas para
todos los meses del año desde que estuvo operativa la microrred en marzo de 2021. Se
puede observar que la mayor generación promedio se obtuvo en el mes de julio y la
menor generación se dio en noviembre. El promedio del perfil de demanda promedio
por mes de la universidad eia se detalla en la figura 9.4 (datos para 2021).
El ejercicio de evaluación de la importación y exportación que debe realizar el con-
trol terciario buscando minimizar la compra de energía y maximizando las ganancias
que se realiza a continuación, considera solo la demanda del bloque de deportes de la
universidad eia, que constituye un porcentaje de la demanda total con un promedio
de demanda mensual de 2.24 kWh.
Figura 9.3. Generación fotovoltaica para la microrred de la eia, datos del año
2021
Figura 9.4. Demanda para la universidad eia, datos del año 2021
207
Como se ha planteado en este capítulo, el objetivo del control terciario es importar
o exportar energía a la red de distribución en función de la carga consumida y los
excedentes de energía generados durante el día. Para la microrred de la universidad
eia se realizaron simulaciones proponiendo 3 escenarios de generación, clasificados
como mejor, medio y peor caso. Los meses considerados para cada caso de generación
son julio, junio y noviembre, respectivamente. Se determinó el promedio del mes en
24 horas. Los parámetros para la optimización de la ecuación 9.3 se encuentran en la
tabla 9.3. Estos valores son tomados del proveedor de energía, Empresas públicas de
Medellín (epm).
Tabla 9.3. Parámetros para la optimización de la exportación y la importación

de la microrred eia
Parámetro Descripción Valor

H Número total de horas del mes inmediatamente anterior 24
Cv Costo de comercialización 0.005324 cop/Wh

Componente variable del costo unitario de prestación del
CU 0.062876 cop/Wh
servicio
Pbolsa Precio de bolsa 0.1511 cop/Wh
Socbat(0) Estado de carga inicial de la batería 40 % SOCbatmax
Socbatmax Estado de carga máximo de carga de la batería 18.5 kWh
Socbatmin Estado de carga mínimo de carga de la batería 20 % Socbatmax
Pbat Potencia de la batería 6.8 kW
ηcbat Eficiencia de carga de la batería 95 %
ηdbat Eficiencia de descarga de la batería 90 %
Cbat Capacidad de la batería 18.5 kWh

Ppv Potencia de salida del sistema fotovoltaico 83.16 kWp

En la figura 9.5 se presenta la exportación de energía de la microrred hacia el siste-

ma de distribución que resuelve el problema de optimización (3). Se observa que la
microrred realiza la exportación desde las 7 a. m. hasta las 6 p. m., horas en las que se
presenta una irradiancia solar significativa.
En la figura 9.6 se presenta la importación de energía desde el sistema de distribu-
ción. Se observa que la importación se hace entre la 1 a. m. y las 6 a. m., horas en las
que no hay irradiancia solar o no es significativa y no permite que la microrred genere
suficiente energía para la demanda del bloque de deportes de la universidad eia.
En la figura 9.7 se presenta el estado de la carga del sistema de baterías, cuyo valor
inicial está restringido a un mínimo del 40 % de su capacidad, que en este caso es 7.4 kWh.
208
Figura 9.5. Exportación de energía optimizada de la microrred de la universidad
eia. Julio constituye el mejor caso de generación; junio, un caso promedio; y
noviembre, el peor caso de generación
Figura 9.6. Importación de energía optimizada de la microrred de la universidad

eia
Figura 9.7. Estado optimizado de la carga de las baterías de la microrred de la

universidad eia
209
Se observa que, en las horas de exportación, entre las 7 a. m. y las 6 p. m., el sistema
bess almacena energía por encima de los 8.1 kWh aproximadamente. También se observa
que entre las 7 p. m. y 12 a. m., el sistema bess va disminuyendo su carga alimentando
el bloque de deportes de la universidad eia, y es por esto por lo que no se requiere
importación, como se confirma con los resultados de la figura 9.6. La importación se
produce cuando el sistema bess llega al límite inferior impuesto para la cantidad de
energía almacenada. A las 12 a. m. no hay importación porque se tiene una demanda
marginal por parte del bloque.
Control terciario de la microrred de Unisucre
El sistema eléctrico de la Universidad de Sucre es alimentado por un circuito de 13.2 kV

que recorre el campus y energiza 11 transformadores en diferentes lugares alimentando
cargas de los diferentes bloques; no hay recursos energéticos distribuidos. Sin embargo,
se implementó una instalación de un generador solar de 20 kWh y un bess de 6.3 kWh
como parte del proyecto Energética 2030 (ver figura 9.8).
Figura 9.8. Sistema fotovoltaico de la microrred de la Universidad de Sucre

(Unisucre), Sincelejo
Esta microrred tiene el objetivo de importar o exportar energía a la red de distribución

en función de la carga consumida y los excedentes de energía generados durante el día.
210
La generación fotovoltaica de cada mes se calculó a través de la unidad meteorológica
instalada en el proyecto Energética 2030, como se muestra en la figura 9.9.
Figura 9.9. Generación fotovoltaica de la microrred de Unisucre

Para el análisis de importación y exportación se tuvo en cuenta el promedio del

perfil de carga eléctrica de la sala uno de docentes de ingenierías, administración y
licenciatura. Esta se detalla en la figura 9.10.
Figura 9.10. Demanda de la sala de profesores, Unisucre

211
Se realizaron simulaciones para los meses de enero (el mejor caso de generación
junto con febrero), agosto (peor caso de generación) y diciembre (caso de generación
promedio). Se determinó el promedio del mes en 24 horas. En la tabla 9.4 se describen los
parámetros usados en la optimización económica que realiza en control terciario, y que
fueron usados para resolver el problema de optimalidad formulado en la ecuación 9.3.
Tabla 9.4. Parámetros para la optimización de la exportación y la importación

de la microrred Unisucre. Valores tomados del operador Afinia, enero de 2022
Parámetro Descripción Valor
H Número total de horas del mes inmediatamente anterior 24
Cv Costo de comercialización 0.1194 cop/Wh
CU Componente variable del costo unitario de prestación del servicio 0.86206 cop/Wh
Pbolsa Precio de bolsa 0.1511 cop/Wh
Socbat(0) Estado de carga inicial de la batería 40 % SOCbatmax
Socbatmax Estado de carga máximo de carga de la batería 12.6 kWh
Socbatmin Estado de carga mínimo de carga de la batería 20 % SOCbatmax
Pbat Potencia de la batería 6.3 kW
ηcbat Eficiencia de carga de la batería 95 %
ηdbat Eficiencia de descarga de la batería 90 %
Cbat Capacidad de la batería 12.6 kWh
Ppv Potencia de salida del sistema fotovoltaico 20 kWp

En la figura 9.11 se observa que la microrred de Unisucre realiza la exportación de 8

a. m. a 5 p. m., periodo de mayor irradiancia solar. También existe una pequeña franja de
exportación en la noche entre 8 p. m. a 11 p. m. que se debe principalmente a la dinámica
de la batería que al final de la noche está programada para llegar al 40 % de su carga
inicial. En el caso de la importación se observa en la figura 9.12 que se lleva a cabo en
las franjas horarias en que no tenemos incidencia solar. Esta importación es menor a la
exportación de energía a la red. La dinámica de la batería muestra su funcionamiento
correctamente, se carga de 7 horas a 10 horas de mayor irradiancia solar cuando los
paneles fotovoltaicos generan mayor potencia. También comienza a descargarse cuando
la demanda de la carga es mayor que la energía suministrada por los paneles en ese
momento y debe tomar energía eléctrica de la red de distribución (ver figura 9.13).
212
Figura 9.11. Exportación de energía optimizada de la microrred de Unisucre. En
enero se tiene la mayor generación; en agosto, el peor caso; y en diciembre, una
generación media
Figura 9.12. Importación de energía optimizada de la microrred de Unisucre

Figura 9.13. Estado de la carga de las baterías optimizado de la microrred de

Unisucre
213
En conclusión, en el modelo de programación entera-mixta propuesto en Gams,
se observa la dinámica de las microrredes y que se cumple el objetivo de disminuir la
importación de energía eléctrica.
Conclusiones
En el presente capítulo se realizó una introducción al control terciario de microrredes y
se desarrollaron 4 conceptos para la operación del control terciario que consideramos
fundamentales: la normatividad y regulación, los modelos de pronósticos, las restric-
ciones operativas y las estrategias de control óptimo que materializan al control terciario
y permiten su operación a pesar de las perturbaciones en la generación de energías
renovables, en particular se trató el control predictivo. Las principales características del
control terciario y sus objetivos de operación fueron presentados desde la perspectiva
del control óptimo. De esta forma, la operación del control terciario fue descrita por
funcionales de costo y restricciones, típicamente asociadas a la red y al almacenamien-
to energético, que deben ser incluidas en la solución. Se describieron los modelos de
pronósticos enfatizando en las series temporales, y se evidenció su importancia para
el control terciario y la toma de decisiones. La serie temporal arima fue escogida para
predecir la generación fotovoltaica de las microrredes tratadas en este capítulo. Se de-
scribió la normatividad y regulación que rige la importación y exportación de energía
—y, por lo tanto, el control terciario— de al menos 10 países. Se evidenció que el nivel
de detalle y desarrollo de la normatividad colombiana es alto en comparación con los
países analizados. En este caso, uno de los principales aportes de la regulación colombi-
ana es presentar diferenciadas las categorías de autogenerador y generador distribuido.
Se describieron las aplicaciones que tiene el control predictivo cuando es usado en el
control terciario como estrategia para la maximización del beneficio económico, dis-
tinguiendo entre arquitecturas de redes aisladas y redes interconectadas. Se propuso
una arquitectura de control predictivo que garantiza la ejecución del estado de carga
óptimo que minimiza la importación de energía y maximiza las ganancias, y que tiene
en cuenta indicadores económicos y perspectivas de almacenamiento de carga en la
batería. La configuración presentada corresponde a control predictivo para seguimiento
de la trayectoria. Finalmente se realizó la optimización energética de la importación y
la exportación energética de 2 microrredes con generación menor a 0.1 MW, usando

datos experimentales de generación y demanda. La programación lineal-entera-mixta
permitió resolver el problema de optimización garantizando el cumplimiento de las
restricciones.
Cuestiones importantes por resolver están relacionadas con la generación distribuida.
Solo la generación fotovoltaica fue considerada en el presente capítulo. Si otras fuentes
de energía renovable son consideradas, el modelo de la microrred debe evidenciar estas
dinámicas. Entre los principales retos que enfrenta el control predictivo se encuentra
el costo computacional que implica el cálculo de la solución en tiempo real. Pueden
considerarse controladores predictivos explícitos que reducen significativamente el costo
de computación y los requerimientos mínimos para su implementación sin sacrificar el
desempeño del controlador. También pueden considerarse restricciones variables en el
tiempo. Una aproximación interesante por considerar es el control predictivo basado en
214
datos (data-driven predictive control), que permitiría prescindir del modelo sin perder
la eficacia de la inclusión de las restricciones en las predicciones del controlador.
Referencias
[1] O. Babayomi, Z. Zhang, T. Dragicevic et al., “Advances and opportunities in the
model predictive control of microgrids: Part II–Secondary and tertiary layers”,
International Journal of Electrical Power & Energy Systems, vol. 134, p. 107339,
2022, doi: https://doi.org/10.1016/j.ijepes.2021.107339.
[2] J. Hu, Y. Shan, J. M. Guerrero et al., “Model predictive control of microgrids –
An overview”, Renewable and Sustainable Energy Reviews, vol. 136, p. 110422,
2021, doi: https://doi.org/10.1016/j.rser.2020.110422.
[3] D. Zheng W. Zhang, S. Netsanet Alemu et al., “Chapter 9 - Tertiary control of
microgrid”, en Microgrid Protection and Control, D. Zheng, W. Zhang, S. Netsa-
net Alemu, P. Wang, G. T. Bitew, D. Wei, y J. Yue, Eds. Academic Press, 2021, pp.
255–295. doi: https://doi.org/10.1016/B978-0-12-821189-2.00001-2.
[4] C. Bordons, F. Garcia-Torres y M. A. Ridao, Model Predictive Control of Microgrids.
Cham: Springer International Publishing, 2020. doi: 10.1007/978-3-030-24570-2.
[5] S. R. Mudaliyar, S. Mishra y R. K. Sharma, “Tertiary load voltage control
in an interconnected dc microgrid with energy hub”, en 2017 7th Interna-
tional Conference on Power Systems (icps), 2017, pp. 765–770. doi: 10.1109/
ICPES.2017.8387392.
[6] L. Citores, C. Corchero y F.-J. Heredia, “A stochastic programming model for
the tertiary control of microgrids”, en 2015 12th International Conference on the
European Energy Market (eem), 2015, pp. 1–6. doi: 10.1109/EEM.2015.7216761.
[7] S. Vazquez, J. Rodríguez, M. Rivera et al., “Model Predictive Control for Power
Converters and Drives: Advances and Trends”, ieee Transactions on Industrial
Electronics, vol. 64, n.° 2, 2017, doi: 10.1109/TIE.2016.2625238.
[8] J. Hu, J. Zhu, Y. Zhang et al., “Predictive direct control of doubly fed induction
generator for grid synchronization in wind power generation”, en ieee Energy
Conversion Congress and Exposition: Energy Conversion Innovation for a Clean
Energy Future, ecce 2011, Proceedings, 2011. doi: 10.1109/ECCE.2011.6064085.
[9] W. M. Briggs, “Forecasting: Methods and Applications”, J Am Stat Assoc, vol. 94,
n.° 445, pp. 345–346, 1999, [En línea]. Disponible en: http://www.jstor.org/sta-
ble/2669717
[10] R. J. Barthelmie, F. Murray y S. C. Pryor, “The economic benefit of short-term
forecasting for wind energy in the UK electricity market”, Energy Policy, vol. 36,
n.° 5, pp. 1687–1696, 2008, doi: https://doi.org/10.1016/j.enpol.2008.01.027.

[11] N. Hashmi y S. A. Khan, “Power Energy Management for a Grid-Connected
PV System Using Rule-Base Fuzzy Logic”, en 2015 3rd International Conference
on Artificial Intelligence, Modelling and Simulation (AIMS), 2015, pp. 31–36. doi:
10.1109/AIMS.2015.15.
[12] A. Khosravi, R. N. N. Koury, L. Machado et al., “Prediction of hourly solar radia-
tion in Abu Musa Island using machine learning algorithms”, J Clean Prod, vol.
176, pp. 63–75, 2018, doi: https://doi.org/10.1016/j.jclepro.2017.12.065.
215
[13] A. Sharma y A. Kakkar, “Forecasting daily global solar irradiance generation
using machine learning”, Renewable and Sustainable Energy Reviews, vol. 82, pp.
2254–2269, 2018, doi: https://doi.org/10.1016/j.rser.2017.08.066.
[14] M. Saleh, Y. Esa, A. A. Mohamed et al., “Energy management algorithm for resi-
lient controlled delivery grids”, en 2017 ieee Industry Applications Society Annual
Meeting, 2017, pp. 1–8. doi: 10.1109/IAS.2017.8101777.
[15] H. Kanchev, D. Lu, F. Colas et al., “Energy Management and Operational Plan-
ning of a Microgrid With a PV-Based Active Generator for Smart Grid Applica-
tions”, ieee Transactions on Industrial Electronics, vol. 58, n.° 10, pp. 4583–4592,
2011, doi: 10.1109/TIE.2011.2119451.
[16] L. F. N. Lourenço, M. B. de Camargo Salles, M. M. F. Gemignani et al., “Time
Series modelling for solar irradiance estimation in northeast Brazil”, en 2017 ieee
6th International Conference on Renewable Energy Research and Applications
(ICRERA), 2017, pp. 401–405. doi: 10.1109/ICRERA.2017.8191093.
[17] K. B. Debnath y M. Mourshed, “Forecasting methods in energy planning mo-
dels”, Renewable and Sustainable Energy Reviews, vol. 88, pp. 297–325, 2018, doi:
https://doi.org/10.1016/j.rser.2018.02.002.
[18] J. Ferrero Bermejo, J. F. Gómez Fernández, F. Olivencia Polo et al., “A Review
of the Use of Artificial Neural Network Models for Energy and Reliability Pre-
diction. A Study of the Solar PV, Hydraulic and Wind Energy Sources”, Applied
Sciences, vol. 9, n.° 9, 2019, doi: 10.3390/app9091844.
[19] V. A. Freire, L. V. R. de Arruda, C. Bordons et al., “Optimal Demand Response
Management of a Residential Microgrid Using Model Predictive Control”, ieee
Access, vol. 8, pp. 228264–228276, 2020, doi: 10.1109/ACCESS.2020.3045459.
[20] H. L. López-Salamanca, L. V. R. Arruda, L. Magatão et al., “Optimization of
Grid-Tied Microgrids Under Binomial Differentiated Tariff and Net Metering
Policies: A Brazilian Case Study”, Journal of Control, Automation and Electrical
Systems, vol. 29, n.° 6, pp. 731–741, 2018, doi: 10.1007/s40313-018-0403-x.
[21] Nikolina Šajn, “Electricity Prosumers”, European Parliamentary Research
Service Briefing, vol. 3, n.° 1, pp. 1–10, nov. 2016, Consultado: jun. 15, 2022.
[En línea]. Disponible en: https://www.europarl.europa.eu/RegData/etudes/
BRIE/2016/593518/EPRS_BRI(2016)593518_EN.pdf
[22] Creg, “Resolución 174 de 2021”, Ministerio de minas y energía, 2021.

[23] Dirección Nacional de Regulación Técnica, “Marco normativo para la partici-
pación de la generación distribuida”, Agencia de Regulación y Control de Elec-
tricidad de Ecuador, pp. 1–36, abr. 2020, Consultado: jun. 15, 2022. [En línea].
Disponible en: https://www.regulacionelectrica.gob.ec/wp-content/uploads/
downloads/2020/04/21_Inf-Sust-Reg-Gen-Distrib_V6_Dir.pdf
[24] Estudios Energéticos Consultores psr, “Reglamento de Operación”, Autoridad
Nacional de los Servicios Públicos de Panamá, pp. 95–103, 2020, Consultado:
jun. 15, 2022. [En línea]. Disponible en: https://www.asep.gob.pa/wp-content/
uploads/electricidad/avisos/aviso011-19/reglamento.pdf
[25] Distributed Energy Resources Task Force, “Distributed Energy Resources:
Connection Modeling and Reliability Considerations”, North American Electric
Reliability Corporation (Nerc), pp. 1–50, feb. 2017, Consultado: jun. 20, 2022. [En
216
línea]. Disponible en: https://www.nerc.com/comm/Other/essntlrlbltysrvcstsk-
frcDL/Distributed_Energy_Resources_Report.pdf
[26] Marta Toporek y Inês Campos, “Assessment of existing eu-wide and Member
State-specific regulatory and policy frameworks of res Prosumers”, Proseu: Pro-
sumers for the Energy Union: Mainstreaming active participation of citizens in the
energy transition, vol. 3.1, pp. 1–129, 2019, Consultado: jun. 15, 2022. [En línea].
Disponible en: https://proseu.eu/sites/default/files/Resources/PROSEU_%20
D3.1RegulatoryFrameworksRES_Prosumers.pdf
[27] Ministerio para la Transición Ecológica de España, “Real Decreto 244/2019, de 5
de abril, por el que se regulan las condiciones administrativas, técnicas y econó-
micas del autoconsumo de energía eléctrica”, Boletín Oficial del Estado boe, vol.
83, pp. 35674–35719, abr. 2019, Consultado: jun. 15, 2022. [En línea]. Disponible
en: https://www.boe.es/eli/es/rd/2019/04/05/244/dof/spa/pdf
[28] W. P. Schill, A. Zerrahn, y F. Kunz, “Prosumage of solar electricity: pros, cons,
and the system perspective”, Economics of Energy & Environmental Policy, vol. 6,
n.° 1, pp. 7–31, 2017, doi: 10.5547/2160-5890.6.1.WSCH.
[29] I. El Kafazi, R. Bannari y A. C. L. Hernández, “Optimization strategy considering
Energy Storage Systems to minimize energy production cost of power systems”, In-
ternational Journal of Renewable Energy Research, vol. 8, n.° 4, pp. 2199–2209, 2018.
[30] E. F. Camacho y C. Bordons, Model Predictive Control, Second. London: Springer
London, 1999. doi: 10.1007/978-1-4471-3398-8.
[31] D. Q. Mayne, J. B. Rawlings, C. v Rao et al., “Constrained model predictive con-
trol: Stability and optimality”, Automatica, vol. 36, n.° 6, pp. 789–814, 2000, doi:
https://doi.org/10.1016/S0005-1098(99)00214-9.
[32] T. Manrique, M. Fiacchini, T. Chambrion et al., “mpc-based tracking for real-ti-
me systems subject to time-varying polytopic constraints”, Optim Control Appl
Methods, vol. 37, n.° 4, 2016, doi: 10.1002/oca.2188.
[33] F. Garcia-Torres, A. Zafra-Cabeza, C. Silva et al., “Model Predictive Control for
Microgrid Functionalities: Review and Future Challenges”, Energies (Basel), vol.
14, n.° 5, 2021, doi: 10.3390/en14051296.
[34] C. Bordons, F. Garcia-Torres, y M. A. Ridao, “Control predictivo en microrredes
interconectadas y con vehículos eléctricos”, Revista Iberoamericana de Automáti-
ca e Informática industrial, vol. 17, n.° 3, 2020, doi: 10.4995/riai.2020.13304.
[35] K. Hajar, A. Hably, S. Bacha et al. , “An application of a centralized model predic-
tive control on microgrids”, en 2016 ieee Electrical Power and Energy Conference
(Epec), 2016, pp. 1–6. doi: 10.1109/EPEC.2016.7771775.
[36] T. Morstyn, B. Hredzak y V. G. Agelidis, “Network Topology Independent Mul-
ti-Agent Dynamic Optimal Power Flow for Microgrids With Distributed Energy
Storage Systems”, ieee Trans Smart Grid, vol. 9, n.° 4, pp. 3419–3429, 2018, doi:
10.1109/TSG.2016.2631600.
[37] N. Bazmohammadi, A. Tahsiri, A. Anvari-Moghaddam et al., “Stochastic Predic-
tive Control of Multi-Microgrid Systems”, ieee Trans Ind Appl, vol. 55, n.° 5, pp.
5311–5319, 2019, doi: 10.1109/TIA.2019.2918051.
[38] F. García-Torres, C. Bordons, J. Tobajas et al., “Optimal Schedule for Networ-
ked Microgrids Under Deregulated Power Market Environment Using Model
217
Predictive Control”, ieee Trans Smart Grid, vol. 12, n.° 1, pp. 182–191, 2021, doi:
10.1109/TSG.2020.3018023.
[39] L. K. Gan, P. Zhang, J. Lee et al., “Data-Driven Energy Management Sys-
tem With Gaussian Process Forecasting and mpc for Interconnected Micro-
grids”, ieee Trans Sustain Energy, vol. 12, n.° 1, pp. 695–704, 2021, doi: 10.1109/
TSTE.2020.3017224.
[40] A. J. del Real, A. Arce y C. Bordons, “An Integrated Framework for Distributed
Model Predictive Control of Large-Scale Power Networks”, ieee Trans Industr
Inform, vol. 10, n.° 1, pp. 197–209, 2014, doi: 10.1109/TII.2013.2273877.
[41] A. Ouammi, H. Dagdougui, L. Dessaint et al., “Coordinated Model Predic-
tive-Based Power Flows Control in a Cooperative Network of Smart Micro-
grids”, ieee Trans Smart Grid, vol. 6, n.° 5, pp. 2233–2244, 2015, doi: 10.1109/
TSG.2015.2396294.
[42] A. Parisio, C. Wiezorek, T. Kyntäjä et al., “Cooperative mpc-Based Energy Ma-
nagement for Networked Microgrids”, ieee Trans Smart Grid, vol. 8, n.° 6, pp.
3066–3074, 2017, doi: 10.1109/TSG.2017.2726941.
[43] F. Garcia-Torres, C. Bordons y M. A. Ridao, “Optimal Economic Schedule for a
Network of Microgrids With Hybrid Energy Storage System Using Distributed
Model Predictive Control”, ieee Transactions on Industrial Electronics, vol. 66, n.°
3, pp. 1919–1929, 2019, doi: 10.1109/TIE.2018.2826476.
[44] C. A. Hans, P. Braun, J. Raisch et al., “Hierarchical Distributed Model Predictive
Control of Interconnected Microgrids”, ieee Trans Sustain Energy, vol. 10, n.° 1,
pp. 407–416, 2019, doi: 10.1109/TSTE.2018.2802922.
[45] X. Xing, L. Xie y H. Meng, “Cooperative energy management optimization
based on distributed mpc in grid-connected microgrids community”, Internatio-
nal Journal of Electrical Power & Energy Systems, vol. 107, pp. 186–199, 2019, doi:
https://doi.org/10.1016/j.ijepes.2018.11.027.
[46] W. Ananduta, J. M. Maestre, C. Ocampo-Martinez et al., “Resilient distributed
model predictive control for energy management of interconnected microgrids”,
Optim Control Appl Methods, vol. 41, n.° 1, 2020, doi: 10.1002/oca.2534.
[47] D. I. Hidalgo-Rodríguez y J. Myrzik, “Optimal Operation of Interconnected
Home-Microgrids with Flexible Thermal Loads: A Comparison of Decentrali-
zed, Centralized, and Hierarchical-Distributed Model Predictive Control”, en

2018 Power Systems Computation Conference (pscc), 2018, pp. 1–7. doi: 10.23919/
PSCC.2018.8442807.
[48] M. Falahi, S. Lotfifard, M. Ehsani et al., “Dynamic Model Predictive-Ba-
sed Energy Management of dg Integrated Distribution Systems”, ieee Tran-
sactions on Power Delivery, vol. 28, n.° 4, pp. 2217–2227, 2013, doi: 10.1109/
TPWRD.2013.2274664.
[49] R. Palma-Behnke, C. Benavides, F. Lanas et al., “A Microgrid Energy Manage-
ment System Based on the Rolling Horizon Strategy”, ieee Trans Smart Grid, vol.
4, n.° 2, pp. 996–1006, 2013, doi: 10.1109/TSG.2012.2231440.
[50] G. Mantovani, G. T. Costanzo, M. Marinelli et al., “Experimental Validation of
Energy Resources Integration in Microgrids via Distributed Predictive Control”,
218
ieee Transactions on Energy Conversion, vol. 29, n.° 4, pp. 1018–1025, 2014, doi:
10.1109/TEC.2014.2362887.
[51] D. E. Olivares, C. A. Cañizares y M. Kazerani, “A Centralized Energy Manage-
ment System for Isolated Microgrids”, ieee Trans Smart Grid, vol. 5, n.° 4, pp.
1864–1875, 2014, doi: 10.1109/TSG.2013.2294187.
[52] A. Parisio, E. Rikos y L. Glielmo, “A Model Predictive Control Approach to Mi-
crogrid Operation Optimization”, ieee Transactions on Control Systems Technolo-
gy, vol. 22, n.° 5, pp. 1813–1827, 2014, doi: 10.1109/TCST.2013.2295737.
[53] F. García-Torres y C. Bordons, “Optimal Economical Schedule of Hydrogen-Ba-
sed Microgrids With Hybrid Storage Using Model Predictive Control”, ieee Tran-
sactions on Industrial Electronics, vol. 62, n.° 8, pp. 5195–5207, 2015, doi: 10.1109/
TIE.2015.2412524.
[54] D. E. Olivares, J. D. Lara, C. A. Cañizares et al., “Stochastic-Predictive Energy
Management System for Isolated Microgrids”, ieee Trans Smart Grid, vol. 6, n.° 6,
pp. 2681–2693, 2015, doi: 10.1109/TSG.2015.2469631.
[55] Y. Zhang, R. Wang, T. Zhang et al., “Model predictive control-based operation
management for a residential microgrid with considering forecast uncertainties
and demand response strategies”, iet Generation, Transmission and Distribution,
vol. 10, n.° 10, 2016, doi: 10.1049/iet-gtd.2015.1127.
[56] J. Sachs y O. Sawodny, “A Two-Stage Model Predictive Control Strategy for Eco-
nomic Diesel-pv-Battery Island Microgrid Operation in Rural Areas”, ieee Trans
Sustain Energy, vol. 7, n.° 3, pp. 903–913, 2016, doi: 10.1109/TSTE.2015.2509031.
[57] T. Morstyn, B. Hredzak y V. G. Agelidis, “Dynamic optimal power flow for
dc microgrids with distributed battery energy storage systems”, en 2016 ieee
Energy Conversion Congress and Exposition (ecce), 2016, pp. 1–6. doi: 10.1109/
ECCE.2016.7855059.
[58] F. Garcia-Torres, L. Valverde y C. Bordons, “Optimal Load Sharing of Hydro-
gen-Based Microgrids With Hybrid Storage Using Model-Predictive Control”,
ieee Transactions on Industrial Electronics, vol. 63, n.° 8, pp. 4919–4928, 2016,
doi: 10.1109/TIE.2016.2547870.
[59] F. Valencia, J. Collado, D. Sáez et al., “Robust Energy Management System for a
Microgrid Based on a Fuzzy Prediction Interval Model”, ieee Trans Smart Grid,
vol. 7, n.° 3, pp. 1486–1494, 2016, doi: 10.1109/TSG.2015.2463079.
[60] P. Kou, D. Liang y L. Gao, “Distributed Coordination of Multiple pmsgs in an Is-
landed dc Microgrid for Load Sharing”, ieee Transactions on Energy Conversion,
vol. 32, n.° 2, pp. 471–485, 2017, doi: 10.1109/TEC.2017.2649526.
[61] T. van Vu, D. Gonsoulin, F. Díaz et al., “Predictive Control for Energy Ma-
nagement in Ship Power Systems Under High-Power Ramp Rate Loads”, ieee
Transactions on Energy Conversion, vol. 32, n.° 2, pp. 788–797, 2017, doi: 10.1109/
TEC.2017.2692058.
[62] S. Raimondi Cominesi, M. Farina, L. Giulioni et al., “A Two-Layer Stochastic
Model Predictive Control Scheme for Microgrids”, ieee Transactions on Control
Systems Technology, vol. 26, n.° 1, pp. 1–13, 2018, doi: 10.1109/TCST.2017.2657606.
[63] J. Lee, P. Zhang, L. K. Gan et al., “Optimal Operation of an Energy Management
System Using Model Predictive Control and Gaussian Process Time-Series
219
Modeling”, ieee J Emerg Sel Top Power Electron, vol. 6, n.° 4, pp. 1783–1795, 2018,
doi: 10.1109/JESTPE.2018.2820071.
[64] T. Morstyn, B. Hredzak, R. P. Aguilera et al., “Model Predictive Control for
Distributed Microgrid Battery Energy Storage Systems”, ieee Transactions on
Control Systems Technology, vol. 26, n.° 3, pp. 1107–1114, 2018, doi: 10.1109/
TCST.2017.2699159.
[65] Y. Du, J. Wu, S. Li et al., “Distributed mpc for Coordinated Energy Efficien-
cy Utilization in Microgrid Systems”, ieee Trans Smart Grid, vol. 10, n.° 2, pp.
1781–1790, 2019, doi: 10.1109/TSG.2017.2777975.
[66] Y. Du, J. Wu, S. Li et al., “Coordinated Energy Dispatch of Autonomous Micro-
grids With Distributed mpc Optimization”, ieee Trans Industr Inform, vol. 15, n.°.
9, pp. 5289–5298, 2019, doi: 10.1109/TII.2019.2899885.
[67] I. Novickij y G. Joós, “Model Predictive Control Based Approach for Microgrid
Energy Management”, en 2019 ieee Canadian Conference of Electrical and Com-
puter Engineering (ccece), 2019, pp. 1–4. doi: 10.1109/CCECE.2019.8861781.
[68] B. Carlos, G.-T. Félix y A. R. Miguel, Model Predictive Control of Microgrids.
2019.
[69] L. Valverde, F. Rosa, A. J. del Real et al., “Modeling, simulation and experimen-
tal set-up of a renewable hydrogen-based domestic microgrid”, Int J Hydrogen
Energy, vol. 38, n.°. 27, pp. 11672–11684, 2013, doi: https://doi.org/10.1016/j.ijhyde-
ne.2013.06.113.
[70] F. Garcia-Torres, L. Valverde, y C. Bordons, “Optimal Load Sharing of Hydro-
gen-Based Microgrids With Hybrid Storage Using Model-Predictive Control”,
ieee Transactions on Industrial Electronics, vol. 63, núm. 8, pp. 4919–4928, 2016,
doi: 10.1109/TIE.2016.2547870.
[71] J. B. Rawlings, D. Angeli y C. N. Bates, “Fundamentals of economic model pre-
dictive control”, en 2012 ieee 51st ieee Conference on Decision and Control (cdc),
2012, pp. 3851–3861. doi: 10.1109/CDC.2012.6425822.
[72] S. Sen y V. Kumar, “Microgrid control: A comprehensive survey”, Annu Rev Con-
trol, vol. 45, pp. 118–151, 2018, doi: https://doi.org/10.1016/j.arcontrol.2018.04.012.
220
Emulación de inercia en
microrredes empleando
sistemas de almacenamiento
CAPÍTU LO 10
de energía bess
Jorge W. González1, Gabriel J. López1, Hugo A. Cardona1,

Idi Amin Isaac-Millán1 y Santiago Bustamante1
1
[email protected]
Este capítulo abre la sección iii del libro, la cual agrupa selectas temáticas
relacionadas con la investigación presente, y sobre todo futura, que habrá
de desarrollarse en el marco de las microrredes.
El primer tema abordado es totalmente transversal a las redes, sin im-
portar su tamaño. Se trata de la emulación de inercia empleando sistemas
de almacenamiento. Un verdadero ejemplo de solución escalable, para
ecosistemas energéticos escalables (E3).
Introducción
En las microrredes, un número significativo de fuentes de energía renovable
se conecta al sistema de energía a través de sistemas basados en inversores.
Las generaciones basadas en inversores (inverter-based generations [ibg])
no poseen de por sí energía almacenada y tienen menos capacidad de
inyección de corriente de falla en comparación con las máquinas síncro-
nas convencionales. En consecuencia, una gran penetración de ibg crea
desafíos para mantener la estabilidad del sistema de potencia, y en especial
la estabilidad transitoria que normalmente es regida por las inercias de
los generadores síncronos tradicionales.
Debido entonces al elevado crecimiento de recursos de generación
distribuida (gd) que carecen de inercia , la frecuencia de las microrredes
puede fluctuar de manera rápida ante diversas perturbaciones de la red
221
(por ejemplo, conexión o desconexión de cargas). La maniobra o las perturbaciones de
la carga pueden producir una elevada variación de la rata de cambio de la frecuencia o
RoCoF (rate of change of frequency). Debido a la naturaleza estocástica de la generación
renovable y de las cargas, la mayoría de las microrredes modernas sufren de problemas
de estabilidad dinámica de frecuencia, lo cual podría limitar los niveles de penetración
de las energías renovables en las microrredes.
Los convertidores de fuente de tensión de conmutación forzada o voltage source con-
verters (vsc) son interfaces de electrónica de potencia estratégicas para las microrredes
de corriente alterna. Los recursos de generación distribuida, así como las cargas, frecuen-
temente se integran mediante vsc. En este sentido, las microrredes deben gestionar una
múltiple cantidad de convertidores de electrónica de potencia para proveer flexibilidad
a toda la red de potencia. Un reto que resulta ahora es que el control requiere de una
referencia de tensión y frecuencia que posea suficiente inercia para permitir mantener
la red en condiciones estables ante las dinámicas de las cargas y de las fuentes renovables
que son generalmente de naturaleza variable [1]. Mediante sus funcionalidades, los vsc
en microrredes pueden constituirse en sistemas formadores de red que brinden o emulen
referencias de tensión y frecuencia para proveer condiciones de operación en isla [2].
Es entonces estratégico implementar soluciones de control para garantizar una
operación confiable en microrredes que operan de manera aislada. Para ello, estas
redes cuentan con capas de control primarias, secundarias y terciarias [3]. De manera
específica, la capa o control primario se constituye en el nivel que permite estabilizar
rápidamente el sistema en términos de tensión y de frecuencia, manteniéndolas en
jorge w. gonzález, gabriel j. lópez, hugo a. cardona, idi amin isaac-millán y santiago bustamante
rangos aceptables y, a la vez, compartiendo eficientemente la energía entre los recursos

de gd. Sin embargo, en redes débiles como las microrredes los inconvenientes de la
generación renovable son más perjudiciales. La estabilidad del sistema y la Seguridad
operacional pueden mejorarse mediante sistemas de almacenamiento de energía [4],
como los basados en baterías o battery energy storage systems (bess). La combinación de
los bess con el control jerárquico de los recursos provee soluciones contra los problemas
de frecuencia en las microrredes.
Un sistema bess se caracteriza por poseer respuestas rápidas, lo cual resulta ideal
para compensar las fluctuaciones en microrredes producidas por los recursos de gen-
eración renovable y variaciones de la carga, tanto en condición conectada con la red u
operación en isla [5], [6]. Los bess están provistos de sistemas de almacenamiento de
energía como baterías de plomo-ácido, vanadio o iones de litio. Las microrredes con
recursos conectados a través de inversores facilitan una amplia gama de técnicas de
control, y la integración de sistemas bess es más flexible ya que los inversores pueden
ser controlados de manera independiente.
Los bess ya han sido estudiados para aplicaciones de estabilidad y control primario
de potencia-frecuencia en sistemas de potencia y en microrredes. En [7], se realiza
un dimensionamiento óptimo de relación beneficio-costo para un bess que participa
en el control primario de frecuencia. En [8] se investiga sobre un sistema multi-bess
coordinado por un agregador que participa en el mercado de control primario de fre-
cuencia. Se deriva un algoritmo de control óptimo coordinado multi-bess en línea que
minimiza el costo de la penalización por regulación de frecuencia. En [9], se investiga
el desempeño de un bess para la mejora de la estabilidad transitoria, contribuyendo a
222
la regulación de voltaje y frecuencia para respaldar la mayor cantidad de exportación
de energía entre 2 sistemas de energía a gran escala interconectados. La investigación
reportada en [10] concluye que un bess que alcanza su máxima potencia en menos de
un segundo después de iniciarse un evento proporciona un excelente servicio de nadir
de frecuencia. Entre otras contribuciones, [11] estudia por primera vez el impacto de
la conmutación del convertidor bess en pro de la estabilidad de una microrred. Una
contribución de [12] es presentar estrategias de control integradas para el sistema bess
implementado en una microrred operando en isla. Se propone un control de descarga
de potencia rápida basado en un sistema experto para determinar una salida de potencia
rápida de bess para mantener la estabilidad transitoria del sistema. En [13] se presenta
un control robusto adaptativo utilizando la identificación de señales de una microrred
de baja inercia. Se afirma que el método propuesto es práctico en microrredes. Se mues-
tra que los modos de las generaciones integradas a través de inversores de electrónica
de potencia son perjudiciales para una microrred de baja inercia. El control propuesto
también proporciona un mejor rendimiento que el de un controlador fijo óptimo
convencional, bajo varios cambios en las salidas y cargas. Se esperan características
destacadas del control propuesto para futuras microrredes con una penetración del
100 % de inversores.
Sobre aplicaciones específicas de emulación de inercia con sistemas bess se encuen-
tran contribuciones diversas. La referencia [1] propone un control de frecuencia que
combina el método de control tipo droop convencional con emulación de inercia para
la transferencia de potencia activa de un bess trifásico en el nivel de control primario de
frecuencia. La meta fue reducir el RoCoF y mejorar el amortiguamiento de oscilaciones
emulación de inercia en microrredes empleando sistemas de almacenamiento de energía bess

de potencia. Dicho trabajo implementó un montaje experimental de laboratorio. En [14]
se propone un control para un bess bajo el concepto de emulación de un capacitor que
genera inercia o potencia mecánica y un control “droop” para proveer asistencia estática
y dinámica. El control es del tipo retroalimentación de estado completo optimizado, lo
cual provee mayor flexibilidad y robustez. Se implementó una mesa de prueba a escala
experimental de laboratorio. En [15] se concluye que la temática del control de inercia
mediante sistemas de almacenamiento de energía se debe avanzar en mayor medida
hacia el concepto de las máquinas sincrónicas virtuales (virtual synchronous machines
[vsm]) para proveer servicios de inercia y amortiguamiento de oscilaciones de potencia.
En esta referencia, se presenta control, diseño y pruebas mediante hardware para vsm
con almacenamiento híbrido ca y cd. En esta referencia se calcula la energía consum-
ida por el sistema de almacenamiento en términos de inercia, así como el soporte de
amortiguamiento. Se demuestra además que la variación de estado estacionario de la
energía del sistema de almacenamiento es proporcional al amortiguamiento. Además,
se propone un procedimiento para dimensionar el almacenamiento y diseñar la inercia
virtual, los parámetros de amortiguamiento y del gobernador del vsm. De otro lado,
en esta referencia se realizan diseños considerando la capacidad del sistema de estado
de la carga (state of charge [soc]). Es de aclarar que el soc del sistema de baterías del
bess debe retenerse en rangos aceptables para evitar daños inesperados. En [16] se pre-
senta una técnica para emulación de inercia mediante supercapacitores. La técnica se
basa en deviaciones de frecuencia y se realiza correlación mediante la tensión del bus
de cd. Los autores calculan la potencia inercial requerida en función de la frecuencia
223
y se suministra a través de los supercapacitores utilizando el control de voltaje de cd.
Se realizaron pruebas con hardware-in-the-loop (hil) para verificar la efectividad del
método propuesto. En [146] se propone un algoritmo para implementar un sistema de
almacenamiento de energía mediante modelos dinámicos para la emulación de la inercia
virtual. El objeto fue presentar el problema complejo de optimización para la ubicación
de recursos de inercia virtual. Se realizaron simulaciones en 3 tipos de redes teóricas
de referencia. Finalmente, en [18] se encuentra la explicación del uso y aplicación de
algunos modelos digitales para control con sistemas bess en redes teóricas de prueba.
Los artículos anteriores, en su mayoría, hacen referencia a estudios realizados en
montajes de laboratorio o redes tipo referencia teóricos; por lo tanto, están enfocados al
modelado de componentes más que al estudio comparativo en una red o microrred real.
Es aquí donde el presente trabajo contribuye al estado del arte. Este trabajo integrará
varias de las acciones, modelos y contribuciones descritas en la literatura presentada
anteriormente, pero aplicada en una microrred real en operación aislada. El objetivo
será continuar contribuyendo con soluciones a favor de brindar inercia en microrredes
de corriente alterna. Se presentará y se simulará un esquema de un bess con control de
frecuencia y emulación de inercia para la microrred real. Los resultados muestran cómo
los sistemas bess pueden proveer servicio de inercia eficientemente para sistemas débiles,
aislados o con elevada cantidad de recursos integrados con inversores de electrónica de
potencia, tal como podría operar una microrred real.
El resto de este documento se lista a continuación. La sección 10.2 describe los siste-
mas bess y sus posibilidades de control. Las secciones 10.3 y 10.4 presentan el análisis de
resultados de la integración de modelos digitales para simulación de un bess que emula

inercia, así como de la respectiva aplicación en una microrred real. El trabajo finalizará
con la presentación de las respectivas conclusiones.
Sistemas bess y modelado digital

Definiciones [19]
Bess (battery energy storage system): un sistema bess se utiliza para almacenar energía
eléctrica por medio de materiales electroquímicos. Generalmente, incluye baterías,
sistema de conversión de energía y un sistema de administración de la batería.
bms (battery management system): sistema para implementar controles en las bat-
erías y obtener un funcionamiento seguro, también equilibra la energía de las baterías
y monitorea el estado de estas. El bms adquiere información de estado en tiempo real
de las baterías, por ejemplo, tensión, corriente, estado de la carga —más adelante se
definirá como el soc—, estado de salud de las celdas y módulos de baterías (state of health
[soh]), temperatura, etc. Igualmente, el bms adquiere datos sobre el cálculo, monitoreo
y análisis de fallas, balanceo de baterías en un solo paquete y comunicación con pcs o
con un sistema de monitoreo, información y control superior (monitoring, information
224
exchange and control [mic]), consiguiendo así la gestión plena de las baterías. El bms
generalmente se configura en función del diseño de integración del sistema de baterías.
Charge rate: corriente de carga permisible en comparación con su valor nominal,
también se denomina C-rate.
mic (monitoring, information exchange and control): generalmente, el bess cuenta con
un sistema de monitoreo, información y control, que permite un monitoreo integral, un
intercambio de información confiable y un control rápido de todos los equipos dentro
de este, así como la interacción con el scada del centro remoto de despacho. También
debe contar con funciones de aplicación bess avanzadas basadas en los requisitos del
proyecto.
pcc (point of common coupling): punto de conexión común en el cual se conecta el
bess al sistema eléctrico de potencia.
pcs (power conversion system): el sistema de conversión de potencia (pcs) consta bási-
camente de un convertidor de fuente de tensión trifásico (voltage source converter [vsc])
que logra la transferencia de energía entre las baterías y la microrred. Este rectificador/
inversor del pcs puede transformar la tensión de cd de la parte de almacenamiento en
una tensión de ca necesaria para la red y viceversa. El rectificador/inversor normal-
mente se basa en un convertidor vsc con modulación de ancho de pulso (pwm). El pcs
actúa como interfaz de energía entre las baterías y la red, regula las salidas de tensión
y corriente de las baterías, es parte esencial del bess y, generalmente, se configura de
acuerdo con el nivel de potencia del sistema y el entorno global de la red en la que se
planifica dicho bess. El pcs debe considerar el rango de tensión terminal en la interfaz
ca/cd y las características de carga/descarga.

soc (state of charge): el grado en que se carga un bess en relación con la cantidad
máxima posible de energía que puede almacenar, normalmente expresado como un
porcentaje.
En la figura 10.1 se puede observar el diagrama funcional del bess en una microrred
y su scada (supervisory control and data acquisition, es decir, supervisión, control y
adquisición de datos).
De acuerdo con [19], los sistemas bess pueden poseer funciones de control de fre-
cuencia, reserva primaria, regulación de tensión, respaldo de emergencia, black-start,
reserva de capacidad, arbitraje, desplazamiento de energía, calidad de la potencia, soporte
de potencia reactiva, energía firme para fuentes renovables, sistema ininterrumpido
de potencia, seguidor de demanda, desplazamiento de inversiones en t&d, alivio de
congestiones en transmisión y mejora de la confiabilidad.
Particularmente, en este trabajo se efectuarán análisis y simulaciones para el control
de la frecuencia. En este aspecto, el bess realiza regulaciones de una o varias formas
predefinidas, es el caso de su propia potencia activa de acuerdo con las órdenes dadas
por un sistema scada o por su propio mic. Se logra así un balance de potencia activa
de relativamente corta duración entre la generación y la demanda con el objetivo de
mantener la frecuencia del pcc dentro de un rango razonable.
225
Figura 10.1. Diagrama de bloques de un bess y subsistemas

Modelo de simulación del bess

Se utilizará el digsilent PowerFactory y sus modelos bess [147] para desarrollar simu-
laciones y una aplicación en una microrred real instalada en la Universidad Pontificia
Bolivariana, Medellín, Colombia [149].
Modelo de la batería
Existe una amplia variedad de tipos de baterías, lo cual podría hacer compleja la mo-
delación. Un modelo de batería debe representar la tensión terminal y la resistencia
interna, las cuales dependen de diversas variables internas, como el estado de carga de
la batería (soc), la vida residual y la temperatura de la batería [18], [21], [22], [23]. Para
seleccionar los parámetros de la batería es común estudiar los perfiles de generación
de las fuentes renovables durante el día [24], [25].
226
El estado de carga corresponde al estado de carga actual de la batería. La batería está
completamente cargada si el soc es 1 y es 0 si la batería está vacía. La batería se modela con
ecuaciones dependientes de la corriente de descarga en función del tiempo. De otro lado,
la tensión residual de la batería está en función del soc de una forma no-lineal. El modelo
será un equivalente Thévenin con resistencia interna y una tensión dependiente del soc.
El soc se calcula mediante una función integral que acumula la corriente de la batería.
La ecuación 10.1 presenta la obtención de la tensión cd de las baterías de acuerdo
con lo indicado anteriormente.
(10.1)
Donde:
Udc: tensión de las celdas de la batería en [V].
Umáx, Umin: tensiones de baterías completamente cargadas y completamente des-
cargadas respectivamente en [V].
Rbat: resistencia interna promedio de las celdas de batería en [Ω].
I: corriente cd a través de las celdas de la batería en [A].
Modelo del vsc
Es empleado para la conversión de la tensión cd de las baterías a ca de la microrred.

Se utilizan válvulas igbt (Insulated Gate Bipolar Transistors). Se usa un puente tipo
Graetz trifásico.

La señal de activación del puente proviene del sistema de control del vsc a través de
pulsos pwm (pulse width modulation). El modelo de convertidor pwm se transforma
típicamente en un marco de referencia dq en el cual las referencias de corriente de eje
directo (id) equivalen a la salida de potencia activa del convertidor, mientras que las de
eje de cuadratura (iq) equivalen a la potencia reactiva del convertidor pwm.
La señal de conmutación, también llamada factor de amplificación (Pm), proviene
del sistema de control del vsc. Esto también podría expresarse para un modelo de
frecuencia fundamental, tanto para la función rectificadora como inversora, según las
ecuaciones 10.2 y 10.3.
Uca_r = K0 × Pm_r × Ucd (10.2)
Uca_i = K0 × Pm_i × Ucd (10.3)
Donde:
Uca_r: tensión componente real de la tensión de ca [V].
Uca_i: tensión componente imaginaria de la tensión de ca en [V].
Ucd: tensión de la batería en [V].
K0: factor constante que depende del método de pwm utilizado. Para modulación
senoidal se puede obtener de la ecuación 10.4.
K0 = √3 / (2√2) (10.4)
227
Modelo del controlador
De acuerdo con lo expresado para el modelo del vsc, con la potencia real de salida es
posible controlar la frecuencia de una red síncrona, y con la potencia reactiva podría
controlarse la tensión de ca.
En el modelo presentado en [18], se incluyen restricciones para que el bess consu-
ma o suministre potencia en función del estado de carga o soc. Igualmente, se tienen
condiciones para que la batería solo se cargue si el soc está por debajo de cierto nivel,
para que el bess siempre posea la capacidad de controlar la potencia activa en ambos
sentidos. Sin embargo, la producción total de potencia activa y reactiva en conjunto
no debe ser mayor que la potencia nominal aparente. Estos controles son típicamente
realizados en el pcs. El bms será el encargado de entregar el soc. La figura 10.2 muestra
de manera explícita las componentes indicadas en una estructura típica de bess.
Figura 10.2. Estructura de bess para modelado

228
Todas las condiciones podrían cumplirse desde el pcs. En la figura 10.2 se supuso
que el soc está disponible como señal. Sin embargo, el soc debe calcularse a partir de
la corriente y la tensión de la batería.
Controlador de frecuencia
Se emplea un controlador proporcional con banda muerta. El modelo del controlador
de frecuencia se muestra en la figura 10.3. La característica tipo droop define cuánta
potencia activa se inyecta (Porder) en caso de desviación de la frecuencia.
En el modelo que será usado, la potencia activa total del bess se activará si la desvi-
ación de frecuencia es igual o superior a cierta cantidad que se indicará más adelante;
no obstante, cada aplicación debería coordinarse para cumplir con los requisitos de la
red u operador de la microrred.
Figura 10.3. Controlador de frecuencia del bess

Consideraciones generales
Es importante tener en cuenta las limitaciones de la batería y el convertidor pwm du-

rante el funcionamiento. El convertidor pwm también debe configurarse con los valores
nominales de tensión de ca, cd y potencia nominal aparente. El pwm también debe
inicializarse a partir del flujo de cargas. Una condición de control debe ser una potencia
inicial nula para el eje d. La otra condición podría ser un cierto valor para la potencia
reactiva o una tensión de ca en un nodo seleccionado (eje q). En este trabajo será la
barra de acople común con la microrred.
Los parámetros de la batería dependen de la batería seleccionada y del modelo uti-
lizado para esa batería.
Para obtener resultados de simulación realistas, estos límites deben establecerse
correctamente. Algunas baterías podrían descargarse con una corriente superior a la
que podría ser cargada. En este trabajo se empleará el modelo de la referencia [18].
229
Aplicación del modelo del bess para emulación de inercia/
control frecuencia en una microrred real
Red por estudiar
La red que se estudiará se conoce como microrred de la upb3 [20]. Esta microrred se
encuentra ubicada en la Universidad Pontificia Bolivariana, Medellín, Colombia (upb)
y está compuesta por sistemas de generación solar fotovoltaica, 1 sistema bess (para el
cual las baterías serán simuladas), 1 sistemas de generación diesel (no se conectarán) y 1
sistema de generación sincrónico con biomasa (será simulado con capacidad proyectada).
La tensión de la red es de 13.2 kV y posee cargas trifásicas y monofásicas conectadas al
nivel de baja tensión (208, 216, 220 V).
En [18] se ha realizado la aplicación del control de frecuencia para un sistema de red
de referencia de 9 barras empleando el modelo en digsilent Power Factory. En este
trabajo se presentará la aplicación en la microrred de upb.
Se realizará una simulación de cambio súbito de carga. Se conectará una carga
resistiva de aproximadamente el 2 % de la demanda actual en una barra que se indica
más adelante.
Los estudios se realizarán a partir de un esquema de operación en isla, es decir, de-
sconectada de la red de suministro del operador de red externo. La tabla 10.1 resume las
principales características de la red estudiada. Para los presentes análisis se utilizará un
escenario con máxima generación renovable y máxima carga y operación en isla. Los
valores respectivos de generación, carga y la carga para la perturbación son presentados

en la tabla 10.2.
Tabla 10.1. Características de la microrred de la upb
Equipo Cantidad Valor Unidad

Barras 27 13.2 kV
Barras 1 460 V
Barras 1 400 V
Barras 16 [206 … 226] V
Trf 2 devanados 17 13.2/0.2 kV
G Diesel (fuera servicio) 8 1.7 mva (total)
G Sincrónico (Biogenerador-futuro) 1 0.910 mva
Constante inercial Biogenerador H - 1 s
G Solar fotovoltaica 9 0.136 mva (totales)
Cargas 18 0.992 mva (totales)
Bess 1 20.4 kW
3 Para un detalle acerca de esta microrred, remítase a los numerales 1.6 o 3.9.1
230
Tabla 10.2. Despacho inicial y carga base de la microrred de la upb
Sistema Valor
Generación total 0.9693 MW + j0.1768 Mvar
Carga total 0.9685 MW + j0.1676 Mvar
Carga perturbación 20 kW + j0.0 kvar
Bess 0 mva+ j0.0 Mvar
En la figura 10.4 se muestra un diagrama unifilar sintético de la microrred de la upb.

El pcc (point of common coupling) corresponde al punto de acople común o frontera
comercial.

Figura 10.4. Diagrama unifilar sintético de la microrred de la upb
En la figura 10.5 se detalla el punto de instalación del sistema bess, además de la carga
concentrada que se conectará a 13.2 kV en la barra denominada derecho, para producir
la perturbación en la frecuencia. El bess se encuentra conectado actualmente en la barra
denominada Biblioteca en el nivel de 208 V.
231
Figura 10.5. Detalle de ubicación del bess y carga a conectarse súbitamente

Comentarios sobre características dinámicas del sistema

El caso de estudio consiste entonces en la aplicación súbita de una carga resistiva de
aproximadamente el 2 % (20 kW) de la demanda total y concentrada en una de las barras
de la microrred. Se analizarán los efectos para los casos con y sin el bess.
Típicamente, se requiere servicio de control primario en una red para controlar la
frecuencia dentro de un rango muy estrecho entre un límite de frecuencia superior e
inferior. Para la red bajo análisis se supondrá un margen de 200 mHz en sentido positivo
y negativo tal como se exige en Colombia.
En la microrred solo se dispondrá de un generador sincrónico (H = 1 s). Con este
escenario la inercia del sistema es reducida, lo cual se verificará en las simulaciones que
se presentarán más adelante.
232
Las plantas de generación solar no cuentan con el servicio de regulación primaria
de potencia. Se espera entonces que la potencia de control primaria y la emulación de
inercia sea aportada por el bess. En el modelo, la potencia de control primaria del bess
se activará si sucede una desviación de frecuencia mayor a 10 mHz. Esta será una acción
conservadora ya que en el sistema de transmisión colombiano los controles primarios
responden a partir de desviaciones positivas o negativas mayores que 30 mHz. La banda
muerta de ±10 mHz se aplicará en el lazo de control de la figura 10.3.
El convertidor pwm posee una potencia nominal de 20.4 kW. Esto equivale a una
relación de potencia a frecuencia o bias de 20.4 kW/0.2 Hz =102 kW/Hz.
Resultados del estudio
Las simulaciones y análisis se realizaron mediante el programa digsilent Power Factory.

Como se indicó anteriormente, en [18] se realizó aplicación del control de frecuencia
mediante Power Factory para un sistema de red de referencia.
Para probar la emulación de inercia del bess en la microrred o caso real, se adicionó
súbitamente una carga de 20 kW (ya indicada en la tabla 10.2) a los 60 s de iniciada la
simulación. Se realizarán los respectivos comparativos con y sin la inclusión del modelo
del bess emulando inercia.
Como puede observarse en las figuras 10.6 y 10.7, para la microrred este cambio de
carga ocasiona una importante caída de frecuencia cuando no se dispone del bess (cur-
vas rojas). De otro lado, puede observarse cómo el biogenerador y su control simulado
pueden incrementar su potencia rápidamente.

Como se aprecia, el bess puede reemplazar la potencia del control primario del
biogenerador en los primeros instantes de la perturbación y, por ende, se observa la
respuesta inercial o de emulación de inercia del bess (curvas verdes). Con la rápida
actuación del bess la caída de frecuencia o nadir es menor y la respuesta es estabilizada
casi inmediatamente, esto puede verificarse con la dinámica del biogenerador (ver figura
10.7) y la frecuencia en la barra Biblioteca de la cual toma la medida el bess (ver figura
10.8). Al final, en el caso con bess, el biogenerador está compensando el incremento de
potencia adicionado extra. El bess, gracias a su veloz respuesta inercial emulada por el
control, permite que el biogenerador no deba responder con grandes cantidades súbitas
de potencia debido a cambios inesperados de la carga.
En general, para el caso sin bess, la frecuencia y la potencia exponen un régimen de
oscilación de pequeña señal que termina incluso inestabilizando el sistema.
233
Figura 10.6. Potencia activa entregada por el biogenerador ante un incremento
súbito de carga de 20 kW, con y sin bess
Figura 10.7. Velocidad del biogenerador ante un incremento súbito de carga de

20 kW, con y sin bess
234
Figura 10.8. Frecuencia en la barra Biblioteca ante un incremento súbito de
carga de 20 kW, con y sin bess
La figura 10.9 presenta la salida transitoria de potencia activa desde el convertidor vsc
(pwm) del bess. Adicionalmente, en la figura 10.10 se encuentra la respuesta del soc y
su bajo valor de afectación o disminución energética en p. u. tal como era de esperarse.
Figura 10.9. Respuesta en potencia activa del bess durante emulación de

inercia ante un incremento súbito de carga de 20 kW
235
Figura 10.10. soc del bess durante la perturbación y emulación de inercia ante
un incremento súbito de carga de 20 kW
Conclusiones
En este trabajo, se evaluó la estrategia de emulación de inercia en pro de la frecuencia

eléctrica que puede proveer un sistema de almacenamiento de energía basado en ba-
terías (bess).
Para el estudio, se integró un modelo de control de un bess en una microrred que
fue sometida a una perturbación en la carga mientras operaba en condición aislada de
la red. Sin la presencia del bess la generación síncrona debe suplir rápidamente una
elevada cantidad de potencia y, además, no logra condiciones estables dado el control
de la planta.
Al conectar el sistema bess, ante la misma perturbación en la carga, se encontró que
este sistema responde dinámicamente con alta velocidad, relajando la respuesta inicial
de la generación síncrona y reduciendo la caída de frecuencia con respecto al caso sin
el bess.
Es de resaltar, que la microrred bajo estudio es un caso de aplicación real, a diferencia
de lo elaborado en la mayoría de las referencias bibliográficas estudiadas, las cuales se
ocupan principalmente de modelar componentes o proponer esquemas de control de
frecuencia con sistemas bess.
236
Referencias
[1] I. Serban y C. Marinescu, “Control strategy of three-phase battery energy stor-

age systems for frequency support in microgrids and with uninterrupted supply
of local loads”, ieee Trans. Power Electron., vol. 29, n.° 9, pp. 5010–5020, 2014,
doi: 10.1109/TPEL.2013.2283298.
[2] C. Zheng, T. Dragicevic y F. Blaabjerg, “Model Predictive Control-Based Vir-
tual Inertia Emulator for an Islanded Alternating Current Microgrid”, ieee
Trans. Ind. Electron., vol. 68, n.° 8, pp. 7167–7177, ago. 2021, doi: 10.1109/
TIE.2020.3007105.
[3] J. Hu, Y. Shan, K. W. Cheng y S. Islam, “Overview of Power Converter Control
in Microgrids - Challenges, Advances, and Future Trends”, ieee Trans. Power
[4] X. Tan, Q. Li y H. Wang, “Advances and trends of energy storage technology in
Microgrid”, Int. J. Electr. Power Energy Syst., vol. 44, n.° 1, pp. 179–191, 2013, doi:
10.1016/j.ijepes.2012.07.015.
[5] T. S. Hwang y S. Y. Park, “A seamless control strategy of a distributed gen-
eration inverter for the critical load safety under strict grid disturbances”,
ieee Trans. Power Electron., vol. 28, n.° 10, pp. 4780–4790, 2013, doi: 10.1109/
TPEL.2012.2236578.
[6] D. Velasco De La Fuente, C. L. Trujillo Rodríguez, G. Garcerá, E. Figueres,
y R. Ortega Gonzalez, “Photovoltaic power system with battery backup with
grid-connection and islanded operation capabilities”, ieee Trans. Ind. Electron.,

vol. 60, n.° 4, pp. 1571–1581, 2013, doi: 10.1109/TIE.2012.2196011.
[7] Y. J. A. Zhang, C. Zhao, W. Tang y S. H. Low, “Profit-maximizing planning
and control of battery energy storage systems for primary frequency con-
trol”, ieee Trans. Smart Grid, vol. 9, n.° 2, pp. 712–723, 2018, doi: 10.1109/
TSG.2016.2562672.
[8] D. Zhu y Y. J. A. Zhang, “Optimal Online Control of Multiple Battery Energy Stor-
age Systems for Primary Frequency Control”, ieee Power Energy Soc. Gen. Meet., vol.
2018-agosto, n.° 1, pp. 555–565, 2018, doi: 10.1109/PESGM.2018.8586456.
[9] U. Datta, A. Kalam y J. Shi, “Battery energy storage system to stabilize transient
voltage and frequency and enhance power export capability”, ieee Trans. Power
Syst., vol. 34, n.° 3, pp. 1845–1857, 2019, doi: 10.1109/TPWRS.2018.2879608.
[10] P. V. Brogan, R. J. Best, D. J. Morrow, K. McKinley y M. L. Kubik, “Effect of
bess Response on Frequency and RoCoF During Underfrequency Transients”,
ieee Trans. Power Syst., vol. 34, n.° 1, pp. 575–583, 2019, doi: 10.1109/TP-
WRS.2018.2862147.
[11] M. Farrokhabadi, S. Konig, C. A. Canizares, K. Bhattacharya y T. Leibfried,
“Battery Energy Storage System Models for Microgrid Stability Analysis and
Dynamic Simulation”, ieee Trans. Power Syst., vol. 33, n.° 2, pp. 2301–2312, 2018,
doi: 10.1109/TPWRS.2017.2740163.
[12] T. T. Ku y C. S. Li, “Implementation of Battery Energy Storage System for an
Island Microgrid with High PV Penetration”, ieee Trans. Ind. Appl., vol. 57, n.° 4,
pp. 3416–3424, 2021, doi: 10.1109/TIA.2021.3075655.
237
[13] I. Ngamroo y T. Surinkaew, “Adaptive Robust Control Based on System
Identification in Microgrid Considering Converter Controlled-Based Gen-
erator Modes”, ieee Access, vol. 9, pp. 125970–125983, 2021, doi: 10.1109/AC-
CESS.2021.3111217.
[14] R. Sharma, A. Zakerian y M. Karimi-Ghartemani, “Local Controller for an
Autonomous Grid-Supportive Battery Energy Storage System”, ieee Trans. Power
[15] C. Sun, S. Q. Ali, G. Joos y F. Bouffard, “Design of Hybrid-Storage-Based Virtual
Synchronous Machine with Energy Recovery Control Considering Energy Con-
sumed in Inertial and Damping Support”, ieee Trans. Power Electron., vol. 37, n.°
3, pp. 2648–2666, 2022, doi: 10.1109/TPEL.2021.3111482.
[16] R. K. Sarojini y P. Kaliannan, “Inertia Emulation through Supercapacitor for
a Weak Grid”, ieee Access, vol. 9, pp. 30793–30802, 2021, doi: 10.1109/AC-
CESS.2021.3058951.
[17] H. Golpira, A. Atarodi, S. Amini, A. R. Messina, B. Francois y H. Bevrani,
“Optimal Energy Storage System-Based Virtual Inertia Placement: A Frequen-
cy Stability Point of View”, ieee Trans. Power Syst., vol. 35, n.° 6, pp. 4824–4835,
2020, doi: 10.1109/TPWRS.2020.3000324.
[18] digsilent GmbH, “digsilent PowerFactory Application Example Battery Ener-
gy Storing Systems”, Batter. Energy Storing Syst., pp. 1–28, 2010.
[19] I. S. C. Committee y E. S. Fuel Cells, Photovoltaics, Dispersed Generation, ieee
Guide for Design, Operation, and Maintenance of Battery Energy Storage Systems,
both Stationary and Mobile, and Applications Integrated with Electric Power Sys-
tems, n.° septiembre. 2019.
[20] D. Betancur, E. D. Escobar, A. Quintero, J. W. González, J. Gabriel, y I. A.
Isaac, “Visualization Proposal for Power System Control Rooms Based on Situa-
tional Awareness”, Trans. energy Syst. Eng. Appl., vol. 3, n.° 2, 2022, doi: 10.32397/
tesea.vol3.n2.442.
[21] N. K. Medora y A. Kusko, “Dynamic battery modeling of lead-acid batteries us-
ing manufacturers’ data”, INTELEC, Int. Telecommun. Energy Conf., pp. 227–232,
2005, doi: 10.1109/INTLEC.2005.335097.
[22] D. M. Rosewater, D. A. Copp, T. A. Nguyen, R. H. Byrne, y S. Santoso, “Battery
Energy Storage Models for Optimal Control”, ieee Access, vol. 7, pp. 178357–
178391, 2019, doi: 10.1109/ACCESS.2019.2957698.
[23] M. O. Qays, Y. Buswig, M. L. Hossain, y A. Abu-Siada, “Recent progress and
future trends on the state of charge estimation methods to improve battery-stor-
age efficiency: A review”, CSEE J. Power Energy Syst., vol. 8, n.° 1, pp. 105–114,
2022, doi: 10.17775/CSEEJPES.2019.03060.
[24] R. Małkowski, M. Jaskólski, y W. Pawlicki, “Operation of the hybrid photo-
voltaic-battery system on the electricity market-simulation, real-time tests and
cost analysis”, Energies, vol. 16, n.° 3, 2020, doi: 10.3390/en13061402.
[25] S. Bandyopadhyay, G. R. C. Mouli, Z. Qin, L. R. Elizondo, y P. Bauer, “Tech-
no-Economical Model Based Optimal Sizing of PV-Battery Systems for Microg-
rids”, ieee Trans. Sustain. Energy, vol. 11, n.° 3, pp. 1657–1668, 2020, doi: 10.1109/
TSTE.2019.2936129.
238
Plantas de biogás en
microrredes
CAPÍTU LO 11
Sergio Arango-Osorio y Oscar Vasco-Echeverri

Universidad Pontificia Bolivariana,
circular 1 N.o 70-01, 050031, Colombia
1
[email protected]
Los procesos que propenden por la circularidad en la economía, desde la

escala de las microrredes, hasta las mismas ciudades inteligentes, son vitales
para la transición energética. En este capítulo se hace un esfuerzo para
sintetizar los múltiples trabajos adelantados en el Smart Energy Center,
orientados al aprovechamiento de residuos para producción energética, y
su integración a las microrredes. Se capitaliza la experiencia con sistemas
home biogas y esquemas de biodigestión a mayor escala, previamente
incorporados y actualmente en comisionamiento en el nuevo prototipo
Ecovilla iLab, punto de convergencia entre los proyectos 2 y 8 de la alianza
Energética 2030.
Introducción
La biomasa es el término implementado para todo material proveniente
de seres vivos (plantas, animales, hongos y microorganismos). Las fuentes
de biomasa pueden ser consideradas como materia en la cual la energía es
almacenada como enlaces químicos, que, cuando están entre moléculas
de carbono, hidrógeno, oxígeno y azufre, son destruidos por mecanismos
biológicos (descomposición natural de la materia), o por procesos ter-
moquímicos o químicos. Esto lleva a que la energía sea liberada y pueda
ser aprovechada [1]. Actualmente, la biomasa se utiliza para satisfacer
necesidades energéticas, incluyendo generación de energía eléctrica, sis-
temas térmicos de carácter domésticos e industriales y combustibles para
movilidad. Se habla de que este recurso tiene la capacidad de satisfacer
entre el 10 % y el 14 % de la demanda energética mundial [2].
239
La biomasa puede ser utilizada de forma directa (por ejemplo, la combustión de la
madera para calentar o cocinar) o indirectamente a través de procesos de conversión a
biocombustibles líquidos o gaseosos (por ejemplo, alcohol del azúcar o biogás de residuos
pecuarios o residuos sólidos urbanos [rsu]). La energía neta disponible de la biomasa
está entre 8 MJ/kg a 20 MJ/kg si se habla de madera, y 55 MJ/kg si se habla de gas metano
puro que se encuentra presente en biocombustibles gaseosos como el biogás en menores
concentraciones, comparado con el carbón que tiene aproximadamente 27 MJ/kg [2].
La digestión anaerobia es un método de transformación indirecto de la biomasa,
sus principales productos son el biogás como biocombustible con concentraciones de
metano entre el 55 y el 70 % con una energía neta entre 21 MJ/Nm3 y 28 MJ/Nm3[3]
y el biofertilizante, material remanente del proceso rico en carbono orgánico, macro
y micronutrientes, ideal para la restauración de suelos y fertilización de cultivos [4].
Además de las bondades energéticas y los subproductos útiles para la industria agrícola,
la digestión anaerobia tiene la bondad de ser una tecnología de bajo costo y eficiente
para procesos de tratamientos de aguas residuales, con capacidad de reducir hasta el
83 % del contenido de materia orgánica [5].
Por su potencial energético, se ha identificado que las plantas de biogás pueden ju-
gar un papel importante en sistemas inteligentes de gestión e integración de recursos
energéticos renovables o microrredes inteligentes, especialmente en áreas rurales donde
los servicios de electricidad son más escasos [6]. Es posible evaluar la factibilidad de
tener un sistema mixto de generación (baterías, sistemas solares fotovoltaicos, turbinas
de viento y plantas de biogás) en una microrred mediante una simulación en el softwa-
re Homer con el propósito de analizar los beneficios ambientales y las estrategias de
implementación recomendada con los beneficios de operación relativos [7]. Múltiples
estudios han demostrado que implementar soluciones en las que se integren plantas de
biogás a sistemas de generación distribuida es una solución viable [8].
Desde el punto de vista técnico, las plantas de biogás comúnmente deben implementar
en su proceso generadores ca para producir energía eléctrica, aprovechando el biogás
derivado del proceso de digestión anaerobia [8]. La integración de los generadores eléc-
tricos de biogás con otros sistemas de generación en ca, se realiza a través del control
del grupo electrógeno, modificando la velocidad de rotación del motor mediante el
cambio de relación de flujo de biogás que ingresa al generador utilizando una válvula
de control [9]. En el caso de redes en cd, usualmente se implementan inversores ca/
cd para realizar la conexión del generador con la red [10]. El monitoreo del sistema
sergio arango-osorio y oscar vasco-echeverri
consta de visualizar el recurso disponible, ya sea cuantificando el biogás disponible

en los reservorios o la relación de entrada de biomasa al sistema. Con la información
constante de estos parámetros, es posible realizar pronósticos y predecir la cantidad
de energía disponible del sistema durante un periodo de tiempo y realizar una gestión
energética más eficiente [11].
En este capítulo, se describen los pasos para el diseño y simulación en estado tran-
sitorio de una planta piloto de biogás integrada a una nanorred. Para ello, (1) se detalla
el diagrama de proceso general de una planta de biogás, (2) se muestran los modelos de
diseño y dimensionamiento de digestores anaerobios, incluyendo las caracterizaciones
preliminares de la biomasa, (3) se explican los modelos biológicos para la predicción
de la producción diaria de biogás, (4) se describe una metodología para el dimensiona-
240
miento de grupos electrógenos mediante modelos termodinámicos y (5) se programa
la metodología usando ms Excel.
Plantas de biogás
Las plantas de biogás son procesos en los cuales se lleva la descomposición de la materia
orgánica o biomasa con ayuda de bacterias en condiciones anaerobias. Este proceso es
conocido como digestión anaerobia [12]. El proceso de digestión anaerobia consiste en
4 etapas principales de acuerdo con la tabla 11.1 [13].
Tabla 11.1. Etapas biológicas de la digestión anaerobia
Etapa Descripción Producto Microorganismos

Bacteroides,
Péptidos, aminoácidos, Lactobacillus,
Transformación controlada por enzimas
ácidos grasos de cadena larga, Propionibacterium,
extracelulares en las que las moléculas
Hidrólisis glicerol, celobiosa, glucosa, Sphingomonas,
complejas se rompen en compuestos solubles
pentosas, hexosas y ácidos Sprorobacterium,
que pueden atravesar la pared celular.
urónicos. Megaspahera y
Bifidobactetium.
Clostridium,
Fermentación de las moléculas orgánicas
Paenibacillus,
solubles en compuestos que pueden ser Ácido acético, fórmico,
Fermentativa o Ruminococcus
utilizados directamente por las bacterias propiónico, butírico, valérico,
acidogénica y Cytophaga-
metanogénicas, en esta etapa se eliminan láctico, hidrógeno y etanol.
Flavobacterium-
trazas de oxígeno disuelto en el sistema.
Bacteroides.
Syntrophomonas wolfei,
Transformación de etanol, ácidos grasos Acetatos, hidrógeno, ácidos
Syntrophobacter wolini,
Acetogénica volátiles y compuestos aromáticos en grasos volátiles sencillos
Acetobacterium woodii
acetatos e hidrógeno. (agv).
y Clostridium aceticum.
Formación de metano y eliminación del Metano, dióxido de carbono,
Methanosarcina y
Metanogénica medio de los productos formados por los hidrógeno, sulfuro de
Methanothrix.
grupos anteriores. hidrógeno y otros.
Usualmente, las plantas de biogás se utilizan para el tratamiento de aguas residua-

les [14], pero gracias a los subproductos asociados al proceso, esta tecnología ahora
es aprovechada como una fuente de energía [15]. El principal producto energético del
proceso es el biocombustible gaseoso (biogás) enriquecido con metano con concen-
plantas de biogás en microrredes
traciones entre 55 y 70 %, este combustible puede ser utilizado directamente como

fuente térmica mediante procesos de combustión, o puede ser utilizado en grupos
electrógenos para la generación de energía eléctrica [16]. Por otro lado, se encuentra
el biofertilizante que, bajo tratamientos adicionales, puede ser utilizado como insumo
agrícola para preparación de suelos para cultivos [17].
Las plantas de biogás para generación de energía están compuestas por varios equi-
pos de proceso en los que se desempeñan diferentes operaciones unitarias, tal como
se observa en la figura 11.1 [18]. Como corazón del proceso se encuentra el digestor
241
a naerobio. Aquí se realiza la descomposición de la biomasa en biofertilizante y biogás
siguiendo las etapas descritas en la tabla 11.1. Existen gran variedad de digestores anae-
robios, el criterio de selección y dimensionamiento se describe con detalle en la sección
11.3.
21. Válvula
6. Ingreso de residuos 11. Válvula solenoide 16. Compresor de
1. Reactor anaerobio antirretorno para
al reactor para biogás biogás
biogas
7. Válvula 12. Sensor de
22. Sensor de flujo
2. Motoagitador antirretorno para concentración de 17. Válvula de alivio
para biogás
biogás biogás
8. Tanque de 13. Torre de adsorción 18. Tanque de
3. Impeler de 23. Generador
almacenamiento empacada con almacenamiento
agitación eléctrico
primario de biogás espumas de hierro secundario de biogás
24. Válvula
14. Torre de adsorción
4. Intercambiador de proporcional para
9. Manómetro empacada con carbón 19. Manómetro
calor control de gases de
activado
combustión
25. Válvula
15. Sensor de
5. Sensor de 20. Válvula solenoide proporcional para
10. Válvula de alivio concentración de
temperatura para biogás control de gases de
biogás
combustión
Figura 11.1. Diagrama de proceso de una planta de biogás para generación de energía eléctrica
242
El biogás resultante del proceso de digestión anaerobia es tratado con torres de
adsorción empacadas con diversos adsorbentes (esponjas de hierro, carbón activado,
etc.) para eliminar compuestos corrosivos, principalmente el sulfuro de hidrógeno
(H2S) y los siloxanos, los cuales pueden perjudicar la vida útil y el funcionamiento de
los equipos que convierten el biogás a energía eléctrica-térmica [19]. Otro tratamiento
que se suele realizar para la comercialización del biogás en gasoductos es implementar
torres de absorción con soluciones básicas para eliminar el dióxido de carbono (CO2) del
biogás con el fin de aumentar el poder calorífico del combustible [20]. Una vez tratado
el biogás, este es comprimido y almacenado para su posterior uso en máquina térmicas
(fogones, motores, parrillas, calentadores y radiadores) [21], [22].
El diseño y operación de una planta de biogás, se debe realizar teniendo en cuenta
los balances de materia y energía que se llevan a cabo en cada operación unitaria del
proceso. Algunos investigadores proponen comenzar el diseño con la selección y dimen-
sionamiento del digestor anaerobio, con base en caracterizaciones previas realizadas a la
biomasa que será alimentada al proceso. Posteriormente, diseñar las operaciones unitarias
encargadas del tratamiento y usos del biogás para el aprovechamiento energético [23].
A continuación, se describen los parámetros clave para el diseño de las operaciones
unitarias que componen el proceso de generación de energía a partir de biogás.
Digestores anaerobios
Como se mencionó anteriormente, el digestor anaerobio es el equipo encargado de
realizar la descomposición de la materia orgánica en biogás y biofertilizante a través
de un proceso biológico en ausencia de oxígeno. Generalmente, cuando se habla de un
digestor anaerobio, se entiende un tanque sellado herméticamente, el cual es alimentado
con determinado tipo de residuos orgánicos. Sin embargo, para garantizar un correcto
funcionamiento del sistema es necesario desde la fase de diseño, tener en cuenta otros
factores como la selección del tipo de digestor y los parámetros de operación que afectan
la eficiencia [24].
Los parámetros más influyentes en el proceso de digestión anaerobia y que afectan
directamente la eficiencia en la producción de biogás son:
• Temperatura: los digestores anaerobios pueden operar en diferentes rangos de tempe-
ratura. Se denomina rangos psicrofílicos temperaturas de operación entre los 5 y 19 °C,
rangos mesofílicos para temperaturas de operación entre los 20 y 40 °C y rangos ter-
mofílicos para temperatura de operación entre los 41 y 60 °C. Cada rango de operación
tiene ventajas y desventajas. Por ejemplo, en rangos mesofílicos las bacterias trabajan a
condiciones metabólicas óptimas. En países del trópico que estén a nivel del mar, no es
obligatorio aplicar energía extra para controlar esta variable, aunque lo mejor para el
proceso biológico es controlar la temperatura. Por otro lado, en rangos termofílicos las
bacterias son más productivas y, al operar a estas condiciones, se garantiza la eliminación
de bacterias patógenas. Sin embargo, el costo operativo incrementa, pues es necesario
adicionar energía al proceso para mantener estas condiciones de operación [25], [26].
• Tiempo de retención hidráulico (trh): el tiempo de retención hidráulico es el promedio
de tiempo en que una porción de volumen de biomasa o sustrato permanece dentro
del digestor anaerobio. Este es uno de los parámetros de diseño más importantes, pues
243
afecta directamente el tamaño (volumen) y el costo de capital del digestor anaerobio.
El trh promedio recomendado dependiendo del tipo de digestor y de la temperatura
de operación es de 40 días [25], [27]. El volumen del digestor anaerobio se estima de
acuerdo con la ecuación 11.1.
V = TRH ∙ u (11.1)
Donde:
V: volumen del digestor anaerobio.
u: flujo de alimentación de biomasa con agua al digestor anaerobio.
• pH: este parámetro debe mantenerse en un rango neutro de 6.8 a 7.5. La formación de
metano y la biodegradabilidad es sensitiva al pH. Valores de pH fuera del rango afectan
la población bacteriana metanogénica; por lo tanto, se reduciría la tasa de formación de
biogás y ocasionaría fallas en el funcionamiento del digestor anaerobio. Las alteraciones
en el pH son procesos completamente reversibles, aunque el tiempo de recuperación
depende de la duración de la alteración [25], [13].
• Pretratamiento del sustrato: Los digestores anaerobios suelen operar en óptimas
condiciones si la corriente de alimentación de biomasa es estable. Los parámetros que
se deben controlar en esta corriente son la cantidad de sólidos volátiles y la relación
de carbono/nitrógeno, entre otros [25]. Estos parámetros pueden ser estandarizados
mediante mezclas con agua y otros sustratos (codigestión) con el fin de controlar la
concentración de sólidos orgánicos y la relación carbono/nitrógeno del sustrato [28].
Tipos de digestores anaerobios y dimensionamiento

Por la gran variedad de parámetros que se deben tener en cuenta en la corriente de
alimentación de biomasa a una planta de biogás, con el tiempo se han desarrollado di-
versos mecanismos para selección del digestor anaerobio. Comúnmente esta selección
depende en gran mayoría de la concentración de sólidos en la corriente de alimentación,
la cual involucra directamente la carga orgánica que ingresa al reactor y el tiempo de
retención hidráulico [24]. La tabla 11.2 muestra los criterios de selección de algunos
tipos de digestores anaerobios para tratamiento de aguas residuales [25].
Tabla 11.2. Recomendación de contenido de sólidos en la corriente de alimentación para la

selección del tipo de digestor anaerobio
Contenido de Tiempo de retención Temperatura de

Tipo de digestor
sólidos [%] hidráulico típico [días] operación
Mesofílica (depende de las
Laguna cubierta 0.5-2 30-40
condiciones ambientales)
Flujo pistón 11-14 10-25 Mesofílica o termofílica
Reactor completamente agitado 5-10 10-25 Mesofílica o termofílica
Película fija <1 Pocos días Mesofílica o termofílica
244
Digestores anaerobios de laguna cubierta
Este tipo de reactores se implementa comúnmente para sustratos cuyas concentraciones

de sólidos se encuentren entre 0.5 y 2 %. Generalmente, debido a su tamaño, estos reac-
tores no poseen agitación, ni control o temperatura. Por esa razón, dentro del reactor
ocurre una estratificación del sustrato tal como se muestra en la figura 11‑2b. El trh de
operación es de 30-40 días; son usados en regiones cálidas del trópico donde se permite
operar a temperaturas mesofílicas [25]. El dimensionamiento de este reactor se basa en
estimar el diámetro y la altura de acuerdo con las ecuaciones 11.2 y 11.3, respectivamente.
Para esto es necesario definir con antelación el trh.
(11.2)
(11.3)
Donde:
DR: diámetro del digestor anaerobio.
R
: relación altura-diámetro, recomendada entre 1 y 2 [23].
VfF: fracción de volumen libre, recomendada entre 0.1 y 0.2 [23].
(b) Digestor anaerobio de flujo pistón (plug flow

(a) Digestor anaerobio de laguna cubierta
reactor [pfr])
Figura 11.2. Reactores anaerobios
245
Digestor anaerobio agitado (continuos stirred tank reactor [cstr])
Este digestor anaerobio se muestra en la figura 11.1. Normalmente, vienen equipados

con un serpentín para controlar la temperatura y un mecanismo de agitación impul-
sado por un motor eléctrico. El dimensionamiento de este tipo de reactor se basa en
estimar el diámetro y la altura del tanque utilizando la ecuación 11.2 y ecuación 11.3,
respectivamente. La potencia de agitación se puede estimar mediante la ecuación 11.4,
la cual está relacionada directamente con el volumen del reactor.
WR = w ∙ V (11.4)
Donde:
WR: potencia de motor para agitación.
w: factor de potencia de agitación, recomendado entre 0.01 y 0.1 kW/m3 [23].
A diferencia de los digestores tipo laguna, los digestores anaerobios agitados tienen
valores de trh inferiores; esto, debido a que pueden operar a temperaturas termofílicas
incrementando la producción de metano. Además, la agitación permite que las bacterias
se distribuyan de forma homogénea en todo el volumen de reacción garantizando una
mejor eficiencia en el proceso. Sin embargo, operar este tipo de reactor repercute en el
incremento de costos operativos en el control de temperatura y agitación [29].
Digestor anaerobio flujo pistón (plug flow reactor [pfr])
Otro tipo de digestor anaerobio comúnmente implementado para efluentes con concen-
traciones de sólidos altas es el reactor de flujo pistón. En este tipo de digestores no hay
agitación mecánica y el desplazamiento del sustrato es longitudinal. La construcción
de estos digestores anaerobios suele hacerse en geomembrana impermeable al agua y al
biogás [30]. En la figura 11.2b, se muestra el diseño de un digestor anaerobio con sistema
de control de temperatura por medio de arreglo de tubos propuesto por Arango et al.
[23]. Cabe aclarar que seleccionar un reactor de este tipo puede incremente de manera
significativa los costos de capital, pues los materiales de construcción deben soportar la
estructura para el arreglo de tubos y las temperaturas de trabajo para realizar el control
de temperatura dentro del digestor.
Las ecuaciones de diseño propuestas para el digestor anaerobio pfr con control de
temperatura, se basa en estimar el diámetro y la longitud del digestor con las ecua-
ciones 11.5 y 11.6, respectivamente. Además, se debe estimar el número de tubos en el
arreglo mediante la ecuación 11.7 [23].
246
(11.5)
(11.6)
(11.7)
Donde:
DSR: diámetro del reactor.

LR: longitud del reactor.
Nt: número de tubos para realizar el control de temperatura dentro del reactor.
R
: relación longitud-diámetro, debe tomar valores entre 2 y 10 [23].
Dt: diámetro interno de los tubos para realizar control de temperatura.
δt: grosor de los tubos para realizar el control de temperatura.
St: distancia entre los tubos para realizar control de temperatura.
Caracterización de la biomasa
La caracterización de la biomasa es una serie de actividades clave que permiten adquirir
conocimiento sobre la composición de los residuos con el objetivo de realizar evalua-
ciones de ciclo de vida y determinar la vía correcta para su tratamiento, disposición o
aprovechamiento [31]. La digestión anaerobia, por ser un proceso biológico multietapa,
requiere un conocimiento previo de diferentes parámetros que permitan garantizar
el buen funcionamiento y llevar un control adecuado en la corriente de alimentación
del digestor anaerobio. En la etapa de pretratamiento de biomasa, se pueden controlar
parámetros como: fuente de nutrientes (relación carbono-nitrógeno), temperatura
de alimentación, pH, densidad, tiempo de retención hidráulico, tamaño de partícula,
concentración de sólidos, ácidos grasos volátiles y concentración de metales pesados
[32]. Si uno de los objetivos de la planta de biogás es realizar un tratamiento óptimo de

aguas residuales, es recomendable revisar las normas ambientales de la región donde se
implemente el sistema. En Colombia, la Resolución 0631 de 2015 dicta los parámetros
247
que se deben cuantificar para realizar un tratamiento de aguas residuales adecuado, de
acuerdo con la actividad industrial que se esté desempeñando [33].
Para cuantificar los parámetros descritos anteriormente, existen diferentes técnicas
y métodos estándar. La caracterización de sólidos totales utiliza la norma D3173-87
[34], la cual señala que se debe determinar el peso inicial de una muestra de la biomasa;
posteriormente, eliminar la humedad utilizando un horno de convección forzada con
una temperatura entre 105 y 110 °C; y, finalmente, determinar el peso final de la biomasa
después del proceso de secado. El contenido orgánico de la biomasa o sólidos volátiles
se determina mediante la norma D3172-13 [35]. Este proceso se realiza en base seca (des-
pués de determinar la cantidad de sólidos totales). El proceso consiste en someter una
muestra de la biomasa a temperaturas superiores a los 815 °C durante 90 minutos en una
mufla. Una vez terminado el proceso, se pesa el contenido residual. Las caracterizaciones
ambientales que exige la ley para el vertimiento de aguas residuales y que son paráme-
tros importantes que ayudan a monitorear el correcto funcionamiento de los digestores
anaerobios se pueden consultar en el método estándar para la caracterización de aguas
residuales [36]. Aquí se describen los métodos estadísticos para la toma de muestras, y los
procedimientos experimentales para determinar los principales parámetros que se deben
caracterizar en aguas residuales. Estos métodos pueden ser aplicados a la caracterización
de biomasa para procesos de digestión anaerobia [13].
A parte de las caracterizaciones ambientales, en el diseño de plantas de biogás, un
parámetro clave es el potencial bioquímico de metano (pbm) para el sustrato que se va
a emplear [37], pues evalúa el rendimiento de la producción de metano con base en la
carga orgánica que alimenta el sistema y el tiempo de retención hidráulico [38]. Este
parámetro se puede estimar tanto de forma teórica como de forma experimental. De
forma teórica, se parte de un análisis elemental de la biomasa en el que se determina el
contenido de carbono, hidrógeno, oxígeno, nitrógeno y azufre utilizando un analizador
elemental. Una vez obtenidos estos datos el pbm teórico se estima con la ecuación 11.8 [39].
(11.8)
Donde:
PBMt: potencial bioquímico de metano teórico.

a: contenido de carbono en la biomasa.
b: contenido de hidrógeno en la biomasa.
c: contenido de oxígeno en la biomasa.
d: contenido de nitrógeno en la biomasa.
e: contenido de azufre en la biomasa.
Para determinar el pbm de forma experimental, varios protocolos son implementa-
dos, de aquí, se obtienen diferentes resultados que no pueden ser comparables debido
a las diferencias en los procedimientos, selección de inóculo, método utilizado para la
248
cuantificación de biogás y las condiciones de operación de la prueba (ej. temperatura,
relación de sustrato inóculo, tiempo de duración del ensayo, etc.) [40], [41]. Sin embar-
go, el protocolo estándar vdi 4630 es el más usado a nivel mundial [42]. La mayor tasa
de degradación combinada con una aparente inestabilidad del sistema del método vdi
sugiere que podría ser el método por lotes más adecuado para determinar el pbm para
purines de cerdo, con pruebas de fermentación cortas. El método de Hansen podría
ser preferible para determinar el pbm en purinas de vaca, que contienen compuestos
orgánicos altamente resistentes a la degradación [41].
En términos generales, la prueba de pbm consiste en someter una muestra conocida
de biomasa a fermentación anaerobia por lotes (en batch) con condiciones controladas
(temperatura, agitación y pH) y cuantificar en el tiempo la producción de biogás [37]. La
figura 11.3 muestra un diagrama de montaje experimental que se puede llevar a cabo en
un laboratorio, aquí se muestra el tipo de equipos implementados y el método utilizado
para cuantificar el biogás producido en el tiempo.
1. Agitador mecánico 2. Erlenmeyer con sustrato

3. Probeta graduada 4. Beaker
Figura 11.3. Montaje para determinar el pbm experimental de un sustrato

Los resultados experimentales de la prueba se presentan, generalmente, como una

gráfica de metano acumulado producido en el tiempo, una gráfica del metano producido
diariamente y un parámetro que indica el rendimiento de producción de metano por kg
de sustrato o por kg de sólido volátil eliminado después de la fermentación anaerobia.
Por eso es necesario, realizar caracterización ambiental antes y después de realizar la
prueba con los protocolos estándar descritos anteriormente [37].
249
Modelamiento de digestores anaerobios
En digestión anaerobia es clave conocer la dinámica del proceso y optimizar las con-
diciones de operación. Por esta razón, se han propuesto varios modelos matemáticos
para el modelamiento de digestores anaerobios. El proceso de la degradación anaerobia
de la biomasa en biogás y biofertilizante es caracterizado por ser complejo, no lineal y
con la dificultad de obtener información experimental para aplicarla a modelos pre-
dictivos. En consecuencia, hay una gran variedad de enfoques para el modelamiento y
la identificación de parámetros cinéticos, inclusive bajo las mismas condiciones medio
ambientales y de operación. La selección del modelo matemático para simular el digestor
anaerobio debe ser coherente con el objetivo propuesto. En general, los objetivos más
comunes son entender el comportamiento y la interacción de componentes del sistema;
y verificar cuantitativamente hipótesis y predicciones del comportamiento del sistema
en el futuro o bajo otras circunstancias similares [43], [44].
Se deben elegir estructuras de modelo adecuadas de acuerdo con 4 principios: (1)
simplicidad, el modelo debe ser lo más simple posible; (2) causalidad, el modelo debe
representar las relaciones más significativas de causa y efecto, (3) identificabilidad, las
variables desconocidas deben ser identificables, de fácil medición y estar disponibles;
y (4) capacidad de predicción, el modelo debe seguir siendo razonable en condiciones
futuras o alternativas. A lo largo de los años el interés por hacer más eficiente el proceso
de digestión anaerobia ha incrementado, y en las últimas 2 décadas diferentes autores
han implementado diferentes modelos para predecir el comportamiento de digestores
anaerobios. En el trabajo de Donoso Bravo et al. [44], se muestra un resumen de estudios
en los que diferentes modelos han sido evaluados.
Para procesos en bache: Batsone et al. [45], Palatsi et al. [46] y Flotats et al. [47]
implementan el modelo adm1 para estimar diversos parámetros cinéticos en las reac-
ciones biológicas de descomposición de la biomasa y predicen el flujo de biogás y otros
compuestos que se forman dentro del digestor anaerobio. Otros autores como: Lopez y
Borzacconi [48] utilizan el modelo de sustratos complejos, Noykova y Gyllenber [49]
utilizan el modelo de 3 reacciones, Muller et al. [50] utilizan el modelo de Monod y
no competitivo y Lokshina et al. [51] utilizan el modelo de Monod y las ecuaciones de
Haldane.
En procesos continuos: Thamisiriroj y Murphy [29], Blumensaat y Keller [43], Do-
noso-Bravo et al. [45] y Batstone et al. [52] implementan el modelo adm1 para predecir
parámetros cinéticos de reacciones en digestores anaerobios de operación en continuo

y predecir la producción de biogás y otros subproductos del proceso. Otros autores
como Bernard et al. [53], Haag et al. [54] Lopez y Borzacconi [55] y Ghaniyari-Benis
et al. [56], implementan modelos de múltiples reacciones para estimar los parámetros
cinéticos de las reacciones de descomposición y predecir la producción de biogás y
otros subproductos del proceso de digestión anaerobia.
Modelo adm1
El modelo adm1 (anaerobic digestion model 1) es un modelo estructurado que representa

sustratos complejos por sus principales componentes, e incluye múltiples pasos que
250
describen los procesos bioquímicos y fisicoquímicos del proceso anaerobio de biode-
gradación de componentes orgánicos complejos. El modelo adm1 tiene como objetivo
crear una plataforma común para el desarrollo de simulaciones para un rango amplio de
procesos específicos. Muchas extensiones y modificaciones del adm1 se han propuesto
para mejorar sus estimaciones y aumentar su capacidad de manejar distintos sustratos
sometidos a fermentación y no incluidos en el modelo original [57].
El modelo adm1 original fue propuesto en 2003 por la revista de ciencia y tecno-
logía del agua (water science and technology) [58]. El modelo propone la simulación
secuencial de las reacciones químicas y biológicas llevadas a cabo dentro de un digestor
anaerobio. Estas reacciones de dividen en 2: (1) reacciones bioquímicas, las cuales son
normalmente catalizadas por encimas intra o extracelulares y actúan sobre la reserva
de material orgánico biológicamente disponible; y (2) reacciones fisicoquímicas, estas
no están biológicamente mediadas y abarcan la asociación o disociación de iones y la
transferencia de gas-líquido. Una reacción adicional no incluida en el adm1 es la pre-
cipitación. Para explicar el modelo, se deben visualizar con detalle las corrientes y los
fenómenos que se llevan a cabo en un digestor anaerobio [58].
La implementación del modelo depende de si los procesos físicos-químicos en fase
líquida se implementan como ecuaciones de velocidad algebraica o cinética. En el pri-
mer caso se requiere la solución de un sistema de ecuaciones algebraicas diferenciales
e implícitas. En el segundo caso, hay un gran número de ecuaciones diferenciales, el
modelo es más rígido y algunos errores pueden ser introducidos. El balance de masa
para cada componente del sustrato en fase líquida se muestra en la ecuación 11.9 [58].
(11.9)
Donde:
n: número de compuestos presentes en el sustrato y en las reacciones.
vi,j: volumen del gas i.
Sliq,i: concentración de sustancia i en el líquido dentro del reactor.
qin: caudal de ingreso de sustrato.
qout: caudal de salida de líquido en el reactor.
Sliq,i: concentración de la sustancia i en el líquido que ingresa al reactor anaerobio.
Vliq: volumen del reactor.
Sout,i: concentración de la sustancia i en el líquido que sale del reactor anaerobio.
ρj: densidad del gas j que sale del proceso de digestión.
Modelo Minott
Un modelo más simplificado para predecir la producción de biogás en un digestor

anaerobio es el modelo propuesto por Minott, este modelo no es tan rígido como el
251
adm1, y solo tiene en cuenta parámetros como el trh, el pbm, la concentración inicial
de sólidos volátiles, el volumen del digestor anaerobio y la temperatura de operación.
Estos parámetros son de fácil caracterización, por lo tanto, realizar una validación
experimental resultaría más sencillo y económico a comparación del modelo adm1. El
modelo propuesto por Minott se muestra en la ecuación 11.10 [59], [60].
(11.10)
Donde:
BG: producción de biogás por día (m3/día).

b: parámetro extraído del pbm, biogás producido por peso de sólido volátil destruido
(m /kgSV).
3
TRH: tiempo de retención hidráulico (días).

Co: concentración de sólidos volátiles que ingresan al reactor (kg/m3).
CT(x, t): degradación total del sustrato dentro del reactor (kg/m3).
V: volumen del digestor anaerobio (m3).
Ta: temperatura ambiente.
To: temperatura del sustrato dentro del digestor anaerobio (K).
La ecuación 11.11 representa la degradación total del sustrato dentro del digestor
anaerobio.
(11.11)
Donde:
k: parámetro cinético (adimensional), se propone la ecuación 11.14 para estimar este

parámetro.
μm: tasa de crecimiento bacteriano (día-1), se propone la ecuación 11.13 para estimar
este parámetro.
μ: flujo de biomasa que ingresa diariamente al reactor anaerobio.
t: tiempo de retención hidráulico (días).
Modelo de Hashimoto
Un modelo más básico fue propuesto por Hashimoto en 1978 (ecuación 11.12) [61]. Este
modelo se basa en la solución de la ecuación de degradación de primer orden teniendo
en cuenta la degradación de carbono orgánico dentro del reactor, el pbm y la cinética
de las reacciones biológicas.
252
(11.12)
Donde:
γv: producción de metano, de acuerdo con el volumen del reactor (m3/m3-día).

Bo: es el rendimiento de producción de biogás obtenido a partir de una prueba de
pbm (LCH4/gSV).
So: concentración de sólidos volátiles en la corriente de entrada de biomasa al di-
gestor (gSv/L).
Con base en su investigación, Hashimoto propone una cinética para la tasa de cre-
cimiento bacteriano dentro del digestor anaerobio (ver ecuación 11.13) y una cinética
que involucra la temperatura de operación del reactor anaerobio (ver ecuación 11.14),
cinéticas que después fueron implementadas en la propuesta de Minott.
μm = 0.013To - 0.129 (11.13)
K = 0.6 + 0.0206 ∙ e 0.051∙So ) (11.14)
Sistemas de tratamiento para biogás
El biogás es uno de los principales productos obtenidos del proceso de digestión

anaerobia. Por sus altos contenidos de metano, puede aprovecharse energéticamente.
Usualmente el biogás tiene concentraciones de metano entre el 40 y 80 %, y su poder
calorífico oscila entre los 13 720 kJm-3 a 27 440 kJm-3 [62]. Estos y otros parámetros
afectan en la decisión de la tecnología que se debe usar para la combustión y limpieza
del biogás, y el conocimiento de estas propiedades es de vital importancia para el diseño
y operación de estos sistemas [63].
En la composición del biogás casi el 98% del volumen se compone por metano (CH4)
y dióxido de carbono (CO2), las propiedades físicas del biogás pueden ser perfectamente
modeladas como una combinación de estos 2 compuestos. Otros compuestos (nitróge-
no [N2], sulfuro de hidrógeno [H2S] y trazas de orgánicos) se encuentran en pequeñas
cantidades, lo que puede ocasionar efectos negativos en la operación de equipos de

combustión [64].
Los equipos seleccionados para la limpieza del biogás dependen del uso final. El gas
puede ser quemado directamente para evitar emisiones de metano a la atmosfera, vendido
directamente sin tratamiento a un consumidor final, usado en sitio sin un tratamiento
previo o tratado y vendido al consumidor final en una pipeta de gas o transportado en
un gasoducto. El tipo de tratamiento también depende de la composición del gas. El
biogás crudo, normalmente, tiene poderes caloríficos bajos, debido a la dilución de CH4
253
con CO2 y N2. Así mismo, el agua con el H2S puede ser corrosivo. El objetivo primario
de un sistema de tratamiento de biogás es remover los compuestos corrosivos (H2S y
agua), o eliminar los compuestos que diluyen el CH4 que afectan el poder calorífico
del combustible. Hay sistemas de tratamiento disponibles para la remoción de agua,
H2S, CO2 y N2, ya sea individualmente o en combinación. En la tabla 11.3 se muestra un
resumen de los métodos más comunes para la remoción de compuestos contaminantes
en el biogás [64].
Tabla 11.3. Resumen de los métodos para tratamiento de gas disponibles para
la remoción de agua, hidrocarburos, dióxido de carbono y sulfuro de hidrógeno
Compuesto por
Nombre del proceso Alternativas de procesos disponibles
eliminar
Silica gel
Adsorción Tamices moleculares
Alúmina
Agua
Etilenglicol (a bajas temperaturas: –20°C)
Absorción
Selexol
Refrigeración Enfriamiento a 2°C
Adsorción Carbón activado
Absorción de aceite
Hidrocarburos
Absorción Etilenglicol
Selexol a bajas temperaturas (-29°C)
Refrigeración con etilenglicol + adsorción con

Combinación
carbón activado
Solventes orgánicos
Selexol
Flúor
Rectisol
Soluciones de sales alcalinas
CO2 y H2S Absorción Potasio caliente inhibido
Potasio caliente
Alcanolaminas
Mono,-di-tri-etanol aminas
Diglicolaminas
UCARSOL-CR
Tamices moleculares
Adsorción
Carbón activado
CO2 y H2S
Separación de membrana Membrana de fibra hueca
254
Implementación del diseño de una planta de biogás de
2.4 kW eléctricos utilizando ms Excel
Con base en los modelos planteados en el numeral anterior, se diseñó una planta de
biogás con la capacidad de generar 2.4 kW de energía eléctrica. El proceso se llevó a
cabo siguiendo la metodología propuesta por Arango et al. [23], en la que se cuantificó
la cantidad de residuos generados en el sitio donde se implementará el sistema; además,
se realizó una caracterización fisicoquímica del sustrato y una prueba de pbm. Por úl-
timo, con base en los resultados experimentales, se empleó ms Excel para simular las
operaciones unitarias que componen la planta de biogás (digestor anaerobio, sistema
de tratamiento de biogás y generador eléctrico). A continuación, se describe con detalle
cada procedimiento.
Cuantificación y caracterización del sustrato
La caracterización de residuos se realizó con base en la norma apha/awwa/wef [36],

en esta se realizó una recolección, mezcla y almacenamiento de los residuos sólidos
orgánicos producidos en la cafetería del bulevar estudiantil de la Universidad Pontifi-
cia Bolivariana (upb), sede Medellín, campus Laureles. A continuación, se detallan los
procedimientos y materiales implementados para cada una de las caracterizaciones.
Recolección y almacenamiento del sustrato
Se realizó una recolección y cuantificación diaria de residuos sólidos orgánicos pro-

ducidos en la cafetería del bulevar estudiantil de la Universidad Pontificia Bolivariana
durante los meses de septiembre y octubre del año 2021. A los residuos recolectados, se
les midió volumen, utilizando un barril, una cubeta y una probeta graduada de 100, 20
L y 1 L, respectivamente. Posteriormente, se seleccionó de la recolección, una muestra
de 500 mL, la cual fue contenida en un recipiente hermético; y almacenado en un re-
frigerador a 3°C durante 1 semana.
El último día de cada semana, se tomó una proporción igual de cada una de las
muestras recolectadas. Estas fueron mezcladas utilizando un mortero y puestas en un
horno de convección forzada a 60 °C durante 24 horas para determinar sólidos totales;
posteriormente, la muestra seca fue sometida a temperaturas de 650 °C durante 4 horas
para determinar los sólidos volátiles. Cada procedimiento experimental se realizó por
triplicado.
De acuerdo con los datos recolectados de la cuantificación de residuos, se puede decir
que la media de generación se encuentra entre los 103.9 y 112.8 L diarios con un nivel
de confianza del 95 %. En la figura 11.4a, se muestra el histograma para la cantidad de
residuos diarios generados, en este se observa que con mayor frecuencia se producen
residuos orgánicos entre los 115 y los 123 L diarios y que su distribución es uniforme,
con una frecuencia relativa promedio de 16.67 %. Por otro lado, en la figura 11.4b, se
muestra el diagrama de caja y bigotes en el que se observan los cuartiles, la mediana
y la media de la cantidad de residuos generados en la cafetería del bulevar de la upb.
255
(a) Histograma para la cantidad de residuos sólidos (b) Diagrama de caja y bigotes para la cantidad de
orgánicos residuos sólidos orgánicos
Figura 11.4. Descripción gráfica de los datos de generación de residuos orgánicos generados
en la cafetería del bulevar de la Universidad Pontificia Bolivariana
Los resultados de la caracterización de sólidos totales (st) y sólidos volátiles (sv)

se muestran en la tabla 11.4. Se observa una gran variación en el tiempo de los st. Para
un proceso de digestión anaerobia, no es muy recomendable operar con un flujo de
alimentación con cambios tan variables en este parámetro, pues puede alterar el me-
tabolismo bacteriano dentro del reactor y causar un desbordamiento. Para solucionar
este problema, es conveniente realizar un ajuste del parámetro mediante diluciones
utilizando agua.
Tabla 11.4. Caracterización de st y sv realizadas a los residuos sólidos

orgánicos producidos en la cafetería del bulevar estudiantil de la upb
Sólidos totales
Semana Muestra 1 Muestra 2 Muestra 3 X̅ S
1 3.23 % 20.09 % 10.75 % 11.36 % 8.44 %
2 15.55 % 14.45 % 16.33 % 15.44 % 0.94 %
3 13.59 % 13.45 % 13.89 % 13.64 % 0.22 %
4 11.95 % 12.46 % 4.97 % 9.79 % 4.18 %

5 36.74 % 34.85 % 31.64 % 34.41 % 2.58 %
Sólidos volátiles
Semana Muestra 1 Muestra 2 Muestra 3 X̅ S
1 1.10 % 1.13 % 0.94 % 1.06 % 0.10 %
2 0.57 % 0.92 % 0.48 % 0.66 % 0.23 %
3 1.07 % 2.70 % 1.05 % 1.61 % 0.95 %
4 1.02 % 0.88 % 0.96 % 0.95 % 0.07 %
5 1.03 % 0.74 % 0.73 % 0.83 % 0.17 %
256
Se puede corroborar la hipótesis de variación de los st de acuerdo con lo observado
en las cartas de control de 3 sigma mostrada en la figura 11.5. Se observa que 2 puntos
de 5 se encuentran por fuera de los límites de control, lo que indica que los st no son
estadísticamente estables en el tiempo. Esto señala, con un nivel de confianza del 99 %,
que es necesario realizar un pretratamiento al sustrato para mantener este parámetro
controlado. Por otro lado, en las cartas de control de 3 sigma para los sv (ver figura
11.5b) se observa que todos los puntos observados se encuentran dentro de los límites
de control, indicando que los sv son estadísticamente constantes en el tiempo y su
variación es insignificante en el flujo de alimentación al digestor anaerobio.
Figura 11.5. Gráfico de ubicación de proceso para los sólidos totales de los
residuos sólidos orgánicos recolectados en la cafetería del bulevar de la
Potencial bioquímico de metano (pbm)
La prueba de pbm se realizó mezclando una muestra de la biomasa recolectada durante

la primera semana (sustrato) con una porción de inóculo extraído de un digestor anae-
robio y agua destilada. Las mezclas de inóculo-sustrato-agua se realizaron ajustando
los sólidos totales a 10 % mediante un modelo de disolución conservando una relación
en peso de sólidos volátiles de sustrato-inóculo de 5.
Las mezclas fueron sometidas a un proceso de digestión anaerobia por triplicado en
batch durante 30 días. El volumen efectivo de los reactores fue de 1875 mL, el volumen
total de la mezcla se determinó como el 80 % de la capacidad máxima de cada reactor.
Las variables medidas en el proceso de digestión anaerobia fueron temperatura de
la mezcla (contralada a 35 °C), pH y presión. Se programó la prueba para almacenar

un dato de cada variable en una ventana de tiempo de 30 minutos. Adicionalmente,
La concentración de metano (CH4), dióxido de carbono (CO2), sulfuro de hidrógeno
(H2S) y oxígeno (O2) se realizó semanalmente utilizando un medidor de gases marca
Gasboard-3200 plus.
Con base en los resultados obtenidos de la caracterización de los residuos sólidos
orgánicos generados en la cafetería del bulevar de la upb, se realizaron los cálculos
para las mezclas en las pruebas de pbm. Primero se realizó una dilución de los sólidos
257
totales del sustrato a 10 %w/w utilizando agua destilada y una solución de NaOH 1M
para neutralizar el pH; posteriormente, se realizaron las mezclas sustrato pretratado e
inoculo de acuerdo con la tabla 11.5.
Tabla 11.5. Relación de mezcla sustrato pretratado e inóculo para las pruebas
de pbm
st (%) sv (%) Volumen (mL) Densidad (g/L) Peso (g)

Sustrato pretratado 10.00 0.410 1219 766.43 178.056
Inóculo 0.033 0.032 290 933.96 1190.18
Mezcla 1.32 0.081 1509 916.16 1368.23
Durante la prueba de pbm se obtuvieron 8772 datos, reportando para cada reactor,
presión, temperatura y pH. El volumen de biogás producido fue obtenido indirectamente
utilizando la ecuación de gases combinados. La desviación estándar promedio de la
prueba para la variable presión fue de 1.7916 psig. La figura 11.6 muestra el resumen de
los datos obtenidos. En ella se observa para cada día el volumen de biogás producido
en relación con la masa de sólidos volátiles del sustrato. La curva representa el intervalo
de confianza estimado a partir de las 3 observaciones realizadas en cada reactor. La pre-
cisión promedio o ancho de intervalo para un nivel de confianza del 95 % es de 130.45
mL biogás/gsustrato. Esta curva muestra un comportamiento similar al estudio realizado por
Gueri et al. [69], quienes utilizan residuos similares. Las diferencias pueden radicar,
principalmente, en el volumen de la prueba y las técnicas de medición empleadas para
la cuantificación del biogás.
Figura 11.6. Generación de biogás acumulado para los residuos sólidos

orgánicos generados en la cafetería del bulevar de la Universidad Pontificia
Bolivariana
258
A partir de la curva se puede estimar que un tiempo de retención hidráulico (trh)
adecuado para el sustrato es de 10 a 15 días para una producción de biogás de alrededor
de 450 NmL/gSVsustrato. Las concentraciones de los gases del biogás medidas semanalmente
se muestran en la tabla 11.6. Durante la primera semana la concentración promedio de
metano no fue superior al 40 %. Con esta concentración, no es posible utilizar el biogás
para procesos térmicos debido a que presenta un poder calorífico con bajo rendimiento.
Para un trh de 15 días (Semana 2), se podría estimar que la concentración de metano en
el biogás es de aproximadamente 56.6733 %. Si se fija el trh a 15 días, podríamos asegurar
que la mezcla de biogás tiene un flujo y una concentración de metano suficientemente
altos para ser implementados en procesos termodinámicos.
Tabla 11‑6. Concentración de gases promedio presentes en el biogás durante la

prueba de pbm
[CH4] %V/V [CO2] %V/V [O2] %V/V H2S [ppm]

Tiempo X̅ S X̅ S X̅ S X̅ S
Semana 1 30.1367 0.8801 57.2333 4.2711 5.0400 1.3908 695.6667 135.5962
Semana 2 56.6733 1.5472 30.2667 0.8834 2.7500 0.4828 158.3333 62.9153
Semana 3 59.4067 0.9548 27.3467 2.7211 1.2433 0.1901 190.0000 49.2443
Semana 4 55.2167 1.0100 34.3267 2.7583 0.9067 0.4052 275.0000 66.1438
Diseño de proceso e implementación en ms Excel
Con los resultados obtenidos en las pruebas de caracterización y pbm, es posible tener
los parámetros de entrada para diseñar un proceso de una planta de biogás para gene-
ración de energía. En esta sección se propone implementar ms Excel para diseñar una
planta de biogás debido a que es un software asequible y no requiere conocimientos
avanzados en programaciónF1.
El diseño comienza con la solución del digestor anaerobio, en esta ocasión se utiliza el
modelo de Hasimoto (ecuaciones 11.12 en adelante) para predecir en estado estacionario
el flujo de biogás. Como parámetros de entrada Se utilizan los resultados obtenidos en
la caracterización del sustrato y la prueba de pbm. El volumen de reacción seleccionado
(Vrxn) es de 4300 L. Esto se debe a que la planta implementa un reactor anaerobio co-
mercial tipo pfr de la marca Homebiogas®. De la solución del modelo se obtuvo que se
producen 162.26 L de metano al día, con un tiempo de retención hidráulica de 20 días,
es decir, que se requiere una tasa de alimentación de sustrato pretratado de 215 L/día.
1 Para acceder al archivo completo, por favor ponerse en contacto con el autor.
259
Donde:
FCH4: tasa de producción diaria de metano.

Vrxn: volumen de reacción (volumen del digestor anaerobio) = 4300 L.
yv: coeficiente de rendimiento = 0.377 LCH4/L-día.
Bo: potencial bioquímico de metano = 0.2673 LCH4/gsv.
So: concentración de sólidos volátiles en el sustrato = gsv/L.
trh: tiempo de retención hidráulico = 20 días.
K: parámetro cinético = 0.6242.
um: tasa de crecimiento bacteriano evaluado a una temperatura de operación de
35 °C = 0.3260.
Para realizar la estimación energética de la corriente de biogás es necesario resolver

el balance de materia para la reacción química mostrada en la ecuacion 11.16. Aquí se
supone que el carbono y el azufre son completamente oxidados, no hay aire en exceso, la
composición de aire estequiométrico es 21 % oxígeno y 79 % nitrógeno, no se producen
productos indeseados como óxidos de nitrógeno y el desbalance de compuestos presen-
tes en el biogás se realiza con nitrógeno. Además, se utilizó como base del cálculo un
flujo de biogás de 1 kmol/h, y las concentraciones %mol/mol de los compuestos fueron
obtenidas de los resultados de la prueba de pbm (ver tabla 11.6).
Donde:
Nij: flujo molar del componente i presente en la solución j.
Tabla 11.7. Resultados de la solución del balance estequiométrico de combustión de biogás

Flujo molar por Gases de combustión

Biogás Aire
compuesto (kmol/h) (gc)
NCH4 0.5941 0.00 0.00
NCO2 0.2735 0.00 0.8675
NN2 0.12 4.4229 4.5429
NO2 0.0124 1.1757 0.00
NH2S 5.6E-09 0.00 0.00
NH2O 0.0 0.00 1.1881
NSO2 0.00 0.00 5.6E-9
NTotal 1.00 5.5986 6.5986
260
De la solución del modelo (ver tabla 11.7) se obtuvo que se requieren 5.5986 kmol/h
de aire para la combustión total de 1 kmol/h de biogás. Además, se obtuvo que el poder
calorífico inferior para la corriente de biogás es de 5.3578 kWh/Nm3. En ese caso, la
cantidad de energía neta producida por el digestor anaerobio se estimaría de acuerdo
con la ecuación 11.17.
(11.17)
El almacenamiento primario de biogás de la planta se realiza a una presión de 1psig

en el tanque pulmón que el reactor anaerobio tiene integrado, por otro lado, el alma-
cenamiento secundario se realiza a una presión de 50 psig. Para esto se implementa un
cilindro metálico de 20 L para almacenamiento de hidrocarburos y un compresor sin
aceite tipo diafragma cuya potencia es de ¼ hp.
Con la potencia de ¼ hp, el compresor tiene la capacidad de elevar la presión del
biogás a 50 psig a un flujo de 0.1303 kmol/h, el tiempo que se requiere para comprimir
los 258 litros de biogás producido por el reactor anaerobio al día es de 8.11 min, represen-
tando un consumo energético de 25.20 Wh/día. La temperatura máxima que alcanzaría
el compresor es de 160 °C. Este es un proceso seguro, debido a que se encuentra 370 °C
por debajo de la temperatura de autocombustión del metano. Las propiedades termo-
dinámicas estimadas en el modelo se realizan con la ayuda del paquete termodinámico
Termofvhv desarrollado por Forero et al. en la upb [70]. El sistema de compresión
es un sistema de ecuaciones consistente con 0 grados libertad, en el que las incógnitas
del proceso son el trabajo isentrópico, el flujo de biogás que ingresa al compresor y las
temperaturas de salida del biogás real e ideal. El sistema de ecuaciones fue resuelto con
la ayuda de métodos numéricos utilizando Homotopía afín. El modelo y los resultados
de la solución del tren de compresión para el biogás se muestran en la tabla 11.8.
Tabla 11.8. Resultados de la solución del compresor de biogás
Ecuación Representación
Balance de energía real

Balance de energía ideal
Balance de entropía
Eficiencia isentrópica
261
Donde:
Nbiogas: flujo molar del biogás = 3.61E-05 kmol/s.

Hv biogas: entalpía en fase gaseosa del biogás que entra al compresor evaluada a T1 = 298.15K y P1 =
108.2 kPa = –24.1972 kJ/kmol.
Wreal: potencia el compresor = 0.18 kW.
NbiogasCR: flujo molar del biogás comprimido = 3.61E-05 kmol/s.
HvbiogasR (T2R, P2): entalpía en fase gaseosa del biogás comprimido real a T2R=434.21K y P2=446.06kPa
= 5126.94kJ/kmol.
NbiogasCI: flujo molar del biogás comprimido a condiciones ideales = 3.61E-05 kmol/s.
HvbiogasI (T2i, P2): entalpía en fase gaseosa del biogás comprimido ideal a T2i = 408.55 K y
P2 = 446.06 KPa = 4096.63 kJ/kmol.
Sbiogas (T1, P1): entropía del biogás que ingresa al compresor = –39.60 kJ/kmol-K.
Sbiogas (T2i, P1): entropía del biogás comprimido a condiciones ideales = –39.60 kJ/kmol-K.
Wise: trabajo isentrópico = 0.1491 kW.
Wreal: trabajo real = 0.1864 kW.
El sistema de generación de energía se resuelve mediante la simulación de los 4

tiempos de un motor a combustión interna (admisión, compresión, combustión y es-
cape) marca Bauker®, referencia GG2800, cuya potencia es de 2.4 kW. Como variables
de entrada al modelo se utilizan las concentraciones del biogás estimadas en la prueba
de pbm. La corriente de aire que ingresa al motor es estimada con la relación de aire
encontrada en la caracterización energética del biogás de la tabla 11.9 (5.5986 kmolaire/
kmolbiogas) utilizando un exceso de aire del 20 %. La temperatura del biogás se asume
de 298.15 K y la presión se asume como la presión de almacenamiento en el sistema
secundario (50 psig).
Del primer tiempo (admisión), se observa que se obtienen 2 variables independien-
tes (incógnitas): la temperatura de mezcla aire-biogás y la tasa de entrada de biogás al
generador. De este sistema solo se puede plantear una ecuación (balance de energía).
Por lo tanto, debemos plantear los 3 tiempos restantes para solucionar el sistema con-
juntamente.
Del segundo tiempo (compresión), se observa que se obtienen 5 variables inde-
pendientes: la temperatura de la mezcla comprimida isentrópica, la temperatura de la
mezcla comprimida real, la presión de compresión para una relación de compresión 11:1,
el trabajo de compresión isentrópico y el trabajo de compresión real. De este sistema
se puede plantear 5 ecuaciones, balance de energía isentrópico, balance de energía real,
balance de entropía, relación de compresión de la mezcla y la eficiencia isentrópica.

En el tercer tiempo (combustión), se tiene un sistema con reacción química en el que
se generan 6 variables independientes: el flujo molar de metano, dióxido de carbono,
oxígeno y agua en los gases de combustión, la temperatura en los gases de combustión
dentro del cilindro del motor y el coeficiente de avance de la reacción de combustión (r).
En la reacción de combustión no se toma en cuenta la oxidación del sulfuro de hidró-
geno debido a que su contenido es despreciable con respecto a la cantidad de los demás
compuestos. De este sistema se plantean 6 ecuaciones, las 4 ecuaciones que relacionan
la entrada y el gasto de los compuestos que participan en la reacción de combustión
(oxidación), el balance de energía y la conversión del reactivo límite, que en este caso
sería el metano presente en la mezcla aire-combustible.
262
En el cuarto tiempo (escape), se cuenta con 4 variables independientes: la tempe-
ratura de escape isentrópica y real y el trabajo de expansión real e isentrópico, dado
que se tiene la potencia del generador (2.4 kW), se requiere resolver los 4 tiempos de
forma simultánea de manera que los grados de libertad cierren con un sistema de 17
ecuaciones con 17 incógnitas, para esto se crea la relación adicional que implica que la
diferencia entre el trabajo de compresión y expansión del pistón es igual a la potencia
neta del generador. En la tabla 11.9, se observa el modelo termodinámico del generador
y los resultados obtenidos después de correr la simulación.
Tabla 11.9. Resultados de la solución del generador eléctrico
Tiempo Ecuación Representación

Admisión Balance de energía
Balance de energía isentrópico
Compresión
Relación de compresión
Combustión de metano
Combustión de dióxido de
carbono
Combustión del oxígeno
Combustión
Combustión del agua
Balance de energía
Conversión de metano
Balance de energía isentrópico
Escape
Relación adicional Potencia del

generador
263
Donde:
NbiogasCR: flujo molar del biogás comprimido que ingresa al generador = 9.73E-06 kmol/s.
HvbiogasR (T2R, P2): entalpía en fase gaseosa del biogás comprimido real a T2R = 298.15K y P2 = 446.06 kPa = –100.43 kJ/
kmol.
Naire: flujo molar de aire que ingresa al generador = 6.53 E-5 kmol/s
Hvaire (T1aire, P1aire): entalpía del aire a T1aire= 298.15K y P1aire=101.325 kPa
Nm: flujo molar de la mezcla biogás-aire = 7.509E-05 kmol/s
Hvm (T1m, P1m): entalpía de la mezcla biogás-aire a T1m=298.89K y P1m=446.063kPa = -19.7654 kJ/kmol
Wisecom: trabajo de compresión isentrópico = 1.0863 kW.
NmCRI: flujo molar de los gases de combustión comprimidos ideales = 7.509E-09 kmol/s
HvmCRI (T1mCRI, P1mCRI): entalpía de la mezcla biogás-aire a condiciones ideales T1mCRI=744.51K y P1mCR=14515.33kPa =
14 445.95kJ/kmol
NmCR: flujo molar de la mezcla biogás-aire a condiciones reales = 7.509E-09 kmol/s
HvmCR (T1mCR, P1mCR): entalpía del biogás comprimido a condiciones reales T1mCR=845.20K y P1mCR=1451.33kPa =
18 062.39kJ/kmol.
Sm (T1m, P1m): entropía de la mezcla aire-combustible a T1m=298.89 y P1m=446.06 kPa = -11.1843 kJ/kmol-K
SmCRI (T1mCRI, P1mCR): entropía de la mezcla aire-combustible comprimida a condiciones ideales a T1mCRI = 744.51K y
P1CR = 1415.33kPa = –11.1843 kJ/kmol-k.
vm (T1m, P1m): volumen específico de la mezcla biogás-aire = 5.55 m3/kmol.
vmCR (T1mCR, P1mCR): volumen específico de la mezcla biogás-aire comprimido a condiciones reales = 0.4453 m3/kmol.
NCH4GC: flujo molar de metano en la corriente de cases de combustión = 0.00 kmol/s.
NCH4CR: flujo de metano en la mezcla biogás-aire = 5.780E-06 kmol/s.
r: coeficiente de avance de reacción = 5.7803E-06 kmol/s.
NCO2GC: flujo molar de dióxido de carbono en los gases de combustión = 8.441E-06 kmol/s
NCO2CR: flujo molar de dióxido de carbono en la mezcla aire-biogás = 2.66E-06 kmol/s
NO2GC: flujo molar de oxígeno en los gases de combustión = 2.2879E-06 kmol/s
NO2CR: flujo molar de oxígeno en la mezcla biogás-aire = 1.38E-5 kmol/s
NH2OGC: flujo molar de agua en los gases de combustión = 1.1560E-05 kmol/s
NH2OCR: flujo molar de agua en la mezcla aire-biogás = 6.54e-21 kmol/s
NGC: flujo molar de los gases de combustión = 7.51E-05
HvGC (T1mGC, P1mGC): entalpía de los gases de combustión a T1mGC = 2459 K y P1mGC = 14 515.33 kPa
HvGCEI (T1GCEI, P1GCE): entalpía de los gases de combustión expandidos a condiciones isentrópicas T1GCE1 = 821.33 K y
P1GCE = 101.325 kPa = 17 288.39 kJ/kmol-K.
WiseExp: trabajo de expansión isentrópico = 4.70 kW
HvGCE (T1GCE, P1GCE): entalpía de los gases de combustión expandidos a condiciones reales T1GCE = 1166.23 y P1GCE =
101.325 = 29 798.36 kJ/kmol-K
WrealExp: 3.78 kW
Al resolver el sistema de ecuaciones se observa que el flujo de biogás que requiere

el generador es de 21 Nm3/día, pero el digestor solo tiene disponible 0.2731 Nm3/día;
por lo tanto, el generador solo podría usarse aproximadamente 18 minutos al día, lo
que equivale en un flujo energético diario de 0.75 kWh/día. La figura 11.7 representa
el esquemático de la planta con la caracterización de todas las corrientes y equipos de
proceso especificados.
264
Figura 11.7. Generación de biogás acumulado para los residuos sólidos
orgánicos generados en la cafetería del bulevar de la Universidad Pontificia
Bolivariana
Energéticamente, se verifica que los residuos sólidos orgánicos de tipo domestico

tienen un potencial energético capaz de ser aprovechado en generación de energía eléc-
trica con un rendimiento de 3.52 Wh/L y una eficiencia del 53 %. Además, al realizar un
balance energético de las cargas y los sistemas de generación de la planta de biogás, se
obtiene un flujo energético positivo diario de 725 Wh/día, lo que hace energéticamente
viable la implementación de este sistema. Por otro lado, se puede desarrollar un modelo
financiero que permita comprobar la viabilidad económica de implementación, e incluir
en el, una planta de tratamiento para la comercialización de abono orgánico.
Si bien el sistema fue simulado en continuo, este sistema tiene la capacidad de al-
macenar energía química en forma de biogás y, mediante un control integrado a una
smart grid, disponer de esta energía cuando otros recursos de generación distribuido
no se encuentren disponibles.
Referencias plantas de biogás en microrredes
[1] P. McKendry, “Energy production from biomass (part 1): Overview of bio-
mass”, Bioresour Technol, vol. 83, n.° 1, pp. 37–46, 2002, doi: 10.1016/S0960-
8524(01)00118-3.
[2] M. Balat y G. Ayar, “Biomass energy in the world, use of biomass and po-
tential trends”, Energy Sources, vol. 27, n.° 10, pp. 931–940, 2005, doi:
10.1080/00908310490449045.
[3] Z. Recebli, S. Selimli, M. Ozkaymak, y O. Gonc, “biogas production from animal
manure”, 2015.
265
[4] M. I. Alfa, D. B. Adie, S. B. Igboro, U. S. Oranusi, S. O. Dahunsi, y D. M. Akali,
“Assessment of biofertilizer quality and health implications of anaerobic diges-
tion effluent of cow dung and chicken droppings”, Renew Energy, vol. 63, pp.
681–686, mar. 2014, doi: 10.1016/j.renene.2013.09.049.
[5] Y. J. Chan, M. F. Chong, C. L. Law, y D. G. Hassell, “A review on anaerobic-ae-
robic treatment of industrial and municipal wastewater”, Chemical Engineering
Journal, vol. 155, n.° 1–2. pp. 1–18, dic. 01, 2009. doi: 10.1016/j.cej.2009.06.041.
[6] D. Debnath, A. H. Siddique, M. Hasan et al., “Smart Electrification of Rural
Bangladesh Through Smart Grids”, in Sustainable Communication Networks and
Application, 2021, pp. 41–55.
[7] K. Aghapouramin, “Technical, Economical, and Environmental Feasibility of
Hybrid Renewable Electrification Systems for off-Grid Remote Rural Electrifi-
cation Areas for East Azerbaijan Province, Iran”, Technology and Economics of
Smart Grids and Sustainable Energy, vol. 5, n.° 1, dic. 2020, doi: 10.1007/s40866-
020-00093-5.
[8] K. S. Reddy, M. Kumar, T. K. Mallick, H. Sharon, y S. Lokeswaran, “A review of
Integration, Control, Communication and Metering (iccm) of renewable energy
based smart grid”, Renewable and Sustainable Energy Reviews, vol. 38. Elsevier
Ltd, pp. 180–192, 2014. doi: 10.1016/j.rser.2014.05.049.
[9] W. Gu, C. Li, y M. Gu, “Study on the wind/biogas integration system for power
generation and gas supply”, in 2009 World Non-Grid-Connected Wind Power and
Energy Conference, sep. 2009, pp. 1–4. doi: 10.1109/WNWEC.2009.5335796.
[10] N. Eghtedarpour y E. Farjah, “Control strategy for distributed integration of
photovoltaic and energy storage systems in dc micro-grids”, Renew Energy, vol.
45, pp. 96–110, sep. 2012, doi: 10.1016/j.renene.2012.02.017.
[11] K. Boe, “Online monitoring and control of the biogas process.”
[12] L. Sasse, “Biogas Plants.”
[13] S. Arango-Osorio, “metodología para el diseño y evaluación económica de plantas
de digestión anaerobia para producción de energía y biofertilizante utilizando resi-
duos pecuarios como sustrato”, universidad pontificia bolivariana, Medellín, 2019.
[14] G. Lettinga, “Anaerobic digestion and wastewater treatment systems”, 1995.
[15] J. van Herle, Y. Membrez, y O. Bucheli, “Biogas as a fuel source for SOFC co-ge-
nerators”, in Journal of Power Sources, mar. 2004, vol. 127, n.° 1–2, pp. 300–312.
doi: 10.1016/j.jpowsour.2003.09.027.
[16] H. Hahn, K. Hartmann, L. Bühle, y M. Wachendorf, “Comparative life cycle

assessment of biogas plant configurations for a demand oriented biogas supply
for flexible power generation”, Bioresour Technol, vol. 179, pp. 348–358, mar. 2015,
doi: 10.1016/j.biortech.2014.12.007.
[17] Z. Rouhollahi, M. Ebrahimi-Nik, S. H. Ebrahimi, M. H. Abbaspour-Fard, R.
Zeynali, y M. R. Bayati, “Farm biogas plants, a sustainable waste to energy
and bio-fertilizer opportunity for Iran”, J Clean Prod, vol. 253, abr. 2020, doi:
10.1016/j.jclepro.2019.119876.
[18] H. Hahn, K. Hartmann, y W. Ganagin, “flexible biogas production with the rebi
biogas plant configuration for balancing power generation-a comparison of
flexible biogas production with biogas storing conf SoBiBaKo-Solar-Biogas-Ba-
266
ttery Virtual Power Plant View project StEnSea-Stored Energy in the Sea View
project flexible biogas production with the rebi biogas plant configuration for
balancing power generation-a comparison of flexible biogas production with
biogas storing configurations.” [En línea]. available: https://www.researchgate.
net/publication/283046315
[19] Y. Zhang, Y. Kawasaki, K. Oshita et al., “Economic assessment of biogas purifi-
cation systems for removal of both H2S and siloxane from biogas”, Renew Ener-
gy, vol. 168, pp. 119–130, mayo 2021, doi: 10.1016/j.renene.2020.12.058.
[20] E. Ryckebosch, M. Drouillon, y H. Vervaeren, “Techniques for transformation of
biogas to biomethane”, Biomass and Bioenergy, vol. 35, n.° 5. pp. 1633–1645, mayo
2011. doi: 10.1016/j.biombioe.2011.02.033.
[21] H. Herrara Vidas, F. Hurtado Rosales, y E. Ladino Blanco, “diseño y construcción
de un generador de gas metano a partir de desechos orgánicos para poner en
marcha varios sistemas en la zina rural de turbana”, 2000. consultado en: jul. 12,
2022. [En línea]. available: https://biblioteca.utb.edu.co/notas/tesis/0057986.pdf
[22] L. Yingjian, Q. Qi, H. Xiangzhu, y L. Jiezhi, “Energy balance and efficiency
analysis for power generation in internal combustion engine sets using biogas”,
Sustainable Energy Technologies and Assessments, vol. 6, pp. 25–33, jun. 2014, doi:
10.1016/j.seta.2014.01.003.
[23] S. Arango-Osorio, O. Vasco-Echeverri, G. López-Jiménez, J. González-Sanchez,
y I. Isaac-Millán, “Methodology for the design and economic assessment of
anaerobic digestion plants to produce energy and biofertilizer from livestock
waste”, Science of the Total Environment, vol. 685, pp. 1169–1180, oct. 2019, doi:
10.1016/j.scitotenv.2019.06.015.
[24] C. A. de Lemos Chernicharo, Anaerobic Reactors, IWA. 2007. Consultado
en: jul. 12, 2022. [En línea]. Disponible en: https://www.iwapublishing.com/
books/9781843391647/anaerobic-reactors
[25] L. Chen y H. Neibling, “Anaerobic Digestion Basics”, University of Idaho, 2014.
[En línea]. Disponible en: www.engr.colostate.edu
[26] L. Li, Q. He, Y. Wei, Q. He, y X. Peng, “Early warning indicators for monitoring
the process failure of anaerobic digestion system of food waste”, Bioresour Tech-
nol, vol. 171, pp. 491–494, nov. 2014, doi: 10.1016/j.biortech.2014.08.089.
[27] M. A. Dareioti y M. Kornaros, “Effect of hydraulic retention time (hrt) on the
anaerobic co-digestion of agro-industrial wastes in a two-stage cstr system”,
Bioresour Technol, vol. 167, pp. 407–415, 2014, doi: 10.1016/j.biortech.2014.06.045.
[28] X. Wang, X. Lu, F. Li, y G. Yang, “Effects of temperature and Carbon-Nitrogen
(C/N) ratio on the performance of anaerobic co-digestion of dairy manure, chic-
ken manure and rice straw: Focusing on ammonia inhibition”, PLoS One, vol. 9,
n.° 5, mayo 2014, doi: 10.1371/journal.pone.0097265.
[29] T. Thamsiriroj y J. D. Murphy, “Modelling mono-digestion of grass silage in a
2-stage cstr anaerobic digester using adm1”, Bioresour Technol, vol. 102, n.° 2,
pp. 948–959, ene. 2011, doi: 10.1016/j.biortech.2010.09.051.
[30] D. Gómez, J. L. Ramos-Suárez , B. Fernández et al., “Development of a modified
plug-flow anaerobic digester for biogas production from animal manures”, Ener-
gies (Basel), vol. 12, n.° 13, 2019, doi: 10.3390/en12132628.
267
[31] S. Greses, J. C. Gaby, D. Aguado, J. Ferrer, A. Seco, y S. J. Horn, “Microbial com-
munity characterization during anaerobic digestion of Scenedesmus spp. under
mesophilic and thermophilic conditions”, Algal Res, vol. 27, pp. 121–130, nov.
2017, doi: 10.1016/j.algal.2017.09.002.
[32] A. N. Matheri, F. Ntuli, J. C. Ngila, T. Seodigeng, C. Zvinowanda, y C. K. Njen-
ga, “Quantitative characterization of carbonaceous and lignocellulosic biomass
for anaerobic digestion”, Renewable and Sustainable Energy Reviews, vol. 92, pp.
9–16, sep. 2018, doi: 10.1016/j.rser.2018.04.070.
[33] Ministerio de Ambiente y Desarrollo Sostenible, Resolución No 0631.
Colombia: minambiente, 2015. consultado en: jul. 17, 2022. [En línea].
available: https://laboratoriodeanalisis.lasalle.edu.co/wcm/connect/lia-
c/7bf35b9e-b9ac-45b3-a280-c7dec8b1499d/resolucion+631-2015.pdf?mod=ajpe-
res&cvid=lmo5mpt
[34] ASTM, “Designation: D3173/D3173M − 17a Standard Test Method for Moisture
in the Analysis Sample of Coal and Coke 1”, 2021, doi: 10.1520/D3173_D3173M-
17a.
[35] ASTM, “Standard Practice for Proximate Analysis of Coal and Coke 1”, 2021,
doi: 10.1520/D3172-13R21E01.
[36] IWA, “Standard Methods for the Examination of Water and Wastewater”, 1999.
[37] I. Angelidaki, M. S Alves , D. Bolzonella et al., “Defining the biomethane po-
tential (BMP) of solid organic wastes and energy crops: A proposed protocol
for batch assays”, Water Science and Technology, vol. 59, n.° 5, pp. 927–934, 2009,
doi: 10.2166/wst.2009.040.
[38] O. Parthiba Karthikeyan, E. Trably, S. Mehariya, N. Bernet, J. W. C. Wong, y H.
Carrere, “Pretreatment of food waste for methane and hydrogen recovery: A re-
view”, Bioresource Technology, vol. 249. Elsevier Ltd, pp. 1025–1039, Feb. 01, 2018.
doi: 10.1016/j.biortech.2017.09.105.
[39] D. Hidalgo y J. M. Martín-Marroquín, “Biochemical methane potential of
livestock and agri-food waste streams in the Castilla y León Region (Spain)”,
Food Research International, vol. 73, pp. 226–233, jul. 2015, doi: 10.1016/j.foo-
dres.2014.12.044.
[40] R. P. Rodrigues, D. P. Rodrigues, A. Klepacz-Smolka, R. C. Martins, y M. J. Qui-
na, “Comparative analysis of methods and models for predicting biochemical
methane potential of various organic substrates”, Science of the Total Environ-
ment, vol. 649, pp. 1599–1608, Feb. 2019, doi: 10.1016/j.scitotenv.2018.08.270.

[41] C. H. Pham, J. M. Triolo, T. T. T. Cu, L. Pedersen, y S. G. Sommer, “Validation
and recommendation of methods to measure biogas production potential of
animal manure”, Asian-Australas J Anim Sci, vol. 26, n.° 6, pp. 864–873, jun. 2013,
doi: 10.5713/ajas.2012.12623.
[42] B. Hülsemann, L. Zhou, W. Merkle, J. Hassa, J. Müller, y H. Oechsner, “Biome-
thane potential test: Influence of inoculum and the digestion system”, Applied
Sciences (Switzerland), vol. 10, n.° 7, abr. 2020, doi: 10.3390/app10072589.
[43] F. Blumensaat y J. Keller, “Modelling of two-stage anaerobic digestion using
the IWA Anaerobic Digestion Model n.° 1 (adm1)”, Water Res, vol. 39, n.° 1, pp.
171–183, 2005, doi: 10.1016/j.watres.2004.07.024.
268
[44] A. Donoso-Bravo, J. Mailier, C. Martin, J. Rodríguez, C. A. Aceves-Lara, y A.
vande Wouwer, “Model selection, identification and validation in anaerobic
digestion: A review”, Water Research, vol. 45, n.° 17. Elsevier Ltd, pp. 5347–5364,
2011. doi: 10.1016/j.watres.2011.08.059.
[45] D. J. Batstone, S. Tait, y D. Starrenburg, “Estimation of hydrolysis parameters in
full-scale anerobic digesters”, Biotechnol Bioeng, vol. 102, n.° 5, pp. 1513–1520, abr.
2009, doi: 10.1002/bit.22163.
[46] I. López y L. Borzacconi, “Modelling of slaughterhouse solid waste anaerobic
digestion: Determination of parameters and continuous reactor simulation”,
Waste Management, vol. 30, n.° 10, pp. 1813–1821, oct. 2010, doi: 10.1016/j.was-
man.2010.02.034.
[47] J. Palatsi, J. Illa, F.X. Prenafeta-Boldú et al., “Long-chain fatty acids inhibition
and adaptation process in anaerobic thermophilic digestion: Batch tests, micro-
bial community structure and mathematical modelling”, Bioresour Technol, vol.
101, n.° 7, pp. 2243–2251, 2010, doi: 10.1016/j.biortech.2009.11.069.
[48] N. A. Noykova y M. Gyllenberg, “Sensitivity analysis and parameter estimation
in a model of anaerobic waste water treatment processes with substrate inhibi-
tion.”
[49] T. G. M€ U Uller, N. Noykova, M. Gyllenberg, y J. Timmer, “Parameter identi-
fication in dynamical models of anaerobic waste water treatment.” [En línea].
Disponible en: www.elsevier.com/locate/mbs
[50] L. Y. Lokshina, V. A. Vavilin, R. H. Kettunen, J. A. Rintala, C. Holliger, y A. N.
Nozhevnikova, “evaluation of kinetic coefficients using integrated monod and
haldane models for low-temperature acetoclastic methanogenesis”, 2001.
[51] X. Flotats, B. K. Ahring, y I. Angelidaki, “Anaerobic Degradation of Valerate 47
Parameter Identification of Thermophilic Anaerobic Degradation of Valerate”,
2003.
[52] O. Bernard, Z. Hadj-Sadok, D. Dochain, A. Genovesi, y J.-P. Steyer, “Dynamical
Model Development and Parameter Identi®cation for an Anaerobic Wastewater
Treatment Process.”
[53] J. E. Haag, A. vande Wouwer, y I. Queinnec, “Macroscopic modelling and iden-
tification of an anaerobic waste treatment process”, Chem Eng Sci, vol. 58, n.° 19,
pp. 4307–4316, 2003, doi: 10.1016/S0009-2509(03)00272-0.
[54] D. J. Batstone, P. F. Pind, y I. Angelidaki, “Kinetics of thermophilic, anaero-
bic oxidation of straight and branched chain butyrate and valerate”, Biotechnol
Bioeng, vol. 84, n.° 2, pp. 195–204, oct. 2003, doi: 10.1002/bit.10753.
[55] I. López y L. Borzacconi, “Modelling a full scale uasb reactor using a cod global
balance approach and state observers”, Chemical Engineering Journal, vol. 146,
n.° 1, pp. 1–5, ene. 2009, doi: 10.1016/j.cej.2008.05.007.
[56] S. Ghaniyari-Benis, A. Martín, y R. Borja, “Kinetic modelling and performance
prediction of a hybrid anaerobic baffled reactor treating synthetic wastewater at
mesophilic temperature”, Process Biochemistry, vol. 45, n.° 10, pp. 1616–1623, oct.
2010, doi: 10.1016/j.procbio.2010.06.016.
[57] V. Rivera-Salvador, J. S. Aranda-Barradas, T. Espinosa-Solares, F. Robles-Mar-
tínez, y J. U. Toledo, “the anaerobic digestion model iwa-adm1: a review of its
269
evolution”, ingeniería agrícola y Biosistemas, vol. 1, n.° 2, pp. 109–117, 2015, doi:
10.5154/r.inagbi.2010.01.001.
[58] D. J. Batstone y J. Keller, “Industrial applications of the IWA anaerobic digestion
model n.° 1 (adm1)”, 2003. [En línea]. Disponible en: https://iwaponline.com/
wst/article-pdf/47/12/199/137995/199.pdf
[59] K. G. Gebremedhin y S. F. Inglis, “validation of a biogas production model and
determination of thermal energy from plug-flow anaerobic digesters”, Trans
ASABE, vol. 50, n.° 3, pp. 975–979.
[60] K. G. Gebremedhin, “Biogas Production Model for Plug-Flow Anaerobic Diges-
ters”, 2004.
[61] A. G. Hashimoto y Y. R. Chen, “Kinetics of methane fermentation”, Conference:
Symposium on biotechnology in energy production, Gatlinburg, TN, USA, 10 mayo
1978, 1978, Consultado en: ago. 18, 2022. [En línea]. Disponible en: https://www.
osti.gov/biblio/6534841
[62] A. Molino, F. Nanna, Y. Ding, B. Bikson, y G. Braccio, “Biomethane production
by anaerobic digestion of organic waste”, Fuel, vol. 103, pp. 1003–1009, 2013, doi:
10.1016/j.fuel.2012.07.070.
[63] M. Prussi, M. Padella, M. Conton, E. D. Postma, y L. Lonza, “Review of techno-
logies for biomethane production and assessment of Eu transport share in 2030”,
J Clean Prod, vol. 222, pp. 565–572, jun. 2019, doi: 10.1016/j.jclepro.2019.02.271.
[64] J. L. Walsh, C. C. Ross, M. S. Smith, y S. R. Harper, “Utilization of Biogas”, 1989.
[65] S. B. Fiveland, D. N. Assanis, y W. E. Lay, “A Four-Stroke Homogeneous Char-
ge Compression Ignition Engine Simulation for Combustion and Performance
Studies”, 2000.
[66] J. Richard. Elliott y C. T. Lira, Introductory chemical engineering thermodyna-
mics. Prentice Hall, 2011.
[67] G. V. Reklaitis, Balances de materia y energía. 1986.
[68] R. Elliott y C. Lira, Introductory chemical engineering thermodynamics. Prentice
Hall PTR, 2001.
[69] M. V. D. Gueri, S. Souza, O. Kuczman et al., “digestão anaeróbia de resíduos ali-
mentares utilizando ensaios bmp”, biofix scientific Journal, vol. 3, n.° 1, p. 08, dic.
2017, doi: 10.5380/biofix.v3i1.55831.
[70] L. A. Forero G y J. A. Velasquez, “Complemento en MS Excel para consulta de
propiedades termodinámicas de sustancias puras”, Revista de investigaciones
aplicadas, 2012, Consultado en: ago. 28, 2022. [En línea]. Disponible en: https://
docplayer.es/17201460-Complemento-en-ms-excel-para-consulta-de-pro-
piedades-termodinamicas-de-sustancias-puras.html
270
Producción de hidrógeno
para fines energéticos en
microrredes
CAPÍTU LO 12
Manuela Velásquez-Jaramillo y Oscar Vasco-Echeverri

Universidad Pontificia Bolivariana, Medellín, Colombia
[email protected]
La relación indisoluble entre los procesos termoquímicos y los ecosiste-

mas energéticos escalables (E3) fue introducida en el capítulo 11 con el
estudio de las plantas de biogás. En este capítulo se aborda quizás uno de
los vectores energéticos más importantes para la transición: el hidrógeno.
A pesar de que, en sus primeros estadios de desarrollo en Colombia, la
producción, almacenamiento e inyección del hidrógeno en las redes eléc-
tricas o de movilidad será patrimonio exclusivo de sistemas muy grandes,
principalmente vinculando eólica offshore, en este capítulo se explorará el
panorama técnico y regulatorio, pensando en aplicaciones piloto a menor
escala. Uno de dichos sistemas de prueba se encuentra actualmente en
implementación en el Smart Energy Center.
Introducción
La constante y creciente demanda energética ha sido la fuerza conductora
para elevar el nivel de vida en todas las sociedades, incluyendo aquellas
desarrolladas o en vía de desarrollo. Sin embargo, el beneficio energético
actual a partir de fuentes naturales no renovables genera efectos indesea-
dos, incluyendo la contaminación ambiental y las emisiones de dióxido de
carbono (CO2), que aceleran el calentamiento global, así como tensiones
geopolíticas derivadas de la distribución no uniforme de recursos fósiles
en el mundo. Los retos que se plantean versan en encontrar maneras
eficientes de producir, entregar y utilizar la energía, en las que se permita
el mejoramiento de la calidad de vida, sin afectar el medioambiente o las
relaciones políticas entre países. Por lo tanto, se han establecido metas
271
internacionales como las planteadas en el Acuerdo de París, dentro del marco de la
Convención Marco de las Naciones Unidas sobre el Cambio Climático para Reducir las
Emisiones de Gases de Efecto Invernadero (gei), con el fin de mantener el aumento de
la temperatura media global por debajo de los 2 °C con respecto a la época preindustrial
[1], pues de lo contrario existirán consecuencias devastadoras para los ecosistemas natu-
rales y la calidad de vida de las personas. De esta forma, Colombia se ha comprometido
a reducir en un 20 % las emisiones de gei respecto al escenario de Business-As-Usual
para el año 2030, teniendo como principal objetivo dirigir al país hacia una economía
menos intensiva en carbono. Esto es sumado a los compromisos que se han adquirido
con los Objetivos de Desarrollo Sostenible (ods), los cuales, según el primer reporte
del índice ods del Centro para América Latina, enfrentan rezagos significativos, en
especial en objetivos como el de la energía asequible y no contaminante [2]. Para lograr
estos objetivos el Gobierno colombiano ha formulado un conjunto de normativas para
contribuir a una mayor integración de las energías renovables en la matriz energética,
dentro de las cuales se encuentra la Ley 1715 del año 2014 y su versión actualizada la
Ley 2099 del año 2021, las cuales se detallan en este capítulo, junto con proyectos en
desarrollo que contribuyen a dicho fin.
Como factor estratégico para lograr los objetivos ambientales, se tiene al hidrógeno
(H2) como un gran portador energético, el cual constituye una alternativa respecto del
uso de combustibles fósiles y con el potencial de alcanzar dichos retos. La idea básica
de utilizar el H2 como vector energético estriba en su alto contenido energético, que en
comparación con la gasolina triplica su valor, con aproximadamente 120 MJ/kg [3] y
en el hecho de que la única sustancia que produce, tanto al generar electricidad como
calor, es agua, sin generar gei [4]. Adicionalmente, la íntima relación entre el hidrógeno
y la electricidad hace de este un medio energético mucho más limpio respecto de los
procesos de combustión de fuentes fósiles. Asimismo, las oportunidades que presenta el
hidrógeno para descarbonizar diversos sectores como la movilidad, el almacenamiento,
las industrias, la generación de calor, junto con el momento histórico que atraviesan
las energías renovables en términos de precio y apoyo gubernamental [5], habilitan
pensar en una futura economía del hidrógeno para el mediano y largo plazo, a través
de cambios paulatinos en la matriz energética colombiana. Por lo tanto, alcanzar la
promesa de una tecnología sostenible con la capacidad de usarlo en Colombia como
manuela velásquez-jaramillo y oscar vasco-echeverri
biocombustible, que resulte efectiva, sustentable y ambientalmente amigable, requiere

de un amplio sentido de innovación, así como de medios y soluciones tanto técnicas,
como económicas para su producción, almacenamiento y beneficio.
Por los motivos mencionados anteriormente, la visión que tiene la universidad de
sostenibilidad, y aprovechando la infraestructura con la que se cuenta en el EcoCampus
de la upb, donde a 2023 tendrá una capacidad fotovoltaica instalada de cerca de 500 kWp,
en conjunto con sistemas de medición inteligente, de almacenamiento de energía, de
internet de las cosas y sistemas de digestión anaerobia, entre otros, se tiene como meta
a corto plazo la profundización en temas relacionados con el H2. Así, se realizaron estu-
dios enfocados a la factibilidad de la instalación complementaria de equipos clave como
medios experimentales para la obtención hidrógeno verde con el fin de profundizar en
sus estudios e investigación. Para el caso, se prevé aprovechar la capacidad fotovoltaica
instalada en la Universidad, a través de su microrred inteligente, en la cual se podrán
272
analizar diferentes beneficios y simulaciones que permitan calcular la capacidad real
de obtención de hidrógeno verde en Colombia.
Conceptos básicos en la producción de hidrógeno

Al evaluar la factibilidad de un prototipo de producción de H2, que se pretende integrar
a una microrred, se deben tener algunas nociones básicas para entender todo el proceso.
En la figura 12.1 se muestra un mapa temático con los aspectos más relevantes dentro
de las etapas por las cuales pasa el hidrógeno para ser implementado.
Fuente de energía Producción Almacenamiento Transporte Uso final
H2 Industria
Gaseoso Barcos
Electrolizador
Electrólisis Hidrógeno
Renovables
comprimido Refinerías
Industria química
Industria de acero
H2 O
Camiones
H2 Transporte
H2 Líquido
Hidrógeno líquido
Buses
Otros Automóviles
Barcos
No renovables
Pirólisis Trenes
Matriz sólida Tuberías
Oxidación parcial
Quimisorción H2 Gen. energía
Fisisorción
Reformado
Gasificación de Energía eléctrica
carbono en CD
producción de hidrógeno para fines energéticos en microrredes

Figura 12.1. Proceso de producción de hidrógeno hasta la etapa
de utilización final
De la figura 12.1, es importante detallar cada uno de los conceptos:

• Fuente de energía: es la encargada de proporcionar la energía necesaria para llevar a cabo
el proceso de producción de H2. Puede ser renovable o no renovable y esto determinará
la clase de H2 obtenido (verde, azul, gris, etc.).
• Producción: dependiendo de la clase de H2 que se pretenda obtener, se elige un método
de producción. Para producir el hidrógeno verde se utiliza la electrólisis, debido a su fácil
integración con las energías renovables.
• Almacenamiento: el H2 producido puede ser utilizado de inmediato o luego de que trans-
curra determinado tiempo. Esta es una de sus ventajas más significativas, puesto que se
viabiliza la opción de almacenamiento prolongado de energías renovables.
273
• Transporte: una vez almacenado el H2, se puede movilizar de acuerdo con la aplicación
que se requiera, ya sea para usarlo a corto o largo plazo. Generalmente, para transportarlo
en camiones y barcos, se realiza cuando este se encuentra en estado líquido o gaseoso
comprimido.
• Uso final: actualmente el H2 se ha ido involucrando cada vez más en los diferentes tipos
de aplicaciones, entre los que la industria, el transporte y la generación de energía son
las principales.
El H2 puede ser clasificado en una gama de colores según su técnica de producción,

como hidrógeno gris, verde y azul [6], [7]. El H2 gris se refiere a la producción a partir
de combustibles fósiles, principalmente gas natural, con emisiones asociadas de CO2
[8]. El H2 azul se usa comúnmente para la producción a partir de combustibles fósiles,
gestionando las emisiones de CO2 mediante el uso de tecnologías de captura/secuestro
(ccs) u otras formas de compensación [8]. Se han propuesto nuevas vías azules para la
obtención de H2 a partir de pirólisis de metano fósil, lo que genera productos sólidos
de carbono más fáciles de secuestrar que el CO2, pero que continúan planteando un
serio problema de residuos. El hidrógeno verde se aplica a la producción, generalmente,
a partir de agua, empleando electricidad renovable, aunque también se refiere a otras
fuentes renovables como la biomasa [9].
El H2 verde se categoriza como una oportunidad robusta frente al abordaje de los
planes de descarbonización, puesto que, en su producción, no cuenta con emisiones
de CO2 asociadas [10]. Sin embargo, el H2 azul, al presentar sistemas de captura de
carbono, también se presenta como una alternativa viable para la descarbonización
de sectores cuyo enfoque industrial es el gas natural, puesto que, con la instalación de
sistemas de captura de carbono, el hidrógeno que se producirá puede mitigar el nivel
de contaminantes lanzados a la atmósfera.
En la figura 12.2 se pueden observar los colores principales del hidrógeno, en total se
enumeran más de 12, junto con su fuente de energía asociada, método de producción
y nivel de emisiones de CO2.
274
Cero
H2 Producido por medio
de la electrólisis del
agua a partir de
emisiones
Verde energías renovables
CO 2
Bajas
H2
Producido a partir de
combustibles fósiles
(gas natural) con emisiones
Azul captura de dióxido de
carbono CO 2
Altas
H2 Producido a partir de
combustibles fósiles emisiones
Gris (gas natural)
CO 2
Figura 12.2. Colores del hidrógeno, forma de producción y nivel de emisiones
asociadas
Como se mencionó anteriormente, son 3 los colores principales que se utilizan para
clasificar al tipo de hidrógeno que se produce, verde, azul y gris. Sin embargo, se con-
sidera pertinente, aclarar que en sí mismo el H2 como elemento es incoloro, pero para
facilitar su caracterización en el sector de producción de energía se optó por asignarle
colores según la fuente de energía utilizada y la cantidad de CO2 emitido al ambiente.
Como se visualiza en la figura 12.2, el hidrógeno verde es el más amigable con el me-

dioambiente puesto que no tiene emisiones de CO2 asociadas, luego estaría el azul y,
por último, se encuentra el gris, que es el más contaminante.
Aunado a lo anterior, investigadores mencionan otros colores para caracterizar el
H2, puesto que con los 3 anteriores no es suficiente para determinar las características
asociadas a su método de producción. Algunos de estos son el rosado, el cual se produce
a partir de energía nuclear [11], [12]; el negro, que se produce a partir del carbón [13],
[14]; y el café, proveniente del lignito o carbón mineral [13], [15].
275
Formas de producción de hidrógeno
En la actualidad existen múltiples métodos para la producción de hidrógeno, cada uno

con diferencias significativas frente a los demás, en aspectos como el principio de fun-
cionamiento, maduréz tecnológica, la viabilidad económica, el impacto medioambiental,
la capacidad de producción, entre otros. A continuación, se describen algunos de los
métodos de producción más relevantes dentro de la literatura encontrada.
Reformado con vapor de metano
El reformado con vapor de metano o steam methane reforming (smr), es uno de los
métodos convencionales de producción de hidrógeno más utilizados en la actualidad,
en el que, en términos generales, el proceso consiste en tomar metano gaseoso, ya sea
de fuentes de gas natural o gas de refinería, y procesarlo a través de reacciones a alta
temperatura (700-800 °C) y presión (3-25 bar), mediante reactores tubulares en pre-
sencia de un catalizador. De este primer proceso se obtiene como residuo una cantidad
de monóxido de carbono (CO), así que posteriormente, se lleva a cabo la reacción de
desplazamiento de agua-gas. El CO y el vapor se hacen reaccionar usando un catalizador
para producir dióxido de carbono más hidrógeno [16].
Electrólisis
Es uno de los métodos más promisorios para la obtención de H2 que existen en la ac-
tualidad. Este consiste en extraer las partículas de H2 encontradas en las moléculas de
agua. Para ello, se utilizan 2 electrodos recubiertos de metales nobles, como el platino,
sumergidos en agua, y a estos se les inyecta una corriente directa (cd) para generar la
reacción que disocia la molécula de agua (H2O), obteniendo como resultado, hidró-
geno (H2) y oxígeno (O2) por separado [17]. Se prevé que este sea el método que más
se desarrolle ya que es un proceso de alto rendimiento capaz de aprovechar la materia
prima en su totalidad [18]. Los tipos de electrolizadores que actualmente están más
consolidados son:
• Electrolizadores de membrana de intercambio de protones o pem (por sus siglas en in-
glés) [19]: con estos, se obtienen densidades de corriente elevadas y tienen una respuesta
rápida y dinámica, lo cual son los requerimientos necesarios para acumular las energías
renovables, debidas al carácter fluctuante de estas, como la solar o eólica. Su principal
limitante es que requieren metales nobles, lo cual incrementa significativamente sus
costos [17], ya que con otros metales su eficiencia es baja.
• Electrolizadores alcalinos: esta es una de las primeras tecnologías desarrolladas, por lo
cual, es la que ha alcanzado mayor maduración [19]. Es una tecnología simple y eco-
nómica, de fácil mantenimiento, no requiere metales nobles y es relativamente estable.
Sin embargo, las densidades de corriente que se obtienen son bajas, por lo que se pierde
parte de la energía producida [17].
• Electrolizador de óxido sólido: esta es una de las tecnologías más recientes que se tienen
en desarrollo. Trabaja a altas temperaturas (500-1000 °C). El electrolito es un conductor
276
de iones oxígeno (O2-), no necesita metales nobles y puede trabajar a alta presión [19],
[20], [21].
• Electrolizadores de membrana de intercambio de aniones o por sus siglas en inglés (aem):
su funcionamiento consiste en romper las moléculas de H2O mediante la aplicación de
electricidad, la membrana deja pasar los iones OH– hasta el ánodo, mientras que las
moléculas de hidrógeno se concentran en el cátodo. No necesitan metales preciosos,
lo cual los hace más económicos; sin embargo, presentan problemas del rendimiento
y la durabilidad [22].
Termólisis
La termólisis, o la división de agua electroquímica, es una manera de producción de H2,

que consta del calentamiento de agua a muy altas temperaturas (3000 K), a tal punto,
que el calor descompone la molécula de agua, en H2 y O2 [23]. Esta reacción requiere de
un alto consumo energético para proporcionar este calor, y muchas veces esta energía
proviene de fuentes que no son sostenibles. Los ciclos de termólisis permiten adecuar
los procesos para obtener el calor por fuentes de energía, como la energía solar térmica
o con calor residual de centrales nucleares. Ambas fuentes térmicas son virtualmente
no contaminantes y, por ende, el proceso podría ser más sostenible [24]. Lograr unas
temperaturas tan elevadas se vuelve complejo, en la actualidad se ha optado por utilizar
diversos ciclos químicos que permiten reducir las temperaturas del proceso (1000 K) [25].
Gasificación de carbono
Es un método que, además de ser utilizado para la producción de H2, sirve para producir
energía, combustibles líquidos y productos químicos, entre otros. El H2 se produce al
hacer reaccionar carbón con O2 y vapor a altas temperaturas (800-1000 °C) para formar
un gas de síntesis, una mezcla que consiste principalmente en CO y H2 [26]. Después de
eliminar las impurezas del gas de síntesis, el CO en la mezcla de gases se hace reaccionar
con vapor a través de la reacción de “desplazamiento de agua-gas” para producir H2 y

CO2 adicionales. El H2 se extrae mediante un sistema de separación, y la corriente de
CO2 altamente concentrada se puede capturar y almacenar posteriormente [26], [27].
Gasificación de biomasa
Se utiliza un proceso controlado que involucra calor, vapor y O2 para convertir la bio-
masa en H2 y otros productos sin combustión. En este proceso se convierten materiales
carbonosos orgánicos o fósiles a altas temperaturas (> 700 °C) sin combustión, con una
cantidad controlada de O2 o vapor en CO, H2 y CO2. El CO luego reacciona con el agua
para formar CO2 y más H2 a través de una reacción de desplazamiento gas-agua. Los
absorbedores o membranas especiales pueden separar el H2 de esta corriente de gas [28].
En la tabla 12.1 se muestran a manera de resumen los principales tipos de producción
de H2, con algunas de sus ventajas y desventajas más importantes, dentro de los cuales
se encuentran los antes descritos y otros adicionales.
277
Tabla 12.1. Tipos de producción de hidrógeno
Tipo de producción Ventajas Desventajas Ref.

Requiere gran cantidad de energía
Tecnología madura y bien consolidada en el para la producción del calor
Reformado de metano mundo. necesario del proceso.
[29]
con vapor Posible producción de H2 de alta pureza. Altos costos de operación.
Buena eficiencia térmica. Residuos contaminantes como
CO2.
Tecnología inmadura.
Poca eficiencia energética.
Termólisis Es posible la producción de H2 verde. [30]
Poca durabilidad de materiales
involucrados.
Es posible la producción de H2 verde. Poca eficiencia energética.
Electrólisis [23]
Favorece la integración de energías renovables. Costos elevados.
Beneficios ambientales cuando se integra con
Emisiones de gases de efecto
tecnologías avanzadas de gasificación de carbón,
invernadero.
producción de energía y captura, utilización y
Altos costos.
Gasificación de carbón almacenamiento de carbono. [31]
Tecnología en desarrollo
Posibilidad de captura de múltiples
en captura, utilización y
contaminantes como óxidos de azufre, óxidos de
almacenamiento de carbono.
nitrógeno, mercurio y partículas.
Pocas emisiones netas de carbono.
El gas producido tiene bajo poder
Actualmente hay plantas de gasificación para
calorífico con respecto al gas
biocombustible que mejoran la producción de
Gasificación de natural.
hidrógeno. [32]
biomasa Altos costos asociados con los
Posible implementación a corto plazo.
equipos de capital y las materias
La biomasa es un recurso interno abundante.
primas de biomasa.
La biomasa “recicla” el dióxido de carbono.
Posibilidad de sistemas a escala comercial a
Bajas tasas y rendimientos de la
mediano y largo plazo.
Conversión de biomasa producción de hidrógeno a partir
La biomasa es un recurso abundante. [33]
microbiológicamente de los procesos de fermentación a
Muchos microorganismos han evolucionado para
través de varios métodos.
descomponer eficientemente la biomasa.
Altos costos de equipos.
Reformados líquidos Reducción del dióxido de carbono emitido al
Necesario sistema de captura de [34]
bioderivados ambiente.
CO2.
Tecnología inmadura.
A escala central y semi central se presenta alta
Poca eficiencia eléctrica.
Fotoelectroquímico eficiencia de conversión a bajas temperaturas [30]
Necesario más estudios para
operativas.
viabilidad en el mercado.
Potencial de producción de hidrógeno en aguas
no potables y posibilidad de purificación de esta. Tecnología inmadura.
Fotobiológico Potencial de producción de hidrógeno con Baja tasa de producción de H2.
[35]
desechos de contaminación o residuos de No es comercialmente viable aún.
agricultura.
Fuente: elaboración propia con base en las fuentes citadas al interior de la tabla.
278
Producción de hidrógeno en el mundo
El uso del H2 ha ido creciendo internacionalmente, debido a sus óptimas características

en diferente tipo de aplicaciones. Por esta razón, son muchos los países que en la actua-
lidad se encuentran desarrollando proyectos enfocados a la producción de hidrógeno
de bajas emisiones como vector energético Irena, [36]. Se estima que para el año 2050
el H2 será utilizado para cubrir un 12 % de la energía del mundo, motivo por el cual el
comercio transfronterizo entre países de H2 crece considerablemente y se estima que
llegue a 30 países, que en la actualidad se encuentran planeando un comercio activo,
dentro de los cuales se encuentra Dinamarca, Alemania, España, Austria, Estados Uni-
dos, Chile y Colombia, entre otros.
El continente europeo apuesta fuertemente a la integración del H2 como elemento
clave para la descarbonización de su matriz energética. Por ejemplo, en el Espacio At-
lántico Europeo, se está desarrollando el proyecto “Seafuel, integración sostenible de
combustibles renovables en sistemas de transporte locales”, el cual busca aprovechar
los recursos renovables (fuentes eólica, solar y marina), para demostrar la viabilidad
del H2 verde como combustible en los sistemas de transporte. El proyecto cuenta con
una capacidad instalada en energías renovables de 51 MW y una hidrogenera de 25
kg/día a 350 bar, la cual está conectada directamente a los aerogeneradores. Con el H2
producido, se impulsa el uso de vehículos que utilicen este elemento como combustible,
sustituyendo parte de los vehículos diésel [37].
En Dinamarca se encuentra en fase de desarrollo un proyecto enfocado a la produc-
ción de H2 verde a partir de energía eólica, cuyo objetivo es suplir la demanda de los
camiones a H2 de Hyundai en Europa. Esta iniciativa supondrá desplegar un parque
eólico marino en este país, y se prevé una producción suficiente de combustible verde
para hacer funcionar unos 15 000 vehículos pesados [38].
En diferentes localidades de España se están desarrollando varios proyectos enfoca-
dos a la potencialización en el uso del H2. En Valencia se está desarrollando el proyecto
“H2POS: Implementing fuel cells and Hydrogen technologies in Ports (2019-2023)”, el
cual tiene como objetivo proporcionar soluciones eficientes para lograr una transición

desde una industria basada en combustibles fósiles hacia un sector de 0 emisiones en
la maquinaria utilizada en el Puerto de Valencia para sus operaciones. Como resultado,
se esperan tener 3 prototipos: un vehículo reach stacker alimentado con H2 y evaluado
en una terminal de contenedores portuaria, una cabeza tractora (yard tractor) y una
estación móvil de suministro de H2 para abastecer las máquinas anteriores con el com-
bustible [39].
También se tiene el proyecto de HyDeal España, cuyo objetivo es suministrar H2 verde
y a precio competitivo, a través de plantas solares fotovoltaicas situadas en la mitad norte
de España, cuya capacidad total instalada se espera que alcance los 9.5 gigavatios (GW)
de energía solar y los 7.4 GW de electrolizadores. En este proyecto también participan
Francia, Alemania y Austria. Actualmente, con un kilo de H2 verde se obtienen unos
33.3 kWh, pero su precio se sitúa entre 3.5 y 5 euros, lo cual representa el doble de lo
que se pretende alcanzar con HyDeal [40].
279
En Madrid, se realizó el proyecto “sun2hy (2018-2020)”, el cual está enfocado en la
producción de H2 verde partiendo de energía solar, por medio de una planta de foto
electrocatálisis (pec) donde no es necesario una fuente de energía externa (bias free) [41].
El continente asiático también se encuentra desarrollando y formulando proyectos
enfocados a la producción de H2 como alternativa para sustituir los combustibles fósiles
y como vector energético. Países como China, Japón y Corea del Sur han establecido
objetivos ambiciosos para poner millones de vehículos impulsados por H2 en sus car-
reteras para fines de la próxima década [42].
Japón en el 2017 elaboró una estrategia para la utilización del H2, con lo que fue
categorizado como la primera nación a nivel mundial en proponer una estrategia para
la utilización de H2, con el objetivo de reducir las emisiones de CO₂ en un 46 % para
2030 y lograr la neutralidad en carbono para 2050. Green Japan es un programa que
explora el innovador camino hacia la neutralidad en carbono, y comparte la tecnología
y los conocimientos con otros países [43].
China se suma a la ola del H2 verde que cada vez llama más la atención de las po-
tencias económicas mundiales. El gigante asiático busca dar un giro de 180 grados a
la producción energética del país al poner a este nuevo vector energético en el centro
de su estrategia para 2025. Pekín ha señalado que el país tiene como objetivo producir
entre 100 000 y 200 000 t de H2 verde al año y tener alrededor de 50 000 vehículos
alimentados con H2 para ese ejercicio, señala la Comisión Nacional de Desarrollo y
Reforma (ndrc) [44].
Países como Japón y Alemania, los cuales se proyectan como futuros exportadores
de H2, ya están desplegando estrategias dedicadas a este. Adicionalmente, los países
exportadores de combustibles fósiles como Australia, Arabia Saudita y los Emiratos
Árabes Unidos consideran cada vez más que el H2 limpio es una forma atractiva de
diversificar sus economías [36].
En Latinoamérica, Chile es el país que encabeza la iniciativa para la producción de
H2. Por ejemplo, la Universidad Católica de la Santísima Concepción (ucsc), en com-
pañía del Seremi de Energía, está implementando una planta piloto para generar H2
verde, con el fin de promover el desarrollo de esta industria. Este proyecto consta de 2
etapas: una planta demostrativa de 10 kW para la producción de 0.1 kg/h de H2 verde y
la implementación de proyectos piloto con empresas interesadas para el uso de este en
aplicaciones móviles y estáticas. Cabe resaltar que la ucsc cuenta con una microrred
de 50 kW en la que utilizan la energía solar y eólica como suministro renovable para
producir el H2 [45].
Por todo lo anterior, se evidencia el H2 como un elemento potencial para reemplazar
combustibles fósiles y como aprovechamiento de excedentes en las fuentes renovables,
para el que cada vez en más países realizan pruebas piloto de integración a la matriz
energética propia, dentro de los cuales se encuentra Colombia.
Producción de hidrógeno en Colombia

Colombia es un país que cuenta con variedad amplia de recursos naturales, que favorecen
y contribuyen fuertemente al uso de energías no convencionales y la potencializan como
280
posible líder en temáticas de producción y exportación de H2 verde. Para el año 2022
se encuentran en ejecución 2 proyectos piloto enfocados a la producción y uso del H2
como vector energético. Estos están a cargo de Ecopetrol (en la Refinería de Cartagena)
y Promigas (en Mamonal, Cartagena) [46].
Aunado a lo anterior, 8 empresas del país se encuentran desarrollando estrategias
para contribuir al avance en la implementación de sistemas de producción de H2. Donde,
como se mencionó, Ecopetrol, Promigas y tgi, son las encargadas de llevar a cabo los
primeros pilotos en el país. Se estima que, a través de los proyectos de H2 que se ejecuten
en el país, será posible desarrollar nuevas cadenas de valor para impulsar la economía
y se podrán crear empleos de alta calidad entre 2022 y 2050 [47].
Ecopetrol puso en marcha un electrolizador de tecnología pem de 50 kW y 270
paneles solares, ubicados en la Refinería de Cartagena, con el fin de iniciar pruebas de
un piloto para la producción de H2 verde [48]. Adicionalmente, en asociación con la
firma japonesa Toyota, se firmó un acuerdo por 3 años para realizar pruebas de mov�-
ilidad con H2 verde que moverá un vehículo liviano particular. Este será utilizado en
las instalaciones de la Refinería de Cartagena donde se evaluará el rendimiento del H2
como combustible y su autonomía, entre otras variables [49].
Normativas sobre hidrógeno en Colombia

A nivel global, 195 gobiernos firmaron el Acuerdo de París [1], dentro de los cuales se
encuentra Colombia, cuyo objetivo es mantener el aumento de la temperatura media
mundial por debajo de los 2 grados (2 °C). Colombia, enfocada en cumplir esta meta,
se une a la estrategia de adoptar el H2 como elemento clave dentro de su matriz ener-
gética, creando una Hoja de Ruta, en la que se compromete a presentar una reducción
de emisiones de CO2 del 51 % para 2030 respecto a un escenario de referencia, con el
objetivo de alcanzar la carbono-neutralidad hacia el año 2050. En esta se encuentran
contenidas las estrategias y algunos proyectos, mediante los cuales se abordará la in-
tegración de H2 en el país. Por ejemplo, uno de los análisis allí contenidos determina
que a partir del año 2030 será posible producir H2 verde en algunas regiones a un costo

competitivo, lo cual favorece al país para categorizarse como futuro exportador [50]. Se
espera que para el 2030 se cuenten con 3 GW de capacidad instalada exclusivamente
dedicada para temas de electrólisis, y una meta en materia de precios que no supere
los 1.7 usd por kilogramo [51].
Adicionalmente, se cuenta con la Ley 1715 de 2014, la cual tiene por objeto promover
el desarrollo y aprovechamiento de las fuentes de energía no convencionales, princi-
palmente las de carácter renovable [52]. Para el 2021, el Gobierno colombiano adicionó
nuevos parágrafos a esta ley, dando surgimiento a la Ley 2099, que trae beneficios fiscales
para las empresas que implementan energías renovables. Además, habla sobre el futuro
del H2 en Colombia, en especial sobre el H2 verde y azul, los cuales se consideran como
fuentes de energía no convencionales [53].
A nivel mundial ya se han establecido algunas normativas respecto a la industria del
H2, puesto que esta temática para fines de descarbonización está siendo implementada
en varios países. En la tabla 12.2 se recopilan algunas de estas.
281
Tabla 12.2. Leyes y regulaciones sobre hidrógeno en el mundo
País/
Continente Ley Descripción Ref.
organización
Presenta una clasificación jurídica de los colores.
Destaca la importancia de eliminar y reemplazar el

Comisión hidrógeno basado en combustibles fósiles lo antes
Estrategia europea
europea, posible por H2 de bajo contenido en carbono. [54]
para el H2
Bruselas
Europa Plantea la posibilidad de reducir los impuestos y
gravámenes sobre las energías renovables en toda la
Unión.
Comisión
Hydrogen Act Ley de Infraestructura del H2 y de su mercado. [55]
europea
Ley de promoción Objetivos para 2022 y 2040 relativos a las pilas de

Asia Corea del Sur económica y control combustible, vehículos de hidrógeno y a la oferta y el [56]
de seguridad del H2 precio de esta energía alternativa.
Establece 20 acciones en 5 áreas claves para ayudar a

Australia del
Oceanía Hoja de ruta nacional aumentar la producción de hidrógeno verde para la [57]
sur
exportación y el consumo interno.
Resolución n.º 6, de Establece el Programa Nacional de H2 (PNH2) y la

Brasil [58]
23 de junio de 2022 estructura de gobernanza.
Enfocada en la producción y exportación de

Estrategia nacional H2
Chile hidrógeno verde y sus derivados, que incluyen [59]
verde
América amoniaco, metanol y combustibles sintéticos.
Incentivos para el hidrógeno verde y el hidrógeno azul,

Colombia Ley 2099 los cuales se consideran como fuentes de energía no [53]
convencionales.
Fuente: elaboración propia con base en las fuentes citadas al interior de la tabla.
282
Producción de hidrógeno en upb
En la Universidad Pontificia Bolivariana (upb), se cuenta con el Smart Energy Center

(sec), en el cual se tiene una capacidad instalada de 140 kWp en módulos solares fotovol-
taicos. Este tiene como meta a 2023 multiplicar por 3 esta capacidad, lo que le permitiría
alcanzar casi 0.5 MWp de potencia instalada y categorizar a la Universidad como una
localidad estratégica para la realización de pruebas de laboratorio en la producción de
hidrógeno verde con energía solar.
Inicialmente se comenzó con el estudio de pruebas de factibilidad para la construcción
de un prototipo de electrólisis alcalina para la producción de H2 verde. En la figura 12.3
se puede visualizar uno de los estudios realizados, en el que se midió la cantidad pro-
ducida de hidrógeno en un determinado tiempo. Allí se utilizaron diferentes materiales
como acero y cobre haciendo el papel de electrodos, y como electrolito se utilizó agua
con ácido sulfúrico, puesto que este cumple un papel importante a la hora de elevar el
nivel de conductividad del agua, lo cual permite que se genere la reacción química de
separación de oxígeno e hidrógeno del agua.

Figura 12.3. Datos experimentales de producción de hidrógeno con diferentes
materiales
283
Se puede apreciar que, al momento de producir H2 mediante la electrólisis, es más
significativo contar con un área superficial mayor en las placas (electrodos), puesto que,
para el caso de los hilos de acero y de cobre, la producción obtenida fue muy similar. Por
dicho motivo, aunque el cobre presenta una mayor conductividad eléctrica, se escoge
trabajar con acero, debido a que es más económico y se desean estudiar alternativas
que favorezcan a la disminución en el coste de la producción de hidrógeno con el fin
de fomentar su uso y aplicación.
Se tiene como objetivo construir e implementar una hidrogenera en la Universidad,
la cual estará ubicada en el Bloque 5 (colegio upb). El objetivo es construir un montaje
a baja escala para la realización de diferentes pruebas y mediciones que permitan la
profundización en el estudio de la producción de hidrógeno verde. En la figura 12.4
se puede visualizar el diagrama unifilar de la sección en de la Universidad en la que
quedará instalado el prototipo.
Figura 12.4. Diagrama unifilar que indica ubicación de la hidrogenera que se va

a implementar
284
Referencias
[1] Naciones Unidas, “Paris Agreement Spanish”, 2015.

[2] Naciones Unidas, “La Agenda 2030 y los Objetivos de Desarrollo Sostenible: una
oportunidad para América Latina y el Caribe”, 2022. [En línea]. Disponible en: www.
cepal.org/es/suscripciones
[3] I. R. Aguilar, “Evaluación de alternativas para potencializar el uso de hidrógeno
como vector energético”, 2017.
[4] Energy Insights by McKinsey, “Global energy demand Electricity demand/supply
Gas demand Oil demand Carbon emissions”, 2019.
[5] Hydrogen Council, “Hydrogen scaling up. A sustainable pathway for the global
energy transition”, 2017. [En línea]. Disponible en: www.hydrogencouncil.com.
[6] M. Newborough y C. Graham, “Developments in the global hydrogen market
The spectrum of hydrogen colours”, Fuel Cells Bull. , 2020.
[7] M. Yu, K. Wang, y H. Vredenburg, “Insights into low-carbon hydrogen produc-
tion methods: Green, blue and aqua hydrogen”, Int. J. Hydrogen Energy, vol. 46,
n.° 41, pp. 21261–21273, jun. 2021, doi: 10.1016/j.ijhydene.2021.04.016.
[8] G. Di Lullo, A. O. Oni, y A. Kumar, “Blending blue hydrogen with natural gas
for direct consumption: Examining the effect of hydrogen concentration on
transportation and well-to-combustion greenhouse gas emissions”, Int. J. Hy-
drogen Energy, vol. 46, n.° 36, pp. 19202–19216, mayo 2021, doi: 10.1016/j.ijhyde-
ne.2021.03.062.
[9] A. Rabiee, A. Keane, y A. Soroudi, “Green hydrogen: A new flexibility source for
security constrained scheduling of power systems with renewable energies”, Int.
J. Hydrogen Energy, vol. 46, n.° 37, pp. 19270–19284, mayo 2021, doi: 10.1016/j.
ijhydene.2021.03.080.
[10] J. Fernández Gómez, R. Álvaro Hermana, y J. Menéndez Sánchez, “Perspectivas
de desarrollo de un mercado global de hidrógeno”, 2021.
[11] R. S. El-Emam, H. Ozcan, y C. Zamfirescu, “Updates on promising thermoche-
mical cycles for clean hydrogen production using nuclear energy”, J. Clean. Prod.,

vol. 262, jul. 2020, doi: 10.1016/j.jclepro.2020.121424.
[12] C. W. Forsberg, “Hydrogen, nuclear energy, and the advanced high-temperature
reactor”, 2003. [Online]. Disponible en: www.sciencedirect.comwww.elsevier.
com/locate/ijhydene
[13] A. Ajanovic, M. Sayer, y R. Haas, “The economics and the environmental benig-
nity of different colors of hydrogen”, Int. J. Hydrogen Energy, 2022, doi: 10.1016/j.
ijhydene.2022.02.094.
[14] KAS (Konrad Adenauer Stiftung), “Green Hydrogen in Latinamerica”, 2021.
[15] M. Aziz, I. N. Zaini, T. Oda, A. Morihara, y T. Kashiwagi, “Energy conservati-
ve brown coal conversion to hydrogen and power based on enhanced process
integration: Integrated drying, coal direct chemical looping, combined cycle and
hydrogenation”, Int. J. Hydrogen Energy, vol. 42, n.° 5, pp. 2904–2913, Feb. 2017,
doi: 10.1016/j.ijhydene.2016.10.060.
[16] M. O. Navarro, “Reformado de metano con transportadores sólidos de oxígeno-che-
mical-looping reforming- tesis doctoral”, 2011.
285
[17] J. D. Velasquez Piedrahita y J. F. Quiceno Castañeda, “Diseño de un sistema de gene-
ración de hidrógeno por electrólisis”, 2013.
[18] I. María, P. Pozuelo, M. Felipe, and R. Iglesias, “Producción de hidrógeno a alta tem-
peratura”, 2020.
[19] A. Mohammadi y M. Mehrpooya, “A comprehensive review on coupling different
types of electrolyzer to renewable energy sources”, Energy, vol. 158, pp. 632–655, 2018,
doi: 10.1016/j.energy.2018.06.073.
[20] E. Flores Guerrero Tutor y F. Javier Pino Lucena, “Estado del arte de electrolizadores
de óxido sólido”, 2020.
[21] L. Mogni, Montenegro-Hernández, A. Arce, y B. J. Caneiro, “Integración de la
tecnología de celdas de óxido sólido reversibles a una planta nuclear para la produc-
ción de combustible y generación eléctrica.”
[22] N. Du, C. Roy, R. Peach, M. Turnbull, S. Thiele, y C. Bock, “Anion-Exchange Mem-
brane Water Electrolyzers”, Chemical Reviews, vol. 122, n.° 13. American Chemical
Society, pp. 11830–11895, jul. 13, 2022. doi: 10.1021/acs.chemrev.1c00854.
[23] P. Nikolaidis y A. Poullikkas, “A comparative overview of hydrogen production
processes”, Renew. Sustain. Energy Rev., vol. 67, pp. 597–611, 2017, doi: 10.1016/j.
rser.2016.09.044.
[24] R. Perret, “Solar Thermochemical Hydrogen Production Research (stch) Thermo-
chemical Cycle Selection and Investment Priority”, Sandia Rep., n.° mayo, pp. 1–117,
2011.
[25] Ariema, “Producción de hidrógeno” jul. 16, 2019. https://www.ariema.com/produc-
cion-de-h2#:~:text=Termólisis.,del proceso (≈1000K) (consultado en sep. 14, 2022).
[26] A. Midilli, H. Kucuk, M. EminTopal, U. Akbulut, and I. Dincer, “Hydrogen Produc-
tion: Coal Gasification”, 2021.
[27] N. Martín Sánchez, “Obtención de hidrógeno mediante gasificación de sólidos
carbonosos con vapor y agua supercrítica”, Universidad de Salamanca , Salamanca,
2014.
[28] G. E. Díez, “Producción de bio-hidrógeno mediante gasificación catalítica de bio-
masa con captura integrada de CO 2 Tesis Doctoral por”, 2017.
[29] Pedro Eloy González Vargas, “Análisis Termodinámico y Simulación del Proceso de
Producción de Gas de Síntesis a partir del Metano usando CoWO4 como Transpor-
tador de Oxígeno.”
[30] J. Plou, P. Durán, y J. Peña, “Perspectiva sobre la producción de hidrógeno por mé-
todos emergentes basados en energía solar y de alta temperatura”, Boletín del Grup.
Español del Carbón, n.° 34, pp. 12–17, 2014.
[31] European Commission, “Implementing the repower eu action plan: investment
needs,hydrogen accelerator and achieving the bio-methane targets”, 2022.
[32] J. Recari Ansa, “Gasification of biomass and solidrecovered fuels (SRFs) for thesyn-
thesis of liquid fuels”, 2017.
[33] D. Zannoni y R. De Philippis, “Microbial BioEnergy: Hydrogen Production”, 2014.
[34] A. Ferraces y O. Lopez, “Planta De Producción De Hidrógeno Por Reformado De
Gas Natural”, p. 608, 2016.
[35] M. L. Ghirardi, A. Dubini, J. Yu, y P.-C. Maness, “Photobiological hydrogen-produ-
cing systems”, 2009.
286
[36] Irena, “Hydrogen Economy Hints at New Global Power Dynamics”, https://www.
irena.org/newsroom/pressreleases/2022/Jan/Hydrogen-Economy-Hints-at-New-Glo-
bal-Power-Dynamics, ene. 15, 2022.
[37] Interreg Atlantic Area European Regional Development Fund, “Integración sosteni-
ble de combustibles renovables en sistemas de transporte locales”, 2017. https://www.
iter.es/portfolio-items/seafuel/ (consultado en sep. 14, 2022).
[38] Plug Power, “Plug lands 1 GW electrolyzer orderer with H2 energy Europe”, mayo 19,
2022. https://www.ir.plugpower.com/press-releases/news-details/2022/Plug-Lands-
1-GW-Electrolyzer-Order-with-H2-Energy-Europe/default.aspx (consultado en sep.
14, 2022).
[39] h2ports, “Implementing fuel cells and Hydrogen technologies in pos”, 2019. https://
h2ports.eu/about/ (consultado en sep. 14, 2022).
[40]HyDeal, “HyDeal España”, mayo 31, 2022. https://www.hydeal.com/copie-de-hydeal-
ambition (consultado en sep. 14, 2022).
[41] Repsol y Enagas, “sun2hy”, 2018.
[42] América Economía, “¿Por qué Asia apuesta por el hidrógeno?”, sep. 23, 2019.
[43] Euronews, “Japón o un país pionero en la producción de hidrógeno verde”, https://
es.euronews.com/2021/10/25/japon-o-un-pais-pionero-en-la-produccion-de-hidrogeno-
verde, nov. 05, 2021.
[44]ABC Antropía, “China se pasa al hidrógeno verde”, mar. 23, 2022.
[45] Ministerio de Energía, “Biobío realizó lanzamiento para promoción del Hidrógeno
Verde”, 2020. https://www.ah2vbiobio.cl/nosotros/ (consultado en sep. 14, 2022).
[46]Hinicio, “Proyectos de innovación.” https://www.hinicio.com/ejemplos-de-proyec-
tos/innovation-projects/?lang=es (consultado en sep. 14, 2022).
[47] Ecopetrol, “Piloto de hidrógeno que iniciará en 2022”, https://www.ecopetrol.com.co/
wps/portal/Home/es/noticias/detalle/Noticias+2021/el-grupo-ecopetrol-inicip-la-pro-
duccion-de-hidrogeno-verde-en-colombia#:~:text=Con%20un%20electrolizador%20
y%20270,%242.500%20millones%20al%20a%C3%B1o%202040., ene. 21, 2022.
[48] Ecopetrol, “El Grupo Ecopetrol inició la producción de hidrógeno verde en
Colombia”, https://www.ecopetrol.com.co/wps/portal/Home/es/?1dmy&page=de-

talleNoticias&urile=wcm%3Apath%3A%2Fecopetrol_wcm_library%2Fas_es%2F-
noticias%2Fnoticias%2B2021%2Fel-grupo-ecopetrol-inicip-la-produccion-de-hidroge-
no-verde-en-colombia, 2022.
[49]Analitik, “Ecopetrol y Toyota iniciarán pruebas de movilidad con hidrógeno en
Colombia”, https://acortar.link/9tQ0r4, jul. 18, 2022.
[50] Minenergía y interamerican development bank idb, “Hoja de ruta del hidrógeno en
Colombia”, 2021.
[51] h2lac, “Colombia tendrá dos estaciones de servicio con hidrógeno verde”, https://
h2lac.org/noticias/colombia-tendra-dos-estaciones-de-servicio-con-hidrogeno-verde/,
mayo 30, 2022.
[52] Upme, “Invierta y Gane con Energía Guía práctica para la aplicación de los incenti-
vos tributarios de la Ley 1715 de 2014”, 2014.
[53] Congreso de la República de Colombia, “Ley 2099 del 10 de julio de 2021”, 2021.
[54] Parlamento Europeo, “Estrategia europea para el hidrógeno”, https://www.europarl.
europa.eu/doceo/document/TA-9-2021-0241_ES.html, 2021.
287
[55] Hydrogen Europe, “Hydrogen Act”, 2021.
[56] I. y E. de C. del S. (Motie) Ministerio de Comercio, “Hydrogen Economy Promo-
tion and Hydrogen Safety Management Act”, https://climate-laws.org/geographies/
south-korea/laws/hydrogen-economy-promotion-and-hydrogen-safety-manage-
ment-act, 2021.
[57] csiro, “Australia National Hydrogen Roadmap”, 2018. [En línea]. Disponible en:
www.csiro.au
[58] Consejo Nacional de Política Energética (cnpe), “Resolución no 6, de 23 de junio de
2022”, 2022.
[59] Gobierno de Chile y Ministerio de Energía, “Estrategia nacional de hidrógeno
verde”, 2020.
Almacenamiento de energía
con baterías para microrredes
CAPÍTU LO 13
Carolina Zuluaga Álvarez 1, Edison Cardona Rendón2

y Andrés Emiro Díez Restrepo1
1
[email protected]; [email protected]
2
Quanta Technology
En el capítulo 10 se abordó el empleo de sistemas de baterías controlables

(saeb o bess, en inglés), como fuentes para la emulación de inercia en
redes con generación integrada a partir de convertidores electrónicos. En
este capítulo se describirá con mayor nivel de detalle una de las soluciones
saeb instaladas en el marco del proyecto (las otras tienen funcionalida-
des similares) y se presentarán algunos resultados relacionados con su
comportamiento ante consignas operativas enviadas desde el módulo de
despacho del ems desarrollado in-house.
Introducción
El foco principal de este capítulo1 está en mostrar los beneficios de la inte-
gración de los sistemas de almacenamiento de energía a las microrredes.
Se muestran inicialmente algunas definiciones sobre los componentes de
1 Se listan a continuación las siglas más utilizadas: CA: corriente alterna. BMS:
sistema de gestión de la batería (battery management system). CD: corriente
continua (direct current). CND: Centro Nacional de Despacho. EMS: Siste-
ma de Gestión de Energía (Energy Management System). Eurobat: Asocia-
ción de Fabricantes Europeos de Baterías Automotrices e Industriales. Fernc:
fuentes de energía renovables no convencionales. IEC: Comisión Electrotéc-
nica Internacional. PCS: sistema de conversión de potencia (power conver-
sion system). SOC: estado de carga (state of charge). SOH: estado de salud
(state of health). UPB: Universidad Pontificia Bolivariana. XM: expertos en
mercados.
289
los bess (sistemas de almacenamiento de energía con baterías), sus beneficios, servicios,
aplicaciones, y estado del arte. Se trata también el marco regulatorio para esta tecnología.
Se presentan algunas consideraciones relevantes para la selección, dimensionamiento
y operación de sistemas de almacenamiento de energía con baterías y, finalmente, se
muestra como caso de estudio la experiencia operativa de uno de los bess del proyecto
Energética 2030.
Definición de un bess
Un sistema de almacenamiento de energía con baterías, más conocido como bess, es
un dispositivo que permite almacenar energía durante un tiempo determinado, para
luego ser utilizada cuando se requiera.
Componentes de un bess
Los componentes que hacen parte del bess dependen de la aplicación o de los servicios
que se quieran prestar con este; sin embargo, existen algunos componentes principales
que debe tener todo bess para su correcto funcionamiento. En la figura 13.1 se muestran
algunos de los componentes principales.
carolina zuluaga álvarez, edison cardona rendón y andrés emiro díez restrepo
Figura 13.1. Componentes principales de un bess

290
Baterías
Están compuestas por celdas electroquímicas. Cada una de ellas cuenta con electrodos
(positivo y negativo) y con un electrolito [1]. Estas celdas se encuentran en arreglos de
series y paralelos para lograr una potencia, voltaje y corriente específica. Los rangos de
estas variables dependerán de la composición química de las celdas.
Sistema de conversión de potencia
Funciona como rectificador (conversión de ca a cd) o inversor (conversión de cd a

ca) según sea necesario. Por ejemplo, cuando se requiere cargar las baterías desde una
fuente de ca, funciona como rectificador y, si por el contrario se quiere alimentar una
carga ca desde las baterías, este funcionará como inversor.
Sistema de gestión de la batería (bms)
Garantiza la operación de batería de una forma confiable y segura. Esto incluye el control
en los niveles de corriente y tensión, las condiciones de carga y descarga, la temperatura,
la gestión térmica, el balance de tensión entre las celdas, entre otros. También se encarga
de determinar el estado de salud (soh) y el estado de carga (soc) [2].
Sistema de gestión de energía (ems)
Se encarga de gestionar la potencia total decidiendo en qué momento y durante cuánto

tiempo se carga o descarga la batería. También se comunica con el bms y el convertidor
de potencia.
Tipos de baterías
El tipo de batería depende estrictamente de la tecnología con la que se fabrica cada
una de estas. A continuación, en la tabla 13.1 se muestra un resumen de algunos de los
almacenamiento de energía con baterías para microrredes

tipos de baterías más conocidos o implementados en la actualidad, teniendo en cuenta
algunas de sus características principales, ventajas, limitaciones y aplicaciones.
291
292
Tabla 13.1. Tipos de baterías y sus características principales
Ciclos al Densidad Temperatura

Eficiencia Vida útil
Tecnología 80 % de de energía de operación Ventajas Limitaciones Aplicaciones
[%] [años]
descarga [WH/L] [ºC]
Alta madurez Baja densidad de Regulación de
tecnológica energía frecuencia
Pb-ácido 70 a 90 300 a 3000 50 a 90 -35 a 45 5 a 15
Alto impacto Iluminación de
Bajo costo
ambiental emergencia
Alta tasa de Regulación de
autodescarga frecuencia
Ni-Cd 80 3000 50 a 150 270 a 350 10 a 15 Buen ciclo de vida
Alto impacto
Reserva rodante
ambiental
Alto costo de
Buena eficiencia Respaldo de carga
mantenimiento
NaS 80 a 90 4500 150 a 345 300 a 350 10 a 15
Alta temperatura de
Buen ciclo de vida Balanceo de carga
operación
Buen ciclo de vida Alto mantenimiento Balanceo de carga
Sistema de
Complejo
Escalabilidad alimentación
monitoreo y control
Flujo 60 a 70 10 000 a 20 000 20 a 70 -5 a 50 15 ininterrumpida
Requiere tanque
adicional para Vehículos eléctricos
electrolito
Alta densidad de Regulación de
Alto costo inicial
energía frecuencia
Tiempo de Riesgo de explosión Calidad de la
Li-Ion 90 a 97 hasta 10 000 200 a 600 5 a 45 5 a 15 respuesta rápido o incendio potencia
Alta eficiencia Portátiles
Baja autodescarga Vehículos eléctricos
Fuente: adaptado de [3], [4], [5], [6].
Servicios, beneficios y aplicaciones de los sistemas de
almacenamiento para microrredes
Los sistemas de almacenamiento de energía en baterías, por las características de sus
componentes que almacenan energía eléctrica y por la incorporación de los elementos
de electrónica de potencia ya descritos, permiten la toma y el suministro de potencia
activa (P) y potencia reactiva (Q) con altas velocidades de respuesta, lo que representa
la máquina ideal de los sistemas eléctricos, pudiendo operar en los 4 cuadrantes de la
curva PQ.
Para las microrredes, estas funcionalidades de los bess facilitan la integración de fuen-
tes de energías renovables no convencionales (fernc), puesto que pueden almacenar los
excedentes de generación o suministrar la energía faltante cuando no se está generando
lo suficiente. Este servicio, adicionalmente, al dar seguridad energética y confiabilidad
a los sistemas eléctricos, contribuye a la descarbonización como parte de la transición
energética, que va evolucionando con el paso de los años, disminuyendo la huella de
carbono y obteniendo un ahorro tanto energético como económico.
El carácter multipropósito del almacenamiento obliga a revisar la división histórica
de las componentes de la cadena de energía. Sandia National Laboratories ha publicado
la siguiente clasificación de los servicios que pueden prestar los sistemas de almacena-
miento de energía en las diferentes componentes de la cadena de los sistemas eléctricos:
Tabla 13.2. Servicios de los sistemas de almacenamiento con baterías
Categoría 1. Suministro de energía

1. Desplazamiento de energía eléctrica
2. Suministro de capacidad de energía
Categoría 2. Servicios complementarios
3. Seguimiento de carga
4. Regulación de área
5. Suministro de reserva de capacidad eléctrica

6. Control de voltaje
Categoría 3. Servicios para la red
7. Soporte para la transmisión
8. Alivio de congestiones en transmisión
9. Diferir expansión en transmisión o distribución
10. Potencia localizada en subestaciones
Categoría 4. Servicios para el usuario final o consumidor
11. Tiempo de uso administración del costo de energía
12. Administración del cargo por demanda
13. Confiabilidad del suministro eléctrico
14. Calidad de potencia en el servicio eléctrico
293
Categoría 5. Integración de energía renovable
15. Desplazamiento en el tiempo de energía renovable
16. Capacidad firme de generación renovable
17. Integración a la red de generación eólica
De la tabla 13.2 puede notarse que un sistema de almacenamiento con baterías puede
prestar 17 servicios, de los cuales a las microrredes podrían asociarse principalmente
los de las categorías 2, 4 y 5.
Estado del arte

La instalación de sistemas de almacenamiento de energía con baterías se ha ido incre-
mentando a lo largo del mundo, en países como en Australia, Estados Unidos, Canadá
y otros países de América Latina. En Australia, específicamente en Queensland, se
desarrolló el proyecto “Ergon Energy” en el año 2016, con el que se instalaron 0.5 MW
de almacenamiento en baterías de iones de litio con el fin de mejorar la calidad y la
confiabilidad de la energía eléctrica. Tuvo tanto impacto que ganó el premio Excellence
Award for Innovation, Research, and Development en los premios Australian Enginee-
ring Excellence Awards for Queensland del mismo año [8].
En Dublín, California, se instaló un bess con capacidad de 2 MW en 2012, para integrar
a la microrred de la cárcel Santa Rita. Esta microrred cuenta con 500 kW entre energía
solar fotovoltaica y microturbinas. Con ella, se quería cubrir la necesidad de almacenar
los excesos generados por las fuentes renovables y, a su vez, reducir costos al comprar
energía fuera de las horas pico, almacenarla y utilizarla en los picos de demanda [9].
En 2014, en Minster, Ohio, se instaló un sistema de almacenamiento en baterías de 7
MW para complementar la instalación de 4.2 MW de generación solar fotovoltaica que

también tenían planeado. El objetivo de este proyecto se centraba en expandir la huella
de energía renovable en la ciudad y proporcionar energía rentable. Un servicio adicional
que ejecutaron gracias a la implementación del bess fue la regulación de frecuencia [10].
La microrred de la Isla Catalina, California, cuenta con 1.4 MW de generación
aportados por generadores diésel y microturbinas, y una carga pico de 5 MW. En 2012,
se integró un sistema de almacenamiento con baterías de sodio-azufre de 1 MW de
capacidad para reducir las emisiones de NOx y servir como suministro de energía de
respaldo cuando fuera necesario [11].
En Columbia Británica, Canadá, se instaló un sistema de almacenamiento con bat-
erías de sodio-azufre con una capacidad de 1 MW, para tener suministro de energía de
respaldo de forma confiable, en los momentos en los que hubiera fallas, ya que estas
ocurrían con bastante frecuencia. El bess cuenta con 7 horas de rendimiento y permite
detectar fallas [12].
A la Central Hidroeléctrica Alfalfal I en San José del Maipó, Chile, se le integró
un sistema de almacenamiento de energía con baterías de ion-litio de 10 MW, para
suministrar la energía almacenada en los momentos de mayor demanda y disminuir
el uso del diésel durante este periodo, disminuyendo también los costos operacionales
294
del sistema y facilitando la integración de fuentes renovables al sistema. El bess tiene
una autonomía de 5 horas y proporciona servicios complementarios de regulación de
frecuencia y control de voltaje [13].
En Usulután, El Salvador, se complementan 2 plantas de energía solar de 140 MWp
con un sistema de almacenamiento de energía con baterías de ion-litio de 3.2 MW. El
bess presta servicios de regulación de frecuencia requeridos por la normativa local.
También se obtuvieron beneficios como el aumento de la energía solar en el país y la
reducción en las facturas de energía [14].
El proyecto “Aura Solar III” fue desarrollado en Baja California Sur, México, en el año
2018. Este incluyó un sistema de almacenamiento de energía con baterías de ion-litio
de 10 MW, de capacidad. Este proyecto contribuye reduciendo el consumo de combus-
tibles fósiles y disminuyendo la emisión en 35 000 t de dióxido de carbono al año [15].
isa cteep está desarrollando el primer proyecto de almacenamiento con baterías a
gran escala en el sistema de transmisión brasileño. La capacidad instalada será de 30
megavatios (MW), con una capacidad de almacenamiento de 2 horas en la subestación
Registro a nivel de 220 kV, localizada en el Litoral de São Paulo y se espera que entre
en operación al final del año 2022 [16].
En Colombia en el año 2021, se instaló un bess en la central térmica Termozipa, para
suplir el servicio de regulación primaria de frecuencia, el cual tiene una capacidad de
7 MW. Esto permite iluminar el equivalente a 70 000 hogares y se espera que su vida
útil sea de 15 años [17].
Se debe tener presente que cuando se habla de microrredes se esperan valores de
hasta 10 MW en almacenamiento, aunque últimamente este valor puede incrementar
hasta máximo 50 MW.
Normatividad y marco regulatorio para sistemas de

almacenamiento
Para establecer el marco regulatorio de los sistemas de almacenamiento, generalmente se
intenta realizar una asociación con los componentes conocidos de los sistemas eléctricos.
Cuando se quiere hacer dicha asociación con algunos de los elementos de la cadena de

componentes de los sistemas eléctricos, se ha logrado concluir que el almacenamiento
no es generación, transmisión o distribución.
Un sistema de almacenamiento no es generación, ya que no produce energía eléctrica,
siempre necesita tomar energía de la red para inyectar energía nuevamente a la red y
adicionalmente presta servicios que hasta ahora solo podían suministrar los genera-
dores. No por eso se convierte en generador (la transmisión de energía regula tensión
y no por eso podría considerarse generación).
Un sistema de almacenamiento tampoco es transmisión ni distribución de energía,
debido a que no transporta energía eléctrica de un punto a otro del sistema, ya que lo
hace en el tiempo y a diferencia de los sistemas de transmisión un sistema de alma-
cenamiento es un elemento activo, que puede lograr impactar el precio del mercado.
En la tabla 13.3, se muestran algunos aspectos regulatorios para países con experiencias
relevantes en cuanto su normativa para sistemas de almacenamiento de energía (sae).
295
Tabla 13.3. Marco regulatorio de países relevantes
País Regulación Aspectos relevantes Ref.

• Requieren sae en los que los mercados necesitan modelos de
participación diseñados para un tipo diferente de recurso.
Estados FERC Docket: RM16-23-000.
• Se corre el riesgo de no reconocer las características [18]
Unidos Nov. 17/2016
físicas y operativas de los sae al igual que los servicios
complementarios.
• Define los sae como elementos independientes de los demás
componentes de la cadena de energía, capaces de retirar
energía desde el sistema eléctrico y transformarla en otro tipo
de energía.
Chile Ley 20 936 de 2016 [19]
• Los retiros efectuados en el proceso de almacenamiento no
están sujetos a los cargos asociados a clientes finales.
• Define los sae al mismo nivel de las instalaciones para
prestación de servicios complementarios.
• Define requisitos de seguridad para sae integrados en red
• Adicionalmente, Eurobat indica que el almacenamiento debe [20]
España UNE-EN IEC 62933-5-2:2021
ser definido explícitamente como un cuarto componente del [21]
sistema eléctrico en la legislación de la Unión Europea.
Define los sistemas de almacenamiento para eliminar
Creg 078 de 2012 [22]
restricciones
Define el almacenamiento para Regulación Secundaria de
Creg 080 de 2012 [23]
Frecuencia y soporte de picos de demanda.
Define el proyecto de baterías para eliminar restricciones de
Barranquilla, haciendo énfasis en la falta de una reglamentación
Plan Expansión Upme 2015-2029 que facilite la implementación de una solución con esta [24]
tecnología.
Colombia
Informe Trimestral de Evaluación

de Restricciones - T4/2017 XM
Soportan con más detalle las propuestas de baterías en
XM. (2020). [25]
Barranquilla y en Cartagena para reducir restricciones del
[26]
sistema.
Informe Trimestral de Evaluación
de Restricciones - T2/2020) XM
Define los mecanismos para incorporar sistemas de
almacenamiento en el sistema eléctrico colombiano, considerando
Creg 098 de 2019 [27]
elementos principales, los cuales se pueden ver en la figura 13.2.
Estandariza los sae integrados a redes de transmisión,

distribución o aisladas para respaldar los requisitos de estas,
tc 120
incluyendo cualquier tipo de sae.
Electrical Energy Storage (ees)
Internacional1 Systems [28]
(iec)2 [29]
Proporciona estándares para tipos de celdas y baterías recargables,
tc 21
en relación con su química, dimensiones, eficiencia, pruebas de
Secondary cells and batteries
calificación para aplicaciones, reglas de seguridad instalaciones,
operación, mantenimiento y desecho.
1
Más de 170 países.
2
Organización líder mundial en la preparación y publicación de estándares internacionales para todas las tecnologías
eléctricas y electrónicas.
296
Figura 13.2. Aspectos principales de la Creg 098 de 2019
De la figura 13.2. se debe resaltar que los proyectos de sistemas de almacenamiento

con baterías deben identificarse desde los planes de expansión de la Upme y deben surtir
el proceso de convocatoria pública completamente abierta que es asignada al promotor
que ofrezca las mejores condiciones económicas y la operación del saeb queda a cargo
del Centro Nacional de Despacho de xm.
Consideraciones relevantes para los sistemas de

almacenamiento
Teniendo en cuenta que los sistemas de almacenamiento con baterías son instalaciones
con múltiples componentes, con tecnologías muy diversas y con múltiples aplicaciones;
el diseño, la instalación, la operación y el mantenimiento durante toda su vida útil re-

quiere de niveles de especialización y rigurosidad importantes que son tema de estudio
e investigación permanente. A continuación, se tratan algunas de las consideraciones
relevantes para tener en cuenta con los bess.
Eficiencia de los sistemas de almacenamiento
Se define la eficiencia de los sistemas de almacenamiento como la relación en porcentaje

de la energía que es entregada al sistema con respecto a la energía que es tomada por
el bess. Las variables que más influyen en la eficiencia de la batería son las pérdidas de
energía ocasionadas por el sistema de conversión ca-cd-ca, adicional a los sistemas
de aire acondicionado utilizados para mantener las temperaturas en las celdas en los
rangos adecuados para garantizar condiciones óptimas de operación y para reducir la
degradación prematura de las baterías.
297
Es relevante considerar que, con el paso del tiempo, se presenta deterioro del proceso
de almacenamiento de energía en las celdas de baterías, lo que aumenta las pérdidas en
el ciclo carga descarga y finalmente representa una afectación a la eficiencia del sistema.
Estrategias para mantenimiento de la capacidad de

almacenamiento
Un parámetro muy importante que se debe tener en cuenta en los sistemas de al-
macenamiento es la necesidad del mantenimiento de la capacidad de la batería en el
tiempo. Este parámetro toma relevancia principalmente cuando se tiene en cuenta que
la capacidad de almacenamiento de la batería se va degradando a medida que pasan
los años. Por lo tanto, si se quiere mantener un valor de capacidad, potencia y energía
debe definirse una estrategia conocida como estrategia de augmentation, la cual puede
considerar varias alternativas entre las cuales se destacan:
• Sobredimensionamiento al inicio de la puesta en operación del sistema para que, con la
degradación al final de la vida útil de la batería, se garantice la potencia y energía requerida.
• Refuerzos realizados, típicamente cada 5 años para aumentar la capacidad, recuperando
la pérdida ocasionada por la degradación de la batería.
• Refuerzos periódicos de nuevas baterías para mantener la capacidad en el rango deseado.
Estimación de la caída de tensión
Controlar qué tan profunda es la caída de tensión es importante para asegurar una buena
operación tanto en la batería como en la carga, en la que el valor de la resistencia interna
de la batería tiene un efecto sobresaliente en el fenómeno. Entre más degradada esté la
batería, mayor es la resistencia interna de esta y, por consiguiente, también se aumenta
la profundidad de la caída de tensión ante una misma demanda.

A continuación, se presenta un método simplificado para determinar la caída in-
stantánea de tensión cuando se presenta un pulso de demanda, a partir de los parámetros
del circuito equivalente simplificado.
En primera instancia, la profundidad de la caída de voltaje depende de la resis-
tencia interna que se conecta en serie con la fuente de tensión, en el modelo circuital
simplificado de la batería, despreciando inicialmente el efecto de la rama rc paralelo
de este. Cuando se presenta un pulso de demanda, y la capacitancia del modelo está
inicialmente descargada (Vc = 0), la tensión en bornes de la batería es dependiente solo
de R0 (ver ecuación 13.1).
V = E - I R0 - Vc (13.1)
V: voltaje en bornes de la batería.

E: tensión sin carga de la batería.
I: corriente de la batería.
R0: resistencia interna en serie con la fuente.
Vc: voltaje en el capacitor de la rama en paralelo con R1.
298
Figura 13.3. Modelo circuital simplificado de una batería
Caso de estudio
Como ejemplo aplicado para los sistemas de almacenamiento de energía en baterías, con
el que se pueden ver en ejecución los conceptos descritos a lo largo de este capítulo, se
tiene el bess de la upb. El sistema se instaló en el Bloque 15 (Biblioteca Central) cuando
el proceso de instalación inició el martes 8 de septiembre de 2020 con el ingreso de los
equipos al campus. En la figura 13.4 se muestra la ubicación del saeb tanto en unifilar
como en el área correspondiente dentro de la Universidad (área 1), considerando que
para el área 2 y el área 3, se muestran equivalentes para el diagrama unifilar.

El sistema mencionado hace parte del P08 del proyecto Energética 2030 y tiene como
finalidad mejorar la microrred de la upb, instalándole un nuevo activo y brindándole la
posibilidad de tener una diversidad de activos con diferentes funcionalidades, a la vez
que da mayor confiabilidad en el suministro de energía eléctrica al Bloque 15 de la upb.
Adicionalmente, el sistema necesita de una operación eficaz, que puede beneficiar a
la institución de 3 maneras importantes [30]:
• Mejorar el rendimiento, aumentando la cantidad de energía durante su operación.
• Evitar o, como mínimo, reducir el tiempo inoperativo del sistema, maximizando la dis-
ponibilidad de la planta y la energía entregada.
• Aumentar la vida útil de la planta FV.
299
Figura 13.4. Ubicación del bess en el campus y diagrama unifilar

300
En la figura 13.5 se muestra la subestación en la que se encuentra el bess con cada
una de sus partes:
1. Bancos de baterías Fortress eVault 3×18,5 kWh.

2. Tablero de conexión dc y Battery Monitor Schneider Electric.
3. Inversores monofásicos Schneider Electric Conext XW 3×6,8 kW.
4. Tablero de transferencia y conexión ca.
5. Tablero de cargas respaldadas de la Biblioteca, piso 2.
Figura 13.5. Disposición física del saeb de la upb instalado

Modos de operación del bess de la upb
En la tabla 13.4 se resumen los modos de operación posibles del sistema de almacena-
miento de energía en baterías, cuya selección y programación se puede realizar de forma
remota mediante comandos por protocolo Modbus a partir de los registros respectivos.
El Conext™ XW es el equipo encargado de aplicar dichos modos puesto que funciona
como inversor/cargador bidireccional según sea necesario. Cuando este convierte ca
en cd carga las baterías (modo cargador) y, por el contrario, cuando convierte cd en
ca, exporta potencia a la red (modo inversor).
301
Tabla 13.4. Resumen de modos de operación del inversor/cargador
Diagrama de operación Descripción
Puntos de conexión y componentes

principales del equipo Conext XW.
Modo de respaldo de carga:

inversión de cd a ca para
alimentar la carga en ca out.
Carga de baterías y alimentación

de carga en ca out desde la red.
302
Diagrama de operación Descripción
Carga de baterías y alimentación

de carga en ca out desde
generador auxiliar (por ejemplo,
planta diésel adicional).
Modo venta: conversión de

potencia cd para exportar a la red
y alimentación de carga en ca out.
Paso directo de ca desde la red

hacia la carga de ca out.

Pruebas de verificación en el funcionamiento
En las pruebas en sitio de los equipos se verificó la correcta operación de la transferen-

cia, asegurando conexión directa a la red cuando el bess presente falla e interrumpa
la alimentación de la carga respaldada (segundo piso de la biblioteca). Asimismo, se
validaron los diferentes modos de operación del sistema, a saber:
• Modo venta o exportación a la red: se verificó inversión de potencia a la red desde las
baterías, entregando solo a la red o alimentando cargas mientras se exporta de forma
simultánea.
303
• Modo soporte de red: se validó alimentación de cargas desde baterías mientras el equipo
se encuentra conectado a la red, de este modo el banco de baterías se encarga de la de-
manda asignada al equipo y apoya a la red.
• Modo cargador: se verificó alimentación de las baterías mientras las cargas se conectan
directamente a la red a través de los contactos internos de los inversores. Las baterías se
cargan a la máxima corriente que permitan los conductores y protecciones.
• Modo alimentación de cargas desde red ca: se validó conexión directa de las cargas res-
paldadas a la red a través de la lógica interna de inversores. En este modo las baterías se
mantienen en modo flotante.
• Modo aislado o alimentación de cargas desde baterías: se verificó operación aislada en la
que se pasan a alimentar cargas desde baterías por ausencia de red. Esta transición tarda
8 ms de manera que no hay afectaciones a las cargas.
Algoritmo para despacho de recursos del bess
Para lograr la optimización del uso de los sistemas de almacenamiento con baterías op-
erando integradas con microrredes se ha construido el despachador, el cual se encarga
de impartir las órdenes de carga o descarga de las baterías respondiendo a variables
del mercado o del sistema, buscando optimizar recursos de generación renovable o el
beneficio económico del sistema e integrando los pronósticos de comportamiento de
los precios del mercado externo o los consumos de energía interna.
Actualmente, el bess de la Universidad, se comunica con el módulo de despacho del
ems, el cual determina en qué momento se cargan o descargan las baterías dependiendo
de los pronósticos en la configuración que se tenga. Existen 2 configuraciones posibles:
• Según precio del kWh: en las horas en las que se espera que sea menor el precio del kWh,
el despachador da la orden de cargar las baterías y, del mismo modo, cuando se espera
que el kWh sea mayor, el despachador da la orden de descargar las baterías.

• Según la demanda: en los momentos de menor demanda, el despachador ordena cargar
las baterías y, por el contrario, cuando se tiene mayor demanda, el despachador ordena
descargar las baterías.
Los datos obtenidos para este caso de estudio fueron adquiridos del 22 al 29 de julio
de 2022, con la configuración, según el precio del kWh. Estos se encuentran registra-
dos en 2 gráficas en la figura 13.6: la primera con la potencia total de los inversores, el
consumo del Bloque 15 y la potencia exportada para cada día; la segunda con el estado
de carga de las baterías en los mismos instantes de tiempo. Se entiende como energía
exportada aquella que sale de la biblioteca (Bloque 15) hacia la red de distribución in-
terna de la Universidad.
Para la primera gráfica, los valores positivos en la potencia de los inversores signif-
ican que esta va desde el bess hacia las cargas, de esta forma, cuando el bess alimenta
las cargas, y si tiene excedentes de energía, puede exportar hacia la red a medida que
se descargan las baterías (modo venta), como se indica en la segunda gráfica. Si no hay
exportación, el bess simplemente alimenta las cargas (modo respaldo).
304
Por el contrario, los valores negativos en la potencia de los inversores significan que
esta va desde la red hacia el bess y de esta forma se alimentan las cargas mientras se
cargan las baterías (modo carga de baterías y alimentación de carga).
También se puede observar que en los momentos en los que hay exportación de
potencia hacia la red de la Universidad, el consumo del Bloque 15 disminuye un poco.
Allí es donde se genera el ahorro de energía y a su vez, el ahorro económico al consumir
menos energía de la red.
Figura 13.6. Respuesta del saeb a las consignas de despacho del ems
305
A modo de conclusión
La transformación energética ha sido motivada por la criticidad de las evidencias del

cambio climático y los desarrollos tecnológicos actuales, originando una reducción im-
portante en los precios de las tecnologías de generación de energía renovable, típicamente
utilizada en microrredes. Esto ha abierto el camino para la integración de los sistemas
de almacenamiento de energía con baterías para lograr aumentar la confiabilidad eléc-
trica y la capacidad de suministro de energía de manera ininterrumpida, aprovechando
los recursos naturales renovables y con la firmeza energética que un usuario necesita.
En este documento se dio cuenta de la tecnología de los bess y se describieron los
beneficios, servicios y sus 17 aplicaciones incluyendo también aspectos regulatorios
importantes que son clave para la integración de esta tecnología. Las consideraciones
relevantes presentadas para la selección, dimensionamiento y operación de sistemas de
almacenamiento de energía con baterías pueden ser un diferenciador clave para lograr
un buen desempeño de las soluciones. Los casos de estudio presentados muestran la
experiencia operativa de los saeb en Colombia y para el proyecto Energética 2030 de
Minciencias.
Referencias
[1] J. Baker, “New technology and possible advances in energy storage”, Energy Poli-
cy, vol. 36, n.° 12, pp. 4368–4373, 2008, doi: 10.1016/j.enpol.2008.09.040.
[2] D. J. Rodríguez Patarroyo, R. A. Gómez Porras, A. F. Campos Fajardo, “Sistemas
de gestión de baterías (bms) y su importancia para los sistemas”, Rev. Tecnura,
vol. 19, pp. 51–56, 2015.
[3] M. A. Hannan, S.B. Wali, P.J. Ker et al., “Battery energy-storage system: A review
of technologies, optimization objectives, constraints, approaches, and outstand-

ing issues” J. Energy Storage, vol. 42, no. August, p. 103023, 2021, doi: 10.1016/j.
est.2021.103023.
[4] J. A. Del Valle, J. C. Viera, M. González, D. Anseán, V. M. García, and C. B. Vie-
jo, “Sistemas de almacenamiento masivo de energía con baterías (BESS): Estado
actual y tendencias de futuro,” p. 6, 2019, [Online]. Available: https://digibuo.
uniovi.es/dspace/handle/10651/56930
[5] C. A. Andrade Gómez, “Sistemas de almacenamiento de energía eléctrica aplica-
das en generación con fuentes renovables, una revisión sistemática de literatura”
pp. 1–97, 2018.
[6] Deloitte, “Energy storage: Tracking the technologies that will transform the
power sector” 2014, [Online]. Available: https://www2.deloitte.com/content/
dam/Deloitte/us/Documents/energy-resources/us-er-energy-storage-track-
ing-technologies-transform-power-sector.pdf
[7] J. Eyer and G. Corey, “Energy Storage for the Electricity Grid : Benefits and Mar-
ket Potential Assessment Guide A Study for the DOE Energy Storage Systems
Program,” Sandia Natl. Lab, no. February, 2010.
[8] S&C Featured Solution: Integration Services, “S&C Improves Power Quality in
Australia’s Outback”, 2016.
306
[9] S&C Featured Solution: Engineering Services, “Energy Storage System Fortifi es
California Jail’s Microgrid”, 2019.
[10] S&C Featured Solution: Engineering Services, “Capturing the Multi-Faceted
Value of Energy Storage”, 2019.
[11] Solución Destacada de S&C: Almacenamiento de Energía, “Almacenamiento de
Energía en Isla Reduce Emisiones de Contaminación del Aire”, 2013.
[12] Solución Destacada de S&C: Servicios de Ingeniería, “El Primer Sistema de Al-
macenamiento de Energía en Gran Escala en Canadá, Alimenta una Localidad
Remota Durante Interrupciones”, 2019.
[13] AES Gener, “Virtual Reservoir: Un embalse de energía, no de agua”, 2021.
[14] Neoen, “Neoen consolida su operación en El Salvador con un segundo y em-
blemático parque fotovoltaico”, 2020.
[15] Asociación Mexicana de Energía Solar (Asolmex), “Inventario de Centrales
Solares en Operación Comercial”, 2020.
[16] isa, “Resultados financieros Cuarto trimestre de 2021”, 2022.
[17] Enel, “Enel-Emgesa Instalará la primera batería de almacenamiento de Colom-
bia”, 2019.
[18] Federal Energy Regulatory Commission, “Electric Storage Participation in Mar-
kets Operated by Regional Transmission Organizations and Independent System
Operators,” n.° 841, 2016.
[19] Ministerio de Energía, “Ley 20936”, pp. 1–91, 2016.
[20] une, “Sistemas de almacenamiento de energía eléctrica (ees)”, 2021.
[21] Eurobat - Association of European Automotive and Industrial Battery Manufac-
turers, “Eurobat Position on the Batteries Directive”, 2022.
[22] Comisión de Regulación Gas y Energía, “Creg 078: Análisis de las restricciones
en el sin”, pp. 1–21, 2012.
[23] Comisión de Regulación de Energía y Gas - Creg, “Creg 080: Asignación de la
reserva de regulación (agc)”, Com. Regul. Energía y Gas, p. 15, 2012.
[24] Subdirección de Energía Eléctrica and Unidad de Planeación Minero Energéti-
ca (Upme), “Plan de Expansión de Referencia Generación- Transmisión 2015-
2029”, 2016.

[25] Expertos en Mercados (xm), “Informe Trimestral de Evaluación de Restricciones
- T4/2017”, 2017.
[26] Expertos en Mercados (xm), “Informe Trimestral de Evaluación de Restricciones
- T2/2020”, 2020.
[27] Comisión de Regulación de Energía y Gas - Creg, “Resolución n.° 098 de 2019”,
Ministerio de Minas y Energía. p. 22, 2019.
[28] iec, “tc 120 Electrical Energy Storage (ees) Systems”, 2022.
[29] IEC, “TC 21 Secondary cells and batteries”, 2022.
[30] Schneider Electric, “ConextTM xw Inversor / cargador. Guia del usuario”, 2019.
307
Centros de control de
microrredes
CAPÍTU LO 14
Santiago Hoyos[1], Andrés Jaramillo[1],

Mauricio Sánchez[2], y Edison Cardona[3]
Universidad eia. [email protected];
1
[email protected]
2
Expertos en Mercados (xm). [email protected]
3
Interconexión Eléctrica S.A. (isa). [email protected]
Hay varios aspectos relevantes para la operación de un ecosistema energético

escalable (E3) como el conformado por las microrredes del proyecto y su
centro agregador, algunos de ellos son la coordinación de las maniobras,
la preparación y adecuado perfil del personal encargado del monitoreo,
el análisis al seguimiento de las consignas del sistema gestor (ems), el
ambiente de la sala de control, entre otros. A continuación, se presentan
algunos conceptos y propuestas que capitalizan parte de la experiencia
de los autores como planeadores y operadores de redes, en esta ocasión
enfocados en los centros de control de las microrredes.
Introducción
El foco principal de este capítulo está en la definición de la operación de
microrredes y el rol que desempeña el operador de una microrred desde
un centro de control para su correcto funcionamiento. La rigurosidad en
la operación de las microrredes dependerá del tamaño, funcionalidades
y en general de su complejidad. Con esta información se determinará si
se requerirá o no de la intervención humana en la operación de estas.
En tal sentido, las funciones del operador del centro de control de una
microrred pasan por el monitoreo de las variables de decisión y la habi-
lidad de implementar las acciones correspondientes para garantizar los
objetivos de la microrred, destacando de manera especial, la importancia
de la optimización del uso de los recursos disponibles como generación,
transmisión, distribución, almacenamiento y consumidores de la energía
309
eléctrica. En términos generales esta labor se desempeña bajo escenarios de crisis, alta
presión y estrés, con lo cual no solo las habilidades técnicas (duras), sino también las
humanas (blandas) son requeridas por parte de la persona que ejerce las labores de
operador de la microrred.
En la primera parte del capítulo se presentan los conceptos relacionados con la op-
eración de las microrredes desde la interacción de las funciones sustantivas energéticas,
eléctricas, de mercado y transversales en diferentes horizontes de tiempo, largo, mediano,
corto y muy corto plazo. Al final, se presentan otros aspectos de las microrredes como
los niveles jerárquicos y de control.
El concepto de modos de operación de una microrred

Según los modos de operación de una microrred, se tiene la siguiente clasificación:
Microrred conectada a la red de distribución: este es el modo normal de operación
de una microrred, sin perturbar la calidad de la energía de la red de distribución. En
este modo, la microrred puede hacerse cargo de todo su suministro de una manera
autónoma, o bien, en función de la generación total de la energía de la red de distribución
local, en el entorno de la red de distribución, puede importar o exportar electricidad.
Microrred en modo isla: en este modo, la microrred opera aislada de la red de dis-
tribución, produciendo y consumiendo su propia energía. En este modo de operación
se garantiza la continuidad del servicio a las cargas conectadas en caso de fallas en la
red. Su autonomía dependerá de su capacidad de generación vs. el consumo de kWh
de las cargas conectadas, y de las capacidades para controlar la frecuencia y el voltaje
del subsistema.
Operación de microrredes
El objeto de este capítulo es responder la pregunta ¿qué significa operar una microrred
santiago hoyos, andrés jaramillo, mauricio sánchez, y edison cardona
desde un centro de control? Para este propósito se presentan elementos conceptuales

y su aplicación.
Las microrredes son instalaciones eléctricas de desarrollo reciente, por lo que no se
han consolidado los requerimientos de los centros de control para su operación. Para
este propósito, se presentan algunos aspectos importantes, los cuales serán reflejados en
una microrred “típica” y se usarán 2 ejes, uno temporal y otro de funciones sustantivas.
Microrred típica: para el efecto de este trabajo, se considera una microrred conect-
ada, con recursos de generación, almacenamiento, elementos controlables, sistemas de
supervisión y una interacción con el mercado de energía eléctrica.
Eje temporal: se considera una clasificación de algunas funciones de operación y
planificación en el largo, mediano, corto y muy corto plazo (periodos de tiempo de 5
años, 1 año, 1 semana, 1 día e intradía, respectivamente).
Funciones sustantivas: se han determinado 4 funciones sustantivas para la operación
de una microrred como sistema de potencia: funciones eléctricas, funciones energéticas,
funciones de mercado y funciones transversales.
310
Las funciones eléctricas tienen por objetivo mantener las variables de voltaje y fre-
cuencia en los límites adecuados para un suministro eléctrico confiable en todo instante
de tiempo.
Las funciones energéticas tienen por objetivo la seguridad en el suministro toda
vez que el consumo eléctrico y la generación cambian con múltiples factores como las
variables climáticas, energéticas, económicas y sociales, entre otras.
Las funciones de mercado tienen por objetivo garantizar la interacción técnica y
comercial entre los actores, esto es, considerar los lineamientos del mercado energético
en el que estén inmersas para realizar transacciones en pro del cumplimiento de los
objetivos de los propietarios de la microrred y su modelo de negocio.
Las funciones transversales tienen por objetivo garantizar el cumplimiento de las
funciones anteriores. Así, por ejemplo, desde un punto de vista técnico deben garan-
tizar la comunicación e interoperatividad de sistemas y dispositivos; desde puntos de
vista comercial, de mercado y regulatorio, la operación y control de la microrred debe
soportar la toma de decisiones de sus actores de una manera oportuna y eficiente.
El “cruce” de estas funciones sustantivas en el eje temporal permitirá determinar
las tareas específicas que serán acometidas durante la operación y planificación de una
microrred para su correcto funcionamiento y evolución pertinente, teniendo presente
que el horizonte de muy corto plazo es de ejecución de la operación, el corto plazo cor-
responde a planificación de la operación, y el mediano y largo plazo son la planificación
de la expansión y mejoras en la operación. Esto se puede visualizar en la tabla 14.1.
Tabla 14.1. Funciones sustantivas de la planificación y operación de

microrredes bajo la dimensión temporal
Plazo (t)
Funciones/
5 años 1 año 1 semana 1 día o intradiario
tiempo
Largo Mediano Corto Muy corto
Análisis de
Monitoreo y supervisión
Análisis y Restricciones, Análisis de alternativas
de variables energéticas
definición de la limitaciones, de suministro bajo
Selección de alternativa
expansión barreras: ambientales, criterios de seguridad,
de suministro confiable
Energéticas Comportamiento económicas, sociales, confiabilidad, calidad y
y operación eficiente
futuro de la oferta tecnológicas eficiencia
en consistencia con la
y demanda de Modelación y Pronóstico de variables
variabilidad de la oferta y
energía simulación de variables climáticas
la demanda
climáticas centros de control de microrredes
311
Plazo (t)
Funciones/
5 años 1 año 1 semana 1 día o intradiario
tiempo
Largo Mediano Corto Muy corto
Operación de la
Análisis de la operación de microrred, distribución
Análisis de restricciones, la microrred de la potencia.
limitaciones, Definición de alternativas Selección de alternativa
barreras: ambientales, para garantizar las de suministro y
Análisis y económicas, sociales variables eléctricas dentro operación eficiente del
definición de la y tecnológicas, en de sus límites sistema eléctrico de
expansión electricidad Simulación y valoración potencia
Eléctricas Comportamiento Ejecución de las para la toma de decisiones Supervisión, monitoreo
futuro de la oferta actividades de de suministro bajo y control de variables
y demanda de mantenimiento y criterios de seguridad, eléctricas, toma de
energía eléctrica pruebas confiabilidad, calidad decisiones
Modelación y y eficiencia eléctrica y Coordinación de
simulación de variables económica consignaciones,
eléctricas Pronóstico de las variables mantener la consciencia
eléctricas situacional y gestión de
crisis
Análisis de los Interacción física

fundamentales Negociaciones de (eléctrica) y económica
del mercado y sus compra y venta de (transacciones) con Supervisión y monitoreo
determinantes energía actores relacionados de variables del mercado,
Valoración del Implementación de las Análisis técnico y oferta, demanda y precios
objetivo y modelo medidas de gestión de económico de eventos, Ejecución de las medidas
Mercado
de negocio de riesgo registro de lecciones de gestión de riesgos
la microrred Análisis de los aprendidas y gestión de acorde a los eventos
bajo diferentes fundamentales riesgos presentados y cambios en
escenarios y del mercado y sus Pronóstico de variables de las variables de decisión
consideraciones de determinantes mercado, oferta, demanda
riesgo y precios
Identificación
Entrenamiento y
y formulación
mejoramiento continuo
de planes de
Implementación de
formación y
Ejecución del plan, acciones de mejora
capacitación,
programa o proyecto en Análisis de datos,
entrenamiento Implementación de los
formación, entrenamiento simulación y
Definición de planes, programas y
y desarrollo de capacidad optimización, valoración
Transversales infraestructura proyectos de formación,
Acciones de mejora soporte a la toma de
para la operación entrenamiento y
Seguimiento al decisiones y gestión de
Gestión de la desarrollo de capacidad
resultado de las acciones riesgos
información
implementadas Ejecución de protocolos
soporte a la toma
de comunicación
de decisiones
frente a eventos y de
y desarrollo de
interoperatividad
capacidades
312
El perfil del operador u operadores de una microrred
La dificultad de determinar el perfil de un operador de una microrred radica en que

dependerá del tipo y complejidad de esta. En una microrred compleja —muchos com-
ponentes y muchas relaciones—, grande y conectada al sistema interconectado nacional,
se requerirá de un conjunto amplio de capacidades y competencias, tanto en lo eléc-
trico como en lo energético, en los mercados, finanzas y en las funciones habilitadoras
transversales de gestión y comportamiento.
Se ha tomado como referencia una microrred mediana en tamaño y complejidad, y con
posibilidad de conectarse e interactuar con el mercado minorista a nivel de distribución.
El operador realiza su trabajo en una sala de supervisión y control, dispone de
herramientas de visualización, simulación y todos los elementos de comunicaciones
necesarios para realizar su trabajo. Este operador es un técnico que conoce su siste-
ma, está capacitado en los asuntos técnicos, en riesgos, implicaciones económicas de
sus decisiones, tiene la información sobre mantenimientos, condición de los equipos,
situación del personal, seguridad, entre otros. Es una persona capaz de trabajar bajo
presión, debe lograr desarrollar una consciencia situacional que le permita conectarse
con el sistema de manera integral y tomar las decisiones ágil, pertinente y eficientemente.
El perfil del operador de una microrred dependerá entonces de la complejidad de
esta, y podrá ser desde un único rol con muchas aristas (como sucede con los encargados
de mantenimiento o servicios generales) hasta un conjunto de personas expertas en
distintos frentes. En cualquier caso, el propietario de la microrred, también podrá tomar
la decisión de contratar los servicios con una empresa especializada que centralice la
operación de dicha instalación integrada a otras o de manera independiente.
La sala de supervisión y control de una microrred

La sala de supervisión y control es un elemento esencial, es más que un espacio físico
con equipos y puestos de trabajo, configura un sistema complejo de interacción entre
múltiples elementos físicos, de información, y actores. Aspectos importantes:
Ubicación: la localización de la sala es esencial, debe ser un sitio tranquilo, con
buenas condiciones de ventilación e iluminación, seguro, de fácil acceso a personas
y equipos, sin distracciones, que facilite la concentración y las acciones bajo presión.
Equipos: hardware, software, elementos de visualización y las comunicaciones. Esta
dotación de tecnología debe ser adecuada para el tamaño y complejidad de la microrred.
Especial énfasis tiene el sistema de visualización, representa los “ojos” de la microrred.
Las comunicaciones, equipos y protocolos son indispensables para la interacción con
centros de control de microrredes
actores bajo confiabilidad, por ejemplo, teléfono, mensajes, internet, otros.

Despliegues: los tableros de información deben contener el conjunto suficiente
y necesario requerido para la toma de decisiones. Los indicadores que se visualicen,
los diagramas unifilares, esquemas, etc., deben ser determinados de acuerdo con las
decisiones que se toman en la sala. Parte de la consciencia situacional depende de la
visualización y de la capacidad de los operadores para concentrarse en ella. Las alarmas,
313
colores, tamaños e información en los despliegues deben ser diseñados de tal manera
que no saturen, creen fatiga o distraigan al operador [7].
Ambiente de sala: debe ser un espacio tranquilo, limpio, usado para su función prin-
cipal y por ello se sugiere definir y se haga cumplir un código de convivencia mínimo que
garantice la habitabilidad en las condiciones requeridas, especialmente en momentos de
crisis, restablecimiento, situaciones de seguridad, etc., como se muestra en la figura 14.1.
El operador, como protagonista, debe tener definido un horario, rutinas de descanso,
gestión de estrés y alimentación adecuadas que garanticen su concentración.
Figura 14.1. Ejemplo ambiente de la sala de control, microrred upb

Controlabilidad de los elementos de una microrred
Se refiere a la posibilidad de intervenir los distintos elementos desde las distintas jerar-
quías (centralizado o descentralizado). Aunque algunas microrredes “nacen” grandes y
complejas, otras van creciendo y algunas permanecen pequeñas y sencillas. Disponer de
un inventario de equipos con posibilidad de control, aumenta la responsabilidad, pero
también la flexibilidad y capacidad de aprovechar el máximo potencial de la microrred.
Poder cambiar el ajuste en inversores, baterías, cargas o elementos de generación de
energía, permite optimizar su uso y aumentar los retornos económicos. Dentro de las
funciones del operador de la microrred se verá su accionar sobre los elementos contro-
lables con el fin de mantener las consignas operativas [1], [2] [3].
314
Supervisión
La supervisión juega un papel importante en la operación de las microrredes. Poder

disponer de información correcta en “tiempo cierto”, es decir en el tiempo relevante
para la toma de decisiones en las distintas escalas temporales, es un factor clave para
el desempeño. Los sistemas de supervisión, control y adquisición de datos deben aso-
ciarse a los sistemas de medición inteligente y a otros de internet de las cosas, lo cual
mediante algoritmos de inteligencia artificial se convertirán en los verdaderos cerebros
de las microrredes para captura, almacenamiento y procesamiento de datos.
Estrategias de operación de microrredes y transiciones

operativas
Se consideran 2 modos de operación: conectado a la red y aislado. Las estrategias de
operación estarán sujetas a la disponibilidad de los recursos de generación, a las con-
diciones eléctricas como voltaje y frecuencia, a la posibilidad de cambios topológicos
como traslado de cargas, cambios en ajustes de operación de equipos, entre otros, lo que
responderá al cumplimiento de objetivos económicos y ambientales (ver figura 14.2).
Figura 14.2. Estrategias para la operación de microrredes

Fuente: elaboración propia basada en [6].
315
En el modo de operación conectado a la red, se definen la potencia activa y reactiva
tanto generada como absorbida por los recursos distribuidos (der), la capacidad de
almacenamiento y la demanda. En este modo de operación la tensión y la frecuencia son
definidas por la red dominante (generalmente la de distribución o transporte) [13]-[15].
En el modo de red aislada, el voltaje y la frecuencia son soportados por los equipos
der disponibles. El balance de potencia se realiza a través de los controladores locales,
los cuales toman la medición desde los equipos. Puede haber un master-control que
disponga de las consignas generales y gestione distintos niveles en la instalación. Esto
último dependerá de la arquitectura de control definida, ya que incluso las consignas
operativas pueden obedecer a señales de terceros en operación de funciones como
respuesta de la demanda o control automático de generación[13]-[15].
La transición entre ambos, pasar de un modo aislado a conectado a la red y viceversa
(cuando sea posible) deberá ser realizada con el menor impacto para los equipos y para
los usuarios. Los equipos tendrían la capacidad de determinar el mejor momento para
sincronizarse a la red u operar en forma aislada con lo que ello conlleve en el control
de voltaje y frecuencia [16].
Especial atención tiene el arranque en negro (black start), el cual determina la capaci-
dad de un sistema de arrancar de manera autónoma, tomar carga de manera gradual y
ser llevado a una estabilidad operativa para operar en forma continua de manera normal
[8]-[10]. Los protocolos de restablecimiento después de una ausencia de suministro de
la red principal deben definirse con base a los equipos de la microrred, su capacidad,
robustez y especificidades técnicas.
A modo de ejemplo y de una manera conceptual se puede considerar un modelo de
microrred dentro de un mercado liberalizado, tal como se aprecia a continuación [12].
En términos generales, los mercados liberalizados pueden ser determinados por
beneficios técnicos, económicos y ambientales de los diferentes actores como son los
consumidores-prosumidores, los generadores y operadores de la red.
El operador de la microrred por su parte es responsable del balance, control de las
importaciones y exportaciones, garantizar el nivel de eficiencia y optimización en el

uso de los recursos, así como monitorear las emisiones entre otras acciones operativas
(ver figura 14.3).
Figura 14.3. Interacción entre la microrred y el mercado mayorista

Fuente: elaboración propia basado en [6].
316
Ahora bien, bajo la consideración del prosumidor, objetivos como la minimización
de su gasto en energía y maximizar los ingresos por ventas como resultado de las ex-
portaciones son objetivos del operador de la microrred, tendiendo a disminuir el uso del
sistema de distribución y por tanto de ingresos para el operador local [4]. En este caso,
tanto la generación como el almacenamiento tienden hacer pequeños y distribuidos.
Modelación y simulación
¿Qué simular y qué herramientas utilizar? En temas energéticos es común utilizar
información proyectada del caudal de los ríos, niveles de los embalses, radiación y
brillo solar, velocidad del viento y disponibilidad del combustible en sitio [18]-[20],
para esto se utilizan modelos atmosféricos y climatológicos según sea el caso, aunque
tradicionalmente el operador del sin y empresas del sector eléctrico utilizan para el
análisis energético de mediano y largo plazo una herramienta de optimización como
es el sddp o mpode para el despacho hidrotérmico estocástico y la herramienta opt-
gen para la determinar el cronograma de inversión de mínimo costo en un plan de
expansión de la generación y la transmisión [21]. De igual forma, en términos eléc-
tricos, herramientas como el digsilent son utilizadas para el análisis y simulación
del sistema de potencia, en los que la realización de estudios eléctricos de flujo de
carga, confiabilidad y coordinación de protecciones tienen lugar [25]. Herramientas
más sofisticadas como la ofrecida por Opal-rt, rtds, permiten probar equipos y
desarrollar estrategias como el hardware-in-the-loop que usa datos reales del sistema
de potencia para entender la respuesta de los dispositivos, no a señales teóricas, sino
a comportamientos tal y como se presentan en la operación real. Por otro lado, los
software para el diseño de microrredes incluyen, por ejemplo, el Homer Pro, Sam-
ihoga-Insel, Cymdist y, para la relación con la red, Open dss. Este último permite
modelar y simular el comportamiento de microrredes, y elementos de la oferta y la
demanda interactuando, con la posibilidad de realizar análisis energético, eléctrico
e inclusive económico [13].
Pronóstico
En términos de futuro, se utiliza un conjunto de modelos y herramientas para la simu-
lación que pasa por considerar para el corto plazo, estadística descriptiva e inferencial,
analítica de datos y machine learning, con el apoyo de lenguajes de programación como
R, Java y Python, entre otros.
Para un mediano plazo se han utilizado modelos econométricos, de optimización,
teoría de juegos, que soportan la toma de decisiones de inversión.

Finalmente, para el largo plazo, modelos y herramientas de simulación como
dinámica de sistemas, escenarios, entre otras, ayudan a comprender el impacto futuro
de decisiones presentes bajo cambios regulatorios y adopción de nuevas tecnologías y
comportamientos del prosumidor.
317
Ciberseguridad
Protocolos y normas técnicas guías para la Ciberseguridad de las microrredes: ami-

sec, nerc-cip, nistir-7628, iec-62351, iso/iec27001-27002, gb/t 22239 o nist sp 800-82,
Acuerdo cno 788. Uno de los marcos de trabajo adoptado por algunas empresas del
sector eléctrico en materia de ciberseguridad, el cual se establece como fundamental
para la gestión efectiva de la ciberseguridad, mantiene las funciones de identificar ci-
beractivos críticos, proteger, detectar, responder y recuperar [5][11].
Identificar los ciberactivos críticos es clave para proteger la infraestructura, en este
caso energética, como los sistemas y plantas de generación. Además, deben identificarse
los dispositivos de transmisión de datos y el software relacionado. Por esto, es importante
mantener un inventario mínimo de dispositivos, ubicación y sistema operativo como
base para la gestión de la seguridad.
La identificación de riesgos también es una tarea clave para la gestión efectiva
de la ciberseguridad. Para este propósito estudios nacionales1 e internacionales son de
gran ayuda. Allí se puede encontrar información sobre 40 riesgos cibernéticos que se
definieron para el sector eléctrico.
Protección hace referencia a la forma como se protegen las personas, la tecnología y
los procesos. Entre los mecanismos utilizados para la protección se encuentran: canales
de comunicación seguros e independientes, implementación de una arquitectura de
seguridad multicapa, conexiones remotas seguras, definición y caracterización de líneas
base de configuración segura para los equipos, gestión de vulnerabilidades y parches de
los sistemas de tal forma que se identifique y corrijan fallas de seguridad de los sistemas,
protección del ser humano y medidas de seguridad físicas, entre otras.
La detección requiere del monitoreo profundo y la gestión de incidentes. Se requiere
además de las medidas de prevención, la detección temprana de actividades maliciosas,
análisis y correlación de los eventos de seguridad que se presentan en las diferentes plata-
formas, así como sobre las alertas emitidas. Para esto es útil la teoría de anomalías con la
cual se puede identificar de manera temprana o proyectada (prevista) una posible falla.
La recuperación hace referencia a la manera de garantizar la continuidad y funda-
mentar el sistema de resiliencia frente a la ocurrencia de eventos de seguridad. Así,
por ejemplo, la redundancia de componentes de operación y seguridad es necesaria. El
respaldo en la operación distribuida es un mecanismo de confiabilidad.
Ejemplo de funciones operativas para implementar en el

centro de control de la microrred de isa
A continuación, se presenta un ejemplo de las funciones operativas que se definieron
como estrategias de control para ser implementadas en el centro de control de la mi-
crorred de isa, la cual posee los componentes presentados en el diagrama unifilar de
la figura 14.4.
1 Plan sectorial de protección y defensa para el sector eléctrico.

318
Figura 14.4. Diagrama unifilar de la microrred de isa.
El proyecto de la microrred de isa se llevará a cabo en diferentes fases de desarrollo,

las cuales comprenden la especificación, diseño, adquisición y puesta en producción
de todos los elementos necesarios para conformar la microrred. Entre estos elementos
se resaltan, la planta pv, un bess, equipos de control automático y sincronización de
una planta diésel y alimentador principal, adecuaciones y modernizaciones de protec-
ciones e interruptores para control automático de cargas, un controlador principal de la
microrred y adecuaciones en los sistemas de comunicaciones de la sede para permitir
la comunicación entre estos equipos. En la fase 1 se pretende especificar, desarrollar y
probar las funcionalidades de la microrred en un ambiente simulado, en preparación
para la entrada en operación de los equipos antes mencionados.
De acuerdo con el objetivo principal de la fase 1 del proyecto, se ha implementado un
modelo emt de la red interna de la microrred de isa en Sim Power Systems, el cual es com-
patible con el sstr (sistema de simulación en tiempo real) Opal rt. El éxito de la fase 1 del
proyecto depende del correcto desempeño del mgc durante las pruebas que se realizarán.
Modos de operación
Los siguientes son los estados operativos considerados de la microrred de la sede de isa
1. Conectado: la carga de la sede se encuentra atendida desde el alimentador principal

de 44 kV y los der (planta pv, bess, diésel) según el modo de operación seleccionado
(manual o despacho económico).
319
2. Isla: la carga que queda en servicio se encuentra atendida principalmente por la diésel
y la pv, y asistida por el bess. El alimentador principal se encuentra abierto.
3. Apagado: solo se encuentran alimentadas las cargas esenciales conectadas a las ups
de la sede y el microgrid controller (mgc)
Transiciones
a. De estado conectado a isla planeado

b. De estado conectado a isla no planeado
c. De estado isla a conectado
d. De estado isla a apagado
e. De estado apagado a conectado
f. De estado apagado a isla
Estas son mostradas en la figura 14.5.

Figura 14.5. Transiciones

Diagrama de estados y transiciones de la microrred
Operación y control en estado apagado

Cuando la microrred está apagada, solo es posible realizar control manual. El operador
tiene 3 opciones:
• Operación de cargas y generadores en modo manual. El programa dentro del mgc debe
proteger al operario de realizar acciones incorrectas o peligrosas y bloquearlas con una
alerta; por ejemplo, conectar 2 buses energizados sin sincronización, conexión simultanea
de toda la carga, etc.
320
• Comando de black start automatizado a modo conectado desde el mgc. Este modo debe
bloquearse si el bus de la interconexión no está energizado o sus valores se encuentran
fuera del rango seguro de operación.
• Comando de black start automatizado en modo isla desde el mgc.
Operación y control en estado conectado

En grid-connected, la microrred puede operar en diferentes modos:
• Despacho económico con la planta diésel, el bess y la pv
• Modo manual
• Control de potencia en el alimentador
Operación y control en isla
El mgc debe coordinar las acciones necesarias sobre los der de la microrred y las cargas
gestionables con el objetivo de mantener la operación estable con la mayor cantidad
de carga posible en caso de detectarse condiciones de aislamiento del sistema. Las di-
ferentes acciones que deben programarse en el mgc para garantizar la estabilización
de la microrred en modo aislado se describen de forma general en la siguiente sección
(transiciones entre estados).
En caso de un evento de aislamiento y una vez se hayan estabilizado las tensiones y
la frecuencia, La planta diésel y la pv suministran la potencia necesaria. La planta diésel
opera en modo isócrono regulando frecuencia y tensión, la planta pv opera en modo P,
Q o mppt. Se debe programar el mgc para que ordene al bess carga o descarga cuando
la planta diésel se acerca a sus límites operativos (20 % y 90 %). Si la planta diésel se
encuentra dentro de sus márgenes operativos el bess no debe cargar ni descargar.
Si la batería se descargó por debajo del límite inferior (10 %) durante el proceso tran-
sitorio de estabilización en modo isla, y los der no pueden suministrar la potencia
necesaria para mantener la carga, inicia un proceso de deslastre automático de carga,
según las prioridades establecidas.
El modo de operación en isla puede activarse o desactivarse en la hmi.
Transiciones entre estados o escenarios

Escenario: Aislamiento no planeado de la microrred centros de control de microrredes
La microrred se encuentra operando establemente, conectada a la red. El relé de la

interconexión detecta condiciones de falla y desencadena un aislamiento no planeado.
La siguiente secuencia inicia automáticamente.
En la tabla 14.2, se presenta a modo de ejemplo toda la secuencia de estados y todas
las transiciones necesarias para que se configure de manera exitosa el escenario.
321
Tabla 14.2. Estados y transiciones para configuración de escenario
Transición acción
N.° Estado Acción Responsable
siguiente
La microrred opera conectada El relay del poi detecta

a la red dentro de un rango una condición de falla
1 Relay del poi
alrededor de los valores e inicia la secuencia de
nominales. desconexión.
Enviar mensaje por Goose al

La microrred opera conectada a
mgc. El mgc recibe el mensaje Relay del poi
2 la red y el relay del poi detectó
El relay del poi abre el del relay del poi. mgc.
una condición de falla.
interruptor.
El mgc toma la potencia

previa a la desconexión de
la interconexión, la potencia
La microrred está en transición
3 generada por la pv, el SoC del mgc
al estado de red aislada.
bess y con una tabla de deslastre
de carga toma la decisión de
desconectar cargas no esenciales.
El controlador envía mensaje por

modbus a las cargas que debe
desconectar.
El controlador envía orden a
la batería para que comience mgc
La microrred está en transición a operar en modo V, F (grid Bess
4
al estado de red aislada. forming, isocrono) para evitar el Cargas
disparo de la pv. Planta diésel
El mgc envía comando de

encendido a la planta diésel
(la planta inicia en modo V, F,
isocrono).
Cuando el voltaje y
La microrred se encuentra la frecuencia de la
mgc
operando en isla en un estado microrred se estabilizan
5 Cargas
transitorio, la carga está siendo y se verifica el estado de
Bess
atendida por el bess y pv. las cargas que fueron
desconectadas
La microrred se encuentra
Cuando la planta diésel
operando en isla en estado mgc
se estabiliza en vacío
6 estable, la carga está siendo Planta diésel
en frecuencia y tensión
atendida por el bess y pv. La Bess
nominal
carga necesaria fue deslastrada
322
Transición acción
N.° Estado Acción Responsable
siguiente
operando en isla, en estado Cuando la planta diésel
El mgc envía comando de
estable, la carga está siendo se sincroniza y se cierra mgc
7 sincronización al relay de
atendida por el bess y la pv. La el interruptor de la Planta diésel
sincronismo de la planta diésel.
planta diésel está estable en planta
vacío.
operando en isla en estado
Confirmación del modo mgc
estable, la carga está siendo Se envía comando a la planta
de operación por parte Planta diésel
8 atendida por el bess y pv. diésel para cambiar a modo P, Q
del control primario de Bess
La planta diésel está estable, con setpoint P = 0 y Q = 0.
la planta pv
conectada a la microrred en
modo V droop, F droop.
operando en isla en estado
El mgc envía setpoint a la mgc
estable, la carga está siendo Cuando la potencia
referencia de la planta diésel para Planta diésel
9 atendida por el bess y la pv. La entregada por el bess
que comience a tomar la carga pv
planta está estable, conectada a sea 0
antes atendida por el bess. Bess
la microrred en modo V droop,
F droop.
La microrred se encuentra Cambio de modo de operación

mgc
operando en isla en estado del bess a P, Q con setpoint P = 0
Planta diésel
10 estable, la carga está siendo y Q = 0.
pv
atendida por la planta diésel y Cambio de modo de operación
Bess
la pv. del generador a V, F (isócrono).
La microrred opera en isla,

la demanda es atendida por mgc
la planta diésel y la pv y Cuando se estabiliza la Planta diésel
11
se encuentra en un estado planta diésel pv
transitorio mientras se Bess
estabiliza la planta diésel.
Calcular potencia de las cargas

La microrred opera Si hay margen suficiente mgc
esenciales (las que tienen ups
desconectada, la demanda es en la planta diésel Planta diésel
12 como las cargas del centro de
atendida por la planta diésel y para reconectar cargas pv
control B2 y csm B1).
la pv. esenciales Bess
Orden de reconexión de cargas

La microrred opera esenciales a la barra de la
desconectada, la demanda es microrred.
13
atendida por la planta diésel y Bloqueo de los cargadores de
la pv. la ups para que no carguen las
baterías.
323
Escenario: resincronización a red externa viniendo de modo isla
En este escenario la microrred se encuentra operando de forma estable en modo isla. El

operador de la microrred encuentra condiciones normales de tensión en el alimentador
principal a 44 kV y viabilidad para reconectarla a la red externa y regresar al modo
interconectado [30].
Escenario: aislamiento planeado de la microrred
La microrred se encuentra operando de forma estable, conectada a la red. El operador

decide hacer la transición intencional de la Microrred a modo isla [29].
Escenario: de black start a modo interconectado
En este escenario la microrred no está operando y arranca su energización desde 0 hasta

sincronizarse con el sistema interconectado.
Escenario: black start a modo isla
En este escenario la microrred no está operando y arranca desde 0 a energizar el siste-

ma eléctrico por medio del sistema de control, es decir, se energiza desde las baterías o
sistema de respaldo o de emergencia.
Escenario: despacho económico
Por el tipo de microrred, solo tiene sentido realizar el despacho económico en modo
conectado. En modo desconectado el objetivo siempre será mantener el servicio. Se
utilizará el método de optimización que ofrece la librería Economic Dispatch Engine
de sel.
El objetivo de esta funcionalidad es realizar un despacho de los der en intervalos
de 15 minutos de forma que se optimice el costo total de la operación de la microrred
en un periodo de un día.
Como entradas para el motor del despacho económico el mgc leerá el perfil de pre-
dicción de carga, la predicción de producción de pv y los precios de energía horarios
de archivos planos actualizados diariamente en un servidor.
Las salidas del motor de despacho económico (dispatch schedule) deben ejecutarse
de forma automática sobre los recursos de generación de la microrred (bess, pv, diésel y
alimentador) y deben presentarse en una tabla en ihm para el periodo de optimización
(24 horas, resolución de 15 minutos).
Los parámetros para el motor de despacho económico pueden ser entrados en la
hmi: fuel price, transition cost, efficiency curves, generator contraints, bess contraints.
324
Escenario: control manual
El control manual tiene como objetivo dar la posibilidad al operador de conectar o

desconectar los der y las cargas de forma manual y establecer sus puntos de operación
desde el mgc. Esto debe ser programado en la ihm para cada der.
El relay del poi debe poder recibir comandos de apertura o cierre del poi.
A la planta diésel se le pueden definir los setpoints de acuerdo con el modo de control
(V, F, P, Q, pf), arranque, parada, modo de control u orden de sincronización.
Al bess se le pueden definir los setpoints, SoC objetivo, modo de control, apagado
y encendido.
Al la pv se le pueden definir los setpoints, modo de control (mppt y P,Q), apagado
y encendido.
Las cargas pueden conectarse o desconectarse manualmente.
Escenario: gestión de demanda

En este caso de uso la demanda desconectable será priorizada en etapas y programada
para ejecutar su desconexión desde el rtac.
Etapa 1: carga de chillers cb 6 y 7.
Etapa 2: orden de apagado de iluminación de zonas comunes a Lutron B1.
Etapa 3: orden apagado iluminación bloque parqueadero cb 8.
El rtac tendrá en una pestaña de la ihm la posibilidad de que el usuario active /
desactive la recepción de comandos remotos para dos de los 24 periodos del día de
desconexión de carga a través de iec 104 o dnp3.
Conclusiones
Es innegable que la transformación del sector eléctrico está generando nuevos roles de
gran importancia en cuanto a lo que tiene que ver con los procesos de operación desde
nuevos centros de control de microrredes [21]-[24]; [26]-[28].
Es evidente que una microrred puede llegar a ser un sistema complejo y como tal
debe planearse y operarse. Se requiere tener en cuenta múltiples funciones, capacidades
y competencias para realizar la operación eficaz de este tipo de infraestructuras. Se
requiere tener personal formado en aspectos técnicos generales y de detalle, pero tam-
bién en habilidades “blandas”. Para poder operar de manera adecuada una microrred
se requiere disponer de herramientas físicas, de infraestructura y tecnológicas que
permitan realizar la planeación y la gestión del tiempo real.
Es importante continuar nutriendo el catálogo de elementos y la relatoría de expe-

riencias operativas, tal que pueda estandarizarse un conjunto de buenas prácticas de la
operación de microrredes.
Desde el punto de vista de aportes a la investigación, en este libro se propone una
forma de considerar y valorar la complejidad de la operación de una microrred desde
un centro de control, basado en la teoría general de sistemas.
325
La operación de una microrred como se ha dicho dependerá de su complejidad, más
aún, las capacidades del operador dependerán de dicha complejidad y tamaño, pues
requiere de un conjunto de conocimientos y habilidades especializadas tanto técnicas
como blandas para la toma de decisiones en ambientes bajo riesgo, incertidumbre y
alta presión.
Los escenarios de operación planteados para la microrred de isa han permitido al
equipo investigador definir la infraestructura técnica, logística y de personal requerido
para realizar de manera adecuada las funciones que requieren manejarse en un centro
de control de una microrred, para enfrentar de manera óptima la transición de la op-
eración por los diferentes estados definidos en el diseño de sus funcionalidades [29][30].
Referencias
[1] Z. C. K. P. S. R. H. L. S. P. N. F. K. T. S. K. Wei Du, «A Comparative Study of
Two Widely Used Grid-Forming Droop Controls on Microgrid Small-Signal
Stability,» Emerging and Selected Topics in Power Electronics IEEE, vol. 8, nº 2,
pp. 963-975, 2020.
[2] X. Z. Yelun Peng, «Analysis and Improvement of Transient Load Sharing be-
tween Synchronous Generator and Virtual Synchronous Generator in Islanded
Microgrid,» Power Electronics and Motion Control Conference (IPEMC2020-EC-
CE Asia) 2020 IEEE 9th International, pp. 1224-1228, 2020.
[3] Y. O. K. L. I. L. Jeremy D. Watson, «A Scalable Control Design for Grid-For-
ming Inverters in Microgrids,» Smart Grid IEEE Transactions on, vol. 12, nº 6,
pp. 4726-4739, 2021.
[4] D. T. R. J. C. C. J. P. B. Helmo K. Morales Paredes, «CPT-Based Multi-Objective
Strategy for Power Quality Enhancement in Three-Phase Three-Wire Systems
Under Distorted and Unbalanced Voltage Conditions,» Access IEEE, vol. 9, pp.
53078-53095, 2021.
[5] F. Nejabatkhah, Y. Li, H. Liang y R. Reza Ahrabi, «Cyber-Security of Smart

Microgrids: A Survey.,» Energies, pp. 14-27, 2021.
[6] N. Hatziargyrious, Microgrids Arquitectures and Control, Wiley-IEEE Press, 2013.
[7] Z. Jhonatan, «Herramientaas para mejorar la conciencia situacional en el centro
de supervisión y maniobras de Intercolombia,» de Jornadas del Conocimiento
ISA, Medellín, 2017.
[8] C. Q. Yang Xu, «Research on Distributed Day-Ahead Optimal Dispatching of
Grid-Connected Microgrids,» Electrical and Energy Conference (CIEEC) 2021
IEEE 4th International, pp. 1-6, 2021.
[9] E. M. Scott Manson, «Practical Microgrid Protection Solutions: Promises and
Challenges,» Power and Energy Magazine IEEE, vol. 19, nº 3, pp. 58-69, 2021.
[10] P. G. S. B. J. H.-A. M. J. R. Trupal Patel, «Real-time Microgrid Test Bed for
Protection and Resiliency Studies,» Power Symposium (NAPS) 2020 52nd North
American, pp. 1-6, 2021.
[11] Z. Diego, «Ciberseguridad para la operación centralizada y distribuidad de
generación de energía eléctrica ISAGEN,» Revista Ingeniería y Ciencia - Univer-
sidad de EAFIT, 2020.
326
[12] H. Santiago, F. Carlos y D. Isaac., «Integración de Mercados Eléctricos,» Dyna,
2015.
[13] W. G. C6.22, «Microgrids 1 Engineering, Economics & Experience,» Technical
Brochures, pp. 9-13, 2015.
[14] CERTS-Consortium for Electric Reliability Technology Solution, «The CERTS
Microgrid Concept, as Demostrated at the CERTS/AEP Microgrid Test Bed,»
2018.
[15] G. Eduardo, «Sistemas de distribución y generación dispersa SC - C6,» Activity
distribution systems and distributed energy resources, 2020.
[16] IEEE-, «IEEE 2030.7-2017 - IEEE Standard for the Specification of Microgrid
Controllers,» IEEE Standard, 2017.
[17] UPME-Unidad de Planeación Minero Energética, «Plan Indicativo de Expan-
sión de Cobertura de Energía Eléctrica: PIEC 2019-2023,» 2019.
[18] D. I. H. S. Franco Carlos, «Contribución de la Energía al desarrollo de comuni-
dades aisladas no interconectadas: un caso de aplicación de la dinámica de sis-
temas y los medios de vida sostenibles en el suroccidente colombiano,» Revista
Dyna, vol. 75, nº 154. ISSN 0012-7353, 2008.
[19] U. G. Hoyos Santiago, «Modelo de simulación para la valoración del impacto
de la electrificación sobre el medio ambiente,» de VI Encuentro colombiano de
dinámica de sistemas - UIS, Bucaramanga - Santander, 2008.
[20] H. S. Z. M. Gómez Diego, «Modelo de simulación de impactos ambientales,» de
XIV Congreso latinoamericano de investigación de operaciones, Cartagena, 2008.
[21] Instituto de Planificación y Promociones de Soluciones Energéticas para Zonas
No Interconectadas-IPSE, «Pliego de Condiciones Definitivo - Interventoria
proyectos energéticos sostenibles,» Colombia compara eficiente - Gobierno de
Colombia, Bogotá, 2021.
[22] C. Bibiana, «Prestación del Servicio en ZNI - IPSE,» de Regulación y Mercados de
Energía - Especialización en Energías Alternativas. Universidad EIA, Envigado, 2021.
[23] DFID- hoy FCDO Foreing & Commonwealth Development Office - UK, «Ho-
jas Orientativas sobre los medios de vida sostenibles - MVS,» 2005. [En línea].
Available: https://www.livelihoodscentre.org/documents/114097690/114438878/
Sus_livelihoods_guidance_sheets_es.pdf/aabbf495-795b-239b-7201-
b0ca663101e5?t=1569512038420.
[24] M. J. David, «Perspectivas Microrredes en Colombia,» de Workshop Microrredes
Cimité C6 CIGRE. Colombia Inteligente, Medellín, 2020.
[25] G. Eduardo, «Sistemas de distribución y generación dispersa,» de Consejo Inter-
nacional de Grandes Sistemas Eléctricos - CIGRE - SC C6, Medellín, 2020.
[26] P. E, «Utilización de fuentes alternativas de energía en zonas no interconecta-

das,» de II Encuentro nacional de uso racional de la energía y fuentes de energía
no convencionales. IPSE, Bogotá, 2004.
[27] Ministerio de Minas y Energía, «ABC- Propuestas de la Misión de la Transfor-
mación Energética.,» Bogotá, 2021.
[28] Programa de Naciones Unidas para el Desarrollo - PNUD, «PNUD,» Naciones
Unidas, 10 2021. [En línea]. Available: https://www1.undp.org/content/undp/es/
home/sustainable-development-goals.html.
327
[29] R. H. L. T. M. J. Zhe Chen, «Power Reserve for Grid-Forming PV Sources with
Stability Enhancement in Mixed-Source Microgrids,» Power & Energy Society
General Meeting (PESGM) - IEEE, pp. 1-5, 2019.
[30] EPRI - Electric Power Reserch Institute, «Grid Considerations for Micro-
grids,» 2021. [En línea]. Available: https://www.epri.com/research/pro-
ducts/000000003002020344.
328
Microrredes y seguridad
alimentaria
CAPÍTU LO 15
Santiago Henao1, Idi Amin Isaac-Millán1, Marisol

Osorio1, David Vallejo1 y Carlos Hincapié1
1 Universidad Pontificia Bolivariana, Colombia
[email protected]
El nexo entre energía, agua y seguridad alimentaria es un tema imprescindible

en la agenda de la humanidad. Es menester asegurar que la explotación de
los recursos se haga de la manera más inteligente y mesurada posible. En el
caso de la energía, el lema hoy en día es: sobriedad energética, para evitar
la precariedad energética. A lo largo del libro se han abordado aspectos
marcadamente técnicos, llegó la hora de aproximar el concepto de transición
desde la óptica socioecológica; esto es, considerando a la tecnología como
un medio, y no como un fin en sí misma. En este capítulo y en el capítulo
18, se abordarán temáticas directamente relacionadas con la sostenibilidad
y la calidad de vida, y con cómo las microrredes constituyen una solución
para mejorar el modus vivendi de las comunidades.
Panorama general de la agricultura

La disponibilidad suficiente de agua, energía y alimentos es esencial para el
cumplimiento de los objetivos de desarrollo sostenible propuestos en 2015
por la Organización de las Naciones Unidas. Sin embargo, el aumento en
la demanda de estos recursos, producto del crecimiento poblacional, y los
efectos del cambio climático, comprometen su acceso en el futuro [1]-[3].
Para garantizar la seguridad alimentaria y energética, y la disponibilidad
del recurso hídrico, es importante comprender los nexos que existen entre
estos elementos y proponer soluciones integrales y sostenibles a los retos
que plantea la interacción entre las personas y los recursos [4].
En el año 2050 el mundo pasará a tener una población cercana a los
10 000 000 000 de personas [5], lo cual se espera que incremente la demanda
mundial de alimentos entre un 35 % y un 56 % [6]. Para soportar la presión
329
de dicho aumento, se deberán optimizar los procesos agroproductivos y superar algunas
barreras como el agotamiento de tierras cultivables, los efectos del cambio climático
sobre los cultivos y, como se menciona en [7], menor disponibilidad de agua. Si se tiene
en cuenta que el sector agrícola demanda aproximadamente el 70 % del agua dulce en
el mundo, es evidente lo críticas que resultan ser las acciones que buscan robustecer su
capacidad de respuesta y sostenibilidad [5], [8].
En la actualidad, los procesos de producción agrícola no son sostenibles ni resilientes
y, para transformarlos en esos sentidos, la Comisión Económica para América Latina
y el Caribe, en conjunto con otras organizaciones, plantea la necesidad de convertir el
cambio climático, el cambio en la demanda de alimentos y el cambio tecnológico en
impulsores para el crecimiento del sector [9], [10]. Sin embargo, se debe tener en cuen-
ta que estos cambios corresponden respectivamente a una amenaza, una adaptación
necesaria y una oportunidad, con una incidencia simultanea y de gran impacto sobre
la agricultura.
Trivelli y Berdegué [10] afirman que, dado el aumento de temperaturas y la intensi-
ficación de sequías e inundaciones, en unos años no será posible practicar la agricul-
tura convencional, ya que algunos cultivos disminuirán su rendimiento o deberán ser
reemplazados por otros como consecuencia de las transformaciones en sus zonas de
producción. Esto tiene implicaciones tanto en la oferta como en la demanda, con una
mayor cantidad de población por alimentar, y con condiciones climáticas cambiantes,
la modificación en la dieta es una adaptación necesaria para garantizar la seguridad
alimentaria. Por otra parte, los procesos de innovación tecnológica tienen efectos sobre
la agricultura al proporcionar nuevas oportunidades para su desarrollo [9], [11], y les
permite a los agricultores el acceso a nuevas herramientas con las cuales se puede au-
mentar la eficiencia de los sistemas agrícolas, reducir la huella ambiental y mejorar su
santiago henao, idi amin isaac-millán, marisol osorio, david vallejo y carlos hincapié
calidad de vida [12], [13]. Esto último es aún más plausible si se tiene en cuenta que la
agricultura es de 2 a 4 veces más eficaz que otros sectores para incrementar los ingresos
de los más pobres, en gran medida porque la mayoría de población bajo condiciones
de pobreza pertenece a las zonas rurales y depende de las labores agroproductivas para
su subsistencia [14].
Es de considerar que los aspectos económicos y sociales de un país dependen sig-
nificativamente del desarrollo de la agricultura, ya que, si no se suple la demanda de
alimentos, se genera un incremento en el costo de los productos y se reduce la capacidad
adquisitiva de los hogares. Por otra parte, el desarrollo del sector agrícola, que conlleva al
aumento de los ingresos de los agricultores, les brinda la posibilidad de adquirir bienes
y servicios no básicos, y favorece la dinamización de la economía en los otros sectores,
por lo que tiene un gran potencial para crear empleos y reducir la pobreza [15].
En este escenario, la disponibilidad de mayores opciones tecnológicas se convierte
en un impulsor de la transición hacia sistemas agrícolas más inteligentes; por ejemplo,
la implementación de sistemas de alertas tempranas frente a amenazas climatológicas
favorece la toma de decisiones basada en datos, posibilita la disminución del efecto
de estos fenómenos sobre los cultivos y aumenta su resiliencia [9]. Adicionalmente,
el uso de las tecnologías ayuda a mejorar la calidad y la cantidad de los alimentos,
y a su vez, optimiza el uso de los insumos necesarios para su producción [16], [17];
sin embargo, según lo menciona [9], para evitar que la digitalización se convierta en
330
un factor excluyente, es fundamental mejorar la conectividad, la alfabetización y le
infraestructura en las zonas rurales, teniendo presente que son los pequeños agricul-
tores, quienes, según cifras del Banco Interamericano de Desarrollo, administran el
80 % de la tierra de cultivo del mundo y son responsables del 60 % de la producción
de alimentos[18].
Si bien el entorno rural ha sido el eje central de la agricultura al producir la mayor
cantidad de alimentos, la agricultura urbana y periurbana ha comenzado a ganar popu-
laridad [19], y se convierte en un complemento de la agricultura convencional, ya que al
estar más cerca de los consumidores puede reducir la huella ambiental de los alimentos
y, según Parada et al. [20], puede ser más eficiente en el uso del agua. Por lo general, la
agricultura urbana se practica en superficies pequeñas como terrazas, escuelas, patios,
jardines y parques situados dentro de la ciudad, mientras que la periurbana tiende a
practicarse en la periferia de las ciudades, teniendo a su disponibilidad una mayor área.
Tanto la agricultura urbana como periurbana se ocupan principalmente de hortalizas
y plantas medicinales [21], y emplean técnicas como cultivos verticales, cultivos en
interiores, hidroponía, aeroponía, acuacultura y acuaponía [22], que posibilitan las
actividades agrícolas de forma intensiva, como herramienta de subsistencia y hasta
comercial en pequeña escala.
En la cadena de producción de alimentos se hace uso del 30 % de la energía dis� -
ponible a nivel mundial, pues no solo se requiere de esta en las etapas de crecimiento
de los cultivos, sino también en el secado, refrigeración, almacenamiento, transporte
y distribución de los productos [23], [24]. Para potenciar el sector agrícola de manera
sostenible es necesario optimizar el uso de la energía, reducir la dependencia de com-
bustibles fósiles y garantizar la disponibilidad, especialmente en el sector rural, ya que
es un bien fundamental para incrementar la productividad, favorecer el almacenamiento
de alimentos y disminuir su pérdida durante las distintas etapas del ciclo de vida de los
alimentos [24].
El aumento de los costos de combustibles fósiles y la necesidad de reducir los gases
de efecto invernadero han incentivado la producción de energía mediante sistemas
fotovoltaicos, que además de promover el ahorro de energía, pueden tener una mejor
relación beneficio-costo que la red o los generadores diésel, especialmente en zonas
apartadas [25]. Estos sistemas de generación de energía que pueden ser distribuidos,
capaces de gestionar la demanda de manera local y con posibilidad de integrarse a una
microrred se convierten en una solución técnica relevante para garantizar el acceso a
la energía con un menor impacto ambiental [26], [27].
Durante los últimos 20 años los problemas sobre seguridad alimentaria, seguridad microrredes y seguridad alimentaria
energética y la escasez de agua han despertado la atención de la comunidad académi�-

ca, lo que ha incrementado la cantidad de estudios sobre el futuro de la producción
de alimentos, la producción de energía y el uso del agua, respectivamente [2]. Estos 3
elementos interactúan de manera compleja y dinámica, por lo que cualquier decisión
que se adopta en un sector tiene impacto sobre los demás [1]. Esa interdependencia
entre los sectores fue llamada nexo agua-energía-alimentos por Hoff [28], quien,
desde este enfoque, propone la identificación de sinergias que satisfagan la demanda
sin comprometer la sostenibilidad. En la figura 15.1 se puede visualizar un ejemplo la
interacción entre estos sectores.
331
Si bien este nexo no ha sido abordado por una gran cantidad de autores desde el
enfoque urbano, Haitsma Mulier et al. [29], hacen una exploración de sus posibilidades,
y añaden un cuarto elemento al nexo, los nutrientes. Este análisis basado en agua-en-
ergía-alimentos-nutrientes ve en la agricultura urbana un gran potencial para impulsar
la reducción de la huella ambiental que genera la producción de alimentos actualmente
al aprovechar recursos como los residuos orgánicos, que representan una cantidad
significativa de los desechos en las ciudades y pueden ser utilizados para compostaje.
También se hace mención del manejo de aguas residuales, que podrían ser un recurso
valioso en los sistemas de riego si se les da un manejo adecuado.
El uso de energía renovables en la agricultura, la reducción de huella de carbono en
la producción de alimentos y la reutilización de recursos como los residuos orgánicos,
ratifican el impacto positivo del nexo [29], que, de integrarse con sistemas inteligen-
tes que favorezcan la toma de decisiones en el uso de los insumos, puede potenciar la
agricultura como un sistema productivo, amigable con el medioambiente y coherente
con los objetivos de desarrollo sostenible [3].
Figura 15.1. Nexo agua-energía-alimentos

332
De agricultura a agricultura inteligente
El origen de la agricultura está ligado a la domesticación de plantas y animales mediante

la transformación de los ecosistemas naturales en agroecosistemas, que son ecosiste-
mas modificados por los humanos para obtener productos como alimentos, textiles y
demás recursos necesarios para su bienestar. Estas modificaciones hicieron posible la
transición de caza y recolección, favorecieron la creación de asentamientos y, con esto,
el desarrollo de diferentes grupos poblacionales a lo largo del planeta, que son la base
de los centros poblados actuales [31], [32].
Con el crecimiento poblacional, la necesidad de producir más alimento hizo nece-
saria la expansión de los agroecosistemas, y en la actualidad la agricultura hace uso de
aproximadamente 4 750 000 000 de hectáreas de tierra, sin embargo, la explotación
de estas tierras tiene grandes impactos ambientales, tanto en la degradación de los
suelos como en el uso del agua [33]. Este sector es uno de los grandes responsables,
pero también uno de los principales afectados por el cambio climático y, para hacerlo
sostenible en el tiempo [33], se expresa la necesidad de ejecutar acciones que permitan
una producción más responsable con el ambiente, pero con la capacidad de hacer frente
a la creciente demanda de alimentos, es decir, acciones para optimizar el uso de los
recursos sin sacrificar la productividad.
La optimización tecnificada de los recursos agrícolas es una práctica que se ha de-
sarrollado desde 1980 con el surgimiento de la agricultura de precisión [34] que hace
referencia a la implementación de un conjunto de tecnologías en la gestión eficiente de
los insumos, para mejorar el rendimiento de los cultivos. Según Mulla y Koshla [34],
Pierre C. Robert es considerado el padre de esta disciplina, tras desarrollar un estudio
de técnicas de monitoreo remoto para el análisis de las condiciones del suelo y la gestión
del riego. Su investigación puso en evidencia la importancia de la teledetección en el
manejo de los cultivos, para establecer planes de mejoras en futuras cosechas con base en
los datos recopilados [34]. Posteriormente, con los avances en el desarrollo de hardware
y software, se comienzan a implementar sistemas de riego sectorizados con los que se
determinan las necesidades específicas de cada porción de tierra en un cultivo y, con base
en la información recopilada, se establecen recomendaciones para zonas que requieren
tratamiento diferenciado [35]. Este tipo de soluciones, desarrolladas principalmente en
los años 90, están basadas en geolocalización mediante tecnologías gps y técnicas de
monitoreo remoto, que se mejoran en los años 2000 con los lanzamientos de satélites
de mayor resolución y la aparición de nuevos sensores para la implementación in situ
[34]; sin embargo, estos desarrollos no se masificaron en su momento, debido a los microrredes y seguridad alimentaria
costos asociados y a las dificultades para acceder a los dispositivos [36].

El creciente desarrollo tecnológico en las últimas décadas ha permitido la digitalización
de muchos sectores, pero la agricultura es uno de los que menos avance presenta en esta
materia, en gran medida por las brechas digitales relacionadas con la infraestructura,
alfabetización y el acceso a las tecnologías, especialmente en los sectores rurales [37],
aun así son innegables los avances en este campo y han dado cabida a nuevos conceptos
como el de agricultura inteligente.
La agricultura inteligente hace referencia a la incorporación de las nuevas tecnologías
en la gestión de los cultivos, que favorecen el monitoreo remoto, la optimización de
333
recursos y la automatización de los sistemas involucrados. Mientras que la agricultu-
ra de precisión se centra en la variabilidad de los terrenos, la agricultura inteligente
permite abordar un espectro más amplio con el objetivo de fortalecer los entornos
de decisiones [38]. Esta agricultura está fundamentada en la generación, transmisión
y análisis de grandes volúmenes de información que permiten la toma de decisiones
informada, y se ha popularizado gracias a la aparición del internet de las cosas (iot),
el big data y la computación en la nube [38], [39]. Otras tecnologías que se incluyen
en la agricultura inteligente son los robots, la inteligencia artificial (ia), y los vehículos
aéreos no tripulados (uav) [38].
El internet de las cosas es el centro de los desarrollos en la creación de sistemas
inteligentes, y las redes inalámbricas de sensores juegan un papel fundamental en la
medición y transmisión de los datos [40], que se convierten en el insumo de las técni-
cas de analítica involucradas en la toma de decisiones. En este sentido, es fundamental
que los datos obtenidos mediante los sensores sean fiables, pero sensores de buenas
prestaciones tienen costos elevados, lo que dificulta su acceso a los pequeños agricul-
tores [41]. Teniendo esto presente, se han venido incrementando las investigaciones en
sistemas de bajo costo, y propuestas como las de [41], [42] y [43] son importantes en la
labor de democratizar el uso de estas tecnologías, en especial por su impacto positivo,
ya que estudios como los de [44] y [45] dan cuenta de ahorros de agua de entre 50 %
y 60 % al implementar agricultura inteligente, si se compara con métodos de cultivo
convencionales.
En las ciudades, que son los centros de la digitalización y de los espacios inteligentes,
la adopción de estos desarrollos en la agricultura urbana ha sido más fácil que en el
sector rural, gracias a la infraestructura de comunicaciones existente, que ha permitido
la implementación de invernaderos inteligentes y sistemas de acuaponía, hidroponía y
agricultura vertical [46].

En la figura 15.2 se presenta una adaptación de la síntesis presentada por [47] sobre
las aplicaciones del internet de las cosas en la agricultura, la cual se divide en 4 grandes
grupos: infraestructura física, adquisición de datos, procesamiento de datos y análisis
de datos.
La infraestructura física hace referencia a la implementación de hardware necesaria
para el envío y recepción de la información, como sensores de humedad, temperatura,
humedad del suelo, presión atmosférica, pH, entre otras. También se incluyen dentro
de la infraestructura los actuadores, necesarios para iluminación o bombas de riego.
Por último, se añade a este apartado el uso de los microcontroladores encargados de
la comunicación. Los protocolos de comunicación utilizados para la transmisión de
información en los sistemas de agricultura inteligente son muy diversos, lo que otorga
mucha flexibilidad al momento de diseñar una solución. Dentro de los más destacados
se encuentran wifi, mqtt, Lorawan, Zigbee, Bluetooth y rfid [47], [48].
Farooq et al. [49] también incluyen dentro de las aplicaciones basadas en iot el
procesamiento y el análisis de los datos, que pueden venir de múltiples fuentes y cuyas
acciones de monitoreo y control son aplicables a distintos entornos como los cultivos
en campo abierto, los invernaderos y la ganadería. Sin embargo, es importante com-
plementar estos datos con información relativa al big data.
334
La gestión de los cultivos implica, en concordancia con lo expresado por Wolfert et
al. [38], 3 etapas que están dadas por la medición y el monitoreo; el análisis y la toma
de decisiones, que se realiza con base en estándares específicos para cada producto; y
la intervención, que hace referencia a la ejecución de un plan que permita mejorar el
rendimiento de los procesos en el cultivo en cuestión. Si bien los sensores en sitio aportan
una gran cantidad de información relevante, no son la única fuente de datos que puede
aportar en el análisis. Información climática de fuentes externas e imágenes satelitales,
por mencionar algunas, pueden ser de gran utilidad para tomar mejores decisiones,
pero el gran volumen, la variabilidad en los tipos de datos y la velocidad a la que se
debe actuar requiere de nuevas herramientas y, en este sentido, el big data es un gran
aliado para dar valor a esta información, pues los datos procesados sirven de insumo
para técnicas de inteligencia artificial que ayudan a predecir o detectar enfermedades,
plagas y necesidades de los cultivos para su correcto desarrollo [50].
En la figura 15.3 se recrea el diagrama de los resultados de una encuesta presenta-
da en [50] sobre el rol del big data en la agricultura inteligente. Además, se incluyen
técnicas de inteligencia artificial más usadas en el sector para la toma de decisiones,
como la regresión lineal, las máquinas de soportes vectorial, el aprendizaje profundo
y las redes neuronales.
Para acelerar la implementación de estas tecnologías y mejorar los sistemas agrícolas,
se debe hacer frente a grandes retos y acortar algunas brechas que dificultan el acceso a
las herramientas, especialmente en los entornos rurales, que presentan mayores rezagos
en el desarrollo de los ecosistemas digitales [51]. El Cepal et al. [9], mencionan 6 barreras
principales para la digitalización de la agricultura, en especial en América Latina y el
Caribe, entre las que se encuentran:
• Usabilidad y utilidad de las tecnologías, que hace referencia a la creación de soluciones
que se ajusten a las necesidades y a los contextos de los usuarios finales, y que pueda ser
operado fácilmente. También es importante reconocer dentro de dichos contextos qué
es aprovechable y construir partiendo de lo disponible.
• Disponibilidad y asequibilidad de las tecnologías, que se basa en la incapacidad eco-
nómica de pequeños agricultores para adquirir este tipo de tecnologías. En este ítem
es fundamental el desarrollo de soluciones de bajo costo por parte de la Academia y el
sector productivo para dinamizar y democratizar este tipo de herramientas.
• Infraestructura disponible, especialmente de sistemas de comunicación que permitan
operar tecnologías que requieren de la conexión a servicios de internet, principalmente.
Si bien la pandemia aceleró el proceso de digitalización, se requiere inversión para au-
mentar la cobertura y la conectividad, especialmente en las zonas apartadas. microrredes y seguridad alimentaria
• Capacidad de los usuarios, que implica la capacitación de un público, en su mayoría en

edades adultas, sin conocimientos ni acceso a tecnologías digitales.
• Incentivos disponibles mediante políticas que promuevan y apoyen estas iniciativas
para lograr su masificación, desde fondos para investigación hasta alianzas con el sector
productivo para mejorar el acceso a estos bienes y servicios.
• Conflictos de intereses donde procesos y relaciones entre los actores se van a ver afec-
tadas, pero que deben ser asimiladas para generar nuevas estrategias que les beneficien
a todos los involucrados.
335
336
Figura 15.2. Agricultura inteligente basada en iot
Figura 15.3. Agricultura inteligente basada en iot
En la actualidad, hay algunas iniciativas que dan cuenta de la superación de estas bar-
reras y que permiten ser una fuente de aprendizaje para futuros desarrollos, por ejemplo,
el programa Farmbeats desarrollado por Microsoft. Este tiene como objetivo principal
brindar una herramienta que le permita al agricultor incrementar su productividad.
Vasisht et al. [52] diseñan una solución que responde a problemas de gran complejidad
técnica como la conectividad, la disponibilidad de energía eléctrica, la precisión de las
medidas y la calidad de la conexión a internet en sitios apartados. Para aumentar la
distancia de la cobertura de las redes de sensores, el equipo de Microsoft hace uso de
espacios de ancho de banda disponibles entre las señales de los canales de televisión,
estas frecuencias son llamadas banda blanca, y su sistema se adapta a las frecuencias
libres y los niveles de potencia necesarias para transmitir la información. Para garantizar
el funcionamiento del sistema, aún en ausencia de conexión a internet, los ingenieros
desarrollan una solución basada en computación en la frontera, que es un paradigma
complementario a la computación en la nube, y permite hacer un procesamiento dis-
tribuido cerca de la fuente de los datos, lo cual aumenta la velocidad de respuesta y
ahorra ancho de banda al enviar menos cantidad de información por la red [53]. Con
respecto a la calidad de los datos, un mapeo completo del suelo requiere demasiados
puntos de medida, lo cual impacta el costo del sistema. Para solucionar esto, en [52] microrredes y seguridad alimentaria
fusionan medidas de sensores con imágenes aéreas obtenidas con drones o globos para
obtener una mejor descripción de la humedad del suelo en el terreno. Por último, para
la optimización energética hacen uso de pequeños sistemas solares fotovoltaicos, con
un sistema capaz de ajustar los ciclos de trabajo según las condiciones climáticas, lo que
permite racionar la energía para que en momentos con poca radiación pueda seguir
capturando información, aunque con una menor frecuencia.
Otro proyecto de gran interés, aplicado en el sector rural latinoamericano es Smart
Agro, una apuesta de Telefónica y la fao para incrementar la eficiencia hídrica medi-
ante la instalación de sensores en los cultivos, que permiten determinar la humedad
337
del suelo y el consumo de agua en el terreno. Algo importante en este piloto es el hecho
de implementar no solo soluciones de conectividad y tecnología como el iot y big
data, sino incluir asesorías especializadas en campo para trabajar de la mano con los
agricultores. Esto permitió obtener incrementos en el rendimiento de los cultivos que
oscilan entre un 10 % y un 77 %, y una reducción de un 22 % en el uso del agua en los
sitios de implementación [54]. En Colombia, se implementó un desarrollo similar para
el cultivo de papa, con una rentabilidad un 86 % mayor en comparación con cultivos
que no accedieron a las recomendaciones suministradas [54]. Dentro de las lecciones
aprendidas, Telefónica [54] menciona la relevancia de contar con la tecnología y soporte
técnico para atender las necesidades de los usuarios; considerar dentro de los proyectos
los periodos de adaptación de los equipos y de los agricultores a estas tecnologías; la
necesidad de involucrar a los agricultores en el proceso, capacitarlos con técnicos exper-
tos para la lectura de datos y la toma de decisiones, y, por último, el papel determinante
que juegan la articulación público-privada para favorecer el acceso de los pequeños
agricultores a estas herramientas.
La flexibilidad de la agricultura urbana permite una gran variedad de propuestas en
el diseño de las soluciones. Farm 8, una corporación agrícola coreana, está llevando a
cabo con éxito un negocio de hortalizas de cultivo vertical. Esta empresa produce 1.2 t
diarias de verduras de hoja en un edificio de 12 pisos en la ciudad de Pyeongtaek, pro-
vincia de Gyeonggi. Junto con la estructura vertical que aprovecha al máximo el espacio
del edificio, la empresa aumenta su productividad utilizando un sistema automatizado
rentable para ajustar la iluminación, la temperatura, la humedad y los niveles de dióxido
de carbono para crear un clima adecuado para las verduras. También, en un antiguo
refugio antiaéreo del suroeste de Londres, la empresa Growing Underground utiliza
sistemas hidropónicos y lo último en tecnologías led para cultivos que se desarrollan
durante todo el año en un entorno ideal, sin pesticidas y con energía 100 % renovable.
Los cultivos hidropónicos y las condiciones en las que se manejan permiten un ahorro
de hasta el 70 % del agua respecto a sistemas tradicionales, y la posibilidad de obtener
cultivos de ciclos de crecimiento cortos en tan solo 2 semanas. En estos tipos de montajes
el manejo de la energía es de gran importancia, debido a que, si no se emplea un sistema
eficiente, los gastos generados por el consumo de energía no llegarían a compensar las
ganancias generadas, o los cultivos no tendrían precios competitivos en comparación
con los sembrados en zonas rurales.
Dentro de la Alianza Energética 2030 se tienen también actividades relacionadas
con la agricultura inteligente, vinculadas al proyecto 8, “Pruebas de concepto de
Micro-Redes en Colombia”, que incluye a la Universidad Pontificia Bolivariana y la
Universidad de Sucre en la planeación de un sistema de agricultura inteligente. Este,
mediante el desarrollo de algoritmos heurísticos, debe permitir determinar una ubi-
cación estratégica de sensores de humedad del suelo que ayude a optimizar el número
de equipos de medida necesarios para obtener una aproximación del comportamien-
to del agua en el suelo y, con base en las mediciones obtenidas, y en conjunto con
información meteorológica relevante como humedad del suelo, temperatura, entre
otras, tomar determinaciones sobre la gestión del riego en los cultivos de prueba. Se
espera que este desarrollo, integrado al centro de control existente en la microrred de
338
la Universidad de Sucre, permita desarrollar soluciones para el entorno local desde la
perspectiva del nexo agua-energía-alimentación.
Pensando en los entornos urbanos, uno de los proyectos del programa Tecnologías
Aplicadas a la Agricultura Urbana, que se trabaja actualmente entre la Universidad Pon-
tificia Bolivariana y la Universidad Católica de Oriente, y que cuenta con financiación
del Ministerio de Ciencia, Tecnología e Innovación de Colombia, busca establecer una
forma de usar la información de redes de sensores, información pública y modelos de
sistemas de cultivo a escala reducida para tomar la decisión del riego, que permita reducir
el consumo de agua y energía siempre que sea posible, aplicando el riego únicamente
cuando el cultivo lo requiera y al ritmo apropiado para que la pérdida por drenaje se
minimice. Se espera que, luego de realizar un monitoreo y análisis de las variables de
interés de las unidades de cultivo experimentales, como humedad del suelo, humedad
y temperatura ambiente, entre otras variables meteorológicas, se pueda obtener un
modelo aproximado de este sistema, para así poder replicar el control de riego de este
en distintos módulos de agricultura urbana en diferentes partes de la ciudad. Además,
se tiene planteado para el proyecto la instalación de paneles solares dedicados para la
alimentación eléctrica de los componentes que hacen parte del invernadero. Esta red
de paneles hará parte de la microrred que actualmente funciona en la Universidad
Pontificia Bolivariana.
Además de tener impacto en el uso del agua, las herramientas tecnológicas en la
agricultura son fundamentales para optimizar el uso de la energía en los sistemas
agrícolas. Esto constituye una de las razones por las que Han et al. [2] ven en estas
herramientas el camino a seguir para la solución de los grandes retos propuestos en el
nexo agua-energía-alimentos.
Energía en la agricultura: nuevas oportunidades

La necesidad de producir suficiente energía y alimentos puede generar conflictos entre
ambos sectores, no solo por el uso del agua, sino también por el uso de la tierra. Las
energías renovables son un elemento fundamental en la creación de un futuro sostenible,
pero su expansión, en especial con los sistemas solares fotovoltaicos, puede requerir
grandes cantidades de área si desea aumentar su protagonismo dentro de la matriz
energética, y entra a competir en algunos casos con la agricultura [55]. Para fortalecer
la visión del nexo y de acuerdo con las investigaciones planteadas por múltiples auto-
res, las instalaciones agrovoltaicas ofrecen un escenario donde ambos sectores pueden
coexistir. Los sistemas agrovoltaicos o agrofotovoltaicos, como se llama a la fusión de la microrredes y seguridad alimentaria
agricultura y la generación de energía, son sistemas cuyos paneles solares se encuentran

situados a una altura del suelo tal que permite el cultivo de algunos productos y hasta
el refugio de animales bajo su instalación [55]-[57]. Este tipo de implementaciones
permite aprovechar espacios que solo con granjas solares no sería posible y, además,
representan la posibilidad de obtener mayores ingresos para los agricultores al generar
un aumento del valor de la tierra, incentivar el autoconsumo y la disponibilidad de
energía en el sector rural, a la vez que se convierte en una posible fuente de ingresos
complementarios a la actividad agrícola [58].
339
El rendimiento de los cultivos en los sistemas agrovoltaicos depende del tipo de plantas
que se desee sembrar, ya que algunos cultivos que requieren de grandes cantidades de
luz solar como el maíz se verán afectados por la sombra parcial que ofrecen los paneles,
pero cultivos como las hortalizas se ven beneficiados de esta sombra. La protección del
exceso de calor y la disminución de la temperatura del suelo que se obtienen gracias a
los paneles solares permiten reducir el consumo de agua y la evotranspiración de las
plantas, especialmente en condiciones de sequía [59]. Además, según [60] la presencia
de los paneles y sus estructuras brinda protección a los cultivos frente al viento y puede
evitar la erosión del suelo, lo que produce un aumento en la resiliencia de la agricultura
frente a los efectos del cambio climático [61].
Los sistemas agrovoltaicos pueden clasificarse en cerrados, cuando su implementación
se realiza en un invernadero, o abiertos si se realiza en el campo [56]. La flexibilidad de
aplicar el concepto de sistemas agrovoltaicos en diferentes escenarios facilita la adop-
ción de estos sistemas, tanto en los entornos rurales como urbanos y periurbanos. Por
tal motivo, Majumdar y Pasqualetti [62] plantean estos sistemas como un elemento
importante en la preservación de las tierras agrícolas, pero también como un aliado
de la agricultura urbana y periurbana, que favorece la generación de energía limpia y
la reducción de la huella ambiental de los alimentos, y ayuda a satisfacer la creciente
demanda de energía y alimentos simultáneamente.
Como se ha podido apreciar, la energía es un elemento de gran valor en la agricultu-
ra, no solamente por su influencia en los procesos de la cadena de valor, sino también
por el mejoramiento que representa en la calidad de vida de los agricultores. Proyectos
como los implementados por Power For All y Sustainable Energy For All (SEforAll),
ambas asociaciones enfocadas en acelerar la aplicación de sistemas distribuidos de
energía renovables, representan una herramienta de alto impacto en el desarrollo de
las comunidades productoras de alimento, en especial, en los países más necesitados.

Dentro de la información presentada por [63], se destacan proyectos como bombas
solares, molinos alimentados por energía solar, refrigeradores y sistemas de cadenas
de frío para impulsar las cadenas de valor de agronegocios, disminuir los desperdicios
de los productos y reducir la contaminación asociada a los procesos. En los resultados
presentados por el informe de la asociación, se destacan incrementos en el crecimiento
de los cultivos en África tras la implementación de sistemas de bombas y riegos solares;
sistemas de secado solares en Tailandia que permiten el desarrollo de nuevos produc-
tos basados en alimentos secos, con incrementos en los ingresos de hasta un 70 %; y la
posibilidad de salvar hasta un 30 % de la comida mediante el uso de refrigeradores en
África subsahariana, que a nivel mundial asciende a 525 000 000 t cada año [63], [64].
El acceso a la energía y el desarrollo continuo de tecnologías aplicadas a la agricultura
son herramientas claves para cumplir con los objetivos de desarrollo sostenible. Aún
hay grandes retos, pero sobre todo propuestas para fortalecer los sectores involucrados
en el nexo agua-agricultura-alimentación. La investigación y la democratización de los
desarrollos presentados a lo largo de este capítulo representan un avance prometedor;
pero este apartado, además de mostrar la importancia de los sistemas alimentarios y
su relación con los energéticos, es una invitación para que los distintos actores piensen
en el desarrollo de soluciones globales que acerquen cada vez más la posibilidad de un
futuro sostenible.
340
Referencias
[1] fao, “The Water-Energy-Food Nexus A new approach in support of food security
and sustainable agriculture”, 2014.
[2] X. Han, E. Hua, B. A. Engel et al., “Understanding implications of climate change
and socio-economic development for the water-energy-food nexus: A meta-re-
gression analysis”, Agric Water Manag, vol. 269, Jul. 2022, doi: 10.1016/j.ag-
wat.2022.107693.
[3] Universidad Nacional de Colombia, “Transforming our world: the 2030 Agenda
for Sustainable Development Transforming our world: the 2030 Agenda for Sus-
tainable Development Preamble”, 2015.
[4] fao, “Walking the Nexus Talk: Assessing the Water-Energy-Food Nexus in the
Context of the Sustainable Energy for All Initiative”, 2014, [En línea]. Disponible
en: http://www.fao.org/icatalog/inter-e.htm
[5] fao, The State of the World’s Land and Water Resources for Food and Agriculture.
Systems at breaking point (Solaw 2021). fao, 2021. doi: 10.4060/cb7654en.
[6] M. van Dijk, T. Morley, M. L. Rau, y Y. Saghai, “A meta-analysis of projected glob-
al food demand and population at risk of hunger for the period 2010–2050”, Nat
Food, vol. 2, n.° 7, pp. 494–501, 2021, doi: 10.1038/s43016-021-00322-9.
[7] M. Falkenmark, “Growing water scarcity in agriculture: Future challenge to global
water security”, Philosophical Transactions of the Royal Society A: Mathemati-
cal, Physical and Engineering Sciences, vol. 371, n.° 2002, nov. 2013, doi: 10.1098/
rsta.2012.0410.
[8] fao, “Aquastat-fao’s Information System on Water and Agriculture”, 2016. Con-
sultado en: Mar. 02, 2017. [En línea]. Disponible en: http://www.fao.org/nr/water/
aquastat/countries_regions/Profile_segments/COL-WU_esp.stm
[9] CEPAL, fao, y IICA, Perspectivas de la agricultura y del desarrollo rural en las
Américas. 2021.
[10] C. Trivelli y J. A. Berdegué, “Transformación rural. Pensando el futuro de Améri-
ca Latina y el Caribe”, 2019. [En línea]. Disponible en: http://www.fao.org/publica-
tions/es
[11] N. Khan, Autor 2, Autor 3 et al., “Potential role of technology innovation in trans-
formation of sustainable food systems: A review”, Agriculture (Switzerland), vol.
11, n.° 10. mdpi, Oct. 01, 2021. doi: 10.3390/agriculture11100984.
[12] D. Pivoto, P. D. Waquil, E. Talamini et al., “Scientific development of smart
farming technologies and their application in Brazil”, Information Processing in microrredes y seguridad alimentaria
Agriculture, vol. 5, n.° 1, pp. 21–32, Mar. 2018, doi: 10.1016/j.inpa.2017.12.002.

[13] E. Said Mohamed, A. A. Belal, S. Kotb Abd-Elmabod, et al., “Smart farming for
improving agricultural management”, Egyptian Journal of Remote Sensing and
Space Science, vol. 24, n.° 3. Elsevier B.V., pp. 971–981, dic. 01, 2021. doi: 10.1016/j.
ejrs.2021.08.007.
[14] World Bank Group, “Ending Poverty and Hunger by 2030 An agenda for the
global food system”, 2015. [En línea]. Disponible en: www.worldbank.org/foodse-
curity
[15] fao, “Panorama de la pobreza rural en américa latina y el caribe”, 2018.
341
[16] E. Said Mohamed, A. A. Belal, S. Kotb Abd-Elmabod et al., “Smart farming
for improving agricultural management”, The Egyptian Journal of Remote
Sensing and Space Science, vol. 24, n.° 3, pp. 971–981, dic. 2021, doi: 10.1016/J.
EJRS.2021.08.007.
[17] J. Doshi, T. Patel y S. K. Bharti, “Smart Farming using iot, a solution for optimally
monitoring farming conditions”, Procedia Comput Sci, vol. 160, pp. 746–751, ene.
2019, doi: 10.1016/J.PROCS.2019.11.016.
[18] P. Loukos y L. Arathoon, “Panorama del ecosistema agrotecnológico para los
pequeños agricultores de América Latina y el Caribe”, Banco Interamericano de
Desarrollo, 2020.
[19] fao, The future of food and agriculture: trends and challenges, vol. 4, n.°
4. 2017. [En línea]. Disponible en: www.fao.org/publications%0Ahttp://
www.fao.org/3/a-i6583e.pdf%0Ahttp://siteresources.worldbank.org/IN-
TARD/825826-1111044795683/20424536/Ag_ed_Africa.pdf%0Awww.fao.org/
cfs%0Ahttp://www.jstor.org/stable/4356839%0Ahttps://ediss.uni-goettingen.de/
bitstream/han
[20] F. Parada, X. Gabarrell, M. Rufí-Salís et al., “Optimizing irrigation in urban
agriculture for tomato crops in rooftop greenhouses”, Science of the Total Envi-
ronment, vol. 794, Nov. 2021, doi: 10.1016/j.scitotenv.2021.148689.
[21] F. Orsini, R. Kahane, R. Nono-Womdim y G. Gianquinto, “Urban agriculture in
the developing world: a review”, Agronomy for Sustainable Development 2013
33:4, vol. 33, n.° 4, pp. 695–720, May 2013, doi: 10.1007/S13593-013-0143-Z.
[22] R. A. Ayambire, O. Amponsah, C. Peprah, y S. A. Takyi, “A review of practic-
es for sustaining urban and peri-urban agriculture: Implications for land use
planning in rapidly urbanising Ghanaian cities”, Land use policy, vol. 84, pp.
260–277, May 2019, doi: 10.1016/J.LANDUSEPOL.2019.03.004.

[23] F. Taghizadeh-Hesary, E. Rasoulinezhad, y N. Yoshino, “Energy and Food Se-
curity: Linkages through Price Volatility”, Energy Policy, vol. 128, pp. 796–806,
May 2019, doi: 10.1016/j.enpol.2018.12.043.
[24] Irena & fao, Renewable Energy and Agri-food Systems: Advancing Energy and
Food Security towards Sustainable Development Goals. Irena, fao, 2021. doi:
10.4060/cb7433en.
[25] S. Gorjian, S. Minaei, L. MalehMirchegini et al., “Applications of solar pv
systems in agricultural automation and robotics”, Photovoltaic Solar Energy
Conversion, pp. 191–235, ene. 2020, doi: 10.1016/B978-0-12-819610-6.00007-7.
[26] F. M. Butera, “Sustainable Neighborhood Design in Tropical Climates”, Ur-
ban Energy Transition, pp. 51–73, ene. 2018, doi: 10.1016/B978-0-08-102074-
6.00017-6.
[27] S. McGrail, A. Idil Gaziulusoy, y P. Twomey, “Framing Processes in the Envi-
sioning of Low-Carbon, Resilient Cities: Results from Two Visioning Exercis-
es”, Sustainability 2015, Vol. 7, Pages 8649-8683, vol. 7, n.° 7, pp. 8649–8683, Jul.
2015, doi: 10.3390/SU7078649.
[28] H. Hoff, “Understanding the Nexus. Background Paper for the Bonn2011 Con-
ference: The Water, Energy and Food Security Nexus”, 2011.
342
[29] M. C. G. Haitsma Mulier, F. H. M. van de Ven, y P. Kirshen, “Circularity in the
Urban Water-Energy-Nutrients-Food nexus”, Energy Nexus, vol. 7, p. 100081,
Sep. 2022, doi: 10.1016/J.NEXUS.2022.100081.
[30] M. Burdett, “The water–food–energy ‘nexus’ - GeographyCaseStudy.Com”,
2018. https://www.geographycasestudy.com/the-water-food-energy-nexus/#Na-
tional_water_security (Consultado en ago. 30, 2022).
[31] S. J. Sarandón, El papel de la agricultura en la transformación social-ecológica
de América Latina. 2020.
[32] D. Zizumbo y P. García, “El origen de la agricultura, la domesticación de
plantas y el establecimiento de corredores biológico-culturales en Meso-
américa”, 2008, [En línea]. Disponible en: http://www.redalyc.org/articulo.
oa?id=75711472007
[33] fao, “El estado de los recursos de tierras y aguas del mundo para la ali-
mentación y la agricultura: Sistemas al límite”, 2021.
[34] D. Mulla y R. Khosla, “Historical Evolution and Recent Advances in Precision
Farming”, in Historical evolution and recent advances in precision farming,
2015.
[35] D. J. Mulla, “Using geostatistics and gis to manage spatial patterns in soil
fertility”, 1991. [En línea]. Disponible en: https://www.researchgate.net/publica-
tion/255969954
[36] A. McBratney, B. Whelan, T. Ancev, y J. Bouma, “Future directions of preci-
sion agriculture”, in Precision Agriculture, Feb. 2005, vol. 6, n.° 1, pp. 7–23. doi:
10.1007/s11119-005-0681-8.
[37] N. Trendov, S. Varas, y Z. Meng, “Tecnologías digitales en la agricultura y las
zonas rurales”, 2019.
[38] S. Wolfert, L. Ge, C. Verdouw, y M. J. Bogaardt, “Big Data in Smart Farm-
ing – A review”, Agric Syst, vol. 153, pp. 69–80, May 2017, doi: 10.1016/J.
AGSY.2017.01.023.
[39] J. Muangprathub, N. Boonnam, S. Kajornkasirat et al., “iot and agriculture data
analysis for smart farm”, Comput Electron Agric, vol. 156, pp. 467–474, ene.
2019, doi: 10.1016/j.compag.2018.12.011.
[40] L. F. Si, M. Li, y L. He, “Farmland monitoring and livestock management based
on internet of things”, Internet of Things, vol. 19, p. 100581, Ago. 2022, doi:
10.1016/j.iot.2022.100581.
[41] A. Dubois, F. Teytaud, y S. Verel, “Short term soil moisture forecasts for potato
crop farming: A machine learning approach”, Comput Electron Agric, vol. 180, microrredes y seguridad alimentaria
n.° December 2020, 2021, doi: 10.1016/j.compag.2020.105902.

[42] N. M. Tiglao, M. Alipio, J. V. Balanay et al., “Agrinex: A low-cost wireless mesh-
based smart irrigation system”, Measurement (Lond), vol. 161, p. 107874, 2020,
doi: 10.1016/j.measurement.2020.107874.
[43] J. Muangprathub, N. Boonnam, S. Kajornkasirat et al., “iot and agriculture data
analysis for smart farm”, Comput Electron Agric, vol. 156, pp. 467–474, ene.
2019, doi: 10.1016/j.compag.2018.12.011.
343
[44] A. Glória, J. Cardoso, y P. Sebastião, “Sustainable Irrigation System for Farming
Supported by Machine Learning and Real-Time Sensor Data”, Sensors 2021,
Vol. 21, Page 3079, vol. 21, n.° 9, p. 3079, Apr. 2021, doi: 10.3390/S21093079.
[45] N. K. Nawandar y V. R. Satpute, “iot based low cost and intelligent module
for smart irrigation system”, Comput Electron Agric, vol. 162, pp. 979–990, Jul.
2019, doi: 10.1016/J.COMPAG.2019.05.027.
[46] R. Gómez-Chabla, K. Real-Avilés, C. Morán et al., “iot Applications in Agricul-
ture: A Systematic Literature Review”, in Advances in Intelligent Systems and
Computing, 2019, vol. 901, pp. 68–76. doi: 10.1007/978-3-030-10728-4_8.
[47] M. S. Farooq, S. Riaz, A. Abid et al., “A Survey on the Role of iot in Agricul-
ture for the Implementation of Smart Farming”, ieee Access, vol. 7. Institute of
Electrical and Electronics Engineers Inc., pp. 156237–156271, 2019. doi: 10.1109/
ACCESS.2019.2949703.
[48] W. Tao, L. Zhao, G. Wang et al., “Review of the internet of things communica-
tion technologies in smart agriculture and challenges”, Comput Electron Agric,
vol. 189, p. 106352, Oct. 2021, doi: 10.1016/J.COMPAG.2021.106352.
[49] M. S. Farooq, S. Riaz, A. Abid et al., “A Survey on the Role of iot in Agricul-
ture for the Implementation of Smart Farming”, ieee Access, vol. 7. Institute of
Electrical and Electronics Engineers Inc., pp. 156237–156271, 2019. doi: 10.1109/
ACCESS.2019.2949703.
[50] S. de Alwis, Z. Hou, Y. Zhang, et al., “A survey on smart farming data, applica-
tions and techniques”, Computers in Industry, vol. 138. Elsevier B. V., Jun. 01,
2022. doi: 10.1016/j.compind.2022.103624.
[51] N. M. Trendov, S. Varas, y M. Zeng, “Tecnologías digitales en la agricultura y
las zonas rurales”, 2019.
[52] D. Vasisht et al., “FarmBeats: An iot Platform for Data-Driven Agriculture

FarmBeats: An iot Platform for Data-Driven Agriculture”, 2017, [En línea].
Disponible en: https://www.usenix.org/conference/nsdi17/technical-sessions/
presentation/vasisht
[53] J. Pushpa y S. A. Kalyani, “Using fog computing/edge computing to leverage
Digital Twin”, Advances in Computers, vol. 117, n.° 1, pp. 51–77, ene. 2020, doi:
10.1016/BS.ADCOM.2019.09.003.
[54] Telefónica, “Smart Agro Perú : una alianza de telefónica, fao y Brasil, con-
tribuyendo para ‘+Algodón,’” 2021.
[55] A. Agostini, M. Colauzzi, y S. Amaducci, “Innovative agrivoltaic systems to
produce sustainable energy: An economic and environmental assessment”, Appl
Energy, vol. 281, ene. 2021, doi: 10.1016/j.apenergy.2020.116102.
[56] P. Jain, G. Raina, S. Sinha et al. , “Agrovoltaics: Step towards sustainable ener-
gy-food combination”, Bioresour Technol Rep, vol. 15, Sep. 2021, doi: 10.1016/j.
biteb.2021.100766.
[57] M. Kumpanalaisatit, W. Setthapun, H. Sintuya et al., “Current status of agri-
voltaic systems and their benefits to energy, food, environment, economy, and
society”, Sustain Prod Consum, vol. 33, pp. 952–963, Sep. 2022, doi: 10.1016/j.
spc.2022.08.013.
344
[58] S. Amaducci, X. Yin, y M. Colauzzi, “Agrivoltaic systems to optimise land use
for electric energy production”, Appl Energy, vol. 220, pp. 545–561, Jun. 2018,
doi: 10.1016/j.apenergy.2018.03.081.
[59] H. Dinesh y J. M. Pearce, “The potential of agrivoltaic systems”, Renewable and
Sustainable Energy Reviews, vol. 54. Elsevier Ltd, pp. 299–308, Feb. 01, 2016.
doi: 10.1016/j.rser.2015.10.024.
[60] P. Jain, G. Raina, S. Sinha et al., “Agrovoltaics: Step towards sustainable ener-
gy-food combination”, Bioresour Technol Rep, vol. 15, Sep. 2021, doi: 10.1016/j.
biteb.2021.100766.
[61] A. Agostini, M. Colauzzi y S. Amaducci, “Innovative agrivoltaic systems to
produce sustainable energy: An economic and environmental assessment”, Appl
Energy, vol. 281, ene. 2021, doi: 10.1016/j.apenergy.2020.116102.
[62] D. Majumdar y M. J. Pasqualetti, “Dual use of agricultural land: Introducing
‘agrivoltaics’ in Phoenix Metropolitan Statistical Area, usa”, Landsc Urban Plan,
vol. 170, pp. 150–168, Feb. 2018, doi: 10.1016/j.landurbplan.2017.10.011.
[63] Power For All, “Powering Agriculture eBooklet”, 2020.
[64] SEforAll, “The report and analysis were developed by a team from Sustainable
Energy for All (SEforALL)”, 2022. [En línea]. Disponible en: www.un.org/geos-
patial/content/map-world.
microrredes y seguridad alimentaria
345
Modelos de intercambio de
energía entre pares
CAPÍTU LO 16
Juan Pablo Cárdenas Álvarez 1 [ORCID], Juan Andrés

Estrada Walker [ORCID] y Juan Manuel España [ORCID]
1
Universidad eia, Grupo de Investigación Energeia
[email protected]
Las microrredes y los ecosistemas energéticos escalables (E3) constituyen

escenarios propicios para desarrollar y probar nuevos modelos de mer-
cados minoristas descentralizados. La transición de los usuarios hacia su
nuevo rol de prosumidores ha trascendido la narrativa y se convierte en
certeza al interior de las redes del hoy. En este capítulo se presentan los
conceptos básicos de estos nuevos mercados y se plantean evidencias de
pilotos adelantados por el equipo de investigación de la universidad eia,
cuya microrred está siendo adaptada para probar mecanismos de trans-
actividad de energía entre pares.
Introducción
El aumento dramático en la instalación de sistemas de generación de
energía renovable a pequeña escala está demandando la creación de nue-
vos esquemas regulatorios y de mercado para descentralizar, flexibilizar y
descarbonizar los sectores eléctricos del mundo. En los últimos años, los
modelos de intercambio de energía entre pares (p2p) han surgido como
alternativa para que los usuarios finales de electricidad participen acti-
vamente en la industria eléctrica. Los esquemas de energía p2p permiten
que prosumidores (usuarios que consumen y producen electricidad) y
consumidores intercambien energía entre ellos mismos. Los modelos de
energía p2p prometen aumentar la flexibilidad de los sistemas eléctricos
y la adopción de fuentes de energía renovables. Para los usuarios finales,
los intercambios de energía p2p pueden abrir oportunidades para obtener
347
mejores precios para sus excedentes de energía, consumir energía renovable y aumentar
su poder decisión sobre el tipo de suministro eléctrico que desean tener [1].
Los modelos de intercambio de energía p2p se han estudiado ampliamente en países
desarrollados como Reino Unido, Estados Unidos, Australia, Nueva Zelanda y países
de la Unión Europea. Por otro lado, microrredes basadas en intercambios p2p, han sido
analizadas para aliviar problemas de acceso al servicio en comunidades aisladas sin
conexión a la red. En este sentido, hay una brecha notable de investigación y aplicación
de pruebas piloto en países en vía de desarrollo en contextos urbanos con conexión
y acceso al suministro de electricidad. Hay una carencia de estudios aplicados que
exploren los esquemas de energía p2p en países en vía de desarrollo, pero que vayan
más allá del acceso básico a la energía para explorar otros valores y beneficios, como la
modernización del servicio eléctrico, los nuevos modelos de negocio, la reducción de
emisiones, el empoderamiento de los usuarios y el desarrollo social.
En este capítulo se evalúan los conceptos clave y las oportunidades y retos que
plantean los modelos de intercambio de energía p2p. El capítulo empieza enmarcando
el concepto de intercambios de energía p2p en el contexto general de la transición en-
ergética y define un marco conceptual para entender las diferencias entre los esquemas
p2p con otros modelos de energía centrados en los usuarios. La sección ii explica en
mayor detalle los elementos físicos y virtuales que componen los mercados de energía
p2p. La sección iii expone una lista de casos de éxito en diferentes países desarrollados
y en vía de desarrollo. La sección iv expone el caso de estudio del piloto de intercam-
bio de energía p2p desarrollado en Medellín, Colombia, en el marco de la Iniciativa de
Energía Transactiva de la Universidad eia.
Contexto y definiciones básicas

juan pablo cárdenas álvarez, juan andrés estrada walker y juan manuel españa
La transformación profunda que atraviesan los sectores eléctricos ha sido comúnmente

caracterizada a partir de las 5 D de la transición energética: descarbonización, descen-
tralización, digitalización, democratización y desregulación. A medida que avanza la
transición impulsada por estos factores la flexibilidad se vuelve el factor operacional
clave para los sectores eléctricos. La Agencia Internacional de Energía Renovable (Irena)
define el concepto de flexibilidad de la siguiente manera:
La capacidad de un sistema eléctrico para hacer frente a la variabilidad e incerti-

dumbre que introducen la energía solar y la eólica en diferentes escalas de tiempo,
desde el muy corto al largo plazo, evitando la restricción de la energía procedente
de estas fuentes renovables y suministrando de forma fiable toda la demanda ener-
gética de los clientes. [2] p.23.
En ese sentido, la integración de recursos energéticos distribuidos implica oportuni-

dades y retos para los sectores eléctricos del mundo. Estos recursos tienen el potencial
de reducir pérdidas, fomentar el uso de fuentes renovables de bajo impacto, dinamizar
los mercados eléctricos y posiblemente impactar los precios del servicio. Por otro lado,
348
también plantean retos y exigen posibles cambios en la planificación, la ampliación, la
explotación y el mantenimiento de la red actual [3].
Con la adopción masiva de recursos energéticos distribuidos y las tecnologías digita-
les, están surgiendo nuevos servicios, modelos de negocio y funcionalidades dentro de
la industria eléctrica. Los usuarios finales se están convirtiendo en prosumidores (que
pueden consumir y producir energía) y en participantes activos del sector. La participa-
ción en programas de respuesta a la demanda y de eficiencia energética, la elección de
su proveedor de energía, la definición de las características de su suministro energético
preferido, la generación de energía y la venta de sus excedentes, se están convirtiendo
en nuevas posibilidades para los usuarios finales de energía [4].
En 2019, la Agencia Internacional de Energía Renovable (Irena) realizó un mapeo
completo de la industria y definió 4 áreas de la innovación que tendrán el mayor impacto
en la transformación energética [5].
Tecnologías facilitadoras: la tecnología juega un papel clave en la integración masiva
de energía renovable. Irena contempla tecnologías clave como almacenamiento a gran
y pequeña escala, cargadores inteligentes de vehículos eléctricos, conversión de energía
renovable en calor e hidrógeno verde, tecnologías digitales (iot, inteligencia artificial,
big data, blockchain), microrredes renovables, entre otras.
Diseño de mercados: la reestructuración de las reglas del mercado es un paso clave
para facilitar flujos de inversión hacia proyectos que ayuden a disminuir las emisiones
del sistema y a viabilizar una alta cuota de erv. Para ello existe la necesidad de aumentar
la granularidad espacial y temporal del mercado, facilitar la entrada de servicios comple-
mentarios y la participación de recursos energéticos distribuidos (der) en los mercados
mayoristas, habilitar mercados regionales y estructurar sistemas de facturación neta.
Operación del sistema: la masificación de las erv conlleva un aumento significativo
de la incertidumbre en el sistema. Los operadores deben estar capacitados para ges-
tionar este cambio de paradigma y comunicarse con los demás actores. Debe avanzarse
en áreas como el pronóstico avanzado de la generación renovable, la operación del
almacenamiento hidráulico, líneas eléctricas virtuales y el uso dinámico de las líneas
(dynamic line rating).
Los campos de innovación terminan materializándose en nuevos modelos de ne-
gocio que permitan la monetización del valor que generan estas nuevas tecnologías,
facilitando así su adopción masiva. Estos incluyen: agregación, servitización, comuni-
dades energéticas y modelos de pago por uso (pay-as-you-go) y los modelos de energía
modelos de intercambio de energía entre pares

centrados en los usuarios finales.
Modelos de energía centrados en los usuarios finales

Los modelos de energía centrados en el usuario final consisten en nuevas formas
de gestionar la electricidad por parte de prosumidores y consumidores de energía a
pequeña escala. Estos modelos, impulsados por los recursos energéticos distribuidos
y las tecnologías digitales, usualmente implican transacciones de electricidad entre
usuarios finales y con la red de distribución [6]. Estos modelos están caracterizados
349
por la participación de usuarios de pequeña escala, normalmente prosumidores de
energía solar fotovoltaica, que tienen la capacidad de intercambiar o compartir energía
entre sí [7]. En ese sentido, los modelos pueden clasificarse en 3 esquemas, los cuales
se diferencian entre sí por sus objetivos, escala, funcionamiento y gobernanza. Estos
son los esquemas transactivos, de autoconsumo comunitario y de intercambio de
energía entre pares [8].
Esquemas transactivos
La energía transactiva es un concepto definido por el GridWise Architecture Council

como “un sistema de mecanismos económicos y de control que permite el equilibrio
dinámico de la oferta y la demanda en toda la infraestructura eléctrica utilizando el
valor como parámetro operativo clave” [9] p.11. Los esquemas transactivos requieren
coordinación y control en diferentes capas y niveles de mercado: transmisión, dis-
tribución y las transacciones a nivel de usuario final [10]. En este sentido, el término
energía transactiva abarca una amplia lista de modelos. Los participantes en esque-
mas transactivos buscan que sus acciones e interacciones con otros participantes y la
red generen beneficios para el sistema eléctrico en general. Un ejemplo de esquema
transactivo puede ser un mercado de flexibilidad. En este tipo de mercados se habilita
la compra y venta de la flexibilidad suministrada tanto por prosumidores como por
consumidores a nivel de distribución. Esto implica un mayor acceso al mercado de
los recursos energéticos descentralizados, una herramienta más de apoyo para los
operadores de sistemas de distribución y un flujo de valor para los proveedores de
energía [11].
Tabla 16.1. Características de los esquemas de energía transactivos

Objetivos Escala Funcionamiento Gobernanza
Beneficios e Diversidad Operación a Diversidad de

incentivos para el de escalas distintos niveles de actores y sistemas de
Esquemas sistema eléctrico espaciales la red gobernanza
transactivos
Autoconsumo comunitario
Un grupo de personas participa activamente en el sector eléctrico como un colectivo o

una comunidad. Como su nombre lo indica, los participantes en los modelos de auto-
consumo comunitario tienen como objetivo que los beneficios de la comercialización
de la energía que autogeneran tengan fines comunitarios. Así, un modelo comunitario
puede conformarse con el propósito de fortalecer el tejido económico y social de una
comunidad, o simplemente abogar por la obtención de beneficios ambientales [6].
350
Tabla 16.2. Características de los esquemas de autoconsumo comunitario
Beneficios Operación centrada en Propiedad y gobernanza

Área local
e incentivos la autosuficiencia y la compartida de los activos y la
específica
Autoconsumo comunitarios distribución de beneficios operación
comunitario
Intercambio de energía entre pares (p2p)
Peer-to-peer es un concepto de economía compartida (por ejemplo, Uber o Airbnb) en

el que los pares interactúan a través de una plataforma digital para intercambiar bienes
y servicios. Las transacciones de electricidad entre consumidores y prosumidores se
consideran esquemas de intercambio de energía entre pares (p2p) [12]. Los intercam-
bios de energía pueden ocurrir directamente entre los participantes en el mercado o
indirectamente a través de un tercer participante en el mercado, como un agregador,
una plataforma digital o la red de distribución [6]. Asimismo, los mercados de energía
p2p pueden funcionar en diversas escalas espaciales, desde usuarios locales dentro de
una microrred hasta usuarios distribuidos en regiones más amplias [13].
Los modelos energéticos p2p pueden aprovechar los beneficios de la integración
de der al mejorar la eficiencia de la red y reducir las pérdidas de transmisión, ya que
la energía se consume cerca del punto de producción. También tienen el potencial de
habilitar programas de respuesta a la demanda equilibrando localmente la generación
renovable intermitente y la demanda. Por otro lado, los esquemas p2p permiten a los
prosumidores y consumidores tomar decisiones basadas en sus valores e intereses in-
dividuales. En consecuencia, implican beneficios económicos y pueden traer impactos
sociales positivos, pues la electricidad puede ser compartida, intercambiada o donada
entre los mismos usuarios [1].
Tabla 16.3. Características de los esquemas de intercambio de energía entre

pares

Mercados de energía Prosumidores que son

Beneficios Operación centrada
virtuales dueños de los activos de
e incentivos en transacciones
No limitados generación y deciden
Intercambio de individualistas directas de energía
geográficamente participar en mercados p2p
energía entre pares
351
Modelo de estudio por capas
Para entender las implicaciones sociales, regulatorias y políticas del desarrollo y adopción
de los modelos energéticos centrados en los usuarios finales, en septiembre de 2019 se
lanzó el Observatorio Global de Modelos Energéticos de intercambio de energía entre
pares, autoconsumo comunitario y energía transactiva [8]. Este Observatorio funciona
como un foro internacional para la discusión alrededor de estos modelos y cuenta con la
participación de más de 200 expertos de todo el mundo, representando a la Academia,
la industria, las organizaciones sin ánimo de lucro, entre otros actores.
Como metodología de trabajo para la identificación de los retos, oportunidades y
aspectos más relevantes de la implementación de los modelos, el Observatorio enfoca
sus esfuerzos en el estudio de 5 áreas de interés o capas, que se presentan en la tabla 16.4.
Tabla 16.4. Resumen de las capas de estudio de los modelos de energía

centrados en los usuarios finales
Estudio de los impactos que tendría para la red eléctrica una mayor integración de
Integración recursos energéticos descentralizados. Así mismo, se analiza el tipo de mecanismos
a sistemas de y tecnologías que se pueden implementar para que la administración y operación de
potencia la red se realice de forma inteligente y la implementación de los modelos no traiga
más problemas de los que puede proveer [14].
Análisis del rol que tendrán el hardware, el software, y los datos asociados a la
utilización de estos, en los nuevos esquemas de mercado centrados en los usuarios.
tic y datos
Así mismo, se evalúan los impactos derivados de la implementación de tecnologías
de la información y la comunicación existentes y futuras [15].
Estudio de las nuevas dinámicas de interacción entre los usuarios, habilitadas por
Mercados y
las tecnologías digitales. Así mismo, se analiza el diseño del mercado y qué tipo de
transacciones
configuraciones pueden ser más útiles para los diferentes actores participantes [16].
Evaluación y diseño de propuestas de valor para el usuario final basadas en el valor

Valor social y social y económico que estos pueden llegar a percibir. Así mismo, se evalúa cómo
económico los mecanismos de elección asociados a los modelos p2p/csc/te influyen en el
compromiso de los participantes y los resultados [7].
Evaluación del impacto que tiene el marco normativo en la adopción y despliegue

Política y de los modelos. Así mismo, se analizan los aspectos específicos de la regulación
regulación que se deben modificar para habilitar un desarrollo orgánico de los esquemas de
mercado [6].
Elementos principales de los mercados de energía p2p

En un mercado de energía p2p, un prosumidor puede vender electricidad a un consumi-
dor o a otro prosumidor. El proceso de intercambio ocurre a través de una plataforma
de mercado que coordina las transacciones, incluyendo la formación de precios y el
mecanismo de mercado. Usualmente, los mercados locales de energía están conectados
a la red de distribución y se establecen localmente precios más atractivos que los que
ofrece la red para incentivar el mercado local prioritariamente [3].
352
Siguiendo el trabajo de [17], en los mercados de energía p2p se pueden clasificar los
elementos principales en 2 categorías:
Elementos físicos
• Participantes: las preferencias y objetivos de los participantes definirán el diseño de

precios y mecanismos de mercado. Una parte de los participantes debe tener activos de
generación.
• Activos o recursos energéticos distribuidos: estos pueden ser controlables (despachables),
como baterías y vehículos eléctricos, o no-controlables, como la generación fotovoltaica.
• Medición inteligente e infraestructura de comunicación: los participantes deben contar
con medidores bidireccionales con capacidad de transmitir los datos con el rendimiento
y latencia que requiere el mercado. Por otro lado, los participantes deben contar con
herramientas digitales para acceder a su información en la plataforma de mercado.
• Conexión a la red: los mercados de energía p2p pueden establecerse conectados a la
red o como microrredes aisladas. Los mercados conectados a la red balancean oferta
y demanda comprando y vendiendo energía a la red. Para este tipo de esquemas es de
gran importancia los puntos de conexión y los trámites regulatorios. Por el contrario, los
mercados en modo isla deben tener autosuficiencia del 100 % con estrategias de respaldo
como almacenamiento o plantas auxiliares.
Elementos virtuales
• Plataforma digital: sus funcionalidades incluyen ejecutar los protocolos de comunica-

ción, integrar los participantes a la plataforma de mercado, monitorear la operación del
mercado, asegurar la confiabilidad y la seguridad, habilitar las reglas y restricciones.
• Operación de mercado y mecanismos de precio: las reglas para la operación del mercado
incluyen el diseño del mercado, reglas de pagos, transacciones eficientes, mecanismos
de formación de precios, balance de oferta y demanda, reflejar el estado de la red y ne-
cesidades del mercado incluyendo sobrecostos y tarifas adicionales.
• Sistema de gestión de energía: este sistema “representa” los intereses del usuario en el
mercado con estrategias de compra y venta. Para esto debe leer las señales de precio y
asegurar el suministro continuo del servicio.
• Interfaz digital con el usuario: es el punto de conexión con el usuario a través de una

aplicación o página web. En esta interfaz el usuario puede ver su información y esta-
blecer preferencias o restricciones para su participación en el mercado.
Según los elementos descritos, las plataformas digitales que habilitan el intercam-
bio p2p son el punto clave para el desarrollo de estos modelos. Esta plataforma deberá
gestionar los datos de producción, consumo y ejecutar las transacciones entre los
usuarios [3]. A partir de experimentos simulados con una plataforma intercambio p2p,
[12] demostraron que en una microrred de baja tensión el intercambio de energía p2p
puede mejorar el balance local de generación y consumo de electricidad. En cuanto al
poder de decisión y preferencias de los usuarios, en la investigación de [18] plantearon
un mercado de energía entre pares multiclase, con diversidad de preferencias más allá
353
del interés monetario. Esto demostró que los mercados p2p pueden escalarse consid-
erando las preferencias individuales de sus participantes. Finalmente, los intercambios
de energía p2p pueden ir más allá de las transacciones locales de electricidad y potenciar
esquemas de eficiencia energética y servicios complementarios para la red [19].
El núcleo de estas plataformas digitales es el mecanismo o las reglas de mercado que
se establezcan en ella. En la literatura actual, los mercados de intercambio de energía
p2p han sido estudiados principalmente con algoritmos de mercado, teoría de juegos
y subastas. Las plataformas digitales pueden habilitar diferentes tipos de mercados de-
pendiendo de su nivel de descentralización. Estos mercados pueden clasificarse como
comunitarios, p2p completo o híbridos [20]. Un mercado p2p completo implica que
los participantes intercambian electricidad directamente sin necesidad de un tercero.
En un mercado “comunidad” existe un agregadores o intermediario que facilita el in-
tercambio. Los mercados híbridos involucran transacciones directas entre usuarios y
también la participación de un agregador. Los esquemas centralizados tienen un mayor
control del balance de oferta y demanda, pero los mercados descentralizados tienen
gran potencial en términos de privacidad, escalabilidad y libertad de contratación de
los pares [20]. Los mercados descentralizados han tenido un auge reciente debido a las
tecnologías de libro distribuido como blockchain.
El papel de blockchain para las transacciones p2p

Las tecnologías de libro distribuido, como blockchain, han trascendido su popularidad
inicial en el mundo de las criptomonedas y han demostrado gran potencial para revo-
lucionar diversos sectores, entre ellos el sector energético [21]. Blockchain se refiere a un
tipo de base de datos con una estructura de bloques que se replican y se distribuyen entre
diferentes servidores de una red (nodos) [22]. Un grupo de nodos puede agregar nuevos
bloques por medio de un mecanismo de consenso y cada nuevo bloque se identifica

con referencia al anterior mediante una etiqueta única o hash [23]. Este mecanismo de
registro y validación distribuida permite tener transacciones seguras y transparentes.
Además de almacenar información y habilitar las transacciones, blockchain permite
diseñar y ejecutar contratos inteligentes que sigan una lógica y condiciones predeter-
minadas. Estos contratos inteligentes informan cómo se realizan las transacciones en
la cadena de bloques. Con los contratos inteligentes funcionando sobre una red block-
chain, las transacciones ocurren automática y transparentemente sin necesidad de un
tercero que ejecute los contratos [21]. En los últimos años, el uso de blockchain se ha
estudiado ampliamente para aplicaciones en la industria eléctrica. En un estudio por
[24] se identificaron más de 140 investigaciones de aplicaciones de blockchain con la
industria energética. Estas aplicaciones se agruparon en:
• Medición inteligente, facturación y seguridad
• Criptomonedas, tokens e inversión
• Certificados verdes y mercados de carbono
• Gestión de la red
• iot, dispositivos inteligentes, automatización y gestión de activos
• Movilidad eléctrica
• Iniciativas y consorcios de propósito general
354
Mercados de energía descentralizados
Una de sus principales promesas es soportar esquemas transaccionales entre pares, locales
y descentralizados [22]. Blockchain, a través de contratos inteligentes, ha demostrado
facilitar las transacciones entre pares automatizando las condiciones específicas para el
intercambio. Algunos estudios han demostrado que la automatización puede reducir los
costos de transacción permitiendo que los prosumidores obtengan un mayor beneficio
por participar en estos mercados [25].
Casos de éxito de modelos de intercambio

de energía entre pares
En los últimos años han aumentado considerablemente el número de proyectos piloto
y aplicaciones comerciales alrededor del intercambio de energía entre pares. Algunos
autores han realizado estudios comparativos analizando la descripción técnica, limita-
ciones y beneficios de varios pilotos en todo el mundo. Entre ellos se destaca el trabajo
de [26], [27], [28]. Asimismo, en 2020, Irena publicó un reporte sobre intercambios de
energía p2p donde analizaba varios casos de éxito [13]. La revisión más completa y actua-
lizada sobre casos de éxito es el trabajo de [29] en el que los autores hacen una revisión
de 50 proyectos de intercambio de energía p2p propuestos, en curso o terminados en
todo el mundo. Este estudio busca comparar diferentes configuraciones de los pilotos
con respecto a su esquema de negocio, barreras, limitaciones y oportunidades. Con el
objetivo de sentar un panorama más claro sobre dónde y cómo se están estableciendo
modelos de intercambio entre pares en el mundo, en la tabla 16.5 se presentan proyectos
de interés en diferentes regiones del mundo.
Tabla 16.5. Casos de estudio relevantes de intercambio de energía p2p a nivel

mundial
Caso de
Año País Descripción Referencias
éxito
Piloto de investigación y desarrollo
Nobel 2012 España [29], [30]
Aplicación en línea que habilita el intercambio p2p
Aplicación real de minirredes, electrificación en enjambre e

SOLshare 2014 Bangladesh intercambios p2p. Conecta a los consumidores y prosumidores y [13]
permite compartir la electricidad localmente.
Aplicación comercial real a nivel país. Aplicación en línea como
plataforma transaccional. Los consumidores pueden comprar
Vandebron 2014 Holanda [13]
energía directamente a los prosumidores. La aplicación actúa
como un proveedor intermediario y cobra una tarifa por uso.
Brooklyn Piloto real en una microrred. Usa blockchain como plataforma
2015 eua [29], [31].
microgrid transaccional. Primer caso de estudio p2p usando dlt.
Piloto real en una microrred. Usa blockchain como plataforma
Allgau
2017 Alemania transaccional. Como se integra flexibilidad, da respuesta a la [29]
Microgrid
demanda y restricciones de la red para mejorar la integración
355
Microrred virtual. Usa blockchain como plataforma
Latrobe
transaccional. Estudia la viabilidad de un mercado p2p local para
Valley Virtual 2018 Australia [29], [32]
las granjas lecheras, los participantes residenciales y los clientes
Microgrid
comerciales e industriales del Valle de Latrobe.
Piloto real en una microrred en un bloque de apartamentos.

bcpg Usa blockchain como plataforma transaccional. Usando una
Apartment 2018 Tailandia plataforma de intercambio, los vecinos del edificio podrán [29], [33]
Microgrid intercambiar energía de paneles solares con una liquidación
financiera independiente.
Brixton energy Piloto real en una microrred. Usa blockchain como plataforma
Reino
solar “Project 2019 transaccional. Proyectos cooperativos de energía renovable [29], [34]
Unido
Community” cuyos ingresos se quedan en la comunidad local.
Piloto real a escala de ciudad. Usa blockchain como plataforma

transaccional. Los objetivos incluyen identificar elementos
Seda peer-to-
2020 Malasia para una arenera regulatoria, evaluar los requisitos técnicos, [29], [35]
peer trial
el impacto financiero y las motivaciones para participar en
esquemas p2p.
Piloto real a escala de ciudad. Usa blockchain como plataforma

Uttar Pradesh
transaccional. Estudia la viabilidad del intercambio p2p
Rooftop Solar 2020 India [29], [36]
mediante contratos inteligentes entre los prosumidores y hogares
Project
vecinos.
Caso de aplicación: Transactive Energy Initiative Colombia y

piloto de intercambio de energía entre pares en Medellín
Antecedentes y objetivos
En el grupo Energeia de la Universidad eia se creó Transactive Energy Colombia

Initiative. Esta iniciativa es un esfuerzo investigativo de colaboración academia-in-
dustria pionero en Colombia que busca crear una base de evidencia para promover la
aplicación masiva de modelos de energía centrados en los usuarios finales en el país.
La iniciativa se estableció en 2019 junto a University College London (uk), en alianza
con neu Energy, erco Energía y las Empresas Públicas de Medellín (epm). Igualmente,
esta es apoyada y financiada por la Real Academia de la Ingeniería del Reino Unido y
el Newton Fund [37].
La primera fase de esta iniciativa se enfocó en un piloto de intercambio de energía
entre pares en Medellín con usuarios de diferentes estratos y características socioeco-
nómicas. Los objetivos del piloto fueron:
356
• Probar la instalación y conexión a la red de recursos energéticos distribuidos en diferentes
barrios de la ciudad.
• Probar el despliegue de la medición inteligente, el iot y una plataforma digital.
• Utilizando los datos de generación, carga e inyección, inferir cómo podría funcionar
un intercambio de energía p2p con participantes.
Descripción del piloto
El piloto de energía p2p en Medellín consiste en una microrred virtual habilitada por
medición inteligente y una plataforma digital. Esta plataforma digital fue desarrolla-
da por la empresa neu Energy, una empresa de comercialización de energía con una
propuesta de valor digital [38]. El piloto conecta a 12 usuarios residenciales y 1 centro
comunitario en el área metropolitana del Valle de Aburrá.
Es importante aclarar que en Colombia el precio de la electricidad para usuarios
residenciales es fijado por las autoridades, específicamente, la Comisión de Regu-
lación de Energía y Gas [39]. El precio incluye los costos de generación, transmisión,
distribución, comercialización, pérdidas y restricciones del Sistema Interconectado
Nacional. Además, existe un esquema de subsidios cruzados los cuales modifican el
monto que pagan los usuarios en función de los estratos socioeconómicos. Los usuarios
de los estratos 5 y 6 están obligados a pagar un 20 % adicional sobre su factura como
una contribución dirigida a los usuarios de los estratos 1 a 3. El estrato 4 paga la tarifa
completa, sin contribución ni subsidio [40]. El esquema regulatorio actual implica que
la tarifa de los usuarios finales no puede modificarse, por lo cual las facturas de elec-
tricidad de los participantes en el piloto no cambiaron, excepto por el ahorro asociado
a la generación fotovoltaica.
En este contexto, en el piloto se instalaron los paneles fotovoltaicos y una batería
en las casas de los usuarios de estratos de bajos ingresos para que se beneficiaran del
piloto como prosumidores de energía y tener en el intercambio entre pares hogares con
diferentes características estructurales y socioeconómicas.
De los 13 participantes del piloto, hay 3 casas en estratos bajos y el centro comunitario
Casa Kolacho de la Comuna 13 de Medellín. Casa Kolacho es un centro cultural que
promueve el turismo, la música y el arte, y, a partir de eso, la cohesión de la comunidad,
la cultura y la convivencia [41]. Estos 4 participantes fueron equipados con módulos
fotovoltaicos y en Casa Kolacho, además, se instaló una batería. 6 participantes son los

consumidores puros del piloto, es decir, casas o apartamentos en estratos 4 a 6 que no
tienen generación de energía. Los tres participantes restantes son casas en estrato 6 que
previo al piloto ya tenían sistemas fotovoltaicos. En los trece usuarios se instalaron me-
didores inteligentes con capacidad de transmisión de datos por red celular. La interfaz
de usuario y la plataforma digital desarrolladas por neu, utiliza la información de los
medidores inteligentes y permite el intercambio digital de los excedentes de energía
solar entre los participantes del piloto. En la tabla 16.6 se describen los usuarios y los
equipos instalados. En la figura 16.1 se representa esquemáticamente el diseño del piloto.
357
Tabla 16.6. Descripción de usuarios y equipos
Tipo de usuario Usuarios Equipos instalados
Planta FV 5.58 kWp, inversor, cableado, batería 6.3 kWh,

Centro Comunitario 1
medidor inteligente
Prosumidores Planta FV 1.24 kWp, inversor, cableado, medidor

3
Estratos 2 y 3 inteligente
Consumidores
6 Medidor inteligente
Estratos 4, 5 y 6
Prosumidores
3 Módem
Estrato 6

Figura 16.1. Esquema del piloto de energía p2p en Medellín

En el piloto no se logró que la batería instalada en Casa Kolacho funcionara de

forma óptima. La idea inicial era que la batería maximizara el autoconsumo en Casa
Kolacho, abasteciéndola de energía en horas de la noche, reduciendo sus consumos de
la red y aumentando la cantidad de excedentes para intercambiar. Sin embargo, por las
358
características técnicas de la batería instalada, esta funcionó únicamente como respaldo
ante cortes de electricidad.
El mecanismo de intercambio p2p desplegado en el piloto se basó en la disponib-
ilidad de excedentes de energía solar en una hora determinada. Es decir, en una
hora determinada se agrupan los excedentes de cada casa y se despachan a las casas
que demandaron electricidad en esa misma hora. El algoritmo de intercambio, de-
sarrollado por neu, prioriza a los usuarios que menos han intercambiado en horas
anteriores. Esta priorización pretende incentivar una participación equitativa en
el intercambio.
Resultados
Retos en el despliegue de recursos energéticos distribuidos

y medición inteligente
Durante la instalación de los sistemas fotovoltaicos en las casas de bajos estratos, se
identificaron varios retos. Los sistemas eléctricos generalmente no cumplen con las
condiciones mínimas de seguridad y normas Retie. En el piloto fue necesario realizar
correcciones en el sistema eléctrico existente. Por otro lado, fue necesario reforzar la
estructura de los techos de algunas casas en estratos bajos debido a los materiales y
estructura informal de los techos. Asimismo, estas casas con frecuencia cuentan con
un tablero provisional en lugar de un tablero general de conexiones que es necesario
establecer antes de la instalación y puesta en marcha del sistema fotovoltaico. Por otro
lado, el piloto sufrió demoras hasta de 8 meses para lograr el registro de los prosumidores
como autogeneradores a pequeña escala, según la Resolución 171 de 2021 de la Creg [42].
Con respecto a la medición inteligente, se instalaron medidores inteligentes de
diferentes marcas y proveedores para comparar el funcionamiento y retos de la tec-
nología. Durante el piloto se descubrieron fallas de desconfiguración de fecha y hora,
intermitencias en la transmisión de los datos, al igual que perfiles de carga, inyección
y generación corruptos.
Además de los retos técnicos, también se identificaron retos educativos y una falta
general de conocimientos sobre conceptos básicos de energía, la factura de servicios
públicos y falta de habilidades digitales. Estos son obstáculos significativos para la
participación de usuarios de bajos estratos en este tipo de esquemas de energía. Adi-
cionalmente, aún existe una barrera financiera para el acceso a recursos energéticos

distribuidos por parte de hogares de bajos ingresos. Esto se refleja en el hecho de que
los sistemas solares que se instalaron en este piloto fueron las primeras instalaciones
de este tipo en los barrios de bajos estratos.
Datos de energía e intercambio p2p
El piloto estuvo 100 % operativo para finales de 2020 y la fase de recolección de datos se
llevó a cabo hasta diciembre de 2021. En la figura 16.2 se puede ver un ejemplo de una
instalación del piloto y el perfil de generación horaria de un día promedio.
359
Figura 16.2. Instalación fotovoltaica en usuarios de bajos estratos y ejemplo de los perfiles de
exportación e importación de energía
Hasta diciembre de 2021, en la operación del piloto se intercambiaron 3770 kWh de

energía entre los usuarios, en 10 668 transacciones. En la figura 16.3 se puede observar
el histórico acumulado de transacciones entre los usuarios del piloto.
Figura 16.3. Transacciones entre pares. Las etiquetas en los recuadros se

refieren a la cantidad de energía en kWh. pa: prosumidor de altos estratos; pb:
prosumidor de bajos estratos; cko: casa Kolacho; c: consumidores
Según el algoritmo de intercambio implementado, las transacciones dependen del

nivel de consumo (también relacionado con la riqueza del hogar) y el tamaño de los
sistemas de generación. Por lo tanto, la figura 16.3 representa visualmente cómo los
participantes con mayor nivel socioeconómico podrían beneficiarse de más de un
posible mercado de energía p2p. Las transacciones muestran que los prosumidores de
360
altos estratos, con más capacidad instalada, son más activos en el mercado. PA1 es un
prosumidor en estrato 6 con el sistema fotovoltaico de mayor capacidad en el piloto
(9.72 kWp) y C3 es el mayor consumidor. En las transacciones se puede observar su
prevalencia en el intercambio de energía.
Preferencias y disposición para pagar por la energía p2p
Los modelos de energía p2p funcionan combinando generación distribuida y la trazabi-

lidad digital de la generación y el consumo de energía. En ese sentido, el suministro de
electricidad adquiere una nueva gama de atributos, y entender cuáles de ellos generan
valor y afectan las preferencias de los usuarios finales es crucial para el diseño de los
modelos [7].
En el marco del piloto de intercambio de energía p2p en Medellín, se realizó un
experimento de elección para identificar las preferencias y la disponibilidad a pagar
de usuarios residenciales de electricidad por atributos de la energía relacionados con
intercambios p2p. Un experimento de elección es un estudio económico basado en
encuestas que busca explorar la valoración que tienen los encuestados por diferentes
atributos de bienes o servicios. Este método plantea preguntas que simulan situaciones
de elección reales en las que el bien o servicios se desagrega en varios de sus atributos
o características [43].
El estudio consistió en encuestar a usuarios de electricidad del área metropol� -
itana del Valle de Aburrá para que eligieran entre alternativas de suministro de
electricidad diferenciadas por los siguientes atributos: (1) fuente de generación,
(2) ubicación de la generación, (3) destinación de las ganancias, (4) propietario de
los equipos, y (5) precio mensual. La encuesta recibió 1101 respuestas válidas que
se analizaron para cuantificar la disponibilidad marginal por pagar por cada nivel
de esos atributos. Este estudio es el primero en intentar revelar las preferencias y
explicar las razones de los usuarios residenciales de electricidad para participar en
modelos de energía p2p [44].
Los resultados del estudio muestran que un usuario final de energía residencial
promedio está dispuesto a pagar 29 % de más sobre la tarifa promedio mensual por un
suministro de energía 100 % generado a partir de paneles solares, 25 % más sobre la tarifa
media mensual por un suministro de energía cuyas ganancias contribuyan a una causa
social. Se encontró que el factor de la localidad es relativamente poco importante, 7 %

más para Antioquia y 4 % más para Barrio. El propietario preferido fue una cooperativa
por la que el usuario final promedio pagaría 9 % más. Se descubrió una aversión por
una energía generada con equipos de propiedad de un individuo genérico, por la que
un encuestado medio esperaría pagar 5 % menos [44].
Esta estructura de preferencias es importante para entender el comportamiento de
los usuarios finales y el potencial atractivo de mercados de energía p2p en el contexto
colombiano y latinoamericano. El orden de las preferencias ayuda a inferir las elecciones
de los usuarios, las cuales son relevantes, pues los usuarios finales podrían cambiar de
comercializador de energía si este ofrece valor agregado relacionado con los atributos
medidos en este estudio [44].
361
Conclusiones clave del piloto p2p en Medellín
• Las barreras estructurales, educativas y financieras contrastan con el alto nivel de interés
y voluntad de participación de los usuarios de bajos ingresos. Durante el desarrollo del
piloto, se notó un claro interés de los usuarios de estratos bajos por este tipo de sistemas
energéticos motivados por valores sociales, medioambientales y comunitarios. Este in-
terés se refleja en el hecho de que se esté desarrollando un nuevo piloto de comunidad
energética en uno de los barrios que participaron en el piloto.
• La regulación del sistema eléctrico existente hace que las tarifas del mercado regulado
sean estrictamente controladas y no se pudieron modificar para desplegar un mercado
entre pares con transferencias financieras reales. Es decir, los participantes no vieron
ningún efecto de los intercambios p2p en la factura de servicios públicos. Esta es una
limitación importante de este estudio, pues no se lograron poner a prueba mecanismos
de mercado para evaluar el efecto monetario de transacciones p2p reales.
• La experiencia de los usuarios con neu, soportada por la evidencia investigativa del
estudio de preferencias, confirma que un segmento de usuarios sí está interesado en los
atributos no monetarios de la energía; en especial, energía solar y con impacto social.
Hay una posibilidad tangible de monetizar el interés por los atributos diferenciados de
la energía, por lo que es posible pensar en bonos o tokenización de atributos.
• Se encontró un impacto positivo en el comportamiento energético de los usuarios del
piloto a raíz de la interacción con la aplicación de neu y sus notificaciones de eficiencia
energética. 2 barreras significativas en este sentido son el nivel de digitalización y el nivel
de conocimiento en temas de energía por parte de los usuarios.
• Hay una gran oportunidad para capitalizar el interés encontrado en las comunidades
para extender soluciones energéticas comunitarias. Usar estos proyectos y modelos de
energía para promover empoderamiento de los usuarios finales y como plataformas para
la educación en temas de eficiencia, sostenibilidad, factura, tarifas y la promoción de la

seguridad y legalidad en los barrios.
• La implementación exitosa de un modelo de energía centrado en el usuario requiere
flexibilidad tarifaria que refleje los intereses de los usuarios, trámites ágiles de conexión,
plataformas prácticas, medición transparente y precisa, y usuarios capacitados e invo-
lucrados.
• Los aprendizajes de este piloto plantean 2 preguntas clave: ¿cómo los sistemas energéticos
centrados en el usuario pueden incluir a los participantes de bajos ingresos? Y ¿cómo
asegurar que los marcos regulatorios de próxima generación permitan suficiente flexibilidad
para permitir la innovación en el sector y al mismo tiempo proteger la seguridad del
sistema y a los usuarios más vulnerables?
Referencias
[1] O. Jogunola, A. Ikpehai, K. Anoh et al., “State-of-the-art and prospects for peer-
to-peer transaction-based energy system”, Energies, vol. 10, n.° 12. mdpi ag, dic.
01, 2017. doi: 10.3390/en10122106.
[2] Irena, Power system flexibility for the energy transition, Part 1: Overview for poli-
cy makers. 2018. [En línea]. Disponible en: www.irena.org
362
[3] E. A. Soto, L. B. Bosman, E. Wollega et al., “Peer-to-peer energy trading: A
review of the literature”, Appl Energy, vol. 283, Feb. 2021, doi: 10.1016/j.apener-
gy.2020.116268.
[4] A. Romero-Grass y T. Mach, “Foco 3, fase I: Descentralización y Digitalización
de la Industria y la Gestión Eficiente de la Demanda”, 2019. [En línea]. Dis-
ponible en: https://www.minenergia.gov.co/documents/10192/24202647/Fo-
co+3+-+Fase+1+Informe+Final.pdf
[5] Irena, “Innovation landscape for a renewable-powered future”, Feb. 2019.
https://www.irena.org/publications/2019/Feb/Innovation-landscape-for-a-re-
newable-powered-future (Consultado en Ago. 26, 2022).
[6] L. de Almeida, V. Cappelli, N. Klausmann et al., “Peer-to-Peer Trading and
Energy Community in the Electricity Market-Analysing the Literature on Law
and Regulation and Looking Ahead to Future Challenges”, 2021.
[7] S. Adams, D. Brown, J.P. Cárdenas Álvarez et al., “Social and economic value
in emerging decentralized energy business models: A critical review”, Energies,
vol. 14, n.° 23. mdpi, dic. 01, 2021. doi: 10.3390/en14237864.
[8] gop2p, “Global Observatory on Peer-to-Peer, Community Self-Consumption
and Transactive Energy Models.” https://userstcp.org/task/peer-to-peer-energy-
trading/ (Consultado en ago. 26, 2022).
[9] The GridWise Architecture Council, “GridWise Transactive Energy Framework
Version 1.0”, 2015. [En línea]. Disponible en: www.gridwiseac.org
[10] S. Yin, J. Wang y F. Qiu, “Decentralized electricity market with transactive ener-
gy – A path forward”, Electricity Journal, vol. 32, n.° 4, pp. 7–13, May 2019, doi:
10.1016/j.tej.2019.03.005.
[11] S. Minniti, N. Haque, P. Nguyen et al., “Local Markets for Flexibility Trading:
Key Stages and Enablers”, Energies (Basel), vol. 11, n.° 11, 2018, doi: 10.3390/
en11113074.
[12] C. Zhang, J. Wu, Y. Zhou et al., “Peer-to-Peer energy trading in a Microgrid”,
Appl Energy, vol. 220, pp. 1–12, Jun. 2018, doi: 10.1016/j.apenergy.2018.03.010.
[13] Irena, “Innovation landscape brief: Peer-to-peer electricity trading”, Abu Dhabi,
2020. [En línea]. Disponible en: https://irena.org/-/media/Files/IRENA/Agen-
cy/Publication/2020/Jul/IRENA_Peer-to-peer_trading_2020.pdf
[14] V. Dudjak et al., “Impact of local energy markets integration in power systems
layer: A comprehensive review”, Appl Energy, vol. 301, Nov. 2021, doi: 10.1016/j.

apenergy.2021.117434.
[15] B. O’Regan et al., “p2p, csc and te: A Survey on Hardware, Software and Data”,
Jun. 2021. doi: 10.47568/5XR121.
[16] T. Capper et al., “A Systematic Literature Review of Peer-to-Peer, Community
Self-Consumption, and Transactive Energy Market Models”, 2021. [En línea].
Disponible en: https://ssrn.com/abstract=3959620
[17] W. Tushar, T. K. Saha, C. Yuen et al., “Peer-to-Peer Trading in Electricity Ne-
tworks: An Overview”, ieee Trans Smart Grid, vol. 11, n.° 4, pp. 3185–3200, 2020,
doi: 10.1109/TSG.2020.2969657.
[18] T. Morstyn y M. D. McCulloch, “Multiclass Energy Management for Peer-
to-Peer Energy Trading Driven by Prosumer Preferences”, ieee Transac-
363
tions on Power Systems, vol. 34, n.° 5, pp. 4005–4014, Sep. 2019, doi: 10.1109/
TPWRS.2018.2834472.
[19] W. Inam, D. Strawser, K. K. Afridi et al., “Architecture and system analysis
of microgrids with peer-to-peer electricity sharing to create a marketplace
which enables energy access”, in 2015 9th International Conference on Power
Electronics and ecce Asia (icpe-ecce Asia), 2015, pp. 464–469. doi: 10.1109/
ICPE.2015.7167826.
[20] H. Muhsen, A. Allahham, A. Al-halhouli et al., “Business Model of Peer-to-Peer
Energy Trading: A Review of Literature”, Sustainability (Switzerland), vol. 14, n.°
3. mdpi, Feb. 01, 2022. doi: 10.3390/su14031616.
[21] T. Roth, M. Utz, F. Baumgarte et al., “Electricity powered by blockchain: A
review with a European perspective”, Appl Energy, vol. 325, p. 119799, Nov. 2022,
doi: 10.1016/j.apenergy.2022.119799.
[22] A. Ahl, Autor 2, Autor 3 et al., “Exploring blockchain for the energy transition:
Opportunities and challenges based on a case study in Japan”, Renewable and
Sustainable Energy Reviews, vol. 117, ene. 2020, doi: 10.1016/j.rser.2019.109488.
[23] H. Zhang, J. Wang, y Y. Ding, “Blockchain-based decentralized and secure key-
less signature scheme for smart grid”, Energy, vol. 180, pp. 955–967, Ago. 2019,
doi: 10.1016/j.energy.2019.05.127.
[24] M. Andoni et al., “Blockchain technology in the energy sector: A systematic
review of challenges and opportunities”, Renewable and Sustainable Energy Re-
views, vol. 100, pp. 143–174, 2019, doi: https://doi.org/10.1016/j.rser.2018.10.014.
[25] L. Thomas, Y. Zhou, C. Long et al., “A general form of smart contract for de-
centralized energy systems management”, Nat Energy, vol. 4, n.° 2, pp. 140–149,
2019, doi: 10.1038/s41560-018-0317-7.
[26] C. Park y T. Yong, “Comparative review and discussion on p2p electricity
trading”, Energy Procedia, vol. 128, pp. 3–9, 2017, doi: https://doi.org/10.1016/j.
egypro.2017.09.003.
[27] T. Sousa, T. Soares, P. Pinson et al., “Peer-to-peer and community-based mar-
kets: A comprehensive review”, Renewable and Sustainable Energy Reviews, vol.
104. Elsevier Ltd., pp. 367–378, Apr. 01, 2019. doi: 10.1016/j.rser.2019.01.036.
[28] C. Zhang, J. Wu, C. Long et al., “Review of Existing Peer-to-Peer Energy Trad-
ing Projects”, in Energy Procedia, 2017, vol. 105, pp. 2563–2568. doi: 10.1016/j.
egypro.2017.03.737.
[29] C. L. Gunarathna, R. J. Yang, S. Jayasuriya et al., “Reviewing global peer-to-peer
distributed renewable energy trading projects”, Energy Res Soc Sci, vol. 89, p.
102655, 2022, doi: https://doi.org/10.1016/j.erss.2022.102655.
[30] A. Marqués, Autor 2, Autor 3 et al., “Nobel - A neighborhood oriented broker-
age electricity and monitoring system”, in Lecture Notes of the Institute for Com-
puter Sciences, Social-Informatics and Telecommunications Engineering, lnicst,
2011, vol. 54, pp. 187–196. doi: 10.1007/978-3-642-19322-4_20.
[31] E. Mengelkamp, J. Gärttner, K. Rock et al., “Designing microgrid energy mar-
kets: A case study: The Brooklyn Microgrid”, Appl Energy, vol. 210, pp. 870–880,
ene. 2018, doi: 10.1016/j.apenergy.2017.06.054.
[32] Arena Program, “Latrobe Valley Microgrid Feasibility Study”, 2018. https://are-
364
na.gov.au/projects/latrobe-valley-microgrid-feasibility-study/ (Consultado en
ago. 26, 2022).
[33] Powerledger, “Power Ledger Signs Agreement With bcpg To Bring Distributed
Renewable Energy Trading To Thailand”, 2017. https://medium.com/power-led-
ger/power-ledger-signs-agreement-with-bcpg-to-bring-distributed-renewable-
energy-trading-to-thailand-cd68d09c23ac (Consultado en ago. 26, 2022).
[34] BrixtonEnergy, “Brixton Energy.” https://brixtonenergy.co.uk/ (Consultado en
ago. 26, 2022).
[35] Seda Malaysia, “Malaysia’s 1st Pilot Run of Peer-To-Peer (p2p) Energy Trading”,
2020. https://www.seda.gov.my/2020/11/malaysias-1st-pilot-run-of-peer-to-
peer-p2p-energy-trading/ (Consultado en ago. 26, 2022).
[36] Powerledger, “Uttar Pradesh Power Corporation Limited launches first p2p
solar power trading in South Asia”, 2020. https://www.powerledger.io/media/
uttar-pradesh-power-corporation-limited-launches-first-p2p-solar-power-trad-
ing-in-south-asia (Consultado en Ago. 26, 2022).
[37] Energeia, “Transactive Energy Colombia Initiative.” http://www.transactive-en-
ergy.co/
[38] neu, “neu Energy.” https://www.neu.com.co/ (Consultado en ago. 26, 2022).
[39] Comisión de Regulación de Energía y Gas, “Resolución 119 de 2007 - Por
la cual se aprueba la fórmula tarifaria general que permite a los Comercial-
izadores Minoristas de electricidad establecer los costos de prestación del
servicio a usuarios regulados en el Sistema Interconectado Nacional.” 2007.
[En línea]. Disponible en: http://apolo.creg.gov.co/Publicac.nsf/1aed427f-
f782911965256751001e9e55/c63f06a9114e1a150525785a007a6fa2
[40] J. F. Vélez, “Electricity Cross-Subsidies in Colombia: An alternative targeting
proposal.” Applied Economics Master’s thesis - Eafit University, 2019.
[41] L. Hierro, “Casa Kolacho: La violencia se cura con hip hop”, El País, 2016.
[42] Comisión de Regulación de Energía y Gas, “Resolución 174 de 2021”, 2021. Con-
sultado en: ago. 26, 2022. [En línea]. Disponible en: https://www.creg.gov.co/
sites/default/files/creg174-2021_compressed.pdf
[43] T. P. Holmes, W. L. Adamowicz, y F. Carlsson, “Choice Experiments”, 2017, pp.
133–186. doi: 10.1007/978-94-007-7104-8_5.
[44] J. P. Cárdenas-Álvarez, J. M. España, y S. Ortega, “What is the value of peer-
to-peer energy trading? A discrete choice experiment with residential elec-

tricity users in Colombia”, Energy Res Soc Sci, vol. 91, p. 102737, Sep. 2022, doi:
10.1016/j.erss.2022.102737.
365
Virtual power plants (vpp)
CAPÍTU LO 17
Michelle Maceas1, Mario Giraldo2,

Alejandro S. Guerrero3, Tatiana Manrique1
y Jairo Espinosa2
1
Universidad eia. [email protected],
[email protected]
2
Universidad Nacional de Colombia,
sede Medellín. [email protected],
[email protected]
3
Universidad de Sucre, Sincelejo, Colombia.
[email protected]
A lo largo del libro se ha enfatizado en el hecho de que las microrredes

constituyen una primera unidad gestora de recursos energéticos. Tam-
bién se ha dicho que una agrupación natural de microrredes, a través
de agregadores o energy hubs, constituye una solución para abordar la
transición energética principalmente en zonas urbanas. De igual forma, se
ha propuesto englobar semánticamente los conceptos mencionados, bajo
el término ecosistema energético escalable (E3). Siguiendo esa lógica, en
este capítulo se hablará de las virtual power plants, quizás el E3 con mayor
vocación y enfoque hacia las operaciones del mercado. Los contenidos
presentados se orientan hacia la conceptualización teórica, la algoritmia
del despacho y la validación a través de varios escenarios operativos en
una red de prueba.
¿Qué son las centrales eléctricas virtuales?

Las centrales eléctricas virtuales o virtual power plants (vpp) son un nuevo
participante en el mercado energético que representa a un grupo de recursos
energéticos distribuidos (der) con la capacidad de ofertar al sistema. De
este modo, las vpp mejoran la competitividad de las energías renovables
en el mercado de la electricidad. La vpp también puede proporcionar
servicios auxiliares como la regulación de la tensión y la frecuencia. Las
367
vpp datan de 1997 y, sin embargo, muchos conceptos relacionados aún tienen múltiples
definiciones [1]. Este capítulo pretende unificar conceptos generales y dar ejemplos
prácticos de su operación.
Las vpp están conformadas por diferentes der, como fuentes de energía convencio-
nales (cpp), turbinas eólicas, módulos fotovoltaicos, sistemas de almacenamiento de
energía y cargas controlables y no controlables. La vpp intercambia información con el
centro de operaciones donde se realiza la programación óptima de la vpp para ofertar
en el mercado de la energía. La principal tarea del operador de la vpp es determinar una
estrategia óptima de oferta y agendamiento que maximice sus beneficios económicos y
técnicos en los mercados de electricidad. El vpp tiene en cuenta diferentes recursos como
las técnicas de respuesta a la demanda, las ventas en el mercado minorista, la compra
o venta de energía a la red principal y el uso de unidades de generación en diferentes
tipos de mercados de energía para maximizar sus beneficios.
De acuerdo con la literatura especializada, las vpp se pueden clasificar según su
propósito, en vpp comerciales (cvpp) y en vpp técnicas (tvpp) [2]. Las cvpp busca
maximizar las ganancias económicas en el mercado energético considerando una
gestión óptima de la generación y demanda de la energía (maximizando las ganancias
y minimizando el costo de operación y compra de energía de la red) en un entorno
distribuido. Esto, implica que los usuarios pueden producir y consumir su propia
energía y, por lo tanto, serán más activos en la participación de la toma de decisiones
respecto a la operación de los sistemas de generación de energía. Por otra parte, las
tvpp garantizan las condiciones de calidad de servicio del sistema teniendo en cuenta
los parámetros técnicos de los der que componen a la vpp. En esta última clasificación,
las vpp son herramientas que contribuyen al balanceo de la red para la integración
michelle maceas, mario giraldo, alejandro s. guerrero, tatiana manrique y jairo espinosa
de energía renovable. La posible clasificación de vpp en cvpp y tvpp, ubica a las vpp
como una mejor alternativa para el modelado y la operación de sistemas de generación
distribuidos sobre las microrredes [3]-[5].
La mayoría de los estudios encontrados en la literatura trabajan con cvpp. En cuanto
a las vpp técnicas, menos artículos estudian este tema. Además, cuando se realiza la
búsqueda de estudios que integren el cvpp y el tvpp, se observa una brecha ya que la
mayoría de los trabajos no incluyen restricciones de calidad de servicio (control de
voltaje y frecuencia) para brindar servicio auxiliar en el enfoque de optimización. Este
capítulo se enfoca principalmente en las cvpp y de ahora en adelante usaremos cvpp o
vpp para referirnos de forma indistinta a vpp comerciales.
También se describen los factores más relevantes que intervienen en la operación de las
vpp, tales como los mercados energéticos en los que operan, las arquitecturas de control
que le permiten a la vpp gestionar sus recursos internos y las estrategias de oferta. Por otro
lado, se presentan las principales características de las vpp prestando especial atención a
su desempeño en los mercados energéticos. En la sección 2 se describen las arquitecturas
de control interno: centralizado, distribuido e integral que usan las vpp para gestionar los
recursos. A continuación, en la sección 3, se comparan 7 mercados de energía diferentes
y se presenta una revisión bibliográfica de al menos 50 trabajos que permiten evidenciar
los mercados con la menor y la mayor participación de vpp, y que da cuenta de las carac-
terísticas del problema de optimización que implementan en cada mercado. En la sección
4, se formula en detalle el problema de optimalidad que le permite a la vpp maximizar las
368
ganancias y minimizar el costo de operación y compra de energía de la red, y que consti-
tuye la estrategia de oferta de las vpp comerciales. Se trata la oferta en los mercados del
día anterior, mercados en tiempo real y mercados en el futuro, y un caso en que la vpp
participa de forma simultánea en algunos de ellos. La sección 5 presenta el caso de estudio
de una vpp que tiene como recursos distribuidos generación fotovoltaica y eólica. En esta
sección se describen las características de generación, carga y demanda, y se implementan
las estrategias de oferta en 4 escenarios. Los 4 escenarios considerados son: cuando la vpp
comercializa en el mercado del día anterior, cuando vpp comercializa en el mercado en
tiempo real, la vpp comercializa en el mercado del día anterior y mercado en tiempo real,
y, por último, la vpp comercializa en el mercado futuro y en el mercado del día anterior.
Finalmente, en la sección 6 se presentan algunas conclusiones y trabajos futuros.
Control de vpp
Las vpp deben optimizar la gestión de los recursos distribuidos internos para maximizar
la competitividad en los mercados eléctricos usando la información en tiempo real que
adquieren. La correcta integración de los recursos distribuidos requiere la implementa-
ción de estrategias de control que pueden ser centralizadas, distribuidas o integrales [1].
Método de control centralizado
La principal ventaja del método de control centralizado es que permite el máximo con-
trol de los recursos de energía distribuidos integrados en la topología de los sistemas
de potencia [6], [7]. Este método depende en gran medida de la red de comunicación,
para la toma de decisiones tanto internas como externas. En el método de control cen-
tralizado, la central eléctrica virtual es responsable de la programación optimizada de
los recursos energéticos internos y de la toma de decisiones.
En [8]-[10] se discute que, al trabajar de forma centralizada a gran escala, la central
eléctrica virtual tiene un factor determinante en el precio en el mercado de electrici-
dad. Debido a esta competitividad en el mercado de la electricidad se deben consid-
erar números variables durante el proceso de optimización, lo que implica agravar el
cálculo en el centro de control de la vpp. Esto ha llevado a la utilización de modelos de
optimización matemáticos lineales [11], [12], programación lineal entera mixta (milp)
[13]-[15], no lineales [16]-[18] y heurísticos como el algoritmo genético (ga) [19], [20]
o la optimización de enjambre de partículas (pso) [21], [22].
Método de control distribuido
La estructura del método de control distribuido se logra dividiendo a la vpp en varios

virtual power plants (vpp)
niveles independientes, típicamente 2 [1]. El primer nivel es el nivel de comunicación

central operado por la vpp y el otro es el nivel de subsistema independiente que pro-
grama los recursos energéticos regionales con el objetivo de maximizar las ganancias
individuales [1]. Una gran ventaja del control distribuido es la reducción del esfuerzo
computacional [23], [24]. Entre las desventajas se encuentra el riesgo de reducción de la
competitividad global si la operación de los subsistemas no está bien articulada entre sí.
369
Entre las alternativas que se han reportado para solucionar este problema se en-
cuentran: la teoría de juegos, aunque tiene limitaciones relacionadas a restricciones
que la hacen no convertible matemáticamente [25], [26]; enfoques multiagentes [27],
[24]; algoritmos de control de componentes simétricos en la operación del sistema
[28]; estrategias de operación egoísta, aunque su coordinación requiere mucho cálculo
[24], [29]; redes de comunicación no ideal, que contiene retrasos de tiempo, ruidos de
canal y fallas de canal en el que el control distribuido para vpp actúa como servidor de
comunicaciones para el intercambio de información [30].
Método de control integral
La estrategia de control integral hereda las características del control centralizado y del
control distribuido [1] y fragmenta el control de la vpp en 2 niveles: control centrali-
zado de vpp y control de agentes distribuidos. Esto evita la competencia desordenada
entre niveles y asegurando el equilibrio en las estrategias de los agentes, lo que permite
que la optimización mejore enormemente [31]. En la estrategia de control integral los
subniveles están estrechamente conectados por el centro de control de la vpp [32], [33].
Nivel i: control centralizado de vpp. En este nivel coordina estrategia de oferta de
cada agente y formula una estrategia para la participación en el mercado. Tiene una
carga computacional inferior al control.
Nivel ii: control de agentes distribuidos. En el nivel ii, los agentes distribuidos asumen
la responsabilidad de la optimización regional y envían el perfil de operación regional a
vpp para la optimización general. Después de recibir el perfil final de operación coordinada
emitido por vpp, todos los agentes realizan la reprogramación regional y proceden a ejecutar.
Las comunicaciones son seguramente el reto más importante que deben superar las
estrategias integrales. La comunicación entre el nivel i y el nivel ii no solo tenderá a
congestionar los canales de comunicación, sino que tiene arquitecturas susceptibles de
sufrir de ciberataques [34].
Mercados de energía
El impacto y los beneficios de las centrales eléctricas virtuales en la producción de ener-

gía distribuida dependen principalmente de la formulación del modelo para describir el
comportamiento del sistema, las técnicas y herramientas para la solución de los problemas
matemáticos asociados, la aplicación de los modelos a casos de estudio reales y la posi-
bilidad de participar en diferentes mercados de energía [35], [36]. Las vpp han permitido
proponer nuevas estrategias para la operación de los sistemas de generación distribuida,
y se ha encontrado y evaluado que su participación en los mercados de energía aumenta
los beneficios y ganancias económicas de la operación del sistema de generación [37], [38].
En general, los generadores que conforman las cvpp tienen mejor acceso a los
mercados de energía como agrupados que de manera individual [39], [40], ya que de
manera individual se dificulta alcanzar las condiciones y restricciones mínimas de par-
ticipación en un mercado de energía, que típicamente son normativas y técnicas. Esta
es la razón por la cual es muy importante incluir en el modelado y cálculos de cvpp su
participación en diferentes mercados de energía.
370
Los mercados de energía que se han incluido en los principales modelos de cvpp
propuestos en la literatura se presentan en la tabla 17.1, y se consignan las característi-
cas más relevantes de cada mercado. En [3], se puede encontrar una descripción muy
detallada de cada mercado y la participación de las cvpp en ellos.
Tabla 17.1. Principales mercados en los que participan las cvpp y sus
características [3].
Mercado energético Características

• Acuerdo directo de venta de energía entre el generador y el comprador
• Evita incertidumbre de precios
(A) Contratos bilaterales • Estabilidad de precios a largo plazo para hacer rentables tanto la inversión en
la construcción de la planta de generación como el proceso de producción del
posible consumidor
• Contratos con generadores para compra y venta de energía por un periodo de
(B) Mercados futuros y a plazos tiempo y precio fijo
• Evita incertidumbre en el precio del mercado de energía
(C) Mercado diario o mercado • Ofertas de compra y venta de energía por cada hora del siguiente día
del día anterior • Flexibilidad en el sistema eléctrico
(Un día previo al despacho) • Mayor autoconsumo y beneficio de operación
(D) Mercado de servicios • Seguridad y confiablidad de la generación de energía y el sistema de transmisión
arancelarios • Balance de generación y demanda en todo momento
• Gestión de reservas adicionales de generación para asegurar la cobertura de la
(E) Mercado de reservas
demanda y la seguridad del suministro de energía
• Ajuste preciso de la energía negociada en el mercado diario
(F) Mercado intradiario
• Reducción de costos de desequilibrio
• Gestión de las desviaciones entre la generación y demanda
(G) Mercado de balanceo en
• Equilibrio del sistema eléctrico
tiempo real
• Seguridad de suministro del sistema eléctrico
La capacidad de participación de las cvpp en diferentes mercados de energía obe-

dece en gran medida a que gran cantidad de países ya han implementado procesos de
regulación de la generación de energía distribuida y, así mismo, promueven la libre y
abierta competencia de los mercados de energía. Una de las motivaciones para promov-
er esta normativa y esta alternativa de gestión de la generación de energía es mejorar
la eficiencia económica de las actividades de las empresas generadoras de esta, que, a
su vez, atrae inversiones en la infraestructura eléctrica que impactan directamente el
precio. La figura 17.1 ilustra gráficamente la secuencia y clasificación temporal de cada
tipo de mercado de energía presentado en la tabla 17.1.
La gran mayoría de los modelos propuestos en la literatura participan en el mercado

diario para la compra y venta de energía buscando maximizar las ganancias económicas
[41]-[46]. El crecimiento considerable de la participación de las energías renovables, y
la creación de políticas para favorecer este proceso, requieren gran flexibilidad de los
mercados de energía, por lo cual el mercado diario es tan atractivo, permitiendo reducir
incertidumbre de la inclusión de energías renovables.
371
Figura 17.1. Control secuencia y clasificación temporal de los mercados de
energía
Para evidenciar cómo las vpp maximizan las ganancias económicas, se revisaron
50 trabajos relativos a los objetivos de optimización de las vpp y los mercados en los
que participaban, y se encontró la distribución que se muestra en la figura 17.2 para los
mercados descritos en la tabla 17.1.
En la figura 17.2 se observa que el mercado con la mayor participación de vpp repor-
tada en la literatura revisada es el del día anterior, seguida por los mercados de reservas
y los mercados de servicios arancelarios, mientras que el mercado futuro y a plazos es
el mercado con la menor participación reportada.
Figura 17.2. Comparación de los mercados en los que participan las vpp. (A)
Contratos bilaterales, (B) mercados futuros y a plazos, (C) mercados del día
anterior, (D) mercado de servicios arancelarios (E) mercado de reservas (F)
mercado intradiario, (G) mercado de balanceo en tiempo real
372
En la tabla 17.2 se presentan los trabajos revisados clasificados según los recursos que
usaron para maximizar sus ganancias y de los que provienen sus ingresos. Estos pueden
ser la red, unidades de generación, ingreso económico por venta de energía o respuesta
en demanda, y los mercados en la que es ofrecida la vpp reportada.
Tabla 17.2. Recursos y mercados energéticos incluidos en las funciones de

optimización de la vpp. (A) Contratos bilaterales, (B) mercados futuros y a
plazos, (C) mercados del día anterior, (D) mercado de servicios arancelarios,
(E) mercado de reservas, (F) mercado intradiario, (G) mercado de balanceo en
tiempo real
Referencia Recursos usados para maximizar el beneficio en la vpp Participación en mercado

Ingreso económico
Unidades de Respuesta
Red por venta de A B C D E F G
generación en demanda
energía
[47] X X X
[48] X X X
[49] X X X X
[50] X X
[51] X X
[52] X X X
[53] X X
[54] X X X
[55] X X
[56] X X X X
[57] X X X
[58] X X X X
[59] X X X X
[60] X X
[61] X X X
[62] X X X
[63] X X X X
[64] X X
[65] X X X
[66] X X X X
[67] X X X
[68] X X X
[69] X X X X X
[70] X X X
[71] X X X
[72] X X
[73] X X
[74] X X X
[75] X X X X X
373
Referencia Recursos usados para maximizar el beneficio en la vpp Participación en mercado
Ingreso económico
Unidades de Respuesta
Red por venta de A B C D E F G
generación en demanda
energía
[76] X X X
[77] X X X
[78] X X X X
[79] X X X
[80] X X X
[81] X X X X
[82] X X X
[83] X X X
[84] X X X X
[85] X X X X
[86]
[87] X X X X
[88] X X X X
[89] X X X
[90] X X X
[91] X X
[92] X X
[93] X X X X X
[94] X X
[95] X X X
[96] X X
En la tabla 17.2 se evidencia que alrededor del 80 % de los trabajos maximiza los
beneficios de la red principal, el 50 % maximiza los ingresos de las unidades de gener-
ación y menos del 20 % de las investigaciones incluyen los programas de respuesta a la
demanda y las ventas en el mercado minorista.
Cuando se desean incluir condiciones para garantizar la seguridad de la operación
del sistema de energía ante la variabilidad e incertidumbre de las energías renovables,
los modelos se inclinan por los mercados de servicios arancelarios o los contratos
bilaterales [36], [97]. Los contratos bilaterales se consideran la mejor opción para re-
ducir riesgos del incremento del precio de la energía en el futuro, reducen el impacto
ambiental considerando proyectos con una fuente renovable estable y a largo plazo. Se
destaca el hecho de que este tipo de mercado considera el financiamiento de nuevos
proyectos de energía renovable.
De acuerdo con la revisión y comparación hecha en [3], se propone que la estrategia
de incluir una combinación de mercados de energía en los modelos de las vpp puede
garantizar una gestión del riesgo adecuada para la compra y venta de energía ante la
volatilidad del mercado de energía actual y creciente inclusión de energías renovables.
374
La propuesta considera combinar la participación en mercados futuros y a plazos,
contratos bilaterales y mercados diarios.
En la siguiente sección se tratan las estrategias de oferta que las vpp implementan.
Se describen los funcionales de costo que pretenden optimizar y las restricciones op-
erativas. Son de especial interés la oferta realizada para los mercados del día anterior,
mercados del día anterior y mercado en tiempo real, mercado en el mercado futuro y
en el mercado del día anterior.
Estrategias de oferta de vpp comerciales

En esta sección se muestra el planteamiento de optimización de una cvpp cuando
oferta en distintos mercados tales como mercados futuros, mercados del día anterior y
mercados en tiempo real. Estos planteamientos son basados en [98].
Estrategia de oferta para una cvpp en el mercado

de energía del día anterior
La primera estrategia de mercado que se propone para maximizar la utilidad de una

vpp se desarrolla en el mercado del día anterior. Para esto se define una programación
determinística y en las ecuaciones 17.1-17.11 se observa el planteamiento del problema de
optimización. La función objetivo se define en la ecuación 17.1 como la maximización
de los ingresos obtenidos de la venta de potencia al mercado del día anterior. En las
ecuaciones 17.2 y 17.3 se definen los balances de potencia activa en el nodo de conexión
con la red y en los demás nodos del sistema, respectivamente. En 17.4 se define el flujo
de potencia DC. Por otra parte, en la ecuación 17.5 se define el estado de la carga de las
baterías. Finalmente, en las ecuaciones 17.6-17.11 se definen los límites operativos de los
diferentes elementos.
(17.1)
Sujeto a:
(17.2)
(17.3)
(17.4)
(17.5)
375
(17.6)
(17.7)
(17.8)
(17.9)
(17.10)
(17.11)
Con parámetros y variables como se definen en la tabla 17.3.
Tabla 17.3. Parámetros y variables para las estrategias de oferta de las vpp
Parámetro o variable Descripción

PDA (t) Precio de la energía eléctrica en el mercado diario
PRT (t) Precio de la energía eléctrica en el mercado en tiempo real
K Factor de ganancia
Pgc Potencia intercambiada con el mercado diario
Pgd Potencia generada por las fuentes renovables
Pd Potencia demandada
Pb Potencia generada por las baterías
Vi,t Voltaje en el nodo i
SoCb Estado de carga de la bacteria b localizada en el bus i en el instante t

Estado de carga mínimo de la batería b localizada en el bus i en el
SoCb
instante t
Estado de carga máximo de la batería b localizada en el bus i en el
SoCb
instante t
ϕb Rampa de carga y descarga
δij Ángulo de desfase entre los nodos i y j

376
Estrategia de oferta de una cvpp en el mercado del día anterior y en
el mercado en tiempo real
La segunda estrategia de mercado que se propone para maximizar los ingresos de una
vpp se desarrolla en el mercado del día anterior y en el mercado en tiempo real en un
determinado horizonte de planeación. Para esto se define un problema de programación
determinística. En las ecuaciones 17.13-17.14 se observa el planteamiento del problema
de optimización. Este problema es similar al descrito en la estrategia de oferta en el
mercado del día anterior. Sin embargo, en este caso se obtienen ingresos por las ventas
tanto al mercado del día anterior como del mercado en tiempo real. Las restricciones
son las mismas del problema anterior, se añadió la ecuación 17.14 que limita la potencia
que la vpp puede comercializar en el mercado en tiempo real.
(17.12)
Sujeto a:
(17.13)
(17.14)
Estrategia de oferta de una cvpp en el mercado en tiempo real
En esta estrategia, la vpp oferta en el mercado para compensar cualquier posible des-
viación que ocurra en tiempo real y para maximizar los ingresos de la venta de energía
en el mercado en tiempo real. En este caso la vpp ya conoce la programación óptima
de sus der en el mercado diario y los precios en este mercado. En las ecuaciones 17.15-
17.26 se observa el planteamiento del problema de optimización. En 17.16 se define el
balance de potencia activa en el nodo de conexión con la red. En este caso, se tiene en
cuenta la programación de las unidades de generación en el mercado del día anterior.
En 17.17 se presenta el balance de potencia en los nodos diferentes al pcc. La ecuación
17.18 define el flujo de potencia DC, la ecuación 17.19 define el estado de carga de las
baterías, y las ecuaciones 17.25 y 17.26 definen los límites de la potencia producida por
las fuentes renovables teniendo en cuenta el nivel de producción de energía disponible
para el periodo de tiempo actual (τ) y el horizonte de programación restante.
377
(17.15)
Sujeto a:
(17.16)
(17.17)
(17.18)
(17.19)
(17.20)
(17.21)
(17.22)
(17.23)
(17.24)
(17.25)
(17.26)
378
Estrategia de oferta de una cvpp en el mercado futuro y en el
mercado del día anterior
La última estrategia de oferta implementada en esta sección se desarrolla en el mercado

del día anterior y en el mercado futuro mediante contratos a plazo. La función objetivo
(ecuación 17.27) se define como la maximización de los ingresos por ventas de energía
en el mercado futuro y del día anterior menos la compra de energía en los mercados
a plazo. El balance de energía en los nodos se define en 17.28. También se incluye una
restricción para evitar que la vpp compre y venda en el mercado de futuros en el mismo
instante de tiempo (17.29 y 17.30).
(17.27)
Sujeto a
(17.28)
(17.29)
(17.30)
En la siguiente sección se desarrollan las estrategias de mercado anteriormente

propuestas para una microrred de prueba, formulando 3 diferentes posibles escenarios.
Caso de estudio
La estrategia de mercado se aplicó al sistema de prueba que se muestra en la figura 17.3
(tomada de [99]). La figura 17.4 muestra el perfil de la demanda, la potencia máxima

que se puede importar de la red principal, la generación fotovoltaica y la generación
eólica. Por otro lado, los precios del mercado del día anterior y del mercado en tiempo
real se muestran en la figura 17.5. Estos fueron tomados del sistema de Nueva Inglaterra
y corresponden al 18 de enero de 2019. Finalmente, la tabla 17.4 expone los parámetros
de las baterías y la tabla 17.5 muestra los parámetros del sistema eléctrico.
379
Figura 17.3. Topología de la red de prueba
Tabla 17.4. Características del sistema de almacenamiento
SoC ini/ SoC Eb_c (i) Eb_d(i)

Batería SoC min/SoC max φb(p.u)
fin (kW) (kW)
B1 0.5 0.5-1 0.4 62.5 50
B2 0.5 0.5-1 0.5 50 40

Tabla 17.5. Parámetros eléctricos del sistema
Parámetro Valor
Floss 7.14 %
∆t 1
Susceptancia 0.419 S
Límite de potencia 1500 kW
380
Figura 17.4. Curva de demanda, máxima potencia que se puede importar de la
red principal, curva de generación fotovoltaica y perfil de turbina eólica
Figura 17.5. Precio del mercado del día anterior y precio 15 del mercado en
tiempo real
381
Escenario 1. La vpp comercializa en el mercado del día anterior
La primera estrategia de oferta que se propuso en este documento es la comercialización

de energía en el mercado del día anterior por parte de la vpp. El despacho óptimo que
se obtiene en este caso se presenta en la figura 17.6. Se evidencia que en la mañana es
cuando se espera que la vpp obtenga mayores ingresos por venta en el mercado del día
anterior. Así mismo, en las horas de la noche es cuando la vpp se ve obligada a comprar
energía en el mercado del día anterior. De igual manera, la vpp aprovecha las tarifas
de la noche para cargar sus baterías debido a los bajos precios del mercado en estos
instantes de tiempo. Los ingresos que va a tener la vpp por comercializar en el mercado
del día anterior se espera que sean de $17.73.
Figura 17.6. Despacho óptimo cuando la vpp comercializa energía en el mercado del día anterior
Escenario 2. La vpp comercializa en el mercado del día anterior y

mercado en tiempo real
En el escenario 2, la vpp comercializará energía tanto en el mercado del día anterior

como en el mercado en tiempo real. En la figura 17.7 se presenta el despacho óptimo de
la cvpp cuando se comercializa en estos mercados. Se observa que la vpp se beneficia
382
de las variaciones de los precios en ambos mercados, por ejemplo, compra energía en
el mercado en tiempo real en los instantes de tiempo cuando esta es más económica y
la vende al mercado diario para obtener mayor utilidad. Se espera que la vpp obtenga
un ingreso de $49.25 al comercializar simultáneamente en el mercado del día anterior
y el mercado en tiempo real.
Figura 17.7. Despacho óptimo cuando la vpp comercializa energía en el

mercado del día anterior y en el mercado en tiempo real
Escenario 3. La vpp comercializa en el mercado en tiempo real
En el escenario 3, la vpp comercializa la energía en el mercado en tiempo real. Después

de que la vpp conoce la programación óptima de sus recursos y el precio del mercado
en el mercado del día anterior, la vpp puede tratar de compensar las desviaciones que
ocurran en este mercado del día anterior en el mercado en tiempo real. En este mercado
se someten las ofertas en el instante de tiempo τ y los instantes de tiempo siguientes.

En la figura 17.8, se observa el despacho óptimo en cada instante de tiempo. Por último,
los ingresos previstos son usd 152.25.
383
Figura 17.8. Despacho óptimo cuando la vpp comercializa energía en el
mercado el mercado en tiempo real
Escenario 4. La vpp comercializa en el mercado futuro y en el

mercado del día anterior
En el escenario 4, la vpp comercializa energía en el mercado futuro y en el mercado

del día anterior. Se asume que el mercado a futuro en el que comercializará la vpp es
un mercado a mediano plazo. En la figura 17.9 se observan los precios de los contratos
a plazo en los que participará la vpp. En total son 13 contratos a plazo, cada uno tiene
una duración de 1 mes y se componen de 2 bloques de compra y 2 bloques de venta de
energía. Se consideraron 2 escenarios, en el primero los bloques de compra y venta son
de 150 kW, en el segundo son bloques de compra y venta de 50 kW.
En la figura 17.10 se observa la potencia comercializada en el mercado a futuro mediante
bloques de compra y venta de 50 kW. En este caso, la vpp compra energía en 9 contratos
a plazo y realiza venta en 3. Distinto a lo que sucede cuando aumentamos la potencia
de los bloques de compra y venta a 150 kW, caso en el que la vpp compra en 5 contratos
y vende en 8 contratos a plazo. Este se muestra en la figura 17.11.
384
Figura 17.9. Precio de la energía en el mercado del día anterior y en el mercado
a plazo
Figura 17.10. Potencia comprada o vendida en el mercado a plazo cuando se

tienen bloques de compra y venta de 50 kW
385
Figura 17.11. Potencia comprada o vendida en el mercado a plazo cuando se
tienen bloques de compra y venta de 150 kW
En la tabla 17.6 se presentan los ingresos obtenidos por la venta de energía en el

mercado futuro y el mercado del día anterior. Se concluye que, cuando se comercializa
con bloques de compra y venta de 50 kW, los ingresos que obtiene la vpp son menores.
En este caso cerca de $ 3 596. Cuando se aumenta la potencia de los bloques se obtienen
ingresos de $5 391. Adicionalmente, se observa que en el primer caso la vpp decide com-
prar más energía en el mercado a futuro para vender en el mercado del día anterior. A
diferencia del segundo caso en el que la vpp decide comprar más energía en el mercado
del día anterior para posteriormente venderlo a un mejor precio en el mercado a plazo.
Tabla 4.6. Ingresos obtenidos en el mercado futuro y el mercado del día

anterior
Ingresos Ingresos esperados

Mercado futuro + día Ingresos
esperados en el en los mercados a
anterior esperados ($)
día anterior ($) futuro ($)
Bloques de compra y
3 596 10 620 -7 024
venta de 50 kW
Bloques de compra y
5 391 -14 699 20 090
venta de 150 kW
Se puede concluir que el mercado en tiempo real es una de las mejores opciones para
maximizar los ingresos obtenidos por una vpp. Sin embargo, es un mercado arriesga-
do. El vpp debe incorporar sistemas de almacenamiento o generadores tradicionales
para minimizar los riesgos de participar en este mercado. Además, a medio plazo, el
vpp maximizará sus ingresos a través de las transacciones en los mercados a futuro,
ya que puede comprar energía en los mercados a plazo y posteriormente vender en el
386
mercado de da, para ello es imprescindible realizar un buen análisis de previsión de
los precios de da.
Conclusiones
Se describieron las principales características de las virtual power plants (vpp), que les
permiten aumentar la competitividad e incrementar las ganancias. Se discutieron en
detalle los mercados energéticos en los que ofertan las vpp comerciales o cvpp. Según
los trabajos reportados, el mercado diario resulta ser muy atractivo para la oferta de las
vpp debido a su flexibilidad y porque permite reducir la incertidumbre de la inclusión
de energías renovables. Estas características son compatibles con el crecimiento de la
oferta basada en energías renovables. Aunque el mercado real demostró tener las mejores
utilidades, el riesgo asociado debe tenerse en cuenta. El éxito de las vpp depende de fac-
tores como la correcta implementación de la estrategia de control, canales y protocolos
de comunicación adecuados, y la escogencia de los mercados más adecuados para que
operen. El control integral hereda las mejores características del control distribuido y
del control centralizado, pero requiere mayor infraestructura para garantizar seguridad
y adecuados canales de comunicación.
Cuestiones como estudios para escoger cuáles son los mercados más adecuados en
los que debe participar la cvpp para maximizar ingresos deben tenerse en cuenta. Las
comunicaciones son un factor decisivo en la operación de las vpp. Factores técnicos y
operativos independientemente de la estructura de control deben tenerse en cuenta.
Referencias
[1] G. Zhang, C. Jiang, y X. Wang, “Comprehensive review on structure and ope�-
ration of virtual power plant in electrical system”, iet Generation, Transmission
and Distribution, vol. 13, n.° 2. 2019. doi: 10.1049/iet-gtd.2018.5880.
[2] A. Banshwar, N. K. Sharma, Y. R. Sood et al., “Market-based participation of en-
ergy storage scheme to support renewable energy sources for the procurement
of energy and spinning reserve”, Renew Energy, vol. 135, 2019, doi: 10.1016/j.
renene.2018.12.009.
[3] N. Naval y J. M. Yusta, “Virtual power plant models and electricity markets - A
review”, Renewable and Sustainable Energy Reviews, vol. 149, p. 111393, Oct. 2021,
doi: 10.1016/J.RSER.2021.111393.
[4] H. Nezamabadi, P. Nezamabadi, M. Setayeshnazar et al., “Participation of vir-
tual power plants in energy market with optimal bidding based on Nash-SFE
Equilibrium Strategy and considering interruptible load”, in The 3rd Conference
on Thermal Power Plants, Oct. 2011, pp. 1–6. Consultado en: Sep. 24, 2022. [En
línea]. Disponible en: https://ieeexplore-ieee-org.ezproxy.unal.edu.co/docu-

ment/6576970?signout=success
[5] S. Yin, Q. Ai, Z. Li et al., “Energy management for aggregate prosumers in
a virtual power plant: A robust Stackelberg game approach”, International
Journal of Electrical Power and Energy Systems, vol. 117, 2020, doi: 10.1016/j.
ijepes.2019.105605.
387
[6] E. Mashhour y S. M. Moghaddas-Tafreshi, “Bidding strategy of virtual power
plant for participating in energy and spinning reserve markets-Part I: Prob-
lem formulation”, ieee Transactions on Power Systems, vol. 26, n.° 2, 2011, doi:
10.1109/TPWRS.2010.2070884.
plant for participating in energy and spinning reserve markets-Part II: Nu-
merical analysis”, ieee Transactions on Power Systems, vol. 26, n.° 2, 2011, doi:
10.1109/TPWRS.2010.2070883.
[8] A. Castillo, J. Flicker, C. W. Hansen et al., “Stochastic optimisation with risk
aversion for virtual power plant operations: A rolling horizon control”, iet Gen-
eration, Transmission and Distribution, vol. 13, n.° 11, pp. 2182-2189, 2019, doi:
10.1049/iet-gtd.2018.5834.
[9] M. Giuntoli y D. Poli, “Optimized thermal and electrical scheduling of a large
scale virtual power plant in the presence of energy storages”, ieee Trans Smart
Grid, vol. 4, n.° 2, 2013, doi: 10.1109/TSG.2012.2227513.
[10] A. Khodadadi, L. Söder, y M. Amelin, “Stochastic adaptive robust approach
for day-ahead energy market bidding strategies in hydro dominated sequential
electricity markets”, Sustainable Energy, Grids and Networks, vol. 32, p. 100827,
Nov. 2022, doi: 10.1016/J.SEGAN.2022.100827.
[11] A. Bagchi, L. Goel y P. Wang, “An optimal virtual power plant planning strategy
from a composite system cost/worth perspective”, in 2019 ieee Milan PowerTech,
PowerTech 2019, 2019. doi: 10.1109/PTC.2019.8810547.
[12] M. Rahimiyan y L. Baringo, “Real-time energy management of a smart virtual
power plant”, iet Generation, Transmission and Distribution, vol. 13, n.° 11, 2019,
doi: 10.1049/iet-gtd.2018.5637.
[13] A. Baringo, L. Baringo, y J. M. Arroyo, “Day-Ahead Self-Scheduling of a Vir-
tual Power Plant in Energy and Reserve Electricity Markets under Uncer-
tainty”, ieee Transactions on Power Systems, vol. 34, n.° 3, 2019, doi: 10.1109/
TPWRS.2018.2883753.
[14] M. Shabanzadeh, M. K. Sheikh-El-Eslami y M. R. Haghifam, “A medium-term
coalition-forming model of heterogeneous ders for a commercial virtual power
plant”, Appl Energy, vol. 169, 2016, doi: 10.1016/j.apenergy.2016.02.058.
[15] B. Zhou, X. Liu, Y. Cao et al., “Optimal scheduling of virtual power plant with
battery degradation cost”, iet Generation, Transmission and Distribution, vol. 10,
n.° 3, 2016, doi: 10.1049/iet-gtd.2015.0103.
[16] H. Cui, F. Li, Q. Hu et al., “Day-ahead coordinated operation of utility-scale
electricity and natural gas networks considering demand response based virtual
power plants”, Appl Energy, vol. 176, 2016, doi: 10.1016/j.apenergy.2016.05.007.
[17] P. Faria, T. Soares, Z. Vale et al., “Distributed generation and demand response
dispatch for a virtual power player energy and reserve provision”, Renew Energy,
vol. 66, 2014, doi: 10.1016/j.renene.2014.01.019.
[18] M. Shafiekhani, A. Badri, M. Shafie-khah et al., “Strategic bidding of virtual
power plant in energy markets: A bi-level multi-objective approach”, Internatio-
nal Journal of Electrical Power and Energy Systems, vol. 113, 2019, doi: 10.1016/j.
ijepes.2019.05.023.
388
[19] S. Fan, Q. Ai, y L. Piao, “Fuzzy day-ahead scheduling of virtual power plant with
optimal confidence level”, iet Generation, Transmission and Distribution, vol. 10,
n.° 1, 2016, doi: 10.1049/iet-gtd.2015.0651.
[20] J. F. Toubeau, Z. de Grève y F. Vallée, “Medium-Term Multimarket Optimization
for Virtual Power Plants: A Stochastic-Based Decision Environment”, ieee Tran-
sactions on Power Systems, vol. 33, n.° 2, 2018, doi: 10.1109/TPWRS.2017.2718246.
[21] Y. Gao, X. Zhou, J. Ren, X. Wang et al., “Double layer dynamic game bidding
mechanism based on multi-agent technology for virtual power plant and
internal distributed energy resource”, Energies (Basel), vol. 11, n.° 11, 2018, doi:
10.3390/en11113072.
[22] S. Hadayeghparast, A. S. Farsangi et al., “Day-ahead stochastic multi-objective
economic/emission operational scheduling of a large scale virtual power plant”,
Energy, vol. 172, 2019, doi: 10.1016/j.energy.2019.01.143.
[23] H. Xin, D. Gan, N. Li et al., “Virtual power plant-based distributed control stra-
tegy for multiple distributed generators”, IET Control Theory and Applications,
vol. 7, n.° 1, 2013, doi: 10.1049/iet-cta.2012.0141.
[24] H. Yang, D. Yi, J. Zhao et al., “Distributed optimal dispatch of virtual power
plant via limited communication”, ieee Transactions on Power Systems, vol. 28,
n.° 3, 2013, doi: 10.1109/TPWRS.2013.2242702.
[25] H. Wu, X. Liu, B. Ye et al., “Optimal dispatch and bidding strategy of a virtual
power plant based on a stackelberg game”, iet Generation, Transmission and
Distribution, vol. 14, n.° 4, 2020, doi: 10.1049/iet-gtd.2019.0493.
[26] S. Yin, Q. Ai, Z. Li et al., “Energy management for aggregate prosumers in a
virtual power plant: A robust Stackelberg game approach”, International Jour-
nal of Electrical Power and Energy Systems, vol. 117, 2020, doi: 10.1016/j.ije-
pes.2019.105605.
[27] M. Peik-Herfeh, H. Seifi, y M. K. Sheikh-El-Eslami, “Two-stage approach for
optimal dispatch of distributed energy resources in distribution networks con-
sidering virtual power plant concept”, International Transactions on Electrical
Energy Systems, vol. 24, n.° 1, 2014, doi: 10.1002/etep.1694.
[28] R. Abbassi, S. Marrouchi, S. Saidi et al., “Optimal energy management stra-
tegy and novel control approach for dpgss under unbalanced grid faults”,
Journal of Circuits, Systems and Computers, vol. 28, n.° 4, 2019, doi: 10.1142/
S0218126619500579.
[29] M. Yazdanian y A. Mehrizi-Sani, “Distributed control techniques in micro-
grids”, ieee Trans Smart Grid, vol. 5, n.° 6, 2014, doi: 10.1109/TSG.2014.2337838.
[30] C. Cao, Autor 2, Autor 3 et al., “Distributed Economic Dispatch of Virtual
Power Plant under a Non-Ideal Communication Network”, Energies (Basel), vol.
10, n.° 2, 2017, doi: 10.3390/en10020235.
[31] Y. Wang, X. Ai, Z. Tan et al., “Interactive dispatch modes and bidding strategy
of multiple virtual power plants based on demand response and game theory”,
ieee Trans Smart Grid, vol. 7, n.° 1, 2016, doi: 10.1109/TSG.2015.2409121.
[32] S. R. Dabbagh y M. K. Sheikh-El-Eslami, “Risk Assessment of Virtual Power
Plants Offering in Energy and Reserve Markets”, ieee Transactions on Power
Systems, vol. 31, n.° 5, 2016, doi: 10.1109/TPWRS.2015.2493182.
389
[33] M. A. Tajeddini, A. Rahimi-Kian y A. Soroudi, “Risk averse optimal operation
of a virtual power plant using two stage stochastic programming”, Energy, vol.
73, 2014, doi: 10.1016/j.energy.2014.06.110.
[34] P. Li, Y. Liu, H. Xin et al., “A Robust Distributed Economic Dispatch Strategy of
Virtual Power Plant under Cyber-Attacks”, ieee Trans Industr Inform, vol. 14, n.°
10, 2018, doi: 10.1109/TII.2017.2788868.
plant for participating in energy and spinning reserve markets-Part I: Problem
formulation”, ieee Transactions on Power Systems, vol. 26, n.° 2, pp. 949–956,
May 2011, doi: 10.1109/TPWRS.2010.2070884.
[36] T. Zhang y Z. Hu, “Optimal Scheduling Strategy of Virtual Power Plant with
Power-to-Gas in Dual Energy Markets”, ieee Trans Ind Appl, vol. 58, n.° 2, pp.
2921–2929, 2022, doi: 10.1109/TIA.2021.3112641.
[37] M. Khorasany y M. Raoofat, “Bidding strategy for participation of virtual power
plant in energy market considering uncertainty of generation and market price”,
ieee Proceedings 2017 Smart Grid Conference, SGC 2017, vol. 2018-enero, pp. 1–6,
Mar. 2018, doi: 10.1109/SGC.2017.8308846.
[38] M. Loßner, D. Böttger, y T. Bruckner, “Economic assessment of virtual power
plants in the German energy market — A scenario-based and model-suppor-
ted analysis”, Energy Econ, vol. 62, pp. 125–138, Feb. 2017, doi: 10.1016/J.ENE-
CO.2016.12.008.
[39] A. Bagchi, L. Goel y P. Wang, “An optimal virtual power plant planning strategy
from a composite system cost/worth perspective”, in 2019 ieee Milan PowerTech,
PowerTech 2019, 2019. doi: 10.1109/PTC.2019.8810547.
[40] P. Faria, T. Soares, Z. Vale y H. Morais, “Distributed generation and demand

response dispatch for a virtual power player energy and reserve provision”, Re-
new Energy, vol. 66, 2014, doi: 10.1016/j.renene.2014.01.019.
[41] C. Yang, Autor 2, Autor 3 et al., “Optimal bidding strategy of renewable-based
virtual power plant in the day-ahead market”, International Journal of Elec-
trical Power & Energy Systems, vol. 144, p. 108557, ene. 2023, doi: 10.1016/J.
IJEPES.2022.108557.
[42] H. Cui, F. Li, Q. Hu et al., “Day-ahead coordinated operation of utility-scale
electricity and natural gas networks considering demand response based virtual
power plants”, Appl Energy, vol. 176, 2016, doi: 10.1016/j.apenergy.2016.05.007.
[43] A. Khodadadi, L. Söder y M. Amelin, “Stochastic adaptive robust approach for
day-ahead energy market bidding strategies in hydro dominated sequential
electricity markets”, Sustainable Energy, Grids and Networks, vol. 32, p. 100827,
dic. 2022, doi: 10.1016/J.SEGAN.2022.100827.
[44] S. Fan, Q. Ai y L. Piao, “Fuzzy day-ahead scheduling of virtual power plant with
n.° 1, 2016, doi: 10.1049/iet-gtd.2015.0651.
[45] S. Hadayeghparast, A. SoltaniNejad Farsangi y H. Shayanfar, “Day-ahead
stochastic multi-objective economic/emission operational scheduling of a
large scale virtual power plant”, Energy, vol. 172, 2019, doi: 10.1016/j.ener-
gy.2019.01.143.
390
[46] A. G. Zamani, A. Zakariazadeh y S. Jadid, “Day-ahead resource scheduling of a
renewable energy based virtual power plant”, Appl Energy, vol. 169, pp. 324–340,
May 2016, doi: 10.1016/J.APENERGY.2016.02.011.
[47] M. A. Tajeddini, A. Rahimi-Kian y A. Soroudi, “Risk averse optimal operation
of a virtual power plant using two stage stochastic programming”, Energy, vol.
73, pp. 958–967, 2014, doi: 10.1016/j.energy.2014.06.110.
[48] M. Shabanzadeh and M. Haghifam, “A medium-term coalition-forming model
of heterogeneous ders for a commercial virtual power plant”, Appl Energy, vol.
169, pp. 663–681, 2016, doi: 10.1016/j.apenergy.2016.02.058.
[49] A. G. Zamani, A. Zakariazadeh y S. Jadid, “Day-ahead resource scheduling of a
renewable energy based virtual power plant”, Appl Energy, vol. 169, pp. 324–340,
2016, doi: 10.1016/j.apenergy.2016.02.011.
[50] S. M. Nosratabadi, R. A. Hooshmand y E. Gholipour, “Stochastic profit-based
scheduling of industrial virtual power plant using the best demand response strat-
egy”, Appl Energy, vol. 164, pp. 590–606, 2016, doi: 10.1016/j.apenergy.2015.12.024.
[51] S. Fan, Q. Ai y L. Piao, “Fuzzy day-ahead scheduling of virtual power plant with
n.° 1, pp. 205–212, 2016, doi: 10.1049/iet-gtd.2015.0651.
[52] A. Baringo and L. Baringo, “A Stochastic Adaptive Robust Optimization
Approach for the Offering Strategy of a Virtual Power Plant”, ieee Transac-
tions on Power Systems, vol. 32, n.° 5, pp. 3492–3504, 2017, doi: 10.1109/TP-
WRS.2016.2633546.
[53] Z. Tan, G. Wang, L. Ju et al., “Application of CVaR risk aversion approach in the
dynamical scheduling optimization model for virtual power plant connected
with wind-photovoltaic-energy storage system with uncertainties and demand
response”, Energy, vol. 124, pp. 198–213, 2017, doi: 10.1016/j.energy.2017.02.063.
[54] L. Ju, Z. Tan, J. Yuan et al., “A bi-level stochastic scheduling optimization mod-
el for a virtual power plant connected to a wind-photovoltaic-energy storage
system considering the uncertainty and demand response”, Appl Energy, vol. 171,
pp. 184–199, 2016, doi: 10.1016/j.apenergy.2016.03.020.
[55] L. Ju, H. Li, J. Zhao et al., “Multi-objective stochastic scheduling optimization
model for connecting a virtual power plant to wind-photovoltaic-electric vehi-
cles considering uncertainties and demand response”, Energy Convers Manag,
vol. 128, pp. 160–177, 2016, doi: 10.1016/j.enconman.2016.09.072.
[56] P. Karimyan, M. Abedi, S. H. Hosseinian et al., “Stochastic approach to repre-
sent distributed energy resources in the form of a virtual power plant in energy
and reserve markets”, iet Generation, Transmission and Distribution, vol. 10, n.°
8, pp. 1792–1804, 2016, doi: 10.1049/iet-gtd.2015.0715.
[57] J. Zapata Riveros, K. Bruninx, K. Poncelet et al., “Bidding strategies for virtual
power plants considering chps and intermittent renewables”, Energy Convers

Manag, vol. 103, pp. 408–418, 2015, doi: 10.1016/j.enconman.2015.06.075.
[58] M. Shabanzadeh, M. K. Sheikh-El-Eslami y M. R. Haghifam, “Risk-based me-
dium-term trading strategy for a virtual power plant with first-order stochastic
dominance constraints”, iet Generation, Transmission and Distribution, vol. 11,
n.° 2, pp. 520–529, 2017, doi: 10.1049/iet-gtd.2016.1072.
391
[59] M. Shabanzadeh, M.-K. Sheikh-El-Eslami y M.-R. Haghifam, “Decision mak-
ing tool for virtual power plants considering midterm bilateral contracts”, n.°
Eneuary, pp. 1–6, 2015, doi: 10.1108/02683940910974099.
[60] C. Huang, D. Yue, J. Xie, Y. Li y K. Wang, “Economic dispatch of power systems
with virtual power plant based interval optimization method”, csee Journal
of Power and Energy Systems, vol. 2, n.° 1, pp. 74–80, 2016, doi: 10.17775/csee-
jpes.2016.00011.
[61] H. Pandžić, J. M. Morales, A. J. Conejo et al., “Offering model for a virtual pow-
er plant based on stochastic programming”, Appl Energy, vol. 105, pp. 282–292,
2013, doi: 10.1016/j.apenergy.2012.12.077.
[62] E. G. Kardakos, S. Member, C. K. Simoglou et al., “Optimal offering strategy of
a virtual power plant”, ieee Trans Smart Grid, vol. 7, n.° 2, pp. 1–13, 2015.
[63] S. R. Dabbagh y M. K. Sheikh-El-Eslami, “Risk Assessment of Virtual Power
Plants Offering in Energy and Reserve Markets”, ieee Transactions on Power
Systems, vol. 31, n.° 5, pp. 3572–3582, 2016, doi: 10.1109/TPWRS.2015.2493182.
[64] H. Pandžić, I. Kuzle y T. Capuder, “Virtual power plant mid-term dispatch
optimization”, Appl Energy, vol. 101, pp. 134–141, 2013, doi: 10.1016/j.apener-
gy.2012.05.039.
[65] S. R. Dabbagh and M. K. Sheikh-El-Eslami, “Risk-based profit allocation to
ders integrated with a virtual power plant using cooperative Game theory”,
Electric Power Systems Research, vol. 121, pp. 368–378, 2015, doi: 10.1016/j.
epsr.2014.11.025.
[66] M. Shabanzadeh, M. K. Sheikh-El-Eslami y M. R. Haghifam, “The design of a
risk-hedging tool for virtual power plants via robust optimization approach”,
Applied Energy, vol. 155. pp. 766–777, 2015. doi: 10.1016/j.apenergy.2015.06.059.

[67] F. Luo, Z. Y. Dong, K. Meng et al., “Short-term operational planning framework
for virtual power plants with high renewable penetrations”, iet Renewable Pow-
er Generation, vol. 10, n.° 5, pp. 623–633, 2016, doi: 10.1049/iet-rpg.2015.0358.
[68] B. Zhou, X. Liu, Y. Cao et al., “Optimal scheduling of virtual power plant with
battery degradation cost”, iet Generation, Transmission and Distribution, vol. 10,
n.° 3, pp. 712–725, 2016, doi: 10.1049/iet-gtd.2015.0103.
[69] M. Shabanzadeh, M. K. Sheikh-El-Eslami y M. R. Haghifam, “An interactive
cooperation model for neighboring virtual power plants”, Appl Energy, vol. 200,
pp. 273–289, 2017, doi: 10.1016/j.apenergy.2017.05.066.
[70] S. M, M.-K. Sheikh-El-Eslami, P. Haghifam y M-R Haghifam, “Decision Making
Tool for Virtual Power Plants Considering Midterm Bilateral Contracts”, 3rd
Iranian Regional cired Conference and Exhibition on Electricity Distribution,
at Niroo Research Institute (NRI), Tehran, Iran, vol. 3, n.° 3, pp. 1–6, 2015, doi:
10.13140/2.1.5086.4969.
[71] Q. Zhao, Y. Shen y M. Li, “Control and Bidding Strategy for Virtual Power
Plants with Renewable Generation and Inelastic Demand in Electricity Mar-
kets”, ieee Trans Sustain Energy, vol. 7, n.° 2, pp. 562–575, 2016, doi: 10.1109/
TSTE.2015.2504561.
[72] Y. Liu, M. Li, H. Lian et al., “Optimal dispatch of virtual power plant using
interval and deterministic combined optimization”, International Journal of
392
Electrical Power and Energy Systems, vol. 102, n.° April, pp. 235–244, 2018, doi:
10.1016/j.ijepes.2018.04.011.
[73] R. M. Lima, A. J. Conejo, S. Langodan et al., “Risk-averse formulations and
methods for a virtual power plant”, Comput Oper Res, vol. 96, pp. 350–373, 2018,
doi: 10.1016/j.cor.2017.12.007.
[74] M. Rahimiyan y L. Baringo, “Strategic Bidding for a Virtual Power Plant in
the Day-Ahead and Real-Time Markets: A Price-Taker Robust Optimization
Approach”, ieee Transactions on Power Systems, vol. 31, n.° 4, pp. 2676–2687,
2016, doi: 10.1109/TPWRS.2015.2483781.
[75] R. A. Hooshmand, S. M. Nosratabadi y E. Gholipour, Event-based scheduling
of industrial technical virtual power plant considering wind and market prices sto-
chastic behaviors - A case study in Iran, vol. 172. Elsevier Ltd, 2018. doi: 10.1016/j.
jclepro.2017.12.017.
[76] D. Koraki and K. Strunz, “Wind and solar power integration in electrici-
ty markets and distribution networks through service-centric virtual power
plants”, ieee Transactions on Power Systems, vol. 33, n.° 1, pp. 473–485, 2018, doi:
10.1109/TPWRS.2017.2710481.
[77] M. Mohebbi-Gharavanlou, S. Nojavan y K. Zare, “Energy management of
virtual power plant to participate in the electricity market using robust optimi-
zation”, Journal of Operation and Automation in Power Engineering, vol. 8, n.° 1,
pp. 43–56, 2020, doi: 10.22098/joape.2019.5362.1400.
[78] M. Emarati, F. Keynia y M. Rashidinejad, “A two-stage stochastic programming fra-
mework for risk-based day-ahead operation of a virtual power plant”, in Internatio-
nal Transactions on Electrical Energy Systems, 2020, vol. 30, n.° 3. doi: 10.1002/2050-
7038.12255.
[79] N. Naval, R. Sánchez y J. M. Yusta, “A virtual power plant optimal dispatch mo-
del with large and small-scale distributed renewable generation”, Renew Energy,
vol. 151, n.° xxxx, pp. 57–69, 2020, doi: 10.1016/j.renene.2019.10.144.
[80] H. Nguyen-Duc and N. Nguyen-Hong, “A study on the bidding strategy of the
Virtual Power Plant in energy and reserve market”, Energy Reports, vol. 6. pp.
622–626, 2020. doi: 10.1016/j.egyr.2019.11.129.
[81] M. Freire-Lizcano, L. Baringo y R. Garcia-Bertrand, “Offering Strategy of a
Price-Maker Virtual Power Plant”, in SEST 2019 - 2nd International Confe-
rence on Smart Energy Systems and Technologies, 2019, pp. 1–6. doi: 10.1109/
SEST.2019.8849116.
[82] H. T. Nguyen, L. B. Le y Z. Wang, “A Bidding Strategy for Virtual Power Plants
with the Intraday Demand Response Exchange Market Using the Stochastic
Programming”, ieee Trans Ind Appl, vol. 54, n.° 4, pp. 3044–3055, 2018, doi:
10.1109/TIA.2018.2828379.
[83] D. T. Nguyen, L. B. Le y S. Member, “Risk-Constrained Profit Maximization for

Microgrid”, ieee Trans Smart Grid, vol. 6, n.° 1, pp. 1–11, 2015.
[84] M. Jafari y A. Akbari Foroud, “A medium/long-term auction-based coali-
tion-forming model for a virtual power plant based on stochastic program-
ming”, International Journal of Electrical Power and Energy Systems, vol. 118, n.°
December 2019, p. 105784, 2020, doi: 10.1016/j.ijepes.2019.105784.
393
[85] J. Chen, Y. Liu, Y. He et al., “A Comprehensive Valuation of Virtual Power Plant
in Multiple Electricity Markets”, in 2nd ieee Conference on Energy Internet and
Energy System Integration, EI2 2018 - Proceedings, 2018, pp. 1–6. doi: 10.1109/
EI2.2018.8582575.
[86] M. Shafiekhani y A. Badri, “A Risk-Based Gaming Framework for vpp Bidding
Strategy in a Joint Energy and Regulation Market”, in Iranian Journal of Science
and Technology - Transactions of Electrical Engineering, vol. 43, n.° 3, 2019, pp.
545–558. doi: 10.1007/s40998-019-00179-6.
[87] F. S. Gazijahani y J. Salehi, “igdt-Based Complementarity Approach for Dea-
ling with Strategic Decision Making of Price-Maker vpp Considering Demand
Flexibility”, ieee Trans Industr Inform, vol. 16, n.° 4, pp. 2212–2220, 2020, doi:
10.1109/TII.2019.2932107.
plant for participating in energy and spinning reserve markets-Part I: Problem
formulation”, ieee Transactions on Power Systems, vol. 26, n.° 2, pp. 949–956,
2011, doi: 10.1109/TPWRS.2010.2070884.
[89] R. Gao Autor 2, Autor 3 et al., “A two-stage dispatch mechanism for virtual
power plant utilizing the Cvar theory in the electricity spot market”, Energies
(Basel), vol. 12, n.° 17, 2019, doi: 10.3390/en12173402.
[90] F. Sheidaei y A. Ahmarinejad, “Multi-stage stochastic framework for energy
management of virtual power plants considering electric vehicles and demand
response programs”, International Journal of Electrical Power and Energy Sys-
tems, vol. 120, n.° April, p. 106047, 2020, doi: 10.1016/j.ijepes.2020.106047.
[91] V. S. Tabar, S. Ghassemzadeh y S. Tohidi, “Energy management in hybrid mi-
crogrid with considering multiple power market and real time demand respon-
se”, Energy, vol. 174, pp. 10–23, 2019, doi: 10.1016/j.energy.2019.01.136.
[92] T. Xu, W. Wu, Z. Y. Wang et al., “Coordinated optimal dispatch of vpp in unba-
lanced ADNs”, iet Generation, Transmission and Distribution, vol. 14, n.° 8, pp.
1430–1437, 2020, doi: 10.1049/iet-gtd.2019.0697.
[93] S. Yin, Q. Ai, Z. Li et al., “Energy management for aggregate prosumers in a vir-
tual power plant: A robust Stackelberg game approach”, International Journal of
Electrical Power and Energy Systems, vol. 117, n.° June 2019, p. 105605, 2020, doi:
10.1016/j.ijepes.2019.105605.
[94] Y. Huo, S. Barcellona, L. Piegari y G. Gruosso, “Reactive Power Injection to
Mitigate Frequency Transients Using Grid Connected pv Systems”, Energies
(Basel), vol. 13, n.° 8, p. 1998, 2020, doi: 10.3390/en13081998.
[95] W. S. Sakr, H. A. A. El-Ghany, R. A. EL-Sehiemy et al., “Techno-economic
assessment of consumers participation in the demand response program for
optimal day-ahead scheduling of virtual power plants”, Alexandria Engineering
Journal, vol. 59, n.° 1, pp. 399–415, 2020, doi: 10.1016/j.aej.2020.01.009.
[96] R. Ko y S. K. Joo, “Stochastic mixed-integer programming (smip)-based dis-
tributed energy resource allocation method for virtual power plants”, Energies
(Basel), vol. 13, n.° 1, 2019, doi: 10.3390/en13010067.
[97] M. Shabanzadeh, M. K. Sheikh-El-Eslami y M. R. Haghifam, “A medium-term
coalition-forming model of heterogeneous ders for a commercial virtual power
394
plant”, Appl Energy, vol. 169, pp. 663–681, May 2016, doi: 10.1016/J.APENER-
GY.2016.02.058.
[98] L. Baringo and M. Rahimiyan, Virtual Power Plants and Electricity Markets:
Decision Making Under Uncertainty. 2020.
[99] P. Karimyan, M. Abedi, S. H. Hosseinian y R. Khatami, “Stochastic approach to
represent distributed energy resources in the form of a virtual power plant in
energy and reserve markets”, iet Generation, Transmission and Distribution, vol.
10, n.° 8, 2016, doi: 10.1049/iet-gtd.2015.0715.
[100] O. D. Montoya, A. Grajales, L. F. Grisales et al., “Ubicación y Operación Eficiente
de Almacenadores de Energía en Micro-redes en Presencia de Generación Distri-
buida Optimal Location and Operation of Energy Storage Devices in Microgrids
in Presence of Distributed Generation”, Cintex, vol. 22, n.° 1, pp. 97–117, 2017.
395
Las microrredes eléctricas
como solución a la pobreza
energética en comunidades
CAPÍTU LO 18
rurales no interconectadas,
caso aplicado al
departamento del Chocó
(Colombia)
Lubin Delgado Arroyo1, Idi Amin Isaac Millán2,

Luciano Gallón3 y Carlos Jaime Franco Cardona4
[1] Universidad Tecnológica del Chocó Diego Luis Córdoba.
Chocó, Colombia
[email protected]
[2] upb Smart Energy Center (sec)

Universidad Pontificia Bolivariana,
circular 1 70-01, Medellín, Colombia
[email protected]
[3] Universidad Pontificia Bolivariana,

circular 1 70-01, Medellín, Colombia
[email protected]
[4] Grupo de Investigación en Sistemas Energéticos

Universidad Nacional de Colombia,
Medellín, Colombia
[email protected]
397
Introducción
En la actualidad los gobiernos se han centrado en el desarrollo de proyectos de interco-

nexión eléctrica, con lo cual buscan la expansión de la red hacia las comunidades rurales,
esto como estrategia para conseguir el incremento necesario en la tasa de electrificación
rural; no obstante, la inversión que se requiere para extender las redes eléctricas hasta las
comunidades más alejadas y dispersas suelen exceder lo previsto en cualquier proyecto
[1]. Para superar estas barreras, los gobiernos han empleado diferentes estrategias, tales
como la implementación de generadores diésel, los cuales proporcionan electricidad
de forma limitada, y en la actualidad sistemas de electrificación autónomos a base de
energías renovables, los cuales han demostrado ser adecuados para proporcionar energía
eléctrica a las comunidades [2], [3].
La pobreza energética en comunidades rurales se define como la falta de acceso equi-
tativo a servicios energéticos de alta calidad (adecuados, confiables, no contaminantes
y seguros) para cubrir las necesidades fundamentales y básicas, que permitan sostener
el desarrollo humano y económico de sus habitantes [4].
En este contexto, se propone la investigación “Pobreza energética en comunidades
rurales no interconectadas de Colombia: Microrredes autónomas como solución a la
sostenibilidad energética” con el objetivo de diseñar un modelo de simulación para
la comprensión de la pobreza energética en comunidades rurales no interconectadas
contemplando el uso de microrredes autónomas. Este se encuentra formulado bajo la
metodología de la dinámica de sistemas, la cual servirá como instrumento de apoyo
para la evaluación de los índices de sostenibilidad y equidad energética entre las zo-
lubin delgado arroyo, idi amin isaac millán, luciano gallón y carlos jaime franco cardona
nas urbanas y rurales del país. Para dar respuesta a la problemática se han planteado
3 objetivos específicos, los cuales buscan, primero, caracterizar el estado actual de los
recursos naturales, socioeconómicos y tecnológicos en las comunidades rurales no
interconectadas, mediante el uso de ecuaciones matemáticas. En segunda instancia, se
busca estructurar y construir un modelo de simulación mediante técnicas de dinámica
de sistemas para la evaluación de los índices de sostenibilidad y equidad energética entre
las zonas urbanas y rurales del país, y finalmente, se validará el modelo mediante casos
reales de zonas no interconectadas de Colombia.
Problemática de la pobreza energética en comunidades

rurales no interconectadas
Según la iea, el número de personas sin acceso a electricidad se redujo de casi
1 000 000 000 en 2017 a 757 000 000 en 2020 [5]. En la tabla 18.1, se muestran los por-
centajes de la población mundial con carencia de energía eléctrica, revelando que el
10 % de la población mundial adolece de acceso a electricidad, y que la población rural
es la más afectada, con cerca de un 18 % de su población total sin acceso a servicios de
energía eléctrica [6], [7]. De igual forma, unos 2 600 000 000 de personas en el mundo,
dependen de los usos convencionales de la biomasa (leña, residuos de carbón, residuos
de agricultura, etc., llevados a combustión directa) para satisfacer la mayoría de sus ne-
cesidades diarias de energía, tales como cocción y calefacción [8]. Como consecuencia,
la Organización Mundial de la Salud estima que más de 2 500 000 de personas, en su
398
mayoría mujeres y niños, mueren prematuramente cada año por la polución producida
en el interior de sus viviendas [5]. En resumen, la generación de electricidad cubre la
demanda de energía eléctrica en las grandes poblaciones; sin embargo, en las regiones
más apartadas del sistema de interconexión eléctrico no es posible acceder al servicio,
debido a los altos costos asociados a su conexión, la granularidad de la demanda dada
las microrredes eléctricas como solución a la pobreza energética en comunidades rurales no interconectadas, caso aplicado al departamento del chocó (colombia)
la baja densidad poblacional, o el difícil acceso al sitio [9], [10].
La problemática de la pobreza energética se analizará desde 3 dimensiones: socio-
económica, ambiental y energética.
Tabla 18.1. Porcentaje de la población sin acceso a electricidad en el mundo
Porcentaje de población con acceso a Porcentaje de población sin acceso a la

electricidad en el mundo electricidad en el mundo
2020 Urbano Rural 2020 Urbano Rural
Mundo 90 % 97 % 82 % 10 % 3% 18 %
África 56 % 83 % 36 % 44 % 17 % 64 %
Asia en
97 % 99 % 95 % 3% 1% 5%
desarrollo
América Central
97 % 99 % 86 % 3% 1% 14 %
y del Sur
Medio Oriente 92 % 98 % 77 % 8% 2% 23 %
Fuente: elaboración propia a partir de información de [12].
Problemática socioeconómica
Las comunidades rurales no interconectadas se caracterizan por estar ubicadas en

zonas geográficas donde prestar el servicio de electricidad se convierte en un gran reto
para los operadores de red. Estas comunidades están conformadas por campesinos
pobres, los cuales se dedican a las actividades propias del campo, como la pesca, la
agricultura, la ganadería, el turismo, la minería, entre otras, situación que determina
su economía. Normalmente, los ingresos por estas actividades no son suficientes para
acceder a los servicios básicos, no facilitan la adquisición de bienes (refrigeradores,
calentadores, tv, computadores, aires acondicionados, estufas eléctricas o de gas, en-
tre otros), ni permiten el acceso a la canasta básica, educación de calidad, servicios de
salud, tecnología y comunicaciones. En suma, el habitante de las zonas sin energía no
cuenta con infraestructura adecuada para mejorar sus actividades productivas, trabaja
en condiciones de precariedad y de riesgos de toda índole, y está expuesto al cambio
climático, fluctuaciones de mercado, vaivenes de las economías locales, y reducido al
escaso poder de negociación política e incipiente acceso a la información, situación que
continuamente lo pone en desventaja [11], [12].
399
Problemática ambiental
El impacto ambiental asociado a la generación de energía en comunidades rurales no

interconectadas está fuertemente determinado por la utilización de biomasa (madera,
carbón, estiércol o residuos) para cocinar y calentar el hogar. Estos combustibles, nor-
malmente, se queman directamente dentro de los hogares en cocinas de barro, ladrillo
o metal y generan un sinnúmero de emisiones altamente tóxicas para el ambiente y
para el entorno familiar. Asimismo, gran parte de las necesidades relacionadas con la
iluminación se basan en el uso de velas y, en menor medida, en el uso de lámparas de
kerosene [13].
Problemática energética
La problemática energética en las comunidades rurales no interconectadas se considera

desde 2 aspectos: el primero se refiere a las tecnologías empleadas para la generación
de energía frente a la seguridad energética y a la cobertura.
En cuanto a las tecnologías implementadas en las comunidades rurales, se cuenta
con una matriz energética conformada en primera medida por plantas eléctricas, las
cuales funcionan a base de combustibles fósiles para la generación local [4]. Las plantas
de generación diésel presentan múltiples ventajas, entre otras: fácil consecución en el
mercado, bajo costo inicial por kW, fácil mantenimiento, red extendida de proveedores
de componentes y servicios y costos aceptables de operación y mantenimiento. Sin em-
bargo, cuando la operación de estas plantas se realiza en zonas remotas, se presentan
dificultades de transporte, que, como consecuencia, presenta elevados costos de com-

bustible, operación y mantenimiento. Esto se refleja en el costo del servicio de energía
por kWh. Además, esta opción tecnológica tiene un impacto medioambiental muy
negativo, ya que produce contaminación atmosférica, auditiva y del suelo a nivel local.
En segunda medida se presentan los sistemas de generación independientes, los cuales
han brindado solución a las comunidades rurales, mediante el empleo de diferentes en-
ergéticos como biomasa, minicentrales hidroeléctricas y paneles solares acompañados
de baterías. Si bien estas medidas independientes han aportado a la solución de la falta
de energía en comunidades rurales, siguen siendo ineficientes dado que no alcanzan a
cubrir las necesidades energéticas de los habitantes de estas comunidades y la cobertura
se da durante un tiempo limitado. Esto, puesto que se encuentran limitadas a la dis-
ponibilidad del recurso. Por otro lado, los proyectos de interconexión producen grandes
afectaciones en los ecosistemas generando fragmentación y creando dependencia del
sin; además, no son eficientes, ya que, se generan grandes pérdidas de energía durante
la transmisión a estas zonas.
Un caso puntual: pobreza energética en comunidades rurales

del departamento del Chocó (Colombia)
El departamento del Chocó es uno de los 32 departamentos que hacen parte de Colombia.
Se encuentra ubicado al noroeste del país, en las regiones andina y pacífico. El Chocó
se encuentra subdividido en 30 municipios, con una población aproximada de 544 764
400
habitantes, de los cuales 50 000 no cuentan con acceso a energía eléctrica las 24 horas
del día. Según el Ipse, el departamento del Chocó es el segundo departamento con más
zonas no interconectadas (aproximadamente 506), después de Nariño (aproximadamente
600) y seguido del Cauca (aproximadamente 189) [1], [14].
En muchas comunidades rurales del departamento del Chocó, no se cuenta con
acceso a energía eléctrica permanente y de calidad, se presentan carencias en lo que
tiene que ver con condición de vida digna y de equidad con respecto las zonas urbanas
interconectadas. La falta de acceso a electricidad en el departamento del Chocó no per-
mite contar con los mínimos de climatización en las viviendas, acceder a iluminación en
las horas nocturnas, refrigeración, cocción de alimentos, acceso a equipos electrónicos
tales como celulares, tv y demás electrodomésticos en el hogar que permitan mejorar
la calidad de vida de sus habitantes [15].
En el departamento del Chocó se presentan altos costos en la adquisición de servicios
energéticos, como se refleja en la encuesta aplicada al municipio de Bahía Solano [16],
la cual estuvo enfocada en los energéticos empleados para satisfacer las necesidades
de este tipo en el hogar. La encuesta fue aplicada a los corregimientos de Playa Potes,
Huaca, Huina, Nabugá y Mecana, donde el promedio de ingreso mensuales por hogar
era de cop 710 000 (cerca de 150 usd) y un gasto mensual solo por energéticos de cop
85 000 pesos colombianos (aproximadamente 18 usd), lo que representa cerca del 12 %
de los ingresos solo en energéticos para el hogar (ver figura 18.1).
Figura 18.1. Gasto mensual de energía en hogares (USD)

Fuente: elaboración propia a partir de [18] p.14.
401
Estado del arte de las soluciones para garantizar acceso a la
energía en zonas remotas
A partir de una detallada revisión bibliográfica, se pudieron clasificar taxonómicamente
los principales aspectos temáticos y sistémicos relacionados con las soluciones más
comunes para garantizar acceso a la energía en comunidades remotas. Se realizó un
acucioso análisis discriminando los tipos de sistemas de generación, tecnologías, mo-
delos empleados y principales indicadores. Producto de la revisión, se obtuvieron 204
documentos, entre artículos científicos de alto cuartil y trabajos doctorales. La lectura
crítica permitió reducir la selección a 35 referencias claves, mostradas en la tabla 18.2.
Tabla 18.2. Revisión de artículos mediante los subtemas (sistemas de generación, tecnologías,
modelos empleados e indicadores)
Sistema
2
de Tecnologías3 Modelo empleado4 Indicadores

Generación
Artículos
Año
MODM
MTG
PCH
HRE
SEM
PNL
BAT
SBA
OM
MR
AG
SEI
MS
CC
GE
AB
TC
FV
EC
SO
SD
EB
EE
PL
IT
2020 [17] X X X X X X X
2020 [18] X X X X X
2020 [19] X X X X
2020 [20] X X X X
2020 [21] X X X
2020 [22] X X X X X X X
2019 [13] X X X X X X X X
2018 [23] X X X X X X
2018 [24] X X X X X X X X X X
2018 [25] X X X
2018 [26] X X X
2 Sistemas de generación: sei = sistemas autónomos o independientes, mr = microrredes eléctricas y hre = siste-
mas híbrido de energía.
3 Tecnologías: fv = solar fotovoltaica, ee = energía eólica, eb = biomasa, cc = celdas de combustibles, mtg =
microturbinas de gas y ge = grupos electrógenos (diésel).
4 Modelos empleados: sd = dinámica de sistema, ms = simulación de montecarlo, om = optimización matemáti-
ca, ag = algoritmo genético, pl= programación lineal, pnl = programación no lineal, sba = simulación basada
en agentes, sem = modelos de ecuaciones estructurales y modm = modelo de decisión multiobjetivo.
402
Sistema
2
de Tecnologías3 Modelo empleado4 Indicadores

Generación
Artículos
Año
MODM
MTG
PCH
HRE
SEM
PNL
BAT
SBA
OM
MR
AG
SEI
MS
CC
GE
AB
TC
FV
EC
SO
SD
EB
EE
PL
IT
2018 [27] X X X X X X
2018 [28] X X X X X X
2018 [29] X X X X
2018 [30] X X X X
2018 [31] X X X X
2018 [32] X X
2018 [33] X X
2017 [34] X X X X X X
2017 [35] X X X
2017 [36] X X X
2016 [37] X X X X X X X X X
2016 [38] X X X X
2016 [39] X X X X X
2015 [40] X X X X X X
2015 [41] X X X X
2014 [42] X X X X X
2014 [43] X X X X
2014 [44] X X
2014 [45] X X
2012 [46] X X X X X X
2012 [47] X X X X X
2012 [48] X X
2011 [12] X X X X X
2011 [49] X X X X X
403
Según el estudio desarrollado, los sistemas independientes de electrificación han sido
los más empleados como sistemas de generación en las comunidades rurales, seguidos
de las microrredes eléctricas, las cuales se evidencian con mayor frecuencia en los últi-
mos años. Los sistemas renovables independientes, en su mayoría, están conformados
por módulos solares fotovoltaicos y bancos de baterías instalados individualmente en
cada casa. Otra alternativa muy empleada son los sistemas híbridos, los cuales com-
binan varias tecnologías, por ejemplo, generación diésel acompañada y algún recurso
renovable, como solar o eólico (ver tabla 18.3).
Tabla 18.3. Tecnologías usadas para electrificación en comunidades rurales no

interconectadas
Tecnologías Referencias
Solar [17], [13], [24], [27], [28], [30],[34], [35], [37], [38], [39], [41], [43], [46], [12].
Eólica [13], [24], [27], [30], [31], [34], [37], [39], [41], [43], [47], [49]
Solar + baterías [17], [13], [24], [27], [23], [37] [38], [44] [12], [50], [51], [52].
Híbridos sin
[13], [27], [30] [41], [43], [47], [49].
diésel
Híbridos con
[24], [28], [34], [37], [39].
diésel
Llama particularmente la atención el alto empleo de una evolución de los sistemas

híbridos, y las microrredes eléctricas, con una curva de crecimiento sostenido en los
últimos 8 años, dado el uso del control y la sensórica para integrar de manera óptima
las diferentes fuentes renovables con las que se cuenta en la comunidad para su fun-
cionamiento, bien sea independiente o permitiendo combinaciones diésel-renovable
durante periodos determinados (ver tabla 18.4).
Tabla 18.4. Tecnologías para electrificación rural que involucraron microrredes
Sistemas de generación Referencias

[18], [20], [21], [22], [23], [25], [26], [29], [31], [33], [35], [36], [40], [43],
Independientes
[45], [46], [47], [48], [12], [49] [53], [54].
[17], [13], [24], [28], [34], [37], [38], [41], [42].
Microrredes híbridas
[27], [39].
En el tema de los modelos empleados en la literatura para la evaluación de índices

relacionados con la sostenibilidad y el estudio de la pobreza energética presente en co-
munidades rurales no interconectadas, se evidenció el empleo —apenas parcial— de la
dinámica de sistemas (sd) como alternativa. Las referencias que emplearon sd pueden
apreciarse en la tabla 18.2.
404
Uno de los estudios que pone de manifiesto la falta de equidad energética entre las
zonas urbanas y rurales de Colombia emplea dinámica de sistemas y plantea a las mi-
crorredes como tecnologías viables para llegar a una solución. Este es “Electrificación
rural y expansión de la capacidad con un enfoque de modelado integrado” [28]. Sin
embargo, dicha investigación no presenta un estudio sobre los diferentes indicadores de
sostenibilidad, situación que se pretende complementar en la tesis doctoral relacionada
con este trabajo.
Construcción del modelo para validar a las microrredes

como solución a la pobreza energética
Como alternativa de solución a los problemas de pobreza energética en comunidades no
interconectadas, se plantea el desarrollo de un modelo de simulación basado en dinámica
de sistemas (sd), el cual se estructura a partir del diagrama de bloques de la figura 18.2.
Figura 18.2. Diagrama de bloques. Modelo de simulación

El modelo se construye desde el punto de vista de los factores que inciden en la

pobreza energética de las comunidades rurales no interconectadas. Se consideran 3
grandes bloques: demanda de energía, servicios y seguridad energética.
En el módulo de demanda se consideran 3 tipologías: residencial, por actividades
productivas e institucionales (ver figura 18.2).
Desde los servicios energéticos se incluyen las tecnologías de generación de energía
eléctrica individuales (diésel, solar, solar + baterías, eólica) y conformando la microrred.
405
Bloque de demanda energética
En la figura 18.3 se presenta el modelo diseñado para la demanda energética de comu-

nidades rurales no interconectadas. Nótese la dependencia que exhibe la demanda con
respecto al crecimiento poblacional. Para este caso específico, se modeló una población
aproximada de 500 habitantes, equivalente a un asentamiento rural perteneciente al
municipio de Beté en el Chocó.
Figura 18.3. Modelo para la estimación de la demanda energética poblacional

Bloque de oferta energética
El modelo desarrollado para la estimación de la oferta energética de comunidades

rurales no interconectadas partió del diseño de una microrred eléctrica autónoma,
la cual contempla las tecnologías de generación de energía solar, eólica, pch y diésel.
Las tecnologías seleccionadas obedecen a las de mayor viabilidad de generación en las
zonas rurales de Colombia. De igual manera, el módulo de oferta energética integra las
variables ambientales como es el caso de la radiación solar, velocidad de viento, caudales
y disponibilidad de diésel en la comunidad; todas ellas, factores determinantes en las
decisiones de optimización de la microrred.
406
Figura 18.4. Modelo para la estimación de la oferta energética poblacional
Bloque de seguridad energética
Desde el bloque de la seguridad energética se contempla el modelo de sostenibilidad y

acceso equitativo a servicios energéticos de calidad. Se propone realizar la modelación
de la pobreza energética desde la ecuación del índice de pobreza energética en el hogar,
planteado como se muestra en la ecuación 1.
(18.1)
Donde:
PEH: pobreza energética en el hogar.
BEi: bien económico i.
407
Resultados preliminares
La simulación del modelo se desarrolla para una población de 500 habitantes y evalúa
inicialmente la satisfacción de la demanda para un periodo de 300 meses. La población
se modeló con 85 viviendas, 20 luminarias para alumbrado público, una distribución
de la demanda a 24 horas de la siguiente manera: demanda residencial de 7500 kWh/
día, demanda productiva de 45 kWh/día y una demanda pública de 349 kWh/día, para
una demanda total de 7894 kWdía/mes (ver figura 18.5).
Figura 18.5. Demanda poblacional

Para la oferta energética se tomó como caso base solo la operación de una planta
eléctrica diésel de 28 kW con disponibilidad de 8h/día. La energía obtenida fue de 6048
kWdía/mes, valor por debajo de la demanda poblacional como se observa en la figura
18.6, dejando ver que hay una demanda no atendida (dna) de 2000 kWdía/mes.
Como consecuencia de la dna y como se refleja en la figura 18.7, al evaluar el índice
de pobreza energética se obtiene un valor bastante discreto, toda vez que los niveles
deseables deben estar cercanos a 1.
408
Figura 18.7. Índice de pobreza energética

Figura 18.6. Demanda poblacional vs. generación de energía
409
Conclusiones y trabajo futuro
De la revisión del estado del arte se puede concluir que las microrredes pueden constituirse
en una solución a la problemática del acceso a la energía en zonas no interconectadas.
La hipótesis del modelo planteado es facilitar la comprensión de la pobreza energética
que se vive en las comunidades rurales no interconectadas de Colombia y, en específico,
del departamento del Chocó. Con ello, se busca generar un conocimiento apropiado
que permita contribuir a la calidad de vida de los habitantes de las comunidades rurales,
además de generar un elemento de toma de decisión para proyectos de inversión en
generación de energía eléctrica para estas comunidades.
El modelo presentado está siendo objeto de complemento y calibración. En un estadio
posterior, se espera modelar la microrred completa, determinar la pobreza energética
en los municipios de Nuquí, Bahía Solano y Medio Atrato, y verificar el impacto de las
diferentes alternativas y escenarios de penetración de las microrredes autónomas como
principal solución a la problemática de acceso a la electricidad y potenciales dinamiza-
doras de la productividad en dichas zonas.
Referencias
[1] Upme, “Plan de Expansión de Referencia. Generación -Transmission 2015-
2029”, Minist. Minas y Energía, p. 616, 2016.
[2] D. Restrepo, B. Restrepo-Cuestas y A. Trejos, “Microgrid analysis using HO-
MER: A case study”, Dyna, vol. 85, n.° 207, pp. 129–134, 2018, doi: 10.15446/
dyna.v85n207.69375.
[3] E. A. C. Sánchez, “Incidencia de proyectos que emplean sistemas fotovoltaicos
frente a la problematica energetica de las zonas rurales de Colombia”, Universi-
dad Nacional Abierta y Adistancia, 2017.
[4] R. Calvo, N. Álamos, M. Billi et al., Desarrollo de indicadores de pobreza en-
ergética en América Latina y el Caribe. Comisión Económica para América
Latina y el Caribe (cepal).
[5] aei, “Datos y proyecciones , aie, París”, 2019.
[6] M. Kanagawa y T. N. Ã, “Assessment of access to electricity and the socio-eco-
nomic impacts in rural areas of developing countries”, vol. 36, n.° 2008, pp.
2016–2029, 2016, doi: 10.1016/j.enpol.2008.01.041.
[7] G. Andrés y M. Peña, “El Potencial de Suministrar Electricidad a Comunidades
Indigenas y Campesinas de Chile Mediante Microrredes Híbridas Solar-Eólicas.
Untogeneradas: Una propuesra de desarrollo comunitario sustentable para elec-
trificación rural en zonas aisladas”, Pontificia Universidad Catolica de Chile, 2015.
[8] oecd/iea, “Energy Poverty-How to make modern energy access universal”,
Outlook, n.° September, pp. 3–35, 2010.
[9] E. E. G. García, “Metodología para la implementación de un sistema de comu� -
nicaciones para microrredes eléctricas rurales aisladas”, Universidad Francisco
José de Caldas, 2017.
[10] J. J. P. Gelves, “Energy Poverty in Colombia: Empirical Evidence from 2011”, p.
47, 2019.
410
[11] L. E. Santacoloma-varón, “Importancia de la economía campesina en los contextos
contemporáneos : una mirada al caso colombiano”, vol. 11, n.° 2, pp. 38–50, 2015.
[12] A. H. Mondal y D. Klein, “Impacts of solar home systems on social develop-
ment in rural Bangladesh”, Energy Sustain. Dev., vol. 15, n.° 1, pp. 17–20, 2011,
doi: 10.1016/j.esd.2010.11.004.
[13] Y. Parag y M. Ainspan, “Sustainable microgrids: Economic, environmental and
social costs and benefits of microgrid deployment”, Energy Sustain. Dev., vol. 52,
pp. 72–81, 2019, doi: 10.1016/j.esd.2019.07.003.
[14] Upme y Minminas, “Informe de Gestión Upme.”, pp. 1–105, 2018.
[15] E. B. Palacios, Energías renovables en el departamento del Chocó. 2020.
[16] J. Tomei, J. Cronin, H. D. Agudelo et al., “Forgotten spaces: How reliability,
affordability and engagement shape the outcomes of last-mile electrification in
Chocó, Colombia”, Energy Res. Soc. Sci., vol. 59, n.° September 2019, 2020, doi:
10.1016/j.erss.2019.101302.
[17] J. Arkhangelski, P. Siano, A. Mahamadou et al., “Evaluating the Economic Ben-
efits of a Smart-Community Microgrid with Centralized Electrical Storage and
Photovoltaic Systems”, Energies, p. 21, 2020, doi: 10.3390/en13071764.
[18] S. Balderrama, F. Lombardi, F. Riva et al., “A two-stage linear programming
optimization framework for isolated hybrid microgrids in a rural context: The
case study of the ‘El Espino’ community”, Energy, vol. 188, p. 116073, 2019, doi:
10.1016/j.energy.2019.116073.
[19] F. Riva y E. Colombo, “System-dynamics modelling of the electricity-develop-
ment nexus in rural electrification based on a Tanzanian case study”, Energy
Sustain. Dev., vol. 56, pp. 128–143, 2020, doi: 10.1016/j.esd.2020.04.001.
[20] I. P. C. Pereira, F. A. F. Ferreira, L. F. Pereira et al., “A fuzzy cognitive map-
ping-system dynamics approach to energy-change impacts on the sustainability
of small and medium-sized enterprises”, J. Clean. Prod., vol. 256, 2020, doi:
10.1016/j.jclepro.2020.120154.
[21] J. Valencia-Calvo, G. Olivar-Tost, J. D. Morcillo-Bastidas et al., “Non-Smooth
Dynamics in Energy Market Models: A Complex Approximation from System
Dynamics and Dynamical Systems Approach”, ieee Access, vol. 8, pp. 128877–
128896, 2020, doi: 10.1109/ACCESS.2020.3008709.
[22] Q. Huang, W. Song y C. Song, “Consolidating the layout of rural settlements
using system dynamics and the multi-agent system”, J. Clean. Prod., vol. 274, p.
123150, 2020, doi: 10.1016/j.jclepro.2020.123150.
[23] A. López-González, B. Domenech y L. Ferrer-Martí, “Formative evaluation of
sustainability in rural electrification programs from a management perspective:
A case study from Venezuela”, Renew. Sustain. Energy Rev., vol. 95, n.° July, pp.
95–109, 2018, doi: 10.1016/j.rser.2018.07.024.
[24] A. López-González, B. Domenech y L. Ferrer-Martí, “Sustainability and design
assessment of rural hybrid microgrids in Venezuela”, Energy, vol. 159, pp. 229–
242, 2018, doi: 10.1016/j.energy.2018.06.165.
[25] A. S. Momodu y L. Kivuti-Bitok, “System dynamic modelling of electricity plan-
ning and climate change in West Africa”, AAS Open Res., vol. 1, p. 15, 2018, doi:
10.12688/aasopenres.12852.2.
411
[26] A. Hidayatno, R. Dhamayanti y A. R. Destyanto, “Model conceptualization for
policy analysis in renewable energy development in Indonesia by using system
dynamics”, Int. J. Smart Grid Clean Energy, vol. 8, n.° 1, pp. 54–58, 2019, doi:
10.12720/sgce.8.1.54-58.
[27] A. E. Benavides, G. E. Valencia, Y. D. Cardenas et al., “Dynamic Modeling and
Simulation of an Hybrid Renewable Energy System in Colombia”, pp. 1–10, 2018.
[28] E. Hartvigsson, M. Stadler y G. Cardoso, “Rural electrification and capacity
expansion with an integrated modeling approach”, Renew. Energy, vol. 115, n.°
2018, pp. 509–520, 2018, doi: 10.1016/j.renene.2017.08.049.
[29] F. Riva, H. Ahlborg, E. Hartvigsson et al., “Electricity access and rural develop-
ment: Review of complex socio-economic dynamics and causal diagrams for
more appropriate energy modelling”, Energy Sustain. Dev., vol. 43, pp. 203–223,
2018, doi: 10.1016/j.esd.2018.02.003.
[30] M. R. Saavedra M., C. H. Cristiano y F. G. Francisco, “Sustainable and renew-
able energy supply chain: A system dynamics overview”, Renew. Sustain. Energy
Rev., vol. 82, n.° June 2017, pp. 247–259, 2018, doi: 10.1016/j.rser.2017.09.033.
[31] N. Acevedo-prins, M. Jiménez-gómez y M. Rojas-lópez, “Systems Dynamics on
Incentives to Invest in Renewable Energy in Colombia”, vol. 13, n.° 17, pp. 13188–
13194, 2018.
[32] S. Durdyev, S. Ismail, A. Ihtiyar et al., “A partial least squares structural equa-
tion modeling (pls-sem) of barriers to sustainable construction in Malaysia”, J.
Clean. Prod., vol. 204, pp. 564–572, 2018, doi: 10.1016/j.jclepro.2018.08.304.
[33] Y. Lefaan y R. Dalimi, “System dynamics model with human development
paradigm for projection of electricity needs per household 2016-2050 in Pap-

ua Province-Indonesia”, Proc. 2018 10th Int. Conf. Inf. Technol. Electr. Eng.
Smart Technol. Better Soc. icitee 2018, pp. 58–63, 2018, doi: 10.1109/ICI-
TEED.2018.8534793.
[34] A. H. Hubble y T. S. Ustun, “Composition, placement, and economics of rural
microgrids for ensuring sustainable development”, Sustain. Energy, Grids Net-
works, vol. 13, pp. 1–18, 2018, doi: 10.1016/j.segan.2017.10.001.
[35] A. Vides-Prado et al., “Techno-economic feasibility analysis of photovoltaic
systems in remote areas for indigenous communities in the Colombian Guajira”,
Renew. Sustain. Energy Rev., vol. 82, n.° May, pp. 4245–4255, 2018, doi: 10.1016/j.
rser.2017.05.101.
[36] C. Franco, I. Dyner y S. Hoyos, “Contribución de la energía al desarrollo de
comunidades aisladas no interconectadas: un caso de aplicación de la dinámica
de sistemas y los medios de vida sostenibles en el suroccidente Colombiano”,
Dyna, vol. 75, n.° 154, pp. 199–214, 2008.
[37] D. O. Akinyele y R. K. Rayudu, “Strategy for developing energy systems for re-
mote communities: Insights to best practices and sustainability”, Sustain. Energy
Technol. Assessments, vol. 16, pp. 106–127, 2016, doi: 10.1016/j.seta.2016.05.001.
[38] S. Chalise, J. Sternhagen, T. M. Hansen et al., “Energy management of remote
microgrids considering battery lifetime”, Electr. J., vol. 29, n.° 6, pp. 1–10, 2016,
doi: 10.1016/j.tej.2016.07.003.
412
[39] A. Haghighat Mamaghani, S. A. Avella Escandon, B. Najafi et al., “Techno-eco-
nomic feasibility of photovoltaic, wind, diesel and hybrid electrification systems
for off-grid rural electrification in Colombia”, Renew. Energy, vol. 97, pp. 293–
305, 2016, doi: 10.1016/j.renene.2016.05.086.
[40] I. Iddrisu y Subhes C. Bhattacharyya, “Sustainable Energy Development In-
dex: A multi-dimensional indicator for measuring sustainable energy devel-
opment”, Renew. Sustain. Energy Rev., vol. 50, pp. 513–530, 2015, doi: 10.1016/j.
rser.2015.05.032.
[41] E. E. Gaona, C. L. Trujillo y J. A. Guacaneme, “Rural microgrids and its poten-
tial application in Colombia”, Renew. Sustain. Energy Rev., vol. 51, pp. 125–137,
2015, doi: 10.1016/j.rser.2015.04.176.
[42] K. Ubilla, G. A. Jiménez-Estévez; R. Hernádez et al., “Smart microgrids as a
solution for rural electrification: Ensuring long-term sustainability through
cadastre and business models”, ieee Trans. Sustain. Energy, vol. 5, n.° 4, pp.
1310–1318, 2014, doi: 10.1109/TSTE.2014.2315651.
[43] A. Sheikhi Fini, M. Parsa Moghaddam y M. K. Sheikh-El-Eslami, “A dynam-
ic model for distributed energy resource expansion planning considering
multi-resource support schemes”, Int. J. Electr. Power Energy Syst., vol. 60, pp.
357–366, 2014, doi: 10.1016/j.ijepes.2014.03.030.
[44] K. Markov y N. Rajaković, “Multi-energy microgrids with ecotourism purpos-
es: The impact of the power market and the connection line”, Energy Convers.
Manag., vol. 196, pp. 1105–1112, 2019, doi: 10.1016/j.enconman.2019.05.048.
[45] Y. F. Ceballos, O. B. Espinosa y I. Dyner, “Análisis del desarrollo social en zonas
rurales aisladas empleando simulación basada en agentes”, Rev. Ing. Univ. Me-
dellín, vol. 13, n.° 24, pp. 133–146, 2014.
[46] G. W. Hong N. Abe, “Sustainability assessment of renewable energy projects
for off-grid rural electrification: The Pangan-an Island case in the Philip-
pines”, Renew. Sustain. Energy Rev., vol. 16, n.° 1, pp. 54–64, 2012, doi: 10.1016/j.
rser.2011.07.136.
[47] E. Alishahi, M. P. Moghaddam y M. K. Sheikh-El-Eslami, “A system dynamics
approach for evaluating the optimum value of reliability-based incentive mech-
anism for wind generation in ”, ieee Power Energy Soc. Gen. Meet., pp. 1–8, 2012,
doi: 10.1109/PESGM.2012.6345051.
[48] A. Salman Ahmad and M. Razman, “Strategic Forecasting of Electricity De-
mand Using System Dynamics Approach”, Int. J. Environ. Sci. Dev., vol. 3, n.° 4,
pp. 328–333, 2012.
[49] A. J. C. Pereira and J. T. Saraiva, “Generation expansion planning () - A long-
term approach using system dynamics and genetic algorithms (s)”, Energy, vol.
36, n.° 8, pp. 5180–5199, 2011, doi: 10.1016/j.energy.2011.06.021.
[50] S. C. Bhattacharyya D. Palit, “Mini-grid based off-grid electrification to
enhance electricity access in developing countries: What policies may
be required?”, Energy Policy, vol. 94, pp. 166–178, 2016, doi: 10.1016/j.en-
pol.2016.04.010.
413
[51] B. K. Sovacool, M. J. Bambawale, O. Gippner et al., “Electrification in the
Mountain Kingdom: The implications of the Nepal Power Development Proj-
ect (npdp)”, Energy Sustain. Dev., vol. 15, n.° 3, pp. 254–265, 2011, doi: 10.1016/j.
esd.2011.06.005.
[52] S. Mandelli, J. Barbieri, R. Mereu et al., “Off-grid systems for rural electrifica-
tion in developing countries: Definitions, classification and a comprehensive
literature review”, Renew. Sustain. Energy Rev., vol. 58, pp. 1621–1646, 2016, doi:
10.1016/j.rser.2015.12.338.
[53] Y. Moumouni, “A System Dynamics Model for Energy Planning in Niger”, Int. J.
Energy Power Eng., vol. 3, n.° 6, p. 308, 2014, doi: 10.11648/j.ijepe.20140306.14.
[54] Z. Ren, X. Wang, Q. Ye et al., “An energy management model for isolated
microgrid community considering operation flexibility”, IOP Conf. Ser. Earth
Environ. Sci., vol. 467, n.° 1, 2020, doi: 10.1088/1755-1315/467/1/012107.
Epílogo
Hacia dónde van las microrredes

Resulta de enorme valía para el equipo investigativo del proyecto el concluir este libro
con la opinión de grandes expertos en la temática de la energía, y particularmente de las
microrredes. Para este epílogo nos han honrado con sus conceptos colegas que confluyen
en el tema desde diferentes perspectivas, complementarias entre sí.
Los aportes desde la investigación son inconmensurables: los profesores N. Hat-
ziargyriou, C. Cañizares y G. Deconinck, autores de libros y ponencias capstone, son
referentes obligados para cualquier interesado en los ecosistemas energéticos escalables.
La perspectiva del sector multilateral y global, la financiación, el crecimiento y la visión
prospectiva está presente con J. Paredes del bid y D. Díaz del World Energy Council. C.
López-Rieux, nos comparte un valioso aporte, desde lo socioecológico, en representación
de la red internacional Habitar Las Ciudades del Futuro. Finalmente, la visión de los
tomadores de decisiones nacionales se refleja en los conceptos de J. Zapata, gerente del
centro nacional de despacho (cnd) y de L. Vega subdirectora de planificación del Ipse.
415
The future of microgrids
In all definitions, microgrids (mgs) are sections of electricity distribution systems con-
taining loads and Distributed Energy Resources (der) with clearly defined electrical
boundaries, that are characterized by 2 features, their capability to: i) appear to the up-
stream network as controlled, coordinated unit, and ii) operate islanded, thus achieving
increased reliability. These two features distinguish mgs from distribution lines with
der or other der aggregation forms, like virtual power plants, energy hubs, etc.
Since their beginning of about 20 years ago, several research projects and pilot mg
installations starting in usa, Europe, Japan, Australia, and Canada, and followed at
an increasing rate in China, Korea, Latin America, and in developing countries, have
proven the many technical, economic, and environmental advantages of mgs for all
stakeholders involved. Advantages include increased energy efficiency, minimization
of overall energy consumption, reduced environmental impacts due to the use of res
and improvement of energy system reliability and power quality, etc. From a network
point of view, benefits include reduced losses, support in congestion management,
voltage problems and flexibility in planning by allowing cost efficient infrastructure
replacement strategies, etc. Next to the huge interest attracted from the academic and
research community, mgs have been the focus of several international, professional
organizations, like ieee and cigre, the electric equipment and ict industry, operator
associations, dedicated standards have been developed, etc. In practice, mgs have been
already considered as a viable solution for rural electrification in areas of developing
countries with weak transmission infrastructures, while the number of real world mgs
in different parts of the world is increasing. This trend is expected to blow up in the
future, for two main reasons:
Flexibility needs
As renewables increase their penetration in the power system operation, they displace
thermal units at the transmission level. These units have traditionally provided the
required flexibility, while the needs for flexibility increase further. Flexible resources in
the form of Distributed Generators, demand response, distributed storage, Electric Ve-
hicles, etc., are now available at the distribution level. Microgrids, thanks to their ability
to effectively coordinate these resources, constitutes a valuable source of flexibility. The
activation of flexibility services influences grid operation and balancing of the electricity
system and should be used efficiently from both a technical and economical point of
view. In this context, Microgrids can provide several ancillary services that will help
manage the electrical grid by providing peak shaving, voltage control, islanding opera-
tion, black start, etc. They can also offer services for evs (e.g., fast charging at dispersed
locations), to mitigate overloads and bottlenecks of distribution systems, provide low-
cost generation mix for fast charging of ev and truck fleets, provide optimal charging
and discharging to minimize overall costs and mitigate the impact of grid outages on
the ev charging schedules.
epílogo
416
System resilience needs
Extreme weather events, earthquakes, floods, and wildfires have resulted in major
power disruptions around the world, in the past years, leading to unplanned electric-
ity interruptions lasting from few hours to few weeks. The frequency and intensity of
extreme events are expected to increase in the coming years due to the climate change
effects. Resilience, defined as the grid’s ability to withstand extraordinary, high-impact
low-probability events, rapidly recover and adapt its operation and structure to mitigate
their impact in the future, can be enhanced in two ways: by applying infrastructure
hardening before and during the development of the extreme event and/or by applying
operational/smart measures to optimize its performance at the beginning and during
the development of the event. Thanks to the characteristics of mgs, namely to transfer
seamlessly to islanded operation, mgs can disconnect from the upstream grid, operate
autonomously, help mitigate grid disturbances, and serve as an operational grid re-
source for a more resilient response and faster restoration. In this context, mgs, with
appropriate enabling technologies facilitate the paradigm shift in delivering resilience
and security of supply from redundancy in assets and preventive control to more intel-
ligent operation though of corrective control actions supported by a range of enabling
technologies and ict.
Overall, mgs, thanks to their structure and unique features and in contrast to other
aggregation techniques, can substantially increase the flexibility and resilience of mod-
ern power systems. This has already been shown in several r&i demonstration projects
simulating real disasters, while mgs have started appearing in the operation and planning
strategies of the more advanced energy systems.
Nikos Hatziargyriou International microgrid expert, National Technical Universi-

ty of Athens (ntua), Grecia Chairman and ceo of the Hellenic Distribution Network
Operator (deddie) [email protected]
epílogo
417
Reinforcing the microgrid-energy transition link
Microgrids are local electrical grids that facilitate the integration of distributed energy
resources (ders) such as wind, solar, batteries and electric vehicles (evs), using cen-
tralized and decentralized controls to compensate the variability of renewable energy
generation to deliver stable and reliable electricity. Hence, these systems are helping to
reduce the green house gas (ghg) emissions associated with fossil fuel generation and are
thus becoming an essential part of the arsenal of technologies enabling a net zero future.
Microgrids have also the potential to improve electricity reliability and resilience,
which is becoming indispensable in the context of the climate weirding associated with
global warming. These local grids are especially relevant for remote community electri-
fication, given the impossibility to connect these communities to existing transmission
grids. Thus, they are essential for addressing the important issue of energy access for
impoverish and indigenous peoples, as is the case in Southeast Asia, Africa, and Arctic
communities worldwide.
Microgrids are an expanding segment of the power and energy industry, signifying a
paradigm shift from large central power plants toward more localized, distributed gen-
eration in communities. The capability for flexible operation to deliver electrical energy
services makes microgrids applications resilient and competitive both in rural and urban
settings. The applications of these grids are numerous today and rapidly expanding in
universities, factories, commercial building, and urban/rural/remote communities.
Claudio Adrian Cañizares

Waterloo Institute for Sustainable Energy
Executive director
University of Waterloo (Canada)
[email protected]
epílogo
418
La perspectiva socioecológica: interdependencia,
independencia, coherencia
El tipo de energía que se utiliza tiene una repercusión directa en los estilos de vida, en
la manera como se hacen las cosas y como se viven los territorios, lo cual implica las
formas de moverse, trabajar, habitar, socializar, abastecerse, entretenerse, entre otros.
Hoy en día los cambios en los estilos de vida están íntimamente relacionados con la
transición digital y ecológica.
La noción de transición, aunque imprecisa, conlleva en sí la idea de un tiempo
intermediario para pasar de un estado a otro. En términos de transición energética
el planeta entero se ve obligado a generar un cambio, por un lado, para hacer frente a
la demanda creciente de consumo de energía debido a nuestros estilos de vida y, por
otro lado, debido a los efectos climáticos del uso de las fuentes de energía carbonadas.
De cara a este planteamiento, un país como Colombia podría decirse ajeno, ya que la
mayoría de su energía es hidroeléctrica y no está en la lista de mayores consumidores a
nivel mundial. Sin embargo, los estilos de vida que tienden a predominar son altamente
consumidores de energía, el parque automotor funciona mayoritariamente con energías
carbonadas, teniendo un fuerte impacto en los niveles de contaminación y, por ende,
un impacto en la salud. Además, el cambio climático global tiene repercusiones sobre
los comportamientos y cambios de niveles de fuentes hídricas productoras de energía.
A estas realidades se suma el hecho de que el sistema eléctrico dominante centrali-
zado ha mostrado sus límites en el suministro de energía a una parte importante de la
población. Aquí, se ha disociado el lugar de producción y de consumo donde muchos
territorios son solo soportes sin beneficiarse del recurso. En efecto, la técnica y las
nuevas tecnologías juegan un papel importante en una posible transición, pero esto
no lo es todo. Pues como todo sistema sociotécnico, el que se refiere a la energía, es
un sistema de interdependencia entre conocimientos, actores, usos, maneras de obrar,
organizaciones, entre otros, que permiten a las tecnologías liberar todo su potencial
para satisfacer un cierto número de necesidades. Es por esto por lo que una transición
energética, no es únicamente un asunto de producción por medio de la sustitución o
multiplicación de fuentes de energía para proveer a las grandes ciudades o a los nichos
de producción industrial de dicho recurso. Al contrario, la transición energética debe
ser entendida como un cambio en el sistema resultado de la acción entrelazada de varios
actores que va de par con las transiciones de modos de vida, digital y socioecológica. Se
trata entonces de la transformación profunda que tendrá en cuenta las asimetrías del
territorio nacional en términos de acceso a los recursos, culturas y modos de vida en
el momento de renovar los modos de financiamiento, de organización, de producción,
de distribución, de gestión y de consumo.
Es necesario dejar de confortarse en los hechos de que el desarrollo está en juego y
de que Colombia hace parte de los países menos consumidores, para dirigirse hacia una
demande exponencial y desmedida de energía. Es imperioso generar una conciencia
del impacto social y ambiental que produce cualquier fuente de energía y suscitar una
cultura de consumo moderado, entendido como la sobriedad no solo de las familias,
sino de todos los sectores económicos.
epílogo
419
En las áreas geográficas de aprovisionamiento se buscará una producción más eficaz,
respetuosa de los equilibrios ambientales e inclusiva de cara al conjunto de poblaciones
con sus singularidades socioambientales. Esta inclusión abarca por lo menos 2 dimen-
siones: una que concierne el derecho de beneficiarse de la energía extraída o producida
y otra que da la posibilidad real de implicarse en el proceso de producción y gestión de
esta, a diferentes niveles.
En términos de distribución y gestión, las microrredes nos llevan a entender la ener-
gía como un bien común desde el punto de vista de Ostrom. En efecto los territorios
locales y sus comunidades jugarán un papel importante en la futura configuración del
mix energético, lo cual requiere poner al alcance de las comunidades locales el acceso a
nuevos conocimientos y competencias. Se necesita generar nuevas formas de regulación
del sistema. En este proceso se debe procurar no caer en una dependencia tecnológica
que ponga en riesgo la independencia energética. Lo cual necesita más inversión para
dar paso a los sistemas locales de innovación técnica, social y organizacional en la pro-
ducción y gestión de tecnologías propias.
En resumen, un nuevo sistema energético requiere nuevas reglas, políticas e ins-
tituciones. Este podrá emerger solamente si las reglas e instituciones necesarias son
puestas en marcha gracias a una voluntad política, recursos económicos disponibles
y un dominio de la tecnología. La transición deberá ser en interdependencia entre las
escalas territoriales, con una cierta independencia energética y en coherencia con la
realidad ambiental y social.
Claudia Ximena López Rieux

Arquitecta-urbanista doctor en ordenamiento territoriales
Coordinadora Red Internacional de Investigación, Habitar las ciudades del futuro rehvif
Universidad de Toulouse Jean Jaures (Francia)
[email protected]
epílogo
420
La perspectiva energética global: el futuro de la energía
no puede predecirse, pero sí puede cocrearse un futuro
energético mejor
Desde el Consejo Mundial de Energía entendemos que no existe una sola transición ni
una única tecnología que solucione las diversas necesidades de los crecientes usuarios
y usos de la energía, por lo tanto, las microrredes y las virtual power plants tienen un
papel en las transiciones de las regiones y su escalabilidad dependerá de los contextos
únicos de cada territorio. Hoy son tecnologías prometedoras con casos de éxito en
varias localidades del mundo, demostrando beneficios de manera tangible, no solo
como mecanismos de innovación tecnológica, de respaldo y acceso al suministro, sino
con un impacto social para las comunidades, ayudándoles a reducir la pobreza multi-
dimensional, al permitirles por ejemplo acceso a formas modernas de energía y que, a
su vez, sean conscientes de su consumo, creen una cultura de pago y aprendan a crear
procesos productivos para que estas comunidades estén en el centro del desarrollo de
los sistemas y podamos hablar de una transición justa centrada en el consumidor final.
Sin embargo, para garantizar un mejor despliegue de estas tecnologías en el futuro,
debemos tener en cuenta que estas deben ser adaptativas y resilientes; estar orientadas
a la escalabilidad y no necesariamente a la creación de nuevas soluciones; permitir la
apropiación tecnológica por parte del consumidor final, el cual al estar en el centro
de la ecuación es el único que podrá habilitarlas; y convivir en un entorno de cambio
(recesión económica mundial, subida de las tasas de interés, flujo de capitales fuera de
Colombia, encarecimiento de los precios de los comodities, incremento del costo de vida
y de los alimentos, devaluación de las monedas y, sobre todo, un mundo que apenas se
recupera de una pandemia que cambió la historia reciente).
Quiero finalizar resaltando que las microgrids, las virtual power plants, los recursos
energéticos distribuidos y otras soluciones aportan a que los territorios puedan alcanzar
un mejor balance de la sostenibilidad energética (seguridad energética, asequibilidad
energética y sostenibilidad ambiental) mediante el impulso de las energías renovables, la
descarbonización por la implementación de estas tecnologías limpias y el mejoramiento
de la calidad del servicio de energía, sin perder de vista que la transición energética es un
proceso y debemos evitar las opciones ideológicas de o lo uno o lo otro, pues estaremos
en un mix de energías, de tecnologías, de variables externas y de usuarios.
Daniel Felipe Díaz Toro

Secretario Ejecutivo
Consejo Mundial de Energía
Colombia
epílogo
421
La perspectiva multilateral latinoamericana: el futuro de la
energía no puede predecirse, pero sí puede cocrearse un
futuro energético mejor
El acceso universal a la electricidad mejora la calidad de vida de los humanos y ayuda
a estimular los ingresos principalmente en los hogares más vulnerables y excluidos.
Es por esta razón que es muy importante lograr en el corto plazo el acceso universal
a energía, y garantizar que la transición energética sea justa y no exclusiva de ciertos
sectores de la población. América Latina y el Caribe tienen un alto acceso a la cobertura
eléctrica (97 % en 2018). Si bien la mayoría de los países ha logrado tasas de acceso a la
electricidad superiores al 90 %, países como Haití y Honduras todavía tienen brechas
importantes, con tasas de acceso del 39 % y 81 %, respectivamente, en 2018. Sin embargo,
siguen existiendo en la región más de 18 000 000 de personas que no tienen un acceso
a la electricidad.
Aquí, la tecnología de las microrredes puede jugar un papel muy importante para
cerrar esta brecha de acceso a la energía. Los costos de las tecnologías solar fotovoltai-
ca y de almacenamiento de energía se han reducido significativamente en los últimos
años, haciendo posible que estas soluciones descentralizadas sean factibles técnica y
económicamente, especialmente en lugares alejados de las redes principales de trans-
misión de electricidad en los países. Los retos en las próximas décadas se presentarán
entonces no tanto en la tecnología, campo en el que cada día se presentan avances, sino
en la sostenibilidad misma de los sistemas, tanto en la parte de operación comercial
y mantenimiento técnico. Para esto es importante mitigar riesgos con operadores con
experiencia en el sector y un esquema de pagos que cubran en su totalidad los costos
del servicio.
Pero no necesariamente las microrredes pueden constituirse como una solución al
problema del acceso universal a la energía. En centros urbanos también son la solu-
ción para aumentar la resiliencia de los sistemas eléctricos a los impactos del cambio
climático. Hemos visto recientemente como los eventos climáticos extremos vienen en
aumento debido al calentamiento del planeta con unos efectos devastadores sobre la
infraestructura. También aquí las microrredes pueden ofrecer una alternativa segura
para recuperar el suministro de energía rápidamente gracias a sus características de
flexibilidad, modularidad y descentralización.
Juan Roberto Paredes

Especialista senior en energías renovables
Sector de infraestructura y medioambiente
[email protected]
Washington, D. C.
epílogo
422
Reinforcing the microgrid-energy transition link : microgrids
in the 3d energy system of the future
We urgently need to transition to a 3d energy system, that is Decarbonised, Digitalised

and Decentralised, and microgrids are going to play a key role in such system.
I am writing this expert opinion, based on my 25+ years of post-PhD research

experience, currently as a full professor in smart grids at the electrical engineering
department of the ku Leuven (university of Leuven, Belgium). In our university,
I am heading the research group on Electrical Energy Systems and Applications
(100+ staff). I am also involved in the European top research centre EnergyVille on
sustainable energy systems for the built environment.
Let’s elaborate my lines of thought.
The first d: to mitigate anthropogenic global warming, we need to decarbonise

the energy system. In a residential and urban context, that will often boil down to
1) electrifying all energy services (heating, cooling, lighting, mobility, …) and 2)
generating electricity from renewable, non-fossil, sources. As electricity is a very
convenient energy carrier (no smell, easy handling, …), it will be the major energy
carrier for all energy services in tomorrow’s residential and urban context.
The second D: the advantages of the last decades in information and communication
technologies have been mind-blowing. This digitalisation, the computing power, the
communication bandwidth, and the software algorithms (machine learning and artifi-
cial intelligence as well as classical—still sound—control and optimisation algorithms)
have also deeply penetrated the energy system, bringing tremendous possibilities for
monitoring and control, i.e., enabling smart grids.
The third D: not only the generation of electricity has been decentralised, with dispersed
photovoltaics and wind turbines, also control actions are appearing locally. Where the
traditional electrical grids where centrally managed and controlled, microgrids allow
for distributed control and optimisation, taking local specificities into account.
At the heart of where the classical, top-down, electrical grids of the past will meet the 3d
energy system of the future, we will find microgrids and their evolutions. They can combine
a decarbonised energy supply in a decentralised control environment with high performant,
digitalised solutions for the prosumers and new economic players in the energy field. They
meet in the middle between the bottom-up and top-down approaches and are able—if
well-designed—to benefit both local communities as well as the backbone grid.
We need all bright minds and communities worldwide to transition to such 3d
energy system that is well-functioning, affordable and sustainable. Microgrids—and
engineers—will play a key role in this context.
Geert Deconinck
Prof. Dr. Ir.
epílogo
Enegyville Katholieke Universiteit Leuven (Bélgica)

[email protected]
423
Las microrredes desde la perspectiva del operador
La transición energética y las necesidades de descarbonización, de la mano de la digi-

talización y la descentralización, promoverán la autogeneración y el almacenamiento
no solo a nivel de transmisión, sino, más importante, a niveles de usuarios industriales
no regulados y regulados hasta llegar a los propios hogares.
La entrada de cada vez más de la electrificación de la economía, especialmente la de
vehículos eléctricos (evs) creará demandas de energía móviles con periodos de carga
coincidentes, lo cual podría estresar fuertemente las redes de distribución. Al mismo
tiempo se abre la posibilidad para que estos evs presten servicios de flexibilidad para
el sistema. Hay actualmente un bum en la investigación de nuevas tecnologías de alma-
cenamiento que promete abaratar los costos actuales a todo nivel, lo cual incentivaría
aún más la creación de comunidades energéticas y microrredes.
La tendencia creciente en las tarifas de energía en medio de la transición y el aba-
ratamiento del almacenamiento y la generación solar fotovoltaica empuja aún más a
todo tipo de usuario a instalar soluciones de autogeneración. Ya existen varios proyectos
en curso en grandes industrias en Colombia como Ecopetrol en los que son técnica y
económicamente factibles las microrredes interconectadas y no interconectadas.
En el mediano y largo plazo, las microrredes se perfilan como uno de los grandes
jugadores en el sector energético, pilar fundamental de transición energética y la demo-
cratización de la energía. La descentralización de la producción de la energía, así como
la inclusión de cientos o miles de participantes en la operación del sistema y el mercado,
dará lugar a nuevos esquemas de coordinación y control, que propendan por una in-
tegración eficiente de las microrredes, de forma individual o mediante agregadores, al
sistema eléctrico y al mercado de confiabilidad, energía y servicios complementarios.
Tanto para el operador del sistema como para los operadores de red (or) surge un reto
muy grande para supervisar, controlar e integrar a los mecanismos de mercado la pro-
liferación de generación distribuida, entre las cuales se encuentran las microrredes y, a
mayor escala, las comunidades energéticas. Aquí surge la necesidad de los agregadores
y plantas virtuales que puedan agrupar usuarios con capacidad de venta de excedentes,
respuesta de la demanda, plantas de generación a pequeña escala, microrredes y comu-
nidades energéticas. El rol de estos agregadores promete organizar, agrupar, representar
ante el operador del sistema y de distribución a la generación distribuida para hacer
más fácil y óptima la gestión en tiempo real de, posiblemente, millones de recursos.
La coordinación y control en este contexto se refiere a 2 o más partes que realizan una
función o una secuencia de funciones de manera coordinada, para lograr el objetivo final
de entregar o retirar energía de manera confiable, segura, flexible y económica, y en este
contexto, la definición de nuevas arquitecturas de mercado y operación flexibles, que le
brinden oportunidades a las microrredes y sus agregadores para conectarse al sistema
central y acceder a mercados de energía, confiabilidad o servicios complementarios, pero
que, además, garanticen la observabilidad y controlabilidad del sistema, es fundamental.
La coordinación entre las microrredes y sus agregadores, otros tipos de prosumidores
y el sistema central garantizará la confiabilidad y continuidad del suministro de energía,
ayudará a reducir los costos y facilitará la prestación de servicios mientras se mantiene
epílogo
la operación confiable del sistema como un todo. En este contexto, la migración a una
424
arquitectura de coordinación y control hibrida, mediante la cual las microrredes o sus
agregadores pueden ofrecer energía y servicios al mercado, directamente o mediante
los dso (operador de los sistemas de distribución), se perfila como la más adecuada.
Teniendo en cuenta el incremento de los agentes involucrados en la operación del
sistema, se hace necesario avanzar en la digitalización de la operación y control del
sistema, con el desarrollo de niveles elevados de supervisión y automatización y el uso
intensivo de las tecnologías de la información y comunicaciones para el intercambio
de información entre microrredes, agregadores, dso y el operador central, de tal forma
que los beneficios de la descentralización de la producción de la energía se concreten
y no se diluyan en la administración de riegos e ineficiencias de una operación no
coordinada y, además, se garanticen los niveles de seguridad y confiabilidad que exige
la sociedad moderna.
En conclusión, las microrredes y las comunidades energéticas pueden considerarse
generación distribuida smart y están pensadas para la gestión óptima de los recursos
internos, y ofrecer a través de agregadores, servicios de flexibilidad al sistema. Son una
visión del futuro usuario con poderes de prosumidor.
Jaime Alejandro Zapata

Director Centro Nacional de Despacho (cnd)
xm S. A. esp
[email protected]
epílogo
425
Las microrredes: solución para las zonas no interconectadas
Colombia le sigue apostando a la transición energética a través del uso de energías

renovables sostenibles con el medioambiente. En el marco de esta hoja de ruta las mi-
crogrids se convierten en una herramienta estratégica en la construcción de territorios
descarbonizados.
Las microgrids son versiones modernas y de pequeña escala del sistema eléctrico
centralizado. Como sucede con las redes de energía convencionales, son capaces
de abastecer a los usuarios de la red eléctrica, pero de forma local, ya que cuentan
con los mecanismos necesarios para generar, distribuir y regular el flujo eléctrico.
(Falante, 2018)
Estas tecnologías se convierten en una alternativa de solución renovable para el aporte

a modelos de energía más sostenibles ambientalmente y de potencial para la generación
de entornos sociales productivos. Según el informe Smart Grid Colombia visión 2030,
“Colombia está en una buena posición para afrontar el despliegue de tecnologías que
doten al sistema de distribución eléctrica del país de una mayor inteligencia” (Trilliant,
2020).
Entre 2018 y el 2022 la matriz energética se ha descarbonizado en un 30 %. Para sep-
tiembre de 2022 el país cuenta con más de 200 000 usuarios conectados por soluciones
solares centralizadas en 1762 localidades que son monitoreadas por el Centro Nacional
de Monitoreo. Esto representa una capacidad instalada de fuentes no convencionales
de energías renovables (fncer) de 45 537 kW en las zonas no interconectadas (zni).
Ahora bien, persisten retos en el nuevo piec (2019-2023) que proyecta más de 100 000
viviendas sin servicio de energía en microrredes en todo el territorio nacional con una
oportunidad de inversión de cop 1 950 000 000 000.
Algunos de los beneficios de la implementación de este tipo de sistemas son el aumento
en la resiliencia de los sistemas energéticos, además, son sistemas que soportan modelos
de desarrollo productivo, permiten aumentar las horas de suministro de energía en las
localidades mediante el mejoramiento de los sistemas implementando sistemas híbridos
combinados entre fncer y fuente fósil, disminuyendo la participación de la fuente de
generación fósil y por ende las emisiones de gases de efecto invernadero, entre otros.
Los esfuerzos en la transición de la matriz energética no solo generan beneficios
medioambientales, sino que también permiten oportunidades de asociatividad y ex-
periencias de desarrollo local para las comunidades que se benefician de los proyectos.
Algunas de estas experiencias se materializan con la vinculación de proyectos productivos
y servicios esenciales como sistemas de refrigeración para la conservación de alimentos,
epílogo
426
los procesos productivos agrovoltaicos, el desarrollo de microempresas locales, entre
otros. La importancia de facilitar la incorporación de nuevas tecnologías de generación
y la contribución al cierre de brechas a partir de las Energías Renovables en el territorio
son 2 retos de cara a la transición energética colombiana para la contribución a la re-
ducción de los impactos negativos en las comunidades por cuenta del cambio climático.
Lina Marcela Vega Buelvas

Subdirectora de promoción y planificación de soluciones energéticas Ipse
Instituto de planificación y promoción de soluciones energéticas para las zonas no
interconectadas (Ipse)
[email protected]
epílogo
427
Lista de autores
(En orden de aparición)
Jairo José Espinosa-Oviedo es director científico de Energética 2030, codirector del

Laboratorio de Sistemas en Tiempo Real y director del Grupo de Automática de la
Universidad Nacional de Colombia. Graduado con honores como magíster en Inge-
niería Eléctrica (cum laude) y Ph. D. (magna cum laude) en Ciencias Aplicadas de la
Universidad Católica de Lovaina (ku Leuven) en Bélgica. Trabajó durante 7 años como
investigador y jefe de I+D de la compañía Ipcos en Bélgica y Holanda donde desarrolló
investigaciones en control avanzado de procesos y participó en la creación de productos
de software para monitoreo y control en tiempo real. Es autor de 2 libros y más de 100
artículos científicos en áreas como inteligencia artificial, modelado matemático, bioin-
geniería, control de procesos y sistemas dinámicos. Sus intereses actuales de investiga-
ción son el álgebra lineal, modelado matemático, simulación, optimización y control
de procesos y las áreas de aplicación de sus trabajos incluyen los sistemas energéticos,
movilidad y transporte, ciudades inteligentes, procesos químicos, finanzas, sistemas
biológicos y medicina.
Idi Amin Isaac-Millán es director del upb Smart Energy Center (sec) y lidera la
Estrategia de Energía Multicampus de la Universidad Pontificia Bolivariana. Recibió su
título doctoral en el marco de un convenio entre la Universidad de Ciencias Aplicadas de
Kempten, Alemania y la upb. Sus áreas de interés están conectadas con las microrredes,
redes y ciudades inteligentes, energías renovables, sistemas de potencia y sostenibilidad.
Jorge Wilson González-Sánchez es ingeniero electricista, msc. y doctor en Ingeniería.
Es profesor titular en Universidad Pontificia Bolivariana, Colombia, en Ing. Eléctrica y
Electrónica. Anteriormente, laboró en hmv Consulting, Siemens ptd Alemania y para
la empresa de energía epm. Fue investigador invitado de la Universidad de Kempten
y del Power Systems Inst., Universidad de Erlangen, Alemania. Sus actividades de in-
vestigación incluyen microrredes inteligentes, redes inteligentes, relés de protección,
optimización, sistemas de potencia, estabilidad, sistemas hvdc, facts, subestaciones
y energías renovables.
Gabriel López-Jiménez es ingeniero electricista, especialista, magíster y doctor en
Ingeniería de Área Transmisión y Distribución de Energía Eléctrica de la Universidad
Pontificia Bolivariana de Medellín. Sus áreas de interés se encuentran relacionadas
con microrredes inteligentes, energías renovables, sistemas de potencia y medición
sincrofasorial.
429
Hugo Cardona-Restrepo es ingeniero electricista, especialista, magíster en Ingeniería
de Área Transmisión y Distribución de Energía Eléctrica de la Universidad Pontificia
Bolivariana de Medellín. Sus áreas de interés se encuentran relacionadas con microrredes
inteligentes, sistemas eléctricos de control, energías renovables, sistemas de potencia y
medición sincrofasorial.
Carlos Restrepo-Mejía es ingeniero electricista de la upb y recibió su título de
maestría en ingenierías en la misma institución en 2018. Es miembro del Grupo de
Investigación en Transmisión y Distribución de Energía Eléctrica upb desde 2013. Sus
áreas de interés son microrredes, redes y ciudades inteligentes, energías renovables,
sistemas de potencia y mercados eléctricos.
Santiago Bustamante-Mesa obtuvo el título de ingeniero electricista por parte de la
Institución Universitaria Pascual Bravo y, posteriormente, el de magíster en Ingeniería en
la Universidad Pontificia Bolivariana, actualmente es candidato a Doctor en ingeniería
por la misma universidad. Sus principales áreas de trabajo son la estabilidad de frecuencia
en sistemas eléctricos y los estudios energéticos y eléctricos en microrredes eléctricas.
Edwin Marcelo García-Torres es investigador de la Universidad Politécnica Sale-
siana del Ecuador, Lidera la comisión de Gestión Energética para las obras Salesianas
del Ecuador. Recibió su título doctoral en la Universidad Pontificia Bolivariana. Sus
áreas de interés se centran en las microrredes, energías renovables, eficiencia energética,
electromovilidad, ciudades inteligentes, gestión de energías, estimación y respuesta de
la demanda y redes de distribución.
Andrés Eusse Giraldo es ingeniero electrónico e ingeniero electricista, magíster en
ingeniería de la Universidad Pontificia Bolivariana e integrante del grupo de Transmi-
sión y Distribución. Sus áreas de interés están conectadas con las microrredes, energías
renovables y programación orientada a objetos.
Luis Felipe Duarte es ingeniero electrónico e ingeniero electricista, magíster en
ingeniería de la Universidad Pontificia Bolivariana e integrante del Grupo de Transmi-
sión y Distribución. Sus áreas de interés están conectadas con las microrredes, energías
renovables y machine learning.
Octavio Díaz Mendoza es ingeniero de Control e integrante del Grupo de Investi-
gación en Teleinformática y Teleautomática de la Universidad Nacional de Colombia.
Sus áreas de interés van encaminadas a la ciberseguridad en redes teleinformáticas,
internet de las cosas y las energías renovables.
Wilder Guzmán Patiño es ingeniero electricista de la Universidad Nacional de
Colombia. Actualmente es estudiante de Maestría en Ingeniería Eléctrica. Es miembro
del grupo de investigación Gaunal y sus áreas de interés son las microrredes, baterías
de segunda vida y fuentes alternativas de energía.
Eros David Escobar-Cárdenas es ingeniero electricista y recibió su título de maes-
tría en Ingeniería de la Universidad Pontificia Bolivariana en el año 2022. Es miembro
del Grupo de Investigación en Transmisión y Distribución de Energía Eléctrica de la
misma institución. Sus principales áreas de trabajo son el control de microrredes y redes
inteligentes, las fuentes de energía renovable, los sistemas modernos de transmisión,
lista de autores
los dispositivos facts y los sistemas de puesta a tierra.

Miguel Goenaga Ortega obtuvo su título de ingeniero electricista en la Universidad
del Norte, actualmente se encuentra cursando su Maestría en ingeniera eléctrica en la
430
Universidad Nacional de Colombia. Es miembro del grupo de investigación de ingenierías
y tecnologías (Gaunal) de la Universidad Nacional de Colombia. Sus áreas de interés
son microrredes, fuentes alternativas de energía, diseño de instalaciones eléctricas en
media tensión y baja tensión.
Tatiana Manrique-Espíndola es doctora en Control y Automatización de la Uni-
versité de Lorraine, Nancy, Francia. Obtuvo su maestría en Electrónica en la Pontificia
Universidad Javeriana (Bogotá, Colombia) y es Ingeniería Electrónica de la misma
universidad. Tiene experiencia en el diseño de algoritmos de control óptimo, control
robusto y control predictivo para sistemas lineales y no lineales (sistemas lineales de
parámetro variable [lpv], sistemas conmutados y dinámicas híbridas), aplicados a
electromovilidad y sistemas energéticos. Actualmente, es profesora de la universidad
eia en el Programa de Ingeniería Mecatrónica.
Daniel Betancur Trujillo ha obtenido los títulos de ingeniero electrónico, ingeniero
electricista y magíster en Ingeniería en la Universidad Pontificia Bolivariana (upb). Es
miembro activo del Grupo de Investigación en Transmisión y Distribución de Energía
Eléctrica de la misma institución (t&d). Sus principales áreas de interés son energías
renovables, estudios eléctricos, operación de sistemas en tiempo real, consciencia si-
tuacional y movilidad eléctrica.
Sergio Arango-Osorio obtuvo su título de Ingeniero Químico en el año 2017 en la
Universidad Pontificia Bolivariana (upb) y su título de magíster con grado honorífico
en el año 2019 en la misma institución. Desde el año 2017 ha pertenecido al Grupo en
Transmisión y Distribución de Energía Eléctrica (t&d) de la upb encargado del diseño,
construcción, puesta en marcha y operación de sistemas de generación de energía a
partir de biomasa. Sus principales áreas de interés son termodinámica aplicada a siste-
mas de generación con biomasa, estadística, análisis de datos, control y monitoreo de
procesos, iot y gestión y aprovechamiento de residuos.
Oscar Vasco-Echeverri es ingeniero químico y magíster en Biotecnología de la
Universidad Pontificia Bolivariana, y doctor en Biotecnología de la Universidad de
Antioquia. Ha trabajado en proyectos de internacionalización con universidades ale-
manas. Sus áreas de interés están conectadas con las microrredes, ciudades inteligentes,
energías renovables, bioenergía y producción de hidrógeno y sostenibilidad.
Manuela Velásquez Jaramillo es ingeniera electricista e ingeniera electrónica de la
Universidad Pontificia Bolivariana. Actualmente, se encuentra culminando su maestría
en ingeniería con énfasis en los sistemas de producción de hidrógeno verde. Es integrante
del Grupo de Investigación en Transmisión y Distribución de Energía Eléctrica de la
misma institución. Sus áreas de interés están conectadas con las microrredes, energías
renovables, sistemas hvdc e hidrógeno.
Carolina Zuluaga-Álvarez es ingeniera electricista e ingeniera electrónica de la
Universidad Pontificia Bolivariana, actualmente se encuentra culminando su Maestría
en Ingeniería con énfasis en los Sistemas de Almacenamiento de Energía Controlables
(bess). Es integrante del grupo de investigación en Transmisión y Distribución de
Energía Eléctrica de la misma institución. Sus áreas de interés están conectadas con las
lista de autores
microrredes, energías renovables, sistemas hvdc y almacenamiento de energía.

Edison Cardona-Rendón es consultor senior en Quanta Technology y completó su
Maestría en Ingeniería de Sistemas Eléctricos de Potencia de la Universidad de Wiscon-
431
sin en Madison, usa. Cuenta con 30 años de experiencia en planeación y operación de
sistemas eléctricos de potencia. Laboró en Interconexión Eléctrica S. A. (isa) en Colom-
bia y con los sistemas eléctricos de otros 12 países, entre ellos República Dominicana y
Estados Unidos. Sus áreas de interés son la operación confiable y flexible de los sistemas
de potencia considerando la integración de energías renovables y los sistemas de alma-
cenamiento a gran escala para facilitar la transición energética y la descarbonización.
Andrés Emiro Díez-Restrepo es docente titular de la upb. Ha trabajado en proyectos
de investigación en el campo de la electrificación del sector transporte y la adopción
de vehículos eléctricos.
Santiago Hoyos Velásquez es ingeniero electricista con 22 años de experiencia. Es
director de la Especialización en Energías Alternativas y el grupo Energeia de la Uni-
versidad eia. Cuenta con maestría y doctorado en Ingeniería de Sistemas y Aplicación
de Sistemas Energéticos. Sus principales áreas de trabajo son el modelamiento y simu-
lación de sistemas, y transición energética.
Andrés Jaramillo Vélez es ingeniero electricista upb, máster en Economía de la
Energía de la Universidad Nacional de Colombia, máster en Gestión Técnica y Eco-
nómica del Sector Eléctrico por la Universidad Pontificia Comillas de Madrid. El Ing.
Jaramillo ha trabajado para las empresas hmv Ingenieros, isa, Electricite de France y
xm. Como docente e investigador, sus áreas de interés son la transición energética y su
apropiación social.
Juan Manuel España Forero es director de la Iniciativa de Energía Transactiva para
Colombia de la Universidad eia y profesor de posgrado de la Universidad Externado
de Colombia y de upb en mercados y regulación de energía, digitalización de la ener-
gía, entre otros. Cuenta con un título de maestría en Administración de la European
School of Management and Technology de Berlín, Alemania y recibió doble titulación
en ingeniería eléctrica y electrónica de la Universidad de los Andes. Cuenta con más
de 10 años de experiencia en el sector energético.
Juan Pablo Cárdenas es ingeniero ambiental de la universidad eia y estudiante de
maestría en Estudios de Energía y Desarrollo de la Universidad de Ciudad del Cabo.
Tiene experiencia en consultoría ambiental y en investigación aplicada a la mitigación
y adaptación al cambio climático. Actualmente, es investigador de la universidad eia y
ha trabajado en modelos de energía centrados en el usuario final.
Juan Andrés Estrada-Walker es investigador del Grupo de Investigación Energeia
de la Universidad eia y profesor de la asignatura Digitalización de la Energía, en la Es-
pecialización en Energías Alternativas de la misma institución. Es magíster en el marco
del programa Erasmus Mundus de la Unión Europea, en un máster conjunto entre la
Universidad Politécnica de Madrid y el Royal Institute of Technology-kth en Estocol-
mo. Entre sus áreas de interés se encuentran los recursos energéticos distribuidos y los
nuevos modelos de negocio en energía centrados en el usuario final.
Mario Alejandro Giraldo Vásquez es ingeniero de control, magíster en ingeniería.
Actualmente, es candidato a doctor en sistemas energéticos y es profesor en el programa
de ingeniería mecatrónica de la Universidad eia. Sus áreas de interés son los sistemas
lista de autores
complejos, control aplicado sistemas a gran escala, aplicaciones en energía y, más re-
cientemente, control en aplicaciones biomédicas.
432
Hernán Mauricio Sánchez es diseñador de negocios y Especialista de Estudios Eléc-
tricos en xm e isa. Especialista en Mercados de Energía y msc en Ingeniería Eléctrica
de la Universidad Nacional de Colombia. Tiene más de 25 años de experiencia en su
carrera y se ha desempeñado en áreas como supervisión de tiempo real, planeación del
sistema de potencia. En los últimos años ha liderado proyectos de innovación y desa-
rrollo en el marco de la transición energética. Sus áreas de interés se han enfocado en
Smartgrids, Microrredes, Almacenamiento de Energía, Fuentes Renovables de Energía
y la transformación del mercado de Energía.
Carlos Augusto Hincapié Llanos es investigador del Grupo de investigaciones
agroindustriales (Grain) y docente de la escuela de ingenierías y de las maestrías en
Sostenibilidad y Ciencias Naturales, y Matemática de la upb. Es doctor en Biología de la
Universidad de Antioquia y magíster en Ciencias Agrarias de la Universidad Nacional
de Colombia. Su trabajo se ha centrado en la exploración de estrategias que integren
la producción, la tecnología y la investigación en la búsqueda de una agricultura más
sostenible.
Marisol Osorio Cárdenas es ingeniera electrónica y doctora en Ingeniería Eléctrica
de la Universidad Nacional Autónoma de México. Es profesora titular e investigadora
en la upb y cofundadora, en 1998, del Grupo de Investigación en Automática de la
misma Universidad (1998). Actualmente, se interesa en las aplicaciones del control y
la inteligencia artificial a la agricultura, especialmente en entornos urbanos, y dirige el
proyecto “Riego Inteligente para la Agricultura Urbana”, en el marco del programa de
Minciencias “Tecnologías para la Agricultura Urbana (tau)”.
Santiago Henao Galeano es ingeniero electrónico de la Universidad Pontificia Boli-
variana, y estudiante del Doctorado en Ingeniería en la misma universidad. Pertenece al
Grupo de Transmisión y Distribución de Energía Eléctrica TyD-upb, y es miembro de
la Red Internacional “Habitar las Ciudades del Futuro” (rehvif). Su área de interés es
el desarrollo de sistemas de agricultura inteligente y su integración con las microrredes
inteligentes bajo una perspectiva del nexo agua-energía-alimentación.
Alejandro Guerrero Hernández realizó sus estudios doctorales en Automatización
y Sistema en la Universidad Tecnológica Federal de Paraná (utfpr) en Brasil. Es Inge-
niero Electrónico, especialista y magíster en Controles Industriales de la Universidad
de Pamplona. Es docente investigador en el programa de Ingeniería Electrónica en la
Universidad de Sucre. Desde el 2015 pertenece al Grupo de Investigación e Innovación
en Electrónica (Ginelect). Dentro de su investigación está trabajando en microrredes
inteligentes principalmente en optimización de sistemas y despacho económico.
Javier Sierra Carrillo es ingeniero electrónico de la Universidad Nacional de Colombia,
sede Manizales. Especialista en Telecomunicaciones, magíster y doctor en Ingeniería,
área de Telecomunicaciones, de la Universidad Pontificia Bolivariana (upb), en Medellín,
Colombia. Actualmente, es docente investigador en el programa de ingeniería electrónica
de la Universidad de Sucre. Es director del Grupo de Investigación Next: Tecnología y
Sociedad e investigador senior de acuerdo con la última convocatoria de Colciencias.
Entre sus temas de interés se encuentran las tic, smartgrids, ciudades inteligentes, redes
lista de autores
ópticas, inalámbricas, simulación y optimización de sistemas de telecomunicaciones.

David Vallejo Gómez es miembro del Grupo de Investigación en Gestión de la
Tecnología y la Innovación (gti) de la Universidad Pontificia Bolivariana y participante
433
del proyecto de investigación Riego Inteligente para la Agricultura Urbana. Recibió su
título como Ingeniero Electrónico en la upb en la que actualmente es estudiante de la
maestría en ingeniería. Sus áreas de interés están relacionadas con el control inteligente
y el internet de las cosas.
Michelle Maceas es ingeniera de control, magister en automatización industrial y
candidata a doctora en Ingeniería, Sistemas Energéticos, de la Universidad Nacional
de Colombia. Es miembro del grupo de investigación Gaunal desde 2018. Sus áreas
de interés son las plantas de potencia virtual (vpp), las microrredes de energía y los
mercados de energía.
Lubin Delgado-Arroyo está vinculado al grupo de investigación en Energía Reno-
vable y Meteorología de la Universidad Tecnológica del Chocó Diego Luis Córdoba.
En la actualidad desarrolla estudios de doctorado en ingeniería en la upb, mediante la
convocatoria 785 de Colciencias. Sus áreas de interés están conectadas con las energías
renovables, microrredes autónomas, pobreza energética y dinámica de sistemas.
Luciano Gallón-Londoño es doctor en Sostenibilidad, magíster en Gestión Tecno-
lógica e Ingeniero Electrónico. profesor titular de la upb en Medellín, donde enseña
Dinámica de Sistemas, Teoría General de Sistemas, Complejidad, Gestión del Conoci-
miento, la Tecnología y la Innovación. Entre sus intereses de investigación se encuentran
la perspectiva sistémica y compleja, modelamiento de sistemas, dinámica de sistemas,
historia de la ciencia, la tecnología y la innovación, sociocibernética, sostenibilidad
y singularidad. Es miembro de ieee; ieee Technology and Engineering Management
Society; ieee Systems, Man and Cybernetics Society; International Sociological Asso-
ciation (isa); isa Research Committee 51 on Sociocybernetics, isa Research Committee
33 on Logic a Methodology y RedIconos.
Carlos Jaime Franco es doctor en Ingeniería de Sistemas Energéticos de la Univer-
sidad Nacional de Colombia, sede Medellín; magíster en Aprovechamiento de Recursos
Hídricos e Ingeniero Civil. Actualmente, se desempeña como profesor titular del de-
partamento de Ciencias de la Computación y de la Decisión de la Universidad Nacional
de Colombia, sede Medellín. Sus áreas de investigación incluyen sistemas complejos,
modelado y simulación de mercados de energía, evaluación de políticas y formulación
de estrategias para el sector energético. Su trabajo reciente incluye análisis de econo-
mías bajas en carbono, respuesta de la demanda, integración de mercados eléctricos y
difusión de energías limpias, entre otros.
lista de autores
434
Microrredes y transición energética. Hacia los
ecosistemas energéticos escalables
Se editó y diagramó en la Editorial Universidad
Nacional de Colombia.
En su composición se utilizaron las tipografías
Minion Pro y Libre Franklin.
Se terminó de imprimir en los talleres
de DGP Editores S. A. S.
Agosto de 2024
Bogotá D. C., Colombia
2030
ENERGÉTICA
E
n 2017 el Gobierno de Colombia hizo una apuesta
novedosa con la creación de los Ecosistemas Cientí-
ficos en el marco del programa Colombia Científica.
Energética 2030 surge de esta política, materializando el
esfuerzo de un equipo de trabajo de empresas y universida-
des que han colaborado por muchos años en el propósito de
construir una sociedad basada en el conocimiento. Energé-
tica 2030 se impuso por entonces el ambicioso objetivo de
“Desarrollar una estrategia integral para la transformación
del sector energético colombiano, orientada a su confiabi-
lidad y sostenibilidad social, económica y ambiental en el
horizonte del año 2030”. Seis años después un equipo mul-
tidisciplinario de más de 300 investigadores de una decena
de nacionalidades entregan importantes resultados que se
reflejan en la política energética del país, en el desarrollo
tecnológico de soluciones a los problemas de la transición
energética y en un grupo de personas que se ha preparado
para afrontar los retos que demanda el planeta en la des-
carbonización de la producción y el uso de la energía. De
este modo, los diez volúmenes que conforman la colección
Energética 2030 son el testimonio y registro de los logros
y resultados que esta comunión de voluntades produjo.
ISBN 978-958-505-293-2

Microrredes y Transicion Energetica - Version Digital

Cargado por

Copyright:

Formatos disponibles

Microrredes y Transicion Energetica - Version Digital

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Microrredes y Transicion Energetica - Version Digital

Cargado por

Copyright:

Formatos disponibles

ENERGÉTICA 2030

Idi Amin Isaac Millán

Idi Amin Isaac Millán

Bogotá D. C., 2024

Idi Amin Isaac Millán

Impreso y hecho en Bogotá D. C., Colombia

Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional

Microrredes: catalizadoras de la transición

Modelación y estudios eléctricos

Modelación y estudios energéticos

Definición de la estrategia de control

Control primario de microrredes...................................................... 149

Control secundario de microrredes................................................ 167

Control terciario de microrredes...................................................... 189

Plantas de biogás en microrredes................................................... 239

Producción de hidrógeno para fines

Almacenamiento de energía con baterías

Centros de control de microrredes................................................. 309

Microrredes y seguridad alimentaria............................................. 329

Modelos de intercambio de energía entre pares...................... 347

Virtual power plants (vpp)..................................................................... 367

Las microrredes eléctricas como solución

Los autores expresan los agradecimientos al proyecto “Estrategia de transformación del

Jairo José Espinosa Oviedo1

Universidad Nacional de Colombia, sede Medellín.

y al hidrógeno. En ellos se analiza el segundo uso de los desperdicios y de la energía

Idi Amin Isaac-Millán1

El libro que presentamos hoy es el resultado de 5 años de trabajo investigativo en el

Primer reto: crear ecosistema científico

nuevo prototipo autosostenible Ecovilla iLab.

Segundo reto: impactar con nuestra investigación

Hablar de que se alcanzaron los productos comprometidos al principio del proyecto —

¿Cómo está organizado el libro?

de smart farming se trabaja en el capítulo 15, el intercambio energético entre pares se

Idi Amin Isaac-Millán, Jorge W. González,

Hugo Cardona Restrepo, Gabriel López Jiménez y

La humanidad está sometiendo al planeta a una situación de estrés extrema.

(82 %) de combustibles fósiles [3]. El impacto ambiental derivado del em�-

retorno es una libertad que no puede darse la humanidad.

1 Millones de toneladas de petróleo equivalentes. Para efectos comparativos

una manera descentralizada, autónoma y eficiente la demanda de energía. La descarbon-

de la alianza Energética 20304.

Aproximación al concepto de microrred

3 La transición también abarca muchos conceptos socioecológicos, como la sobriedad ener��-

Figura 1.1. Esquema general de componentes de una microrred

Microrredes y su relación con otros conceptos

Hay varias configuraciones de sistemas que pueden asociarse erróneamente al concepto

microrredes: catalizadoras de la transición energética

Es menester aclarar en este punto que los sistemas implementados en el proyecto

emplearse el primer término cuando quiere enfatizarse en la provisión de servicios tanto de

normalmente en zonas no interconectadas a la red principal; microrredes de emergencia,

como las modeladas en [14]).

microrredes: catalizadoras de la transición energética

La instalación de las microrredes en los sistemas eléctricos se ha incrementado nota-

Figura 1.4. Tipos de microrredes. Participación en el mercado, 2021

No es menester de este trabajo mapear los casi 7000 proyectos de microrredes en el

En el marco de los procesos de aprendizaje de nuevas tecnologías, se estructuró la alianza

Tabla 1.2. Descripción general de microrredes del ecosistema del proyecto

Nombre: Microrred Universidad Pontificia Bolivariana