El reto es bien conocido por los propietarios de edificios comerciales y los promotores de proyectos fotovoltaicos: la generación de energía solar fotovoltaica in situ ofrece un excelente ahorro de energía a los clientes comerciales, pero puede dar lugar a beneficios de reducción de la demanda poco fiables. A través de un reciente proyecto de demostración financiado por el DOEClean Power Research y EdgePower demostró cómo el uso de las previsiones solares a nivel de edificio comercial puede desplazar de forma inteligente las cargas eléctricas y reducir los cargos por demanda de la compañía eléctrica.
¿Qué es una tasa a la demanda y por qué es importante?
Los cargos por demanda de la empresa de servicios públicos se aplican a los clientes comerciales e industriales sobre la base de la cantidad máxima de energía utilizada durante períodos de 15 minutos. Los cargos por demanda suelen estar en consonancia con el coste de la empresa de servicios públicos para servir a los grandes consumidores de energía y pueden representar una parte significativa de la factura total del cliente. Esto anima a los grandes consumidores de energía a suavizar sus necesidades energéticas y a reducir los grandes picos de demanda de electricidad.
Para un edificio comercial con energía fotovoltaica, es importante reducir los picos de consumo, ya que el ahorro previsto en la reducción del consumo de electricidad de la compañía eléctrica puede verse compensado por el aumento de las tarifas de la demanda si la producción variable de energía fotovoltaica no se gestiona adecuadamente. En entrada anterior describe la motivación de este proyecto e ilustra este punto.
Para ilustrarlo mejor, supongamos que tenemos la empresa A, que consume 1.000 kWh de electricidad al mes a 0,09 dólares el kWh. Su mayor demanda de energía es de 50 kW, y la tarifa de demanda es de 1,00 $ por kW. La empresa A decide instalar un panel fotovoltaico que reducirá su consumo de energía en un 30%, hasta 700 kWh al mes. Sin embargo, la instalación fotovoltaica no reducirá necesariamente la tarifa de la demanda. Esto significa que la empresa A puede no ver el ahorro que espera porque, aunque esté usando un 30% menos de energía, sus gastos de demanda no se han reducido. En la tabla siguiente se desglosan las facturas de ejemplo con y sin producción fotovoltaica de la empresa A, en la que el ahorro final en la factura es sólo del 20% debido a que no se han reducido las tarifas de demanda.
Puede encontrar más ejemplos en profundidad de la incursión en el cobro de la demanda aquí.
Cómo puede utilizarse la tecnología de previsión solar para reducir las tarifas de la demanda
Dada la inconsistencia del ahorro que suponen los cargos por energía, los clientes comerciales con sistemas fotovoltaicos buscan formas de reducir los cargos por demanda. Clean Power Research combinó su software de previsión de energía solar fotovoltaica con la tecnología de gestión de carga de edificios de EdgePower para reducir los cargos por demanda.
El sitio de demostración tenía un sistema fotovoltaico de 100 kW. Los controles automatizados del sistema de energía del edificio de EdgePower ingirieron las previsiones de producción de energía fotovoltaica de Clean Power Research, y luego ajustaron de forma proactiva el uso de la energía en el edificio, centrándose en los períodos con una producción fotovoltaica reducida y una alta carga del edificio y utilizando estrategias que cambiaron el uso de la energía del edificio a los períodos de tiempo adyacentes, donde: a) la carga del edificio era menor, o b) la producción fotovoltaica era mayor. El objetivo final era una reducción general de la factura de electricidad del cliente, que se conseguía de forma sistemática a lo largo de varios periodos de facturación.
Mejoras en la previsión solar
Para respaldar este caso de uso, Clean Power Research aplicó cambios a las previsiones solares, que se diseñaron originalmente para la previsión de plantas fotovoltaicas a escala de servicios públicos. Las plantas fotovoltaicas a escala de servicios públicos suelen tener una huella de planta significativamente mayor y utilizan previsiones de resolución horaria. Sin embargo, las tarifas de la demanda suelen basarse en periodos de 15 minutos, por lo que, para que una previsión sea útil, debe ser informativa con una resolución de 15 minutos. Las previsiones horarias interpoladas a una resolución de 15 minutos no han demostrado ser eficaces a la hora de transmitir la variabilidad de las previsiones a una resolución de 15 minutos, ya que la interpolación supone que no hay cambios en la nubosidad.
Para integrar estos cambios de previsión en el edificio comercial, EdgePower gestionó la recogida y comunicación en tiempo real de la producción fotovoltaica medida en el lugar de la prueba. Esta información se introdujo en el sistema de previsión solar de Clean Power Research, donde se utilizó una técnica de mezcla de "persistencia inteligente". Esta técnica se basa en un modelo de previsión que lee los datos de los contadores en tiempo real y utiliza las observaciones de la potencia fotovoltaica en tiempo real para aumentar la previsión, lo que tiene un mayor impacto en el futuro próximo. Es interesante que esta tecnología sea aplicable a cualquier sistema fotovoltaico que pueda comunicar su producción de energía en tiempo real al software de previsión.
La figura 1 (abajo) muestra las mejoras de la nueva previsión modificada con respecto a la previsión solar de referencia. El porcentaje medio de error absoluto (MAPE) es el error medio absoluto normalizado por la potencia media del emplazamiento, y es una buena forma de medir el error de previsión en función del horizonte de previsión.
Resultados
Durante el periodo de demostración del proyecto, hubo 26 periodos de control durante los cuales el control de carga integrado en la energía solar de EdgePower controló el edificio para reducir la carga. El control de carga basado en la previsión solar redujo la carga en hasta 25 kW en un edificio que suele tener una carga máxima de 100 kW. Esta reducción de la carga se logró sin sacrificar el confort de los ocupantes. Este proyecto demostró con éxito la reducción de la carga y de la demanda en varios días durante el periodo de demostración del proyecto.
Conclusión:
Mediante la combinación de previsiones fotovoltaicas y el control adaptativo de la carga del edificio, éste se utiliza como "batería" con un coste de implementación mucho menor que el de la instalación de baterías químicas tradicionales. Existe el potencial de adaptar esta tecnología a los edificios con plantas fotovoltaicas para ayudar a conseguir ahorros adicionales, pero también podría incluirse en los nuevos proyectos fotovoltaicos en los que el cliente anfitrión también esté considerando las baterías químicas. La aplicación de la previsión solar y el control de la carga del edificio podría reducir el tamaño (y el coste) de un sistema de baterías y, por tanto, abrir el número de edificios en los que las combinaciones de energía solar fotovoltaica más almacenamiento son económicamente viables.