Nuevo Método Multifásico Optimiza Redes Solares en Baja Tensión
En una era definida por la acción climática urgente y la electrificación acelerada, la integración de recursos energéticos distribuidos—especialmente paneles solares fotovoltaicos (PV) en techos residenciales—en redes de distribución de baja tensión se ha convertido tanto en una necesidad como en un desafío. Mientras la adopción de energía solar se dispara en zonas residenciales, los operadores de redes enfrentan una presión creciente para acomodar niveles sin precedentes de flujo inverso de energía sin comprometer la confiabilidad o seguridad. Un estudio innovador publicado en Southern Power System Technology ofrece una solución robusta y multifásica que podría redefinir cómo las empresas de servicios públicos evalúan y expanden la capacidad de alojamiento de subestaciones de distribución bajo alta penetración solar.
Liderado por Zijun Liu y Huaying Zhang del Laboratorio Conjunto de Suministro de Energía de Alta Calidad para Ciudades Inteligentes en Shenzhen Power Supply Bureau Co., Ltd., en colaboración con investigadores de la Universidad de Hunan—incluyendo a Yifang Jin, Ziao Su, Yihong You y Bin Zhou—el equipo ha desarrollado una metodología novedosa que aborda simultáneamente tres problemas críticos en sistemas de distribución modernos: sobrecarga inversa, violaciones de voltaje y desbalance trifásico. Su enfoque no solo evalúa la capacidad—la mejora activamente mediante la coordinación inteligente de recursos distribuidos.
El problema no es hipotético. En muchas regiones, especialmente en zonas de rápida urbanización de China como Shenzhen, las instalaciones solares residenciales han superado la demanda eléctrica local. Durante las horas del mediodía, cuando la luz solar alcanza su punto máximo pero el consumo residencial disminuye, el exceso de generación solar fluye inversamente a través de los transformadores de distribución hacia la red de subtransmisión. Este «flujo de potencia inverso» puede sobrecargar transformadores, elevar los voltajes más allá de los límites reglamentarios y—cuando los sistemas PV monofásicos se distribuyen de manera desigual entre fases—inducir un desbalance trifásico severo. Tales condiciones degradan el rendimiento del transformador, aceleran el envejecimiento del aislamiento y riskan fallas catastróficas.
Los métodos tradicionales para calcular la capacidad disponible a menudo dependen de reglas simplistas, como limitar la interconexión solar al 80% de la capacidad nominal de un transformador. Pero como demuestra el equipo de investigación, este enfoque estático ignora las interacciones dinámicas entre generación, carga y topología de la red. Peor aún, no considera las restricciones a nivel de la subestación aguas arriba de 35 kV o 110 kV, donde los flujos inversos acumulados de docenas de alimentadores de baja tensión pueden desencadenar sobrecargas alejadas del punto de interconexión.
La solución propuesta introduce un marco de evaluación multifásico y multietapa que opera en secuencia: asignación de PV consciente de las fases, expansión de capacidad virtual mediante recursos flexibles y verificación a nivel del sistema con retroalimentación correctiva.
La primera etapa aborda el desbalance trifásico en su raíz. En lugar de permitir que nuevos sistemas PV se conecten arbitrariamente a cualquier fase—a menudo basado en la conveniencia del instalador o preferencia del propietario—el modelo optimiza la asignación de fase de cada nueva instalación. Al distribuir estratégicamente la capacidad adicional de PV entre las fases A, B y C, el algoritmo minimiza el índice de desbalance durante el período de evaluación. Esto no es solo cuestión de equidad; mejora directamente la capacidad de carga inversa del transformador. El equipo incorpora una relación basada en la física que muestra que a medida que aumenta el desbalance, la capacidad efectiva del transformador disminuye debido al calentamiento de puntos críticos en los devanados sobrecargados. Al mantener las fases balanceadas, el mismo activo físico puede manejar de manera segura más potencia inversa.
La segunda etapa aprovecha la flexibilidad de dos tecnologías de uso final en rápido crecimiento: vehículos eléctricos (EV) y termostatos inteligentes. Aquí, la innovación cambia de la evaluación pasiva a la gestión activa. El modelo trata la carga de carga de EV y aire acondicionado como recursos controlables que pueden despacharse para absorber el exceso de generación solar durante las horas de producción máxima. En lugar de simplemente reducir la producción solar—una solución costosa e ineficiente—el sistema fomenta la «expansión de capacidad virtual» remodelando la demanda para que coincida con la oferta.
Para los EV, esto significa optimizar no solo cuándo se cargan sino también a qué fase se conectan. Una flota de 50 EV, por ejemplo, puede asignarse dinámicamente entre fases para equilibrar aún más la carga neta. Simultáneamente, los sistemas de aire acondicionado—modelados usando dinámicas térmicas de primer orden—pueden reducir ligeramente el consumo de energía durante los picos solares, siempre que las temperaturas interiores se mantengan dentro de las bandas de confort definidas por el usuario. Este enfoque dual reduce tanto la magnitud como la asimetría del flujo de potencia inverso, creando efectivamente margen para más energía solar sin actualizaciones de hardware.
Críticamente, el modelo considera la incertidumbre. La irradiación solar varía con el clima, el uso de EV depende del comportamiento humano impredecible y las temperaturas exteriores fluctúan diariamente. Para garantizar confiabilidad bajo los peores escenarios, el equipo formula un problema de optimización robusta que identifica la combinación más adversa de estas incertidumbres y garantiza que las restricciones se cumplan incluso entonces. Este diseño conservador pero práctico se alinea con los protocolos de gestión de riesgos de las utilities.
La tercera y última etapa cierra el ciclo a nivel del sistema. Incluso si subestaciones individuales parecen capaces de alojar más energía solar, su impacto colectivo en la subestación aguas arriba de 110 kV o 35 kV debe verificarse. El método agrega los aumentos de capacidad propuestos de todos los alimentadores de baja tensión conectados y verifica si el flujo inverso total excede el límite seguro de la subestación. Si lo hace, el algoritmo reduce proporcionalmente la capacidad permitida para cada alimentador—asegurando integridad en toda la red sin penalizar injustamente a ningún vecindario. También deduce las solicitudes de interconexión pendientes («capacidad en proceso») para reflejar la dinámica real de colas.
Para resolver este problema complejo y multicapa, los investigadores emplean un algoritmo sofisticado conocido como Generación Anidada de Columnas y Restricciones (N-C&CG). Esta técnica descompone el problema original en tres subproblemas interrelacionados: configuración de fase de PV, despacho de recursos flexibles y verificación de capacidad aguas arriba. Estos subproblemas se resuelven iterativamente, intercambiando información hasta lograr convergencia. El resultado es una solución global óptima que equilibra las restricciones locales del transformador con la estabilidad de todo el sistema.
El equipo validó su método utilizando datos del mundo real de una subestación de distribución típica de Shenzhen equipada con un transformador de 500 kW y 300 kW de PV existente (75 kW en fase A, 105 kW en B, 120 kW en C). Compararon cuatro escenarios: (1) su método completo; (2) asignación de fase sin modelado de transformador consciente del desbalance; (3) modelado consciente del desbalance sin recursos flexibles; y (4) recursos flexibles sin verificación aguas arriba.
Los resultados fueron sorprendentes. En comparación con la línea base, el método completo aumentó la capacidad disponible en 9.84%, redujo el pico de desbalance trifásico en 66.67% y aumentó la capacidad de carga inversa del transformador en 34.24%. El Escenario 2, que ignoró los efectos del desbalance, sobreestimó la capacidad y arriesgó sobrecarga del transformador. El Escenario 3 mejoró la seguridad pero dejó capacidad sin aprovechar. El Escenario 4 maximizó la capacidad local pero llevó a la subestación aguas arriba a sobrecarga inversa—destacando la necesidad de la etapa final de verificación.
Desde una perspectiva de utility, estas ganancias se traducen directamente en beneficios operativos y financieros. Un aumento del 10% en la capacidad de alojamiento significa menos actualizaciones de red, colas de interconexión más cortas y adopción solar más rápida—todo mientras se mantiene la confiabilidad. Para los reguladores, el método proporciona un marco transparente y basado en la física para establecer límites de interconexión justos y seguros. Para los propietarios de viviendas, significa menos denegaciones y retrasos al solicitar instalaciones solares.
Además, el enfoque está preparado para el futuro. A medida que crece la penetración de EV y los termostatos inteligentes se vuelven omnipresentes, el grupo de recursos flexibles se expandirá, aumentando aún más la capacidad «virtual» de la infraestructura existente. El modelo está diseñado para incorporar estas tendencias de manera orgánica, convirtiendo posibles estresores de la red en activos.
Las implicaciones se extienden más allá de China. Si bien el estudio utiliza Shenzhen como banco de pruebas, los desafíos subyacentes—flujo inverso, aumento de voltaje, desbalance de fases—son universales en redes con alta penetración solar residencial. Utilities en California, Australia, Alemania y otros lugares enfrentan restricciones similares. El diseño modular de la metodología permite la adaptación a regulaciones locales, estándares de transformadores y disponibilidad de recursos.
Críticamente, la investigación se adhiere a las mejores prácticas de ingeniería. Se basa en modelos establecidos para el comportamiento térmico de transformadores, flujo de potencia trifásico y dinámicas térmicas de edificios. Respeta los límites de voltaje estatutarios (±7% en China) y las pautas de carga de transformadores (80% de carga continua). Y utiliza datos del mundo real para patrones de viaje de EV y perfiles climáticos, asegurando relevancia práctica.
Este trabajo también se alinea con las tendencias globales hacia las funciones del operador del sistema de distribución (DSO), donde las utilities gestionan activamente los recursos distribuidos en lugar de tratarlos como inyecciones pasivas. Al enmarcar la respuesta a la demanda y el equilibrio de fases como herramientas para mejorar la capacidad, el estudio proporciona un plan para la próxima generación de planificación de redes.
En conclusión, el método de evaluación multietapa desarrollado por Liu, Zhang, Jin, Su, You y Zhou representa un avance significativo en la integración de redes de distribución. Va más allá de los límites estáticos a nivel de componentes hacia un enfoque dinámico y consciente del sistema que desbloquea capacidad oculta mediante inteligencia en lugar de inversión. Mientras el mundo se apresura a descarbonizar, tales innovaciones serán esenciales para construir redes que no solo sean más limpias sino también más inteligentes, seguras y equitativas.
Autores: Zijun Liu¹, Huaying Zhang¹, Xiaorui Liang¹, Yifang Jin², Ziao Su², Yihong You¹, Bin Zhou²
Afiliaciones:
¹ Laboratorio Conjunto de Suministro de Energía de Alta Calidad para Ciudades Inteligentes de CSG, Shenzhen Power Supply Bureau Co., Ltd., Shenzhen, Guangdong 518020, China
² Facultad de Ingeniería Eléctrica e Informática, Universidad de Hunan, Changsha 410082, China
Publicado en: Southern Power System Technology, Vol. 18, No. 5, Mayo 2024
DOI: 10.13648/j.cnki.issn1674-0629.2024.05.013