Esta investigación aborda el problema de la gestión óptima de la potencia eléctrica en microrredes, a través de la implementación de estrategias basadas en dos técnicas inteligentes multiobjetivo: MOGA y SPEA2. La optimización se lleva a cabo sobre dos objetivos conflictivos entre sí: los costos operativos de la microrred y las emisiones de gases contaminantes.
Debido a una obsoleta arquitectura centralizada, la cual separa, incluso por cientos de kilómetros, los centros de generación de los centros de consumo, las redes eléctricas convencionales hoy día resultan ser insostenibles, pródigas y contaminantes. Las smartgrids, o redes eléctricas inteligentes, comprenden un nuevo concepto del que se espera la capacidad para incrementar la eficiencia y rentabilidad de dichas redes eléctricas convencionales, además de disminuir la contaminación ambiental que ellas producen.
Para lograrlo, es necesario integrar las tecnologías de la información y la comunicación a las redes eléctricas, lo cual, entre otras cosas permita una gestión óptima y bidireccional del recurso energético entre proveedores y consumidores, con el ánimo de construir un mercado más participativo y competitivo.
En ese sentido, el desarrollo de smartgrids debe proveer las herramientas que permitan llevar a cabo esa gestión óptima y bidireccional, incluso considerando una diversa y amplia incorporación de la generación distribuida (Distributed Generation, DG), basada tanto en fuentes energéticas convencionales (Distributed Energy Resources, DER), como de energías alternativas o no convencionales (Alternative Energy Distributed Generation, AEDG).
No obstante, esa DG puede considerarse como parte integral de una red eléctrica de escala pequeña, autónoma y de medio o bajo voltaje, a la que sea posible añadirle otras características como la escalabilidad, la gestión eficiente de activos y la reducción de la contaminación ambiental, entre otras. La idea general de esta visión es propiciar una evolución de la red eléctrica tradicional hacia la smartgrid, subdividiendo sus problemas para ser abordados a través de redes más pequeñas: las microrredes.
Sin embargo, en una microrred las características de heterogeneidad y escalabilidad en las tecnologías de DG proponen un reto complejo: proveer una herramienta capaz de gestionar la potencia generada por esas unidades DG, optimizando tanto los recursos energéticos, como los económicos; al tiempo que se reduce el impacto ambiental negativo, por ejemplo relacionado con las emisiones de gases de efecto invernadero y lluvia ácida.
En un contexto computacional, este problema puede modelarse como uno de optimización multiobjetivo con restricciones (MO), tema ya abordado desde varios ángulos. No obstante, estas investigaciones proponen esquemas que no hacen parte de una arquitectura jerárquica de control, además de estar orientados a microrredes no adaptadas al contexto colombiano. Por otra parte, dado el costo computacional que un problema MO implica para su solución, por encima de las técnicas de programación matemática tradicionales se prefiere a las de computación evolutiva, las basadas en heurísticas o, en general, las de inteligencia computacional.
En otro sentido, dado que existe una relación natural entre las posibles unidades de generación AEDG en una microrred y el potencial de dichas energías alternativas en la zona, la gestión óptima realizada debe tomar en cuenta esa realidad energética local e incorporarla en el esquema de optimización. Lo anterior implica incluir los modelos que representen la naturaleza de esas AEDG, con base en estudios del potencial energético regional sobre energías alternativas. Para el caso colombiano, son de utilidad los estudios de oportunidad y desarrollo llevados a cabo.