4 C 19 F 52 F 00697

UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TCNICA SUPERIOR DE INGENIERA (ICAI)

INGENIERA INDUSTRIAL
PROYECTO FIN DE CARRERA
EVALUACIN DEL IMPACTO DE

LOS VEHCULOS ELCTRICOS EN
LAS REDES DE DISTRIBUCIN
AUTOR: ngel Rosso Mateo

Madrid, Junio del 2010
Autorizada la entrega del proyecto al alumno:
ngel Rosso Mateo
Madrid, 15 de Junio de 2010
LOS DIRECTORES DEL PROYECTO
Firmado:
Dr. D. lvaro Snchez Miralles. Fecha:../../.
Firmado:
Dr. D. Carlos Mateo Domingo. Fecha../../.
VB del coordinador de proyectos
Firmado:
Dr. D. Michel Rivier Abbad. Fecha: ../../.

Resumen del Proyecto
EVALUACIN DEL IMPACTO DE LOS VEHCULOS

ELCTRICOS EN LAS REDES DE DISTRIBUCIN
Autor: Rosso Mateo, ngel.
Directores: Snchez Miralles, lvaro.
Mateo Domingo, Carlos.
Entidad colaboradora: Instituto de Investigacin Tecnolgica (IIT) de la
Universidad Pontificia Comillas - ICAI.
RESUMEN DEL PROYECTO

En el transcurso de los ltimos aos ha surgido una tendencia social de
concienciacin respecto al cambio climtico. Esto se ha traducido en la necesidad
reemplazar el sistema actual de transporte. El vehculo elctrico es la que cuenta
con ms apoyos debido a que la tecnologa est suficientemente desarrollada y
fundamentalmente es necesario invertir en las infraestructuras. Este vehculo tiene
la capacidad de consumir y almacenar energa cuando conviene al sistema,
pudiendo opcionalmente apoyar al sistema elctrico. Por consiguiente, es
necesario analizar cmo afectar la llegada de los EV a las redes elctricas, cmo
debern interactuar con ellas y que nuevos elementos sern necesarios.
En el presente proyecto se estudia el impacto de los coches elctricos en las redes
elctricas de distribucin con diferentes casusticas de comportamiento de los
usuarios en la recarga de los vehculos. Para realizar dicho estudio se han utilizado
varios modelos de planificacin y desarrollo de redes elctricas (RNM, ref. [7] )
que elaborados en el IIT. Estos, tras calcular la red necesaria y los refuerzos
requeridos, permiten monitorizar entre otros parmetros los costes de inversin,
las prdidas resultantes, la situacin seleccionada de cada elementos de la red
El estudio que se propone, se elabor en cinco fases correspondientes a los
apartados del segundo captulo: Estado del arte, elaboracin de la red base,
parmetros representativos, curvas de recarga y anlisis de los resultados.
I-Estado del arte: No existen demasiados estudios en torno a este tema debido a
que se espera que los vehculos no supongan un problema a corto plazo. En la
mayora de artculos se intuye que los principales inconvenientes que pueden
surgir son la elevada concentracin de puntos de recarga y la recarga en horas
i
punta. Una smart grid alrededor del vehculo elctrico evitara estos problemas y
permitira gestionar dicha recarga adecuadamente (referencias [1]-[5]).
II-Modelado de la red base: Dada la dificultad de contar con datos de redes reales,
se elabor una red elctrica plausible. Para ello, se utiliz el mencionado modelo
RNM que planifica redes elctricas a partir de las coordenadas de los usuarios y
su consumo. Para obtener estos datos se parti de una imagen de un callejero y se
utiliz Matlab para extraer los contornos de los edificios, seleccionar las
posiciones de los usuarios y estimar su consumo asumiendo una distribucin
uniforme.
Fig.1: Red generada superpuesta a la imagen de partida.

III-Estimacin de los parmetros fundamentales: Ha sido necesario evaluar el
comportamiento de los usuarios tanto en horarios de recarga (fig.2), como en
distancia recorrida. A nivel elctrico principalmente: capacidad de las bateras,
consumo derivado de la distancia recorrida y la potencia de las tomas de carga.
5 5
x 10 Carga total sistema x 10 Carga total sistema
9 7
6.5
8
6
7
5.5
potencia (KW)
potencia (KW)
6
5
5 4.5
4
4
3.5
3
3
2
0 5 10 15 20 25 2.5
0 5 10 15 20 25
tiempo (h)
tiempo (h)
Fig. 2: Carga de los vehculos en hogar y trabajo. Fig. 3: Carga ptima de los vehculos.
IV-Seleccin de curvas de carga en la red: Se han elegido las ms representativas
y las necesarias para observar las variables ms crticas. Por este motivo, entre
ii
otros escenarios, se han simulado el caso ptimo (fig. 3), el caso ms desfavorable
y los casos ms plausibles, como por ejemplo, el que se muestra en la figura 2.
V-Resultados y conclusiones: En primer lugar, se ha visto que en el caso de
recarga en punta, cuanto ms se concentran los puntos de consumo menores son
los incrementos en los costes de inversin. Esto se debe a que hay un ahorro en
centros de transformacin (CCTT) y red de baja tensin (BT).
En la figura 3 se muestran los resultados correspondientes a los casos en los que
incrementos de consumo son menores. Principalmente, se observa que todos ellos
se corresponden con la recarga en el valle. El resultado ms importante es el
hecho de que en estos casos, la recarga distribuida es lo ms eficiente. Adems se
observa que cuanto ms limitada en potencia est la recarga, el sistema aguanta un
mayor grado de penetracin. De hecho, en el caso de restringir la potencia a 1kw,
los costes se mantienen prximos al caso ptimo de recarga hasta un grado de
penetracin del 50%. Por tanto se concluye que se debe fomentar que los usuarios
particulares recarguen en sus domicilios durante las horas valle.
180000 0,090%
Concentrado 500 Optimo
160000 0,080%
140000 Distribuido Optimo 0,070%
120000 Concentrado 500 Valle 3,7kw 0,060%
100000 Concentrado 500 Valle 1kw 0,050%
80000 0,040%
Distribuido Valle 1kw
60000 0,030%
Distribuido Valle 3,7 kw
40000 0,020%
20000 0,010%
0 0,000%
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Grado de penetracin
Fig. 3: Comparativa de incrementos de consumo para los casos de menor coste.
Analizando las situaciones de elevado consumo de energa, se ha observado que
es importante fomentar que los usuarios se reabastezcan en varios das, para evitar
sobrecargas y que el consumo se desplace hacia la punta.
Respecto a la situacin espacial de las electrolineras, se ha visto que el caso ms
desfavorable es que estn situadas lo ms prximo posible, por lo que se debe
evitar esta situacin. Por supuesto, teniendo en cuenta que su ubicacin real
depende ms de otros factores y no tienen porqu estar situadas en la localizacin
ptima desde el punto de vista de la red.
iii
Abstract
IMPACT ASSESSMENT OF ELECTRIC VEHICLES IN THE

DISTRIBUTION NETWORK
Author: Rosso Mateo, ngel.
Managers: Mateo Domingo, Carlos.
Snchez Miralles, lvaro.
Collaborating entity: Technological Research Institute (IIT) from Pontifical of Comillas
University - ICAI.
ASTRACT
During the last few years, it has appeared a social trend of awareness about the
global warming. As a result, there is a requirement to replace the transportation
system. The electric drive is the alternative to the internal combustion engine that
has more possibilities to achieve this goal because the technology is enough
developed and fundamentally it is necessary to invest in the infrastructures.
This vehicle has the capability to consume and store energy when it is convenient
for the electric system. Starting from these capabilities, it is necessary to analyze
how this element is going to impact to the electric grid, how it should interact with
it, and which are the new elements that are necessary.
In this project it is studied the impact on the distribution network of the electric
vehicles with different models of the behavior of the users in the recharge of their
vehicles. To accomplish this study it have been used some reference network
models (RNM, ref. [7]) that have been elaborated in the IIT. This software, after
calculating the necessary grid and the required reinforcements, allows to observe
between some other parameters the investment costs, the losses, the resulting map
with the network elements...
The analysis that is proposed was elaborated in five stages which correspond to
the paragraphs of the second chapter: State of the art, elaboration of the base grid,
fundamental parameters, selection of the load curves, and analysis of the results.
I-State of the art: There are not many studies about this subject because this is not
expected to be a problem in the short term. In the majority of articles, it is
expected that the principal problems that could appear are the overloads caused by
high concentrations of recharge spots, and recharge in peak hours. Possibly, it will
i
Abstract
be necessary an smart grid around the electric vehicle to avoid this problems and
manage this recharge with efficiency (references [1]-[5] ).
II-Base grid modeling: Starting from the impossibility to use real data, a plausible
grid was elaborated. To achieve this, it was employed the mentioned RNM model
that plans electric networks from the coordinates of the customers and their
consumption. To acquire this data, it was used an image from a street map. Later,
Matlab was used to obtain the edge of the buildings, select the positions of the
customers and estimate their demand supposing a uniform distribution.
Fig.1: Generated grid superimposed to the base map.

III- Estimating of the fundamental parameters: It has been necessary to evaluate
the behavior of the customers, specially the travelled distance and the schedule of
the recharge (fig. 2). In the electric level, principally: the capacity of the batteries,
consumption of the vehicles, and the power of charge.
5
5
Total system load x 10 Total system load
x 10
9 7
6.5
8
6
7
5.5
power (kW)
power (kW)
6 5
5 4.5
4
4
3.5
3
3
2 2.5
0 5 10 15 20 25 0 5 10 15 20 25
time (h) time (h)
Fig. 2:Charge of vehicles at home and at work. Fig. 3: Optimal charge of vehicles.
IV-Selection of the load curves of the electric vehicles: The selected ones have
been those that allowed the observation of the most critical variables. Due to this
ii
Abstract
reason, among other scenarios, it have been simulated the optimal case, the worst
case and the most plausible ones such as the one showed in the figure 2.
V-Results and conclusions: First of all, it has been observed that in the charge on
peak hours, the more concentrated the spots are, the lower the necessary
increments of the investment are. The principal reason is that some costs from the
transformation centers, and the low voltage grid are saved.
In the figure 4 the results that correspond to the best results regarding to the
investment costs are shown. Firstly, it is important that all this results correspond
to the situation of the recharge during the off-peak hours. The most relevant result
is the fact the distributed recharge is the most efficient way. Furthermore, it is
observed that when the more limited is the power, the system allows a greater
degree of vehicles. In fact, when the power is restricted to 1 kw, the costs remain
similar to the optimal case until a degree of penetration of 50%. Therefore, it is
concluded that it should be promoted that the particular customers recharge their
vehicles at home during the off-peak hours.
180000 0,090%
Concentrated 500 Optimal
160000 0,080%
Distributed Optimal
140000 0,070%
120000 Concentrated 500 Off-Peak 0,060%
3,7kw
100000 Concentrated 500 Off-Peak 0,050%
1kw
80000 Distributed Off-Peak 1kw 0,040%
60000 0,030%
Distributed Off-Peak 3,7 kw
40000 0,020%
20000 0,010%
0 0,000%
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Degree of penetration of the electric vehicles
Fig. 4: Comparative of the valley recharge cases.
Regarding to the situations of high demand, It has been observed that it is
important to promote that the customers recharge their vehicles through out
several days to avoid a displacement of the recharge to the peak of the load curve.
Concerning to the allocation of the charging stations, it has been observed that is
important that they are not located closely. Of course, they will be located where
it is possible and useful for the consumer, not where it is preferable.
iii
A mis padres,
a toda mi familia y a
todos aquellos que
me han apoyado en la
realizacin del
proyecto,
Querra agradecer a la
Universidad Pontificia de Comillas
y al IIT, en especial a mis directores
lvaro Snchez Miralles y Carlos
Mateo Domingo, la formacin
recibida y el acceso a los recursos
necesarios.
ndices
NDICE
PARTE I: MEMORIA .......................................................................................... 1
Captulo I: Introduccin .................................................................................... 1
Motivacin del proyecto ............................................................................ 1
Objetivos del proyecto ............................................................................... 6
Metodologa .............................................................................................. 7
Recursos necesarios ................................................................................... 7
Captulo II: Desarrollo ...................................................................................... 8

1. Estado del arte .................................................................................. 8
Impacto en las redes de distribucin ........................................................................ 8
V2G-Generacin Distribuida .................................................................................... 11
Colocacin ptima de generacin distribuida ......................................................... 13
2. Elaboracin de la red base de anlisis ............................................... 16
2.1. Mtodo automtico de obtencin de redes ............................................. 16
2.2. Red elctrica modelada para el estudio ................................................... 20
2.3. Generacin de los perfiles de los clientes ................................................. 25
3. Caracterizacin de los datos alrededor del vehculo elctrico ............ 27
3.1. Consumidores ........................................................................................... 27
3.2. El vehculo elctrico .................................................................................. 31
3.3. Recarga de vehculos elctricos. ............................................................... 37
4. Preparacin de casos de simulacin ................................................. 43
4.1. Generacin de los perfiles incrementales ................................................ 43
4.2. Entradas del modelo incremental ............................................................. 45
4.3. Seleccin de casos de simulacin ............................................................. 45
5. Anlisis de resultados ...................................................................... 50
5.1. Comparacin entre recarga concentrada y distribuida ............................ 50
5.2. Anlisis de una situacin de elevada demanda ........................................ 57
5.3. Anlisis de la potencia de recarga adecuada ............................................ 61
5.4. Anlisis de la influencia de la colocacin de las electrolineras ................. 66
i
ndices
Captulo III: Conclusiones................................................................................ 71

Captulo IV: Futuros Desarrollos ..................................................................... 74
1. Complementos fundamentales ........................................................ 74
2. Seleccin de escenarios a futuro ...................................................... 76
2.1. Criterios de elaboracin de escenarios ..................................................... 76
2.2. Perspectivas de evolucin del vehculo elctrico ..................................... 77
2.3. Desarrollo de la tecnologa de las bateras ............................................... 80
2.4. Crecimiento de la red elctrica espaola sin vehculos elctricos ............ 81
Bibliografa .................................................................................................... 85
1. Impacto en las redes elctricas de los vehculos elctricos ................................ 85
2. Vehicle to Grid, colocacin ptima de generacin distribuida ............................ 86
3. Referencias generales sobre el vehculo elctrico. ............................................. 86
Anexos ........................................................................................................... 88
Anexo I: Terminologa y abreviaturas ....................................................... 88
Anexo II: Red elctrica urbana modelada. ................................................. 89
Anexo III: Tablas completas de Resultados y grficas adicionales ............... 93
AIII.1. Tablas de resultados para los casos de 35 km y 3,7 kw de recarga .............. 94
AIII.2. Tablas de resultados para los casos de 160 km ............................................ 97
AIII.3. Tablas de resultados para los casos de 35 km a diferentes potencias .......... 98
AIII.4. Grficas y resultados adicionales ................................................................ 102
Anexo IV: Datos generales de utilidad sobre el vehculo elctrico ............ 103
Anexo V: Tecnologas de bateras ........................................................... 104
PARTE II: ESTUDIO ECONMICO ................................................................... 108

Estimacin de los costes del proyecto ..................................................... 109
PARTE III: MANUAL DE USUARIO .................................................................. 112

Introduccin .......................................................................................... 113
1. Generador de redes............................................................................ 115
2. Perfiles de los usuarios de la red base ................................................. 120
3. Obtencin de las coordenadas de las gasolineras ................................ 122
4. Perfiles de consumo incrementales ..................................................... 122
ii
ndices
ndice de tablas
Tabla II.2.1: Datos de la red modelada utilizados en el generador de redes. ....... 21

Tabla II.2.2: Coeficientes de simultaneidad utilizados al generar la red. .............. 21
Tabla II.2.X: Costes agregados de la red elctrica generada ................................. 24
Tabla II.3.1: Estadsticas anuales del uso de los vehculos en EE.UU. Ref. [22]. .... 27
Tabla II.3.2: Caractersticas de vehculos elctricos representativos. Segn la ref.
[26] y pginas oficiales de los fabricantes. ............................................................ 34
Tabla II.3.3: Datos y estimacin de densidad de habitantes. Ref. [34] ................. 35
Tabla II.3.4: Datos y estimacin de densidad de habitantes. Ref. [35] ................. 36
Tabla II.3.5: Resumen de caracterizacin de los vehculos. ................................... 37
Tabla II.3.6: Resumen de los niveles de recarga en Europa. .................................. 41
Tabla II.5.1: Inversiones grado de penetracin del 5% de vehculos en punta a
3,7kw...................................................................................................................... 52
Tabla II.5.2: Comparativa de costes grado de penetracin 50% caso lmite
inferior. .................................................................................................................. 53
Tabla II.5.3: Costes escenario recarga en el valle. ................................................. 55
Tabla II.5.3: Resultados casos de electrolineras .................................................... 69
Tabla III.2.1: Penetracin de PHEV en EE.UU. para 2020 y 2030. Ref. [18] ........... 77
Tabla III.2.2: Resumen de las perspectivas de evolucin para 2020 y 2030. ......... 80
Tabla III.2.3: Tecnologas en desarrollo de bateras elctricas .............................. 80
Tabla III.2.4: Estimacin de la capacidad de las bateras para 2020 y 2030 ......... 81
Tabla III.2.5: Escenarios de evolucin de la demanda en b. c. ............................... 83
Tabla AII.1: Parmetros Baja Media y Alta Tensin. ............................................. 89
Tabla AII.2: Parmetros generales de planificacin de la red de distribucin. ..... 89
Tabla AII.3: ndices de calidad objetivo. ................................................................ 90
Tabla AII.4: Parmetros de generacin de la malla de la red. .............................. 90
Tabla AII.5: Clientes de la red de estudio. .............................................................. 90
Tabla AII.6: Conductores de la red de estudio. ...................................................... 90
Tabla AII.7: CCTT y SSEE de la red de estudio ........................................................ 91
iii
ndices
Tabla AII.8: Costes de la red de estudio ................................................................. 91

Tabla AII.9: Prdidas estimadas en la red de estudio ............................................ 91
Tabla AII.10: Zanjas, fachadas y postes de la red de estudio ................................ 91
Tabla AII.11: Elementos de MT de la red de estudio ............................................. 91
Tabla AII.12: ndices de calidad en municipios. ..................................................... 92
Tabla AII.13: ndices de Calidad en MT. ................................................................. 92
Tabla AII.14: CCTT agregados. ............................................................................... 92
Tabla AII.15: Lneas en BT, MT y AT agregadas. .................................................... 92
Tabla AII.16: Instalaciones de SSEE agregadas. .................................................... 92
Tabla AIII.1: Escenario lmite superior, recarga rectangular. ................................ 94
Tabla AIII.2: Escenario lmite inferior, recarga ptima. ......................................... 95
Tabla AIII.3: Escenario de recarga nocturna, distribucin normal. ....................... 96
Tabla AIII. 4:Escenario de recarga repartida entre el hogar y el trabajo. ............. 96
Tabla AIII.5: Escenario de recarga en valle, distribucin normal. ......................... 97
Tabla AIII.6: Escenario de recarga nocturna-160km. ............................................ 97
Tabla AIII.7: Escenario de recarga en el hogar y en el trabajo-160km. ................. 97
Tabla AIII.8: Recarga repartida normal en punta-1kw .......................................... 98
Tabla AIII.9: Recarga repartida entre el hogar y el trabajo-1kw ........................... 99
Tabla AIII.10: Recarga en el valle-1kw................................................................... 99
Tabla AIII.11: Recarga en punta, distribucin rectangular-7,4kw ....................... 100
Tabla AIII.12: Recarga repartida entre el hogar y el trabajo -7,4kw ................... 101
Tabla AIII.13: Recarga en el valle -7,4kw. ............................................................ 101
Tabla AIII.14: Recarga valle-1kw- media 2,5 horas, desviacin tpica 3 horas. .. 102
Tabla AIII.15: Recarga en punta 3,7kw-240km de recorrido. .............................. 102
Tabla AIV.1: Datos macroeconmicos alrededor del vehculo elctrico. ............. 103
Tabla AIV.2: Datos sobre el sector del transporte. .............................................. 103
Tabla AIV.3: Datos tcnicos sobre el vehculo elctrico ....................................... 103
Tabla AIV.4: Costes fundamentales del vehculo elctrico .................................. 103
Tabla AIV.5: Datos medioambientales ................................................................ 103
Tabla AV.1: Tecnologas actuales de bateras elctricas. .................................... 104
iv
ndices
Tabla AV.2: Tecnologas en desarrollo de bateras elctricas. ............................ 104

Tabla AV.3: Tecnologas almacenamiento alternativas a las bateras. .............. 105
Tabla AV.4: Energa final tecnologas de abastecimiento de vehculos. ............. 105
ndice de figuras
Figura I.1: Comparativa produccin y consumo de crudo. Ref. [20] ....................... 2

Figura II.1.1: Corrientes en transformadores de distribucin. Ref. [2] .................... 9
Figura II.2.1: Distribucin espacial de los puntos de consumo. ............................. 18
Figura II.2.2: Histograma de las potencias contratadas. ....................................... 19
Figura II.2.3: Grfico de normalidad de los consumos. ......................................... 20
Figura II.2.4: Curva de carga en el sistema portugus en invierno. Ref. [1]. ......... 25
Figura II.2.5: Curva de carga de los clientes .......................................................... 26
Figura II.3.1: Probabilidad anual de las millas recorridas. Ref. [10]. ..................... 28
Figura II.3.2: Distribucin de la media diaria de millas recorridas. Ref. [21]. ....... 28
Figura II.3.3: Recarga a alta potencia en el hogar y en el trabajo. Ref. [17]. ........ 29
Figura II.3.4: Densidad de probabilidad de recarga de vehculos. Ref.[18]. .......... 29
Figura II.3.5: Densidad de probabilidad de recarga de vehculos. Ref.[2]. ............ 30
Figura II.3.6: Diferentes curvas de recarga de vehculos elctricos. Ref[5] ........... 30
Figura II.4.1.: Diagrama de la lgica del programa. .............................................. 44
Figura II.4.2: Recarga en punta a 3.7kw. ............................................................... 46
Figura II.4.3: Recarga ptima a 35 km por vehculo. ............................................. 47
Figura II.4.4: Recarga nocturna normalizada con 35 km por vehculo a 3,7kw. ... 48
Figura II.4.5: Recarga repartida entre el trabajo y la llegada al hogar. ................ 48
Figura II.4.6: Recarga nocturna aprovechando el valle del consumo. ................... 49
Figura II.5.1: Resultado del escenario lmite superior(coches en punta). .............. 52
Figura II.5.2: Resultado del escenario extremo inferior (Recarga ptima). .......... 53
Figura II.5.3: Resultado del escenario recarga nocturna. ...................................... 54
Figura II.5.4: Resultado del escenario recarga en el hogar y en el trabajo. .......... 54
Figura II.5.5: Resultado del escenario recarga en el valle. .................................... 55
Figura II.5.6: Comparativa de resultados casos de mayor coste. .......................... 56
v
ndices
Figura II.5.7: Comparativa de resultados casos de menor coste ........................... 57

Figura II.5.8: Recarga en punta distribucin normal-160 km ................................ 58
Figura II.5.9: Comparativa de costes recarga en punta distribucin normal ........ 59
Figura II.5.10: Comparativa de costes recarga en punta 35km vs 160km ........... 59
Figura II.5.11: Recarga distribuida en varios das. ................................................ 60
Figura II.5.12: Recarga de alta demanda concentrada en un da ......................... 60
Figura II.5.13: Recarga en punta a 1kw, distribucin rectangular, 7kwh. ............ 61
Figura II.5.14: Recarga en valle con 35 km por vehculo a 1kw. ............................ 62
Figura II.5.15: Recarga nocturna con 35 km por vehculo a 7,4kw. ...................... 62
Figura II.5.16: Recarga en el valle con 35 km por vehculo a 7,4kw. ..................... 63
Figura II.5.17: Comparativa entre 1kw y 3,7 kw de potencia de recarga para el
caso de demanda repartida entre el trabajo y el hogar. ....................................... 63
Figura II.5.18: Resultados recarga en el valle. Casos de mayor coste. .................. 64
Figura II.5.19: Resultados recarga en el valle. Casos de menor coste. .................. 65
Figura III.2.1: Estimacin de la evolucin del grado de penetracin. Ref. [17] ..... 77
Figura III.2.2: Evolucin de las ventas de PHEV en EEUU. Ref. [3.2] ...................... 78
Figura III.2.3: Evolucin de las ventas de PHEV y EV en EEUU. Ref. [20] ............... 78
Figura III.2.4: Ventas y flota de EV Europa y Alemania 2020 y 2030.ref.[25] ....... 79
Figura III.2.5: Evolucin de la demanda elctrica por habitante. .......................... 82
Figura III.2.6: Consumo en relacin al precio, el PIB y a la poblacin. .................. 82
Figura III.2.7: Variacin de la demanda en el escenario eficiencia y SO. .............. 83
Figura III.2.8: Destruccin de empleo en EE.UU porcentual respecto al mximo
previo a la crisis. Crisis posteriores a la 2 guerra mundial. .................................. 84
Figura III.2.9: Evolucin de la tasa de paro en Espaa. ......................................... 84
Figura AIII.1: Escenario de recarga en el hogar y en el trabajo-160km. ............... 98
Figura AIII.2: Recarga repartida normal en punta-1kw......................................... 99
Figura AIII.3: Recarga repartida entre el hogar y el trabajo-1kw.......................... 99
Figura AIII.4: Recarga en el valle-1kw ................................................................. 100
Figura AIII.5: Recarga en punta, distribucin rectangular-7,4kw........................ 100
Figura AIII.6: Recarga repartida entre el hogar y el trabajo - 7,4kw. .................. 101
Figura AIII.7: Recarga en el valle -7,4kw. ............................................................ 101
vi
ndices
Figura AIII.2: Recarga valle-1kw- media 2,5 horas, desviacin tpica 3 horas. ... 102
Figura AIII.3: Recarga en punta 3,7kw-240km de recorrido. ............................... 102
Figura AV.1: Prediccin del coste de las bateras de Litio. Ref [20] ..................... 106
ndice de imgenes
Imagen II.1.1: Puntos conflictivos por acumulacin de vehculos. Ref [4] ............. 10
Imagen II.2.1: Mapa de entrada al generador de redes. ....................................... 16
Imagen II.2.2: Contornos obtenidos a travs del color de relleno. ........................ 17
Imagen II.2.3: Resultado de la asignacin de consumos. ...................................... 19
Imagen II.2.4: Primer plano del resultado anterior. .............................................. 19
Imagen II.2.5: Red de alta tensin del modelo generado. ..................................... 22
Imagen II.2.6: Red de media tensin del modelo generado. ................................. 22
Imagen II.2.7: Red de baja tensin del modelo generado. .................................... 23
Imagen II.2.8: Primer plano de la red de baja tensin del modelo. ....................... 23
Imagen II.2.9: Red completa. ................................................................................. 23
Imagen II.2.10: Superposicin de la red generada y el mapa de partida. ............. 24
Imagen II.3.1: Cadena cinemtica hbrido paralelo. .............................................. 32
Imagen II.3.2: Cadena cinemtica hbrido serie. ................................................... 32
Imagen II.3.3: Planos SAE J1772. ........................................................................... 38
Imagen II.3.4: Vista del conector IEC 62196 .......................................................... 39
Imagen II.5.2: Colocacin de las gasolineras en el rea de estudio ...................... 66
Imagen II.5.3: Resultado de la obtencin de las coordenadas .............................. 67
Imagen II.5.4: Caso denominado como caso aleatorio 1 ...................................... 68
Imagen II.5.5: Caso denominado como caso aleatorio 2 ...................................... 68
Imagen II.5.6: Caso denominado como caso a mano 1 ......................................... 68
Imagen II.5.7: Caso denominado como caso a mano 2 ......................................... 69
vii
PARTE I: MEMORIA
Captulo I: Introduccin
C APTULO I: I NTRODUCCIN
M OTIVACIN DEL PROYECTO
En el transcurso de los ltimos aos ha surgido una corriente social de

concienciacin sobre el calentamiento global debido al efecto invernadero. La
poblacin es consciente de que es necesario un cambio para que la situacin actual
no perjudique a las futuras generaciones. Esto se ha traducido en directivas y leyes
a nivel estatal y europeo, adems de acuerdos a nivel mundial como el protocolo
de Kioto, y ms recientemente la cumbre de Copenhague. En concreto, en Europa,
nos encontramos con un incremento de los impuestos a los vehculos ms
contaminantes, restricciones de emisin de CO2 en los vehculos de nueva
produccin, subvenciones a los vehculos ms respetuosos con el medio ambiente,
y planes de integracin del vehculo elctrico. Ms concretamente, se ha marcado
el objetivo de pasar de un promedio de emisiones de 160 g CO2/km en la
actualidad a 95g CO2/km en 2020.
Uno de los sectores que es ms responsable de las emisiones de gases de
efecto invernadero es el transporte. La energa consumida por este sector es
directamente dependiente del petrleo en un 92%. Adems supone el 28% del
consumo global de energa, y el 50% de la demanda global del petrleo. El gran
inconveniente de esta dependencia es que la gran mayora de productos y
servicios se encuentran ligados al transporte y por tanto a la volatilidad de precios
a la que est sometido el petrleo. Por otro lado, las nuevas economas emergentes
como por ejemplo China e India cada vez estn demandando un mayor consumo
de crudo (Fig. I.1). Todo esto nos lleva a una situacin global en la que se espera
que a medio plazo el precio del petrleo alcance cotas insostenibles y a largo
plazo, las reservas de petrleo llegarn a agotarse al nivel actual de crecimiento
del consumo.
1
Figura I.1: Comparativa produccin y consumo de crudo. Ref. [20]
Por tanto es necesario un cambio de paradigma en el sector de la

automocin. Este es uno de los grandes desafos del siglo XXI: Encontrar una
nueva forma de propulsar los vehculos de transporte. Las principales soluciones
que se han barajado hasta este momento son tres: Vehculos propulsados mediante
hidrgeno y biocombustibles, y los vehculos elctricos. Existen otras tecnologas
como el aire comprimido pero de momento no se espera que puedan utilizarse
para abastecer a los automviles. Para ms informacin sobre parmetros
generales de los vehculos o de las tecnologas de almacenamiento de energa para
automviles Anexo IV y Anexo V .
Hasta la fecha el hidrgeno tiene varios inconvenientes. Para empezar, al
igual que con la electricidad, este bien es un vector energtico, una forma de
transportar energa, no se trata de un recurso. Por tanto hay que invertir energa en
producirlo. Otro problema que hay que solucionar, es que los electrodos que se
han conseguido desarrollar para la realizacin de este proceso de momento no
hacen posible su utilizacin a gran escala por motivos econmicos. Adems el
rendimiento estimado del proceso de generacin de hidrgeno es del 30%
(National Academy of Engineering EE.UU.).
Por otro lado, hay que resolver la dificultad de almacenar grandes
cantidades de este gas, dado que es bastante voltil y adems sera necesario
almacenarlo a gran presin (700 bar 1,6 kwh/L), e incluso a una baja temperatura
(lquido: 2,8 kwh/L), para alcanzar una densidad de energa razonable. La gran
ventaja que tiene este sistema es que el nico residuo que se emite al utilizarlo es
vapor de agua. Otras ventajas son su alta densidad energtica por unidad de masa,
aunque no tanto por unidad de volumen. Por estos motivos que algunos expertos
confan en que en un futuro los automviles sean vehculos elctricos y utilizando
hidrgeno como almacenamiento de energa, aparte de bateras elctricas. Por
2
defecto se utilizara la energa elctrica y en el momento en el que las bateras se

encontrasen con baja carga se utilizara la combinacin de ambas posibilidades.
Respecto a los biocombustibles, tienen la ventaja de que su
funcionamiento es claramente semejante al petrleo actual, que lleva casi un siglo
de desarrollo y por tanto se cuenta con los conocimientos y la experiencia
necesaria para utilizarlo a muy gran escala. No obstante, tiene el inconveniente de
que para llegar a los niveles de produccin necesarios para abastecer el consumo
son necesarios grandes campos de cultivos, utilizando recursos que deberan
servir para producir alimento para la poblacin. Teniendo en cuenta la situacin
de pases menos desarrollados en los que la gente no tiene la cantidad necesaria de
comida para cubrir sus necesidades mnimas, sta no es la solucin ticamente
correcta.
Por otro lado, estn en fase de desarrollo biocombustibles de segunda
generacin. Estos tendran la ventaja fundamental de que no estaran basados en
vegetales procedentes del consumo de alimento mundial. Hay varias tecnologas
en desarrollo dentro de este campo como por ejemplo el etanol producido a partir
de desechos obtenidos a partir de la elaboracin de otros productos o proveniente
de rboles. Otras posibilidades, son la utilizacin de determinados hongos o la
experimentacin con ingeniera gentica. Adems est la llamada tercera
generacin de biocombustibles, aquellos basados en algas. Todo esto nos lleva a
que esta tecnologa tiene posibilidades dentro de un futuro pero no en la
actualidad.
Llegamos por tanto, al vehculo elctrico. ste es el que se ha posicionado
de momento como la solucin ms realista a la hora de realizar el cambio al que
se desea llegar. Tanto es as que prcticamente todos los fabricantes de vehculos
estn en proceso de colocar en el mercado al menos un automvil con estas
caractersticas. Al igual que el resto de soluciones, los vehculos elctricos tienen
una serie de inconvenientes. La electricidad tambin es un vector energtico, es
decir, hay que emplear otras fuentes de energa para obtener este bien. Los
materiales necesarios para la produccin a gran escala de bateras para vehculos
elctricos no se espera que puedan cubrir la demanda a largo plazo.
No obstante, en comparacin con que las dems opciones, esta tecnologa
es posible implantarla a gran escala de una forma econmicamente viable.
Adems se cuenta con los conocimientos necesarios para empezar a desarrollarla.
3
La ventaja principal que tienen los vehculos elctricos es que no emiten

contaminacin de ningn tipo en su funcionamiento. Las emisiones de gases de
efecto invernadero que les corresponden son las debidas a la generacin de la
energa elctrica con la que han sido recargados, es decir, del mix energtico de
cada pas. Por tanto, salvo que fueran recargados con energa elctrica proveniente
del carbn o del petrleo exclusivamente, las emisiones resultantes son menores
dado que la eficiencia global del proceso desde la planta de energa elctrica hasta
el movimiento de la cadena cinemtica es mayor.
Por otro lado, los caballos de batalla para implantar el coche elctrico son
el desarrollo de la infraestructura necesaria para abastecer adecuadamente a estos
vehculos y la reducida autonoma de las bateras en comparacin con el petrleo.
Una batera de litio tiene una densidad energtica de 0,27 kwh/L frente a los 8,9
kwh/L de la gasolina. No obstante, para comparar en igualdad de condiciones, hay
que tener en cuenta que el rendimiento del motor del coche elctrico es del orden
del 80-90% frente al de los combustibles que es del 20%-30%. Por tanto, la
diferencia de autonoma se ve relativamente compensada por el mayor
rendimiento del motor elctrico.
Otro de los problemas que se plantea es la seguridad en el abastecimiento
energtico. Las principales fuentes energticas (petrleo y gas) son fuentes no
renovables, es decir, a largo plazo se acabarn agotando. Adems estas reservas
energticas estn fundamentalmente en manos de pases con gobiernos inestables
y por tanto estn expuestas a una volatilidad de precios excesiva. Por este motivo,
los pases desarrollados estn buscando otras formas de abastecer sus necesidades
energticas.
En este punto, el vehculo elctrico se posiciona como un factor muy
interesante en la solucin de dicha realidad. En la mayora de los pases del
mundo, el mix de energas que componen la generacin de electricidad es
suficientemente variado como para evitar problemas de abastecimiento en caso de
escasez o de excesiva volatilidad de alguno de los recursos energticos
fundamentales. Adems la mayora de las polticas energticas avanzan en la
direccin de una mayor utilizacin de energas renovables. Tanto es as que, en
concreto, en la comunidad econmica europea se ha marcado el objetivo 20-20-20
en el cual se busca reducir las emisiones de GHG un 20%, que las necesidades
4
energticas de la unin estn cubiertas en un 20% con recursos renovables, y

mejorar la eficiencia energtica un 20% para 2020.
Previsiblemente, a largo plazo, a medida que otras tecnologas se
desarrollen y alcancen la viabilidad econmica, se llegar a un parque
automovilstico de vehculos con diferentes tecnologas. De todos modos, es
bastante probable que una parte de dicha solucin se basar en los vehculos
elctricos, tanto hbridos como puros. Por tanto es necesario realizar un anlisis
sobre las consecuencias de su utilizacin. No obstante, tambin ser necesario un
profundo cambio social, la energa ms ecolgica es aquella que no se ha
utilizado.
Partiendo de las expectativas de evolucin del vehculo elctrico, se
deduce que ser necesario estudiar cmo ser la interaccin entre este nuevo
elemento y la red elctrica.
Este tipo de vehculo, como elemento conectado al sistema elctrico, posee
unas caractersticas muy especiales. Tiene la posibilidad de consumir y almacenar
energa cuando sea conveniente para el sistema elctrico. No obstante, de
momento esta capacidad est limitada por la capacidad de las bateras, la cantidad
de vehculos elctricos en el sistema y el nmero mximo de ciclos de carga y
descarga. Adems puede que sea conveniente desarrollar sistemas de
comunicaciones que permitan realizar una gestin inteligente por parte del
comercializador y a un mayor nivel, por el transportista y operador del sistema
(TSO). De hecho, probablemente sern necesarios nuevos modelos de negocio
que sirvan de intermediarios entre todo este conglomerado de elementos. Por
supuesto, dichas infraestructuras se desarrollarn siempre y cuando sea necesario
para el sistema y sea viable econmicamente hablando.
Teniendo en cuenta estas propiedades, es necesario analizar cmo afectar
a las redes de transmisin y distribucin, cmo deber interactuar con ellas y que
nuevos elementos sern necesarios, tanto desde el punto de vista del consumidor
cmo desde el transportista y operador del sistema.
Ms concretamente, no est claro cuntos vehculos puede soportar el
sistema elctrico actual. Para ms inri, tampoco se conoce cul ser el
comportamiento de los usuarios, lo que dificulta conseguir predicciones fiables.
Por este motivo, entre otras posibilidades, se analizar el caso ms desfavorable
5
de introduccin de los vehculos elctricos. Con todo ello, se podr conocer cul
es el orden de magnitud de las necesidades de inversin requerida, y cules son
las polticas que hay que llevar a cabo para que minimizar los costes derivados de
la integracin masiva de coches elctricos.
Por otro lado, tambin es interesante analizar puntos de recarga
concentrada por dos motivos. En primer lugar, se espera que los vehculos
elctricos comiencen siendo flotas de empresas. Por tanto estos vehculos se
recargarn en un mismo punto del sistema elctrico. Por otro lado, dado que es
complicado contar con una instalacin de elevada potencia en los aparcamientos
de los hogares particulares, es probable que sean necesarios otros lugares con ms
capacidad de recarga (electrolineras de recarga rpida). Adems, tambin es
interesante analizar la posibilidad de estaciones de recambio de bateras elctricas
(electrolineras de cambio de batera) por sus mayores posibilidades de gestin y
almacenamiento de energa elctrica. La insercin de estos elementos de elevada
potencia conlleva importantes cambios en el sistema, debido entre otros motivos,
a que deben conectarse a niveles de tensin de mayor capacidad, en principio a
media tensin. Si no se gestionan adecuadamente, pueden dar lugar a problemas y
a requerimientos de inversin indeseados.
O BJETIVOS DEL PROYECTO
Realizacin de un anlisis comparativo entre recarga distribuida y

concentrada (electrolineras).
- 1.1: Concluir cual es la proporcin ms adecuada entre ambas posibilidades.
- 1.2: Obtener resultados sobre cuales son mtodos para situar acertadamente
las electrolineras. Se compararn diferentes posibilidades, incluso con el caso
base de colocarlas donde estn situadas las gasolineras.
Estudio genrico del impacto en la red. Para realizar este estudio se
barajan los siguientes anlisis:
o Anlisis zonal: Comparacin entre industrias, ciudades, zonas rurales
o Costes asociados a los diferentes tipos de consumo: Particulares,
electrolineras en diferentes localizaciones y de diferentes tipos
6
o Escenarios mixtos de generacin y carga. Se estudiar la posibilidad de

almacenar energa en los valles y producir en la punta de consumo.
o Impacto medio ambiental en las emisiones de C02.
M ETODOLOGA
1- Documentacin exhaustiva a cerca de la situacin actual y de los estudios

realizados a cerca del proyecto en desarrollo.
2- Modelado la red elctrica de una ciudad, que servir para observar las
consecuencias de las diferentes posibilidades que se tendrn en cuenta.
3- Para observar las diferentes casusticas a futuro, se elaborarn diferentes
escenarios de desarrollo del vehculo elctrico.
4- A partir de estos escenarios, se realizarn los diversos anlisis del impacto en
la red mencionados anteriormente.
Anlisis de los datos y de los resultados obtenidos mediante software
matemtico como Matlab, Excel u otros programas similares.
R ECURSOS NECESARIOS
- Software desarrollado en el IIT para el anlisis del estado de la red elctrica.

Modelos EGRID_Greenfield y EGRID_Expansion.
- Matlab: Generacin de datos de entrada a los modelos. Anlisis matemtico de
datos e imgenes.
- MS. Excel: anlisis de datos, elaboracin de grficas tablas, ...
- Visual Studio 2008: realizacin de programas para adaptar los ficheros de datos
entre los diferentes programas utilizados, principalmente entre Matlab y los
modelos del IIT.
-Arce Explorer: Visualizacin de los resultados de los modelos utilizados.
7
Captulo II: Desarrollo
C APTULO II: D ESARROLLO
1. E STADO DEL ARTE
El vehculo elctrico como nuevo elemento del sistema elctrico, debido a

la complejidad de su implementacin, est suscitando diversos anlisis. Debido a
la preocupacin existente en lo relativo a las emisiones de CO2, la mayora de los
estudios se centran en cmo se ver afectada la generacin de energa elctrica
con la presencia del vehculo elctrico. Algunos de los estudios ms importantes
en estos temas son los referenciados como [3.X]. Para ms informacin, en el
apartado 2 se analizan los aspectos generales necesarios para el estudio realizado
y en el anexo I se encuentra un resumen de datos generales interesantes sobre este
tema. Tan importantes son las emisiones y el mix energtico necesario para
abastecer al vehculo elctrico, que muchos de los artculos que estudian de algn
modo el impacto en las redes de distribucin tratan en paralelo este tema.
IMPACTO EN LAS REDES DE DISTRIBUCIN
Respecto al impacto en las redes de distribucin no existen demasiados

estudios debido a que hasta que no se alcancen considerables grados de
penetracin de los vehculos elctricos no ser un problema y por tanto, es un
estudio de inters a medio y largo plazo.
La mayora de las investigaciones que buscan analizar las redes de
distribucin parten de una red elctrica en la cual introducir vehculos elctricos.
Para obtener unos resultados con los que sacar conclusiones, se monitorizan
determinadas variables como pueden ser: las prdidas en el sistema,
sobrecalentamiento de transformadores, perfiles de y calidad en la tensin, etc.
Por consiguiente, se utilizar una metodologa similar en el desarrollo de este
proyecto final de carrera. Ms concretamente, los anlisis que se han consultado y
han sido de alguna utilidad se muestran a continuacin.
8
En la referencia [1] para estudiar el impacto de los vehculos elctricos, se

parte de una red base en la que observar resultados, unos escenarios de evolucin
de los vehculos, y un determinado mix de generacin. Con ello, se pueden
analizar las curvas de carga resultantes, los perfiles de tensin de la red,
congestin de las diferentes ramas, prdidas en las red y cambios en las emisiones
de GHG para diferentes posibilidades de recarga. Respecto a la congestin en las
redes de distribucin, se observa que en el escenario de mayor demanda y recarga
descontrolada, los nudos ms conflictivos alcanzan niveles excesivamente altos
(sobrecargas del 5%). La conclusin fundamental que se alcanza en este anlisis
es que los refuerzos en la red son mucho menores en el caso de tener una recarga
inteligente. En este caso, con un grado de penetracin del 10-13% no seran
necesarios refuerzos en la red.
En otros estudios, ref. [2], la variable de anlisis es la sobrecorriente en los
transformadores de las subestaciones de baja tensin. Para ello, se utiliza un
modelo elctrico que permite conocer el calentamiento de dicho elemento en
funcin de las corrientes que circulan por l. Por tanto, partiendo de algunas
suposiciones de patrones de recarga de vehculos elctricos, se obtiene el grado de
afeccin en el transformador. La conclusin es que con recarga descontrolada la
vida til se reduce unas 10-15 veces llegando a cifras de tiempo bastante
reducidas (10-20 aos) e implicando una necesidad de incremento en la red
bastante importante, que est ms all del alcance del artculo referenciado.
Corriente en transformadores sin PHEV Corriente en transformadores con PHEV:
Figura II.1.1: Corrientes en transformadores de distribucin. Ref. [2]
9
Teniendo en cuenta la reducida autonoma del vehculo elctrico, es muy

probable que ste llegue en primer lugar a zonas reducidas como pueden ser
pases de pequea extensin como Dinamarca e Israel o zonas insulares. En
concreto, en la referencia [3], se analiza la posibilidad de utilizar parte de la
energa almacenada en los vehculos elctricos en horas punta de cara a mejorar la
fiabilidad del sistema. Se llega a la conclusin de que los vehculos elctricos
podran incrementar los servicios de regulacin y permitiran aumentar la
proporcin de generacin renovable en el sistema. No obstante, podran llegar a
suponer una escasez en el suministro con elevados grados de penetracin.
En la referencia [4] se realiza un anlisis completo del impacto del
vehculo elctrico, tanto en distribucin como en generacin. En lo referente a
distribucin, al igual que las referencias previas, se parte de una red elctrica en la
que implantar los vehculos elctricos y observar los resultados. Tras situar los
vehculos estocsticamente, se observa claramente que en las zonas en las que se
acumulan grandes cantidades de vehculos aparecen problemas en el sistema. Por
tanto, concluye que para un gran despliegue de vehculos elctricos ser necesaria
una red inteligente (smart grid) que detecte los puntos conflictivos (imagen I.1.2)
antes de que supongan un problema para la red elctrica.
Imagen II.1.1: Puntos conflictivos por acumulacin de vehculos. Ref [4]
Otro artculo interesante es el [5]. En este caso, adems se aporta un

anlisis temporal basado en escenarios. Partiendo de tres hiptesis de situaciones
de recarga de vehculos elctricos y suponiendo un grado de penetracin tambin
en funcin del tiempo, se llega al orden de magnitud de las inversiones necesarias
en red para cada una de las tres situaciones. En el caso de recarga descontrolada,
se observa que para grados de penetracin muy pequeos los incrementos en la
inversin necesaria son excesivos (para 10 aos del orden del 20%)
10
Resumiendo, en la literatura se intuye que los principales problemas que

pueden surgir en las redes de distribucin debido a la implantacin del vehculo
elctrico son principalmente la concentracin de puntos de recarga y la recarga en
horas punta. Ser necesaria una smart grid alrededor del vehculo elctrico para
evitar estos problemas y gestionar la recarga adecuadamente.
A continuacin se presentan dos temas que estn bastante relacionados con
el proyecto y que por tanto es necesario tenerlos en cuenta.
V2G-GENERACIN DISTRIBUIDA
V2G (Vehicle to grid) es la acepcin que engloba todo lo relacionado a la

interaccin entre los vehculos elctricos (EV) y la red de transmisin. En el
desarrollo inicial del EV se espera que, gracias a tarifas adecuadas, consuma
durante la noche, que es cuando es ms conveniente para el sistema. A medida
que las comunicaciones, la tecnologa y la cantidad de vehculos en el sistema se
desarrollen, es de esperar que los PEV aporten determinados servicios a la propia
red. Como cargas, pueden nivelar la curva de demanda al consumir en momentos
de baja demanda o de exceso de generacin. Adems como almacenadores de
energa, pueden aportar reserva a bajar y a subir y por tanto, regulacin primaria y
eliminacin de puntas.
De todos modos, es complicado definir cul ser el sistema necesario para
que estos vehculos elctricos provean al sistema de los servicios mencionados.
En la ref. [7] se defiende que el vehculo elctrico como una sola carga conectada
al sistema, es incapaz de realizar los servicios asociados al concepto V2G dado
que no tiene potencia suficiente para que su actuacin afecte al sistema. Por este
motivo, es necesaria una entidad que englobe un nmero importante de
vehculos para gestionarlos como un conjunto. Esta entidad necesitara conocer el
SOC (State of Charge) de cada uno de los vehculos y las restricciones impuestas
por el usuario con el fin poder gestionar la energa a consumir o a aportar en
funcin de las necesidades del sistema. Proporcionar estos servicios dar lugar a
beneficios que dicha entidad agregadora compartir con sus clientes y que por
tanto, subvencionar el coste de las bateras. Otras empresas como Better Place
proponen directamente englobar tanto la gestin de dicha energa de las bateras,
11
como la fabricacin de las infraestructuras necesarias para abastecer al vehculo

elctrico. Sera un concepto de negocio similar al de los telfonos mviles, en el
cual la compaa, en este caso Better Place, te subvencionara la batera a cambio
de tener acceso a una parte de la energa almacenada en sta.
Por otro lado, en la referencia [9], de nuevo se defienden las ventajas de la
utilizacin de entidades agregadoras de vehculos elctricos. Ms en concreto, se
analiza si el sistema es viable, seguro y econmico frente a la posibilidad de una
gestin central por el operador del sistema (SO). A nivel de viabilidad, por parte
del operador, la cantidad de datos a gestionar sera abrumadora, mientras que para
la arquitectura agregada sera ms simple. Adems, para dicha entidad, sera ms
sencillo participar en los mercados de servicios secundarios. De hecho, gracias a
la acumulacin, podra alcanzar los estndares requeridos para realizar dicha
funcin. En cuanto a la seguridad del servicio, la capacidad SO dependera
completamente del comportamiento de los usuarios. No obstante, el agregador
puede adaptar el contrato de servicios de regulacin segn la flota disponible.
En la referencia [10] se hace un estudio de los datos necesarios para
modelar el consumo de los usuarios y se analiza que servicios puede aportar el
vehculo elctrico al sistema. Con ello, se muestran los resultados de una
demostracin del hardware desarrollado para llevar a cabo dichos servicios. Como
propuesta original aunque peligrosa, adems de las restricciones habituales del
sistema y del usuario, se proponen gestionar la recarga de cada vehculo
prediciendo a partir de datos histricos la utilizacin que se realizar.
Otras referencias [11] se centran en demostrar que una coordinacin
adecuada entre la recarga de vehculos elctricos y la intermitencia de los recursos
renovables, pueden reducir los costes, aliviar congestiones en la red y reducir las
necesidades de reservas de capacidad sin entrar en servicios de regulacin.
En otros casos, en lugar de una nica entidad de gestin de los vehculos
elctricos, en la referencia [12], se divide la gestin de dichos vehculos en tres
partes, definiendo para cada una un modelo de optimizacin lineal. En primer
lugar, el energy hub agent se encarga de gestionar los puntos de conexin de
vehculos, sera por ejemplo la gestin de todos los vehculos de n garaje. Por otro
lado, el phev energy hub agent modela el comportamiento del phev en particular
y ajusta la recarga y generacin de cada vehculo a los precios del mercado
12
elctrico y de la gasolina. Por ltimo, el phev manager agent es quin sirve de

interconexin entre las dos entidades anteriores.
A medida que la tecnologa progrese, llegaremos a un punto en el que
exista en las viviendas gestin activa de la demanda y dentro de este apartado los
vehculos elctricos jugarn un papel muy importante dado que constituirn una
gran parte de las cargas gestionables.
COLOCACIN PTIMA DE GENERACIN DISTRIBUIDA
Enlazando con el apartado anterior, esta seccin se estudi con la intencin

de analizar cmo se podran colocar las electrolineras de algn modo eficiente
para el sistema. Dada la imposibilidad de introducir modificaciones en el modelo
que se ha utilizado en este proyecto, EGRID_Expansion, este apartado queda
como opcin a futuros desarrollos y como inters para otros proyectos y
artculos.
Por supuesto, antes de considerar este anlisis hay que valorar si es
necesario optimizar la colocacin de la generacin distribuida en un sistema. En
algunos pases hay una separacin entre las distribuidoras y la generacin
distribuida. Dependiendo de este hecho, en algunos casos s ser necesario
optimizar dicha colocacin y en otros casos, simplemente habr que calcular los
refuerzos necesarios en la red para acomodar dicha GD. En estos momentos, en
Espaa hay una separacin de estas actividades por lo que no sera necesario
optimizar dicha colocacin. No obstante, en un futuro, puede ser que las
electrolineras sean una excepcin, y las propias distribuidoras tengan posesin de
estos establecimientos.
Adems tambin hay que tener en cuenta que el ordenador aguanta todo y
que en la realidad muchas veces no es posible realizar los proyectos como gustara
dado que en muchas situaciones la GD, se situar donde sea posible no dnde sea
preferible para el sistema.
Pasando al anlisis de las diferentes posibilidades de optimizacin, en el
caso del modelo del IIT: EGRID_Greenfield, dadas unas coordenadas de
consumos de energa elctrica, se optimiza la distribucin espacial de las redes de
transporte y distribucin. El modelo proporciona una gran cantidad de resultados
13
como un mapa de la red resultante y varias tablas descriptivas de la nueva

situacin de la red. Entre todos estos, los ms relevantes son las inversiones en red
y las prdidas resultantes. En este apartado lo que se busca sera estudiar la
posibilidad de optimizar es los datos de entrada para este modelo o para el modelo
incremental.
Existen muchos algoritmos de optimizacin y adems bastantes funciones
objetivo que optimizar dentro de la colocacin de generacin distribuida en una
red elctrica. En primer lugar, podemos distinguir entre algoritmos multiobjetivo
y algoritmos con un solo objetivo. Dentro de las variables a optimizar estn: la
inversin en red, prdidas en el sistema, estabilidad en el perfil de tensiones Por
otro lado, curiosamente, la gran mayora de los artculos que tratan este tema
proponen algoritmos genticos para tratar este tema, solo en algn caso se utiliza
programacin lineal.
En la referencia [13] se propone un mtodo de optimizacin de la
colocacin y del tamao de la generacin distribuida en una red elctrica dada,
con la intencin de minimizar estas variables. En primer lugar, se localizan los
nodos de la red que son los mejores candidatos a albergar generacin distribuida.
Posteriormente, se optimiza la generacin en cada uno de stos. Esta opcin, tiene
el inconveniente de que no se preocupa por garantizar la seguridad del sistema,
por lo que en caso de ser utilizada debera haber otro algoritmo por encima que
buscase un equilibrio entre eficiencia y seguridad.
Pasando a algoritmos que se centran en determinadas variables, en la ref.
[14], se presenta un algoritmo que se centra especficamente en colocar la
generacin distribuida adecuadamente para reducir las prdidas en el sistema. Ms
concretamente, se sugiere el algoritmo de la colonia de hormigas para minimizar
esta funcin objetivo. Este algoritmo funciona de la siguiente manera:
Dada una hormiga colocada en un punto i-simo de la red, la probabilidad
de que se desplace al nodo contiguo siguiente viene dada por la expresin:
Es la feromona dejada por las hormigas entre los nodos i,j.

= Es el inverso de las prdidas observadas entre los nodos i,j

, Son parmetros de control de la simulacin (0-1).
Una vez que las hormigas seleccionan a que nudo se mueven se actualiza
la matriz de feromonas, que representa el estado de la red, de la siguiente forma:
14
Incremento de feromona en el camino.

+1 () = (1 ) +
Coeficiente de control de la simulacin (0-1).
Tras ensayar este algoritmo en comparacin con otros mtodos, las
conclusiones que se alcanzan en el citado artculo son que el algoritmo es bastante
rpido (1000 frente a unas 1400 iteraciones) respecto a otros algoritmos genticos
simples y que el ptimo alcanzado da como resultado mejores valores de la
funcin objetivo, es decir unas prdidas menores.
Por otro lado, estn los algoritmos multiobjetivo. La inclusin del ahorro
de energa junto con la optimizacin de las emisiones adems de los propios
factores de colocacin, potencia hacen interesante la utilizacin de estos
algoritmos debido a que hay una gran cantidad de variables a optimizar, con
distintos ptimos para cada una. Por este motivo es necesario un algoritmo que
busque un equilibrio entre las soluciones de cada una de las funciones objetivo.
En la ref. [15] se sugiere la utilizacin el algoritmo NSGA II (Non-dominated
Sorting Genetic Algorithm) para este fin.
La utilizacin de este mtodo proporciona un conjunto de soluciones
referidas a cada funcin objetivo pero tambin los mejores compromisos entre las
diferentes tecnologas de GD con diferentes valores especficos de emisiones de
CO2. Las soluciones intermedias son las ms robustas respecto a las funciones
objetivos consideradas. Por ejemplo, en el caso que se utiliza en este artculo, para
alcanzar el ptimo a nivel de prdidas e inversin, hay que sacrificar emisiones de
CO2 incluyendo algunos generadores ms basados en gas natural. Por tanto, la
mejor solucin es un compromiso entre ambas posibilidades.
Otro ejemplo de algoritmo multiobjetivo es el que se propone en la
referencia [16]. En este caso se utiliza lgica borrosa para minimizar las cadas de
tensin, las prdidas en el sistema, y los costes de operacin, gracias a que
tambin se modela la generacin y el consumo en el sistema. Se demuestra que la
lgica borrosa es una herramienta til para la planificacin del sistema. No
obstante, sera necesario incorporar el despacho de las unidades de GD.
Por tanto, a modo de conclusin, se han propuesto varios algoritmos de
optimizacin. Respecto los de simple objetivo, cada uno est especializado en un
tipo de variable interesante para el sistema por lo que se deben utilizar para buscar
una solucin ptima centrada para casos en particulares. Para casos ms generales,
se proponen otros algoritmos multiobjetivo.
15
2. E LABORACIN DE LA RED BASE DE ANLISIS
Durante el desarrollo de este proyecto, se ha elaborado un mtodo para

obtener redes elctricas ptimas similares a las redes elctricas reales. Este
apartado no se encuentra dentro de los objetivos del proyecto pero es necesario
debido a que es necesario poder observar los resultados en una red, y no se cuenta
con datos reales dada la privacidad de estos.
2.1. MTODO AUTOMTICO DE OBTENCIN DE REDES
En primer lugar, es importante resaltar que este mtodo est diseado para
utilizarse en combinacin con el modelo desarrollado por el IIT denominado
como EGRID_Greenfield. Dicho modelo utiliza algoritmos heursticos y un
algoritmo de optimizacin para generar una red elctrica a partir de coordenadas
espaciales de consumos elctricos (ref. [7]). Por tanto, se analiza a continuacin
cmo se obtienen los datos de entrada para dicho modelo. Fundamentalmente, es
necesaria la posicin de los clientes y su consumo de energa.
La gran ventaja de este mtodo radica en la sencillez con la que ha sido
elaborado. Dado que se necesitan coordenadas espaciales, se decidi partir de
imgenes de un callejero. Adems, se decidi utilizar google maps, debido a la
gran cantidad de datos adicionales que puede aportar este servidor, como por
ejemplo la localizacin de gasolineras, centros comerciales, aparcamientos
pblicos, todos ellos datos de inters para el proyecto. En la imagen II.2.1 se
puede observar un ejemplo de datos de entrada.
Imagen II.2.1: Mapa de entrada al generador de redes.
16
Una vez que contamos con una imagen en la que aparecen los edificios en
los que hay consumos que deseamos modelar, el siguiente paso es obtener los
contornos de los edificios. Para esto se probaron diferentes algoritmos de
deteccin de bordes y esquinas. Todos ellos cometan errores al detectar esquinas
incorrectas, nombres de calles Por este motivo y teniendo en cuenta que la
combinacin de colores de los mapas es suficientemente sencilla, se decidi
realizar dicha deteccin directamente a partir de los colores. En un primer lugar se
intent detectar los contornos de los edificios por el color de sus bordes. Esta idea
tampoco funcion correctamente debido a que la dispersin en el color de los
pxeles es demasiado grande y se colaban algunos colores indeseados. Por tanto,
al final se observ que el color de relleno de los edificios variaba escasamente y
era muy sencillo eliminar el resto de elementos dejando exclusivamente los
edificios con su relleno. Una vez que tenemos una mancha en cada edificio es
sencillo eliminar el relleno y dejar los bordes. El resultado obtenido se puede
observar en la imagen II.2.2 siguiente:
Imagen II.2.2: Contornos obtenidos a travs del color de relleno.
Para evitar problemas con el algoritmo del modelo EGRID_Greenfield,

debido a que en las esquinas se producan acumulaciones de puntos, que
generaban esquinas con tringulos sin sentido, se introdujo una condicin de
eliminacin de puntos con gran cantidad de vecinos alrededor.
El siguiente paso, es asignar consumos en los bordes de los edificios. Dado
que hay bastantes pxeles, no todos ellos deben tener un consumo asociado. Por
tanto, para decidir a qu coordenadas se asigna un consumo de energa se utiliz
el mtodo de la transformada inversa. Dado que los contornos de los edificios
determinan dnde hay consumos, parece razonable que la distribucin de estos
17
puntos dentro de los edificios debera seguir un patrn uniforme. Para obtener las
coordenadas de un consumo, se generan dos nmeros aleatorios y se comprueba si
en dichas coordenadas hay un borde de un edificio. En caso de no haber un
edificio, es decir, de ser un punto blanco, se selecciona una direccin aleatoria y
se avanza por ella, hasta encontrar un edificio o el borde del mapa. Esto se
implement para mejorar la velocidad del mtodo. En la figura II.2.1 se pueden
observar las distribuciones de los puntos en coordenadas X e Y. La variable de
control es nmero de puntos y la decide el usuario. En este caso se probaron
varias cantidades y a la vista de los resultados obtenidos se seleccion un valor
razonable. Para ms informacin, el siguiente apartado (2.2) .
Figura II.2.1: Distribucin espacial de los puntos de consumo.
Las distribuciones de las coordenadas de consumos no son perfectamente

uniformes debido al efecto de las calles, parques, el mar
Una vez que se ha encontrado un punto en el que colocar un consumo, es
necesario decidir cuntos clientes hay en ese punto y cunto consumen. A falta de
datos de la altura de cada edificio, se decidi modelar estos nmeros segn una
distribucin normal debido a sus propiedades. Por tanto, las variables de control
de la simulacin son la media y la desviacin tpica de esta distribucin. Una vez
que se tiene el nmero de clientes que hay en un punto de consumo, la potencia
contratada de cada uno se decide segn una distribucin uniforme. Podemos ver
un ejemplo de la asignacin de los consumos en las imgenes II.2.3 y II.2.4.
18
Imagen II.2.3: Resultado de la asignacin de consumos.
Azul: Puntos donde el consumo se

encuentra dentro del consumo medio
dos desviaciones tpicas.
Rojo: Puntos por encima del intervalo.
Verde: Puntos por debajo del intervalo.
Imagen II.2.4: Primer plano del resultado anterior.
El empleo de la campana de gauss para modelar el nmero de clientes que

hay en cada punto, tiene el inconveniente de que es una distribucin que no es
siempre positiva y que no tiene sentido un nmero negativo de clientes. Por tanto,
se descartaron los datos menores de dos clientes. En las figuras II.2.2 y II.2.3 se
realiza una comprobacin de la importancia de este efecto.
3000
2500
Cantidad de consumos
Cantidad de consumos
2000
1500
1000
500
0
0 50 100 150 200 250 300
Potencia [kW]
Potencia [kw]
Figura II.2.2: Histograma de las potencias contratadas.
19
Normal Probability Plot
0.999
0.997
0.99
0.98
0.95
0.90
0.75
Probability
0.50
0.25
0.10
0.05
0.02
0.01
0.003
0.001
0 50 100 150 200 250 300

Data
Figura II.2.3: Grfico de normalidad de los consumos.
Se comprueba que el efecto es apreciable en la cola inferior, pero tampoco

supone una distorsin muy grande. De todos modos, teniendo en cuenta que estos
datos son inventados tampoco merece la pena buscar una forma de mejorar por
aqu, lo ms importante es que los datos obtenidos son plausibles y que por tanto
la red generada con ellos tambin lo ser.
2.2. RED ELCTRICA MODELADA PARA EL ESTUDIO
Es muy importante resaltar que el objetivo de todo este apartado es

obtener una red elctrica plausible en la que observar los efectos de la insercin
de vehculos elctricos. No se pretende modelar con precisin la red elctrica de
una localizacin concreta. Para alcanzar dicha premisa sera necesario contar con
datos oficiales y con informacin ms avanzada que la que proporciona el
callejero utilizado.
Como datos de partida de generacin de la red, se seleccion Barcelona
debido a que es una ciudad que tiene una estructura de cuadrcula bastante clara.
Esto permite comprobar fcilmente que el mtodo utilizado funciona
correctamente debido a que las lneas elctricas deben seguir ms o menos el
contorno de los edificios. En la pgina anterior, en la imagen II.2.3 se puede
observar el plano de la ciudad que se ha modelado. Adems en la tabla II.1, en la
20
pgina siguiente, estn los datos que se han seleccionado para aplicar el mtodo
de generacin de redes explicado en el apartado anterior.
Datos Red modelada de Barcelona Cantidad Unidades

Cantidad de consumos (aprox.) 360000 consumos
Numero de Puntos de consumo. 18000 puntos
Media de clientes por punto de consumo 20 usuarios
Desviacin tpica de los usuarios 12 usuarios
Niveles de potencia contratada 3,3-5,5-10 kw
Cantidad de gasolineras en el rea (google) 250 gasolineras
Escala del mapa 7,14 m/pixel
2,5x6,8 km
rea del mapa de estudio.
17 km^2
Media de usuarios por metro cuadrado 0,0212 Cons./m^2
Tabla II.2.1: Datos de la red modelada utilizados en el generador de redes.
Aparte de las coordenadas y consumos de los usuarios, tambin son muy

importantes los parmetros de entrada al modelo. Estos se definen en un catlogo
que cuenta con los datos fundamentales de niveles de tensin, aparamenta
disponible, etc. En el anexo II, se proporciona una tabla con los ms importantes.
Entre todos estos datos, destacan por su importancia los coeficientes de
simultaneidad. stos, modelan el hecho de que no todos los usuarios se utilizan
al mismo tiempo sus equipos. Ninguna red de transporte de ningn tipo est
diseada para ser utilizada simultneamente por el 100% de los usuarios. Para
tener en cuenta este efecto, dichos coeficientes multiplican la potencia de los
elementos del sistema por un determinado factor. Los coeficientes que se han
utilizado se muestran a continuacin en la tabla II.2.2.
Coeficientes de simultaneidad
Clientes BT 0.3
CCTT BT 1
Clientes MT 0.75
CCTT MT 1
SSEE MT/AT 1
Clientes AT 1
SSEE MT/AT 1
Tabla II.2.2: Coeficientes de simultaneidad utilizados al generar la red.
Como se observa, se trata de un caso simplificado. El motivo es que

posteriormente, se analizar la agregacin a esta red los consumos de los
vehculos elctricos. Estos consumos se aadirn uno a uno conocido su
instante de recarga, por lo que no se requieren coeficientes de simultaneidad.
21
Por tanto, para evitar el conflicto que supone a nivel de centros de transformacin
(CCTT) y subestaciones (SSEE) la mezcla de consumos con coeficiente de
simultaneidad a 1 pu y consumos que no lo tienen, se ha decidido analizar un caso
sobredimensionando con estos elementos.
Pasando a observar la red elctrica obtenida, se observa a continuacin por
niveles de tensin, en imgenes II.2.5, II.2.6, II.2.7 y II.2.9, cual es el resultado
obtenido a partir del programa de modelado de redes ptimas de energa elctrica.
Imagen II.2.5: Red de alta tensin del modelo generado.
Se observa, que en este nivel de tensin no es necesario un elevado

mallado y que la red cubre el rea de estudio levemente.
Imagen II.2.6: Red de media tensin del modelo generado.
Para este nivel de tensin es necesario un mayor mallado. Adems se

observa que cubre casi toda la superficie en la que hay viviendas. Por
consiguiente, para cualquier nuevo consumo aadido ser sencillo conectarlo a
media tensin en caso de ser necesario.
22
Imagen II.2.7: Red de baja tensin del modelo generado.
En este caso, para la red de baja tensin se

observa muy claramente, cmo el contorno la
forma de las redes sigue perfectamente el contorno
de los edificios del mapa. Se comprueba
visualmente por tanto, que la red elctrica est
razonablemente bien conseguida dado que se
ajusta bastante bien al contorno de los edificios
Imagen II.2.8: Primer plano de la del mapa.
red de baja tensin del modelo.
En el zoom de la imagen II.2.8, se observa ms claramente que el contorno

de los edificios cumple con las restricciones sealadas. Adems se aprecia que no
hay un exceso de tringulos en las esquinas de los edificios, un problema que
hubo que subsanar, tal y como se coment en el apartado anterior.
Imagen II.2.9: Red completa.
23
Por ltimo, aunque visualmente es fcil de comprobar, se muestra la

superposicin del callejero con la red generada para que pueda observarse las
similitudes y concordancias:
Imagen II.2.10: Superposicin de la red generada y el mapa de partida.
Por otro lado, dado que ser de utilidad ms adelante, es importante tener
en cuenta los costes asociados a la red generada. Estos valores servirn de
referencia para tener en cuenta el coste relativo a la inclusin de nuevos vehculos
en la red para las diferentes casusticas ensayadas, para las diferentes
posibilidades de la red y para cada uno de los grados de penetracin de vehculos
elctricos.
Inversiones Iniciales
BT 12.048.324
CCTT 34.590.000
MT 17.064.753
SSEE 110.900.000
AT 20.691.470
Total 195.294.547
Tabla II.2.X: Costes agregados de la red elctrica generada
Para ms informacin respecto a los datos de la red elctrica que se ha

generado como punto de partida para los siguientes apartados, en el anexo II, se
proporciona un desglose de las tablas con los datos de todos los elementos ms
importantes de la red adems de estimaciones de prdidas, costes por tipos de
elementos y otros datos de inters.
24
2.3. GENERACIN DE LOS PERFILES DE LOS CLIENTES
Dado que no es sencillo encontrar informacin detallada sobre cmo

modelar los consumos en las ciudades, se ha utilizado la grfica II.2.4 Ref. [1].
Esta grfica proporciona en valor porcentual, los consumos tpicos de energa en
un pas con consumos similares a los espaoles, pero con poca presencia de
consumo industrial, lo que nos permite extrapolarlo al consumo urbano. Adems
los consumos estn desglosados en comercios y las viviendas.
Figura II.2.4: Curva de carga en el sistema portugus en invierno. Ref. [1].
Partiendo de esta grfica, y tomando la potencia contratada de cada nudo

como el valor mximo pico, generamos el perfil de consumo de cada uno de los
puntos de consumo. Esto no es necesario para generar la red, con el modelo
EGRID_Greenfield dado que las redes de distribucin se disean segn el
consumo estimado en la situacin de mxima carga, teniendo en cuenta los
coeficientes de simultaneidad. No obstante, estos perfiles son necesarios como
datos base de EGRID_Expansion para poder trabajar con curvas. A modo de
comprobacin de que el perfil de cada uno de los clientes se ha generado
correctamente, la curva que se obtiene agregando todos los clientes de la red es el
que se muestra en la pgina siguiente.
25
5
x 10 Carga sistema
7
potencia (KW)
4
0
0 5 10 15 20 25
tiempo (h)
Figura II.2.5: Curva de carga de los clientes
De la figura II.2.5, es muy importante resaltar, que estos perfiles llevan

incorporado el factor de simultaneidad de baja tensin. Esto es debido a que
en el modelo de expansin se ha utilizado este coeficiente en valor 1 debido a que
el intervalo de recarga de los vehculos es conocido y por tanto no deben llevar
coeficiente de simultaneidad. Es importante tener este hecho en cuenta debido a
que podra parecer que el consumo total es relativamente bajo. Todo esto se
explica en mayor profundidad en el apartado 4.2.
26
3. C ARACTERIZACIN DE LOS DATOS

ALREDEDOR DEL VEHCULO ELCTRICO
Este apartado est destinado a explicar razonadamente las referencias que

se han encontrado en la literatura, las hiptesis que se han adoptado y las
conclusiones que se han tomado sobre cada uno de los conceptos y datos
necesarios para realizar el estudio desarrollado en los siguientes captulos.
3.1. CONSUMIDORES
Este es uno de los apartados crticos en la elaboracin del proyecto, es muy

complicado modelar correctamente los patrones de utilizacin de los usuarios
debido a que es necesario contar con muchos datos. De hecho, este apartado en s
mismo podra tener entidad de proyecto final de carrera. Por este motivo se
utilizar la informacin encontrada en las referencias.
3.1.1. P ATRONES DE UTILIZACIN DE LOS VEHCULOS
En este apartado se describen las curvas que permiten modelar la

utilizacin de los turismos. La referencia fundamental en este apartado es [22]. Es
la ms completa y la que se usa en casi todos los estudios mencionados en el
estado del arte.
Tabla II.3.1: Estadsticas anuales del uso de los vehculos en EE.UU. Ref. [22].
27
En la tabla II.3.1, se describe la frecuencia de las millas viajadas al da en

estados unidos. Con los datos recogidos en esta tabla se puede construir una
distribucin como la que se puede observar posteriormente en la figura II.3.1.
Adems suavizando la tendencia y hallando la distribucin acumulada se obtiene
una curva como la que muestra la figura II.3.2.
Figura II.3.1: Probabilidad anual de las millas recorridas. Ref. [10].
Figura II.3.2: Distribucin de la media diaria de millas recorridas. Ref. [21].
Ambas grficas permiten realizar anlisis estadsticos del consumo de

energa anual. Son tiles para evaluar de forma anual el consumo de energa. No
obstante, dado que en este proyecto en concreto se busca analizar cmo afectarn
los vehculos a la red de distribucin, es ms interesante analizar la punta que
puede producirse en el sistema y no una distribucin de probabilidad. Por tanto, se
ensayar el consumo debido al recorrido medio que en Europa son 35 km (Ref.
[32]) y el consumo debido a alta utilizacin (120-180 millas, valor
representativo 150 millas, que equivale a 240 km).
28
3.1.2. C URVAS DE DEMANDA DE ENERGA DE LOS VEHCULOS .
Las curvas que se muestran a continuacin, han servido de referencia para

seleccionar las curvas de consumo de energa elctrica que se ensayarn en el
apartado 4 .
Figura II.3.3: Recarga a alta potencia en el hogar y en el trabajo. Ref. [17].
En la figura II.3.3 anterior se observa que se espera un incremento del

consumo en todas las horas pero sobre todo incremento en el pico de la tarde
debido a la recarga de vehculos, sobre todo cuanto ms rpida es dicha recarga.
Figura II.3.4: Densidad de probabilidad de recarga de vehculos. Ref.[18].
En concreto, la curva descrita en la figura II.3.4 es una de las ms

utilizadas en la literatura debido a la gran utilidad que tiene contar con la funcin
de densidad de probabilidad para realizar estudios. Se observan tambin dos
incrementos, uno a medio da y otro por la noche. Adems tiene un perfil similar a
una distribucin normal.
29
Figura II.3.5: Densidad de probabilidad de recarga de vehculos. Ref.[2].
En la figura II.3.5, se considera el instante de recarga como un evento

probabilstico. Segn el artculo, para modelar dicho evento, se considera una
distribucin normalizada.
Figura II.3.6: Diferentes curvas de recarga de vehculos elctricos. Ref[5]
En la figura anterior se proponen diferentes curvas de recarga. Destaca que

la recarga descontrolada es muy puntiaguda (alta potencia) y que la recarga en el
valle se realiza basada en precios o sistemas de control en el hogar.
A modo de conclusin, entre otras posibilidades, para estudiar el impacto
en la red se analizarn las siguientes variables:
- Efecto de la potencia de la recarga.
- Efecto de la recarga fraccionada en diferentes horarios y utilizando entre
varias posibilidades y proporciones.
- Efecto de los perfiles mediante distribuciones normales suponiendo el
comienzo de la recarga como un evento probabilstico.
30
- Recarga en el valle, buscando varias posibilidades lgicas, y recarga ptima,

en la que se busca aplanar lo ms posible la curva de carga.
3.2. EL VEHCULO ELCTRICO
Se considera un vehculo elctrico todo aquel automvil que est

impulsado parcial o totalmente por un motor con esas caractersticas. No obstante,
dentro de esta denominacin hay varios tipos de vehculos que pasaremos a
analizar a continuacin.
3.2.1. T IPOS DE VEHCULOS ELCTRICOS
- Vehculos hbridos: HEV (hybrid electric vehicle):

o Hbrido paralelo.
o Hbrido serie.
- Vehculos elctricos enchufables: PEV (plug-in electric vehicle):
o Vehculos hbridos elctricos enchufables: PHEV (plug-in hybrid
electric vehicle).
o Vehculos elctricos: EV (Electric vehicle).
Hasta hace muy poco, los nicos vehculos que se producan en masa y
contaban con propulsin elctrica son los vehculos hbridos (HEV). Estos
vehculos consisten en un motor de combustin interna (ICE) y un conjunto
elctrico de generador, motor, y bateras. Cuentan con las ventajas y los
inconvenientes de ambos sistemas. Posteriormente, en el aparatado 1.1.1 se
comentan en profundidad dichas diferencias.
Dentro la categora de vehculos hbridos existen dos tipos de vehculos:
los hbridos serie y los hbridos paralelo.
Hbridos paralelo: Son los que llegaron en primer lugar al mercado.
Utilizan fundamentalmente la traccin elctrica para mejorar la eficiencia
energtica del motor de gasolina. Esto se consigue fundamentalmente utilizando
el motor de combustin interna en los regmenes de giro en los que tiene mejor
rendimiento. Esto se consigue gracias a que el conjunto elctrico hace de gestin
de la energa sobrante o faltante. Para ello, la traccin elctrica se utiliza
fundamentalmente para iniciar el movimiento, almacenar energa en cuesta abajo
31
y frenadas, y para llevar al motor de gasolina a su punto de funcionamiento

ptimo. Esta gestin inteligente de la energa se puede realizar gracias a que los
variadores electrnicos permiten funcionar al motor elctrico a cualquier rgimen
de vueltas. Un ejemplo de este tipo de vehculo es el Toyota Prius.
Imagen II.3.1: Cadena cinemtica hbrido paralelo.
Hbridos serie: En lugar de tener una propulsin mixta combinando ambos

motores, lo que hacen estos vehculos es utilizar un motor de combustin interna
para recargar las bateras que alimentarn al motor elctrico. Con este sistema, el
motor de combustin interna solo funciona en su punto ptimo, y el motor
elctrico es el responsable de propulsar el vehculo. Teniendo en cuenta que el
motor elctrico es muy eficiente, lo que impeda utilizar este sistema es la
necesidad de una batera de suficiente capacidad. Un ejemplo de este vehculo que
llegar prximamente al mercado es el Chevrolet Volt.
Imagen II.3.2: Cadena cinemtica hbrido serie.
El siguiente gran concepto dentro de los vehculos elctricos es la

posibilidad de la conexin a la red (PEV). Este es el matiz que da lugar a la
necesidad de realizar este proyecto. A medida que las bateras elctricas se
32
desarrollen, ser conveniente que una gran parte de la energa utilizada en el

transporte sea elctrica y para ello son necesarios vehculos que puedan recargar
sus bateras a travs de una conexin a la red elctrica. Dentro de esta categora
hay que distinguir entre dos vehculos: PHEV y EV.
PHEV: Este tipo de vehculo rene las ventajas de los coches de
combustin y de los vehculos elctricos. Teniendo en cuenta que todava la
densidad energtica de las bateras elctricas no permite todava una autonoma
suficiente como para recorrer grandes distancias sin tener que volver a recargar las
bateras, este tipo de vehculos se perfila como el ms atractivo de la prxima
generacin de automviles. Es una extensin directa del concepto de HEV. Tan
slo pasa a incorporar bateras de mayor capacidad que le permiten funcionar ms
tiempo en modo elctrico puro, adems de la posibilidad de recargar estas
bateras.
EV: Son vehculos elctricos que cuentan nicamente con propulsin
elctrica. Principalmente, tienen el inconveniente de que por el momento tienen
una baja autonoma. Por este motivo, los primeros modelos que alcanzarn el
mercado, son vehculos pequeos destinados al uso por ciudad o vehculos
limitados a distancias cortas (entre 60-160km). En un futuro, si la tecnologa
elctrica llega a ser la dominante y el desarrollo de las bateras lo permite, ser
posible realizar recorridos ms largos. Aun as, ser necesaria una estandarizacin
que permita cambiar las bateras usadas por unas recargadas.
3.2.2. P ARMETROS NECESARIOS DE LOS EV
Para el estudio que se desea realizar hay dos variables que delimitan el
impacto en la red de estos automviles: la capacidad de las bateras que se
necesita y por otro lado la autonoma que estas bateras pueden proporcionar, es
decir, cual es el consumo por kilmetro recorrido. Conocido dicho consumo por
kilmetro recorrido y dada una distancia diaria recorrida se puede conocer el
orden de magnitud de la demanda de energa elctrica esperada. El tamao de las
bateras limitara la distancia recorrida.
Por otro lado, estos parmetros son dependientes del segmento al que
pertenece el vehculo elctrico dado que los vehculos de menor tamao tienen
mayor eficiencia y adems tienen mayor restriccin en el volumen permitido de
las bateras. No obstante, para evitar la dispersin que introducen la variabilidad
33
de los segmentos de mercado, se va a analizar si dado el recorrido medio de los

vehculos (35 km, apto 3.1 ), los vehculos existentes en el mercado son capaces
de recorrer esta distancia y cul sera la recarga mxima debida a las bateras. Con
esto podremos obtener una situacin promedio de carga de la red elctrica y una
situacin de elevada demanda de energa elctrica.
3.2.2.1. C ONSUMO DE ENERGA ELCTRICA
En este apartado la hiptesis que se ha adoptado es 0,2kwh/km. En la

literatura los valores que se manejan oscilan entre 0.1 y 0.2 kwh/km. A la vista de
stos, parece que la hiptesis de trabajo de 0.2 kwh/km puede parecer bastante
pesimista. No obstante, es un dato muy representativo dado que todos los
vehculos del segmento intermedio (B-C-D) que saldrn al mercado
prximamente tienen propiedades en torno a este valor. Es cierto que dada la
perspectiva actual de una bsqueda de mayor eficiencia, los esfuerzos de
investigacin se dedicarn a mejorar esta cualidad. Dado que el enfoque del
estudio no es a muy largo plazo, es preferible tomar una perspectiva menos
optimista. Por tanto, dados los datos que se proporcionan en la tabla siguiente, el
valor que se va a adoptar como representativo son 0.2kwh/km.
Pot. Autonom. Tam. Tipo

Marca Vehculo Tipo Seg. motor ud. elctrica ud. Batera ud. Cons. ud. Batera
Citroen CZero EV A 47 kW 160 km 16 kWh 0,10 kwh/km Li-Ion
Fiat 500 EV A 15 kW 130 km 22 kWh 0,17 kwh/km Li-Ion
Mitshubishi i-Miev EV A 47 kW 160 km 16 kWh 0,10 kwh/km Li-Ion
Renault Twizy EV A 15 kW 100 km 12 kWh 0,12 kwh/km Li-Ion
Smart Smart ED EV A 30 kW - km 14,6 kWh - kwh/km Li-Ion
Tata Indica vista EV EV A 40 kW 200 km 26,6 kWh 0,13 kwh/km Li-Ion
Peugeot I-on EV A 47 kW 160 km 16 kWh 0,10 kwh/km Li-Ion
Nissan Leaf EV B 80 kW 120 km 24 kWh 0,20 kwh/km Li-Ion
Renault Zoe EV B 54 kW 160 km 30 kWh 0,19 kwh/km Li-Ion
BYD F3DM PHEV PHEV C 50 kW 100 km 16 kWh 0,16 kwh/km Li-Ion
Ford Focus PHEV C 100 kW 120 km 23,1 kWh 0,19 kwh/km Li-Ion
GM Volt/Ampera PHEV C 111 kW 64,4 km 8,8 kWh 0,14 kwh/km Li-Ion
Renault Fluence EV C 70 kW 150 km 30 kWh 0,20 kwh/km Li-Ion
Seat Leon Hybrid PHEV C 60 kW 50 km 12 kWh 0,24 kwh/km LiFePO4
Toyota Prius HEV C 80 cv 2 km 1,31 kWh 0,655 kwh/km Ni-MH
Toyota Prius PHEV PHEV C 80 cv 20 km 5,2 kWh 0,26 kwh/km Li-Ion
BYD e6 (75kw) EV D 75 kW 300 km 48 kWh 0,16 kwh/km BYD Fe
BYD e6 (200kw) EV D 200 kW 300 km 52,5 kWh 0,18 kwh/km BYD Fe
Tecnobus Gulliver EV E 27 kW 130 km 35,6 kWh 0,27 kwh/km Zebra
Tabla II.3.2: Caractersticas de vehculos elctricos representativos. Segn la ref. [26] y pginas
oficiales de los fabricantes.1
1
Destacar que en el caso de la batera del Ampera/Volt, la batera oficial son 16kwh pero
est restringida a 8,8 para asegurar una mayor durabilidad de sta.
34
Es importante resaltar, que los datos que se manejan en la tabla anterior,

aparte de que se han extrado fundamentalmente de la ref. [26] y de las pginas
oficiales de los fabricantes, se han cotejado en el saln del automvil ecolgico
y de la movilidad sostenible que se ha celebrado en Madrid en los das 20-23 de
Mayo de 2010.
Como se observa en la tabla anterior, 0.2 kwh/km es un dato
representativo del conjunto de vehculos actuales y adems es suficientemente
pesimista como para que los resultados deducidos de este valor sean tiles para
analizar las consecuencias de una integracin masiva de vehculos elctricos.
Adems es importante recordar, que para preservar la vida til de las bateras, no
se utiliza el 100% de la capacidad, se deja una reserva superior y una reserva
inferior. Por tanto, es posible que en la tabla II.3.2, algunos de los datos de
bateras no sea en capacidad disponible sino capacidad total, esto viene a reforzar
el hecho de que la estimacin de 0.2 kw/km es suficientemente conservadora.
Recurriendo al instituto nacional de estadstica Ref. [33], la cantidad de
turismos en Espaa en 2008 es de 22.145.364. Teniendo en cuenta que el sector
de la automocin es un sector bastante maduro, es razonable suponer que esta
cantidad no habr cambiado excesivamente. Adems, de nuevo segn las
estimaciones del INE, hay 46.030.109 habitantes, por lo que la densidad de
turismos por habitante es del orden de 0,5 turismos/habitante.
Por otro lado, dado que el nmero de viviendas del mapa es conocido,
necesitamos estimar la densidad de poblacin por punto de consumo. Con este
parmetro junto con los anteriores, es bastante sencillo determinar una estimacin
de los vehculos totales que hay en el caso que se desea estudiar. Para estimar este
parmetro se han empleado los datos de dos referencias que se muestran a
continuacin:
Dato Valor Unidades

Habitantes momento del censo 40.847.371 Habitantes
Viviendas principales 14184026 Viviendas
Habitantes por vivienda 2,88 Hab./vivienda
Prop. Comercios Puntos de
2/20 -
consumo
Habitantes por punto consumo 2,59 Hab./Pto cons
Tabla II.3.3: Datos y estimacin de densidad de habitantes. Ref. [34]
35
Dato Valor Unidades

Habitantes momento del censo 46.847.371 Habitantes
Familias 16,9 Mill. Familias
Habitantes por vivienda 2,77 Hab./vivienda
Prop. Comercios Puntos de
2/20 -
consumo
Habitantes por punto consumo 2,49 Hab./Pto cons
Tabla II.3.4: Datos y estimacin de densidad de habitantes. Ref. [35]
A la vista de estos valores, se ha elegido una densidad de 2.55 habitantes

por punto de consumo, que es un valor intermedio entre ambas estimaciones.
3.2.2.2. B ATERAS .
El componente clave que supona un impedimento al desarrollo del

vehculo elctrico eran las bateras. Lo ms complicado es competir con la elevada
densidad de energa que tiene el petrleo. Comparativamente, hoy en da, la
densidad energtica de las bateras de litio es de unos 0,16 kwh/kg (0,16 kwh/L)
frente a los 13 kwh/kg (8,9 kwh/L) en la gasolina. Con estos datos parece que
todava hay un mundo entre el vehculo elctrico y el vehculo convencional. No
obstante, esta primera impresin es errnea porque teniendo en cuenta la mayor
eficiencia del vehculo elctrico con la tecnologa actual es factible la progresiva
utilizacin de dichos automviles. En el estado actual, la utilizacin en un
ambiente urbano est ampliamente cubierta, y a medida que la tecnologa avance,
ser posible la utilizacin en viajes de gran recorrido. Para ms informacin sobre
las bateras para vehculos elctricos Anexo III .
Centrndonos en el estudio que nos ocupa, el tamao de las bateras es la
variable que limitar la recarga mxima de los vehculos del escenario problema.
Se trata de un valor que evolucionar con el tiempo y por consiguiente se tratar
en un anlisis basado en escenarios que se propone ms adelante .
Para el estudio de impacto en la red elctrica actual, se proponen dos
valores de consumo el medio y el de alta utilizacin. En el caso del valor medio,
35km dado el consumo por kilmetro de (0,2kwh/km) queda un consumo
energtico de 7 kwh el cual todos los coches actuales son capaces de realizar.
Respecto al caso de elevada utilizacin, a la vista de la grfica propuesta
previamente sobre la distribucin anual de millas recorridas, un valor
representativo de un da de alta demanda son 150 millas (240 km). Este valor
36
pasado a kwh utilizando la estimacin de consumo medio por kilmetro

(0.2kwh/km), corresponde a un consumo de 48kwh. A la vista de la tabla II.3.2
que se mostraba al principio de este apartado, se trata de un valor alto para las
bateras que alcanzarn el mercado inmediatamente. Por tanto, ste valor ser
interesante para estudios a muy largo plazo. Por este motivo, se tendr en cuenta
adems el factor limitante de las bateras. La capacidad mxima actual es del
orden de 32kwh que corresponde a una distancia recorrida de 160km.
Resumiendo, los parmetros que caracterizarn en posteriormente los
vehculos elctricos que se conectarn al sistema son los siguientes:
Dato Valor Unidades

Consumo por kilmetro 0,2 kwh/km
Recorrido medio 35 km
Consumo medio 7 kwh
Recorrido mximo 160 km
Consumo tope de energa 32 kwh
Recorrido medio alta utilizacin 240 km
Consumo en alta utilizacin 48 kwh
Habitantes por hogar 2,55 Habitantes/hogar
Vehculos por habitante 0,5 Vehculos/habitante
Vehculos por hogar 1,275 Vehculos/hogar
Tabla II.3.5: Resumen de caracterizacin de los vehculos.
3.3. RECARGA DE VEHCULOS ELCTRICOS.
En este apartado pasamos a analizar los parmetros que son necesarios

para modelar las posibilidades de recarga del vehculo elctrico.
3.3.1. E STNDARES EXISTENTES Y DATOS TCNICOS .
Existen dos tecnologas principales de recarga de vehculos elctricos:

Inductiva y conductiva. Referencia [27].
Recarga conductiva: La recarga conductiva es la ms sencilla, consiste en
la conexin directa de la toma de alimentacin del vehculo a la red, mediante
conductores que permitan elevadas transferencias de potencia y con suficiente
proteccin para el conductor. Dentro de este tipo de tecnologa, se han alcanzado
dos estndares de conectores:
37
- SAE J1772-2009: La ltima revisin que data de octubre de 2009 se basa en

un conector diseado por Yazaki, ref. [28]. Para una toma de corriente normal
la potencia desarrollada son 1,6 kw (110V 15A). Adems es capaz de entregar
16,8kw con una tensin nominal de 120-240V y hasta 70 A, a travs de una
toma monofsica. Por otro lado, se estima que podr soportar hasta 10000
ciclos de carga y descarga que supuesto un ciclo de conexin y desconexin
al da suponen hasta 27 aos de utilizacin.
Imagen II.3.3: Planos SAE J1772.
- IEC 60309: Se trata de un conector de caractersticas similares al SAE J1772.

Dado que se lleva utilizando desde hace bastantes aos, ste ser
probablemente, el utilizado en una primera integracin de los vehculos
elctricos. Es capaz de entregar 3,7kw (230V 16A) en una toma monofsica
normal, 7.4 en una toma monofsica del doble de intensidad (32 A) y hasta 45
kw (400V, 63A) en una toma trifsica de alta potencia (Referencia [29]).
- IEC 62196: Este estndar est realizado para ser compatible con el SAE
J1772-2009, usa los mismos pines de comunicaciones, pero aade otros para
poder entregar una mayor potencia. Dicho conector es capaz de entregar
hasta 298 kw a travs de 690V trifsicos (50-60Hz) y hasta 250 A, o 600V de
corriente continua con hasta 400 A. Ref. [30]. Una segunda edicin del SAE
J1772-2009 est en preparacin de cara a hacer frente a las superiores
capacidades del IEC 62196.
38
Imagen II.3.4: Vista del conector IEC 62196
Recarga inductiva: La transferencia de potencia se realiza mediante

induccin de corrientes a travs de campos electromagnticos. Es una tecnologa
que todava est en fase de desarrollo y que adems es menos eficiente que la
alternativa previa. No obstante, tiene la ventaja de ser mucho ms segura dado que
impide cualquier electrocucin.
3.3.2. N IVELES DE RECARGA
Se definen tres niveles de recarga en funcin de la potencia que

proporciona el sistema al vehculo. El valor correspondiente a cada uno de estos
niveles vara en funcin de la zona del globo terrqueo en la que se realiza el
estudio. De todos modos, tampoco hay demasiado consenso respecto a cunta
potencia corresponde cada nivel.
Nivel 1 (Recarga lenta y muy lenta): Este nivel se refiere a la recarga que
se puede llegar a alcanzar en un hogar, mediante una toma monofsica normal.
Valores nominales de esta toma segn referencias:
[2] EEUU. Intensidad=15 A. Tensin =120V: Potencia mxima 1,8 kw.
[6] EEUU. 0,2C. 1,6kw PHEV30: 3,4kw PHEV40: 9,6kw BEV: (200millas).
[20] EEUU. Intensidad=12 A. Tensin=120 V. Potencia=1,8 kw.
[24] Europa. Potencia de 3 kw.
[28] EE.UU.1,6 kw.
[29] Europa. 3,7 kw.
Nivel 2 (Recarga normal): Dentro de conexiones de baja tensin, seran

conexiones con mayor potencia que las correspondientes del caso anterior. En
algunos casos simplemente son tomas monofsicas con mayor tensin y potencia,
y en otros son tomas trifsicas. Los valores nominales segn referencias:
39
[2] EEUU. Intensidad=30 A. Tensin =240V. -> Potencia mxima 7,2 kw.
[6] EEUU. Ratio de 1C. 8 kw PHEV30 17kw PHEV40 48kw BEV (200millas).
[7] 4kw: Recarga en 5h de una batera de 20kwh (entre lenta y media).
[17] Toma de 10-20kw.
[20] EEUU. Intensidad=12-80 A (hasta 30 A en la prctica) Tensin=230V.
[28] EE.UU. 8,4-16,8 kw.
[29] Europa. 7,4 kw.
Nivel 3 (Recargas rpidas y muy rpidas): Tomas de elevada potencia

cuyo nico fin es lograr abastecer al vehculo en tiempos suficientemente
reducidos, del orden de pocos minutos.
[17] Para poder recargar una batera de 25kwh en 6min son necesarios 250kw.
De momento el orden de magnitud mximo ronda los 100kw y adems no es
probable que los fabricantes busquen aumentar este valor, dado que el objetivo es
reducir los costes de las bateras.
[6] ratio de 2C. 16 kw PHEV30 34kw PHEV40 96kw BEV (200millas).
[20]EEUU. Potencia entre 30-250kw.
[24] Europa. Recarga de 44kw (trifsica).
[24] Europa. Recargas del orden de unos minutos (75-250kw).
[29] Europa. 45 kw.
[30] Europa. Hasta 300 kw.
En resumidas cuentas, lo que ms nos interesa de cara al estudio que se

realizar posteriormente, son las potencias asociadas cada uno de los niveles de
recarga y la localizacin de cada uno de stos. Estos valores caracterizarn cmo
afectar a la red la introduccin de los vehculos elctricos. Teniendo en cuenta
las referencias previas, y las especificaciones de los dos conectores previos, los
valores que se han asumido son los indicados en la tabla II.3.4:
40
Tipo de Potencia Localizacin Tiempo de Tiempo de Tiempo de

recarga recarga recarga recarga
12kwh 24kwh 48kwh
Nivel 1 1 kw Viviendas. 12 horas 24 horas 48 horas
muy lenta
Nivel 1 3,7 kw Viviendas. 3 horas 6 horas y 13 horas

lenta (aprox) media
Nivel 2 7,4 kw Viviendas. 1 hora y 3 horas 6 horas
media
Nivel 3 45 kw Grandes superficies, Cuarto de Media 1 hora
rpida flotas hora (aprox) hora(aprox) (aprox)
Nivel 3 Hasta Electrolineras de 3 min. 6 min. 12 min.
muy 300 kw recarga rpida. (aprox) (aprox) (aprox)
rpida (250 kw)
Tabla II.3.6: Resumen de los niveles de recarga en Europa.2
3.3.3. R ECARGA DISTRIBUIDA
En este apartado se engloban principalmente los niveles de recarga I y II.

En principio, la recarga de los vehculos se espera que sea realizada durante la
noche debido a las grandes ventajas que esto supone para el sistema elctrico.
Adems varios fabricantes de automviles con la adquisicin de un vehculo
elctrico proporcionarn la colocacin de una toma de recarga en el aparcamiento
del particular. Por otro lado, dada la particularidad que tienen estos automviles es
de esperar, que en una primera etapa de adaptacin, estos lleguen antes a las flotas
de las empresas. Esta casustica dar lugar a zonas con puntos de baja potencia de
recarga (recarga lenta) con una cantidad considerable de demanda acumulada. Por
tanto, se analizarn casos con recarga de los vehculos completamente distribuida
y con diferentes ratios de concentracin en flotas o electrolineras.
3.3.4. R ECARGA CONCENTRADA : T IPOS DE E LECTROLINERAS .
Principalmente hay dos tipos de electrolineras, las que recargan el vehculo

elctrico cambiando la batera y las de recarga rpida, es decir, aquellas que son
capaces de alimentar al automvil directamente una elevada potencia.
Respecto a las estaciones de cambio de batera, tienen el inconveniente de
que se requiere una estandarizacin en la forma de la batera. Adems sera
2
Todos estos valores de tiempos son posibles siempre y cuando las bateras sean capaces de
soportar la potencia asociada a estos ratios de recarga.
41
necesario dividir las bateras en mdulos suficientes para que los usuarios
pudieran intercambiar estos elementos con comodidad. No obstante, a da de hoy,
existe una empresa que ha realizado el desarrollo del sistema necesario para
cambiar la batera en un vehculo. Consiste en un brazo robtico capaz de
intercambiar la batera usada por una recargada en menos de un minuto. Respecto
al sistema elctrico, estos sistemas tienen la gran ventaja de poder realizar gestin
de la energa al tener una gran cantidad de bateras. Se aportara energa al sistema
cuando el precio de la electricidad es suficientemente bajo como para generar
beneficios. Por supuesto, su desarrollo est ntimamente ligado al de las redes
inteligentes y los sistemas de gestin activa de la demanda.
Las electrolineras de recarga rpida son aquellas en las que el usuario
recargara la batera de su vehculo directamente. Por tanto, consistira en recarga
en el nivel III dado que es necesario realizar esta operacin en pocos minutos.
Estas electrolineras, tienen la ventaja de que se ha llegado a dos conectores
estndar de recarga de vehculos elctricos, el SAE J1772 y el IEC 62196. Por el
contrario, tienen el inconveniente de que al tratarse de nudos de elevada
variabilidad en el consumo y de elevada potencia presentan problemas desde el
punto de vista de la red elctrica. Por otro lado, desde el punto de vista del
consumidor, no son confortables dado que se necesitara mucho tiempo de espera
para abastecer al vehculo. Esto es debido a que las bateras no soportan recargas
del orden de 250 kw, potencia necesaria para recargar en pocos minutos.
Pese a los inconvenientes de red, teniendo en cuenta que las estaciones de
almacenamiento de energa estn en auge3 sera razonable suponer que las
electrolineras de recarga rpida podran ser gestionables. Sobre todo, teniendo en
cuenta que desde el punto de vista de la red tener un punto de elevada potencia y
elevada fluctuacin en el consumo es claramente negativo para el sistema. Con
este proyecto se pretende alcanzar una conclusin en este aspecto.
Resumiendo, se considerar el caso de recarga descontrolada, como caso
extremo pero lo razonable es la recarga gestionable para ambos tipos de
electrolineras.
3
Por ejemplo hay proyectos en desarrollo en estos momentos en las Islas
Canarias, en Texas (EEUU),
42
4. P REPARACIN DE CASOS DE SIMULACIN
En este apartado se pasa a desarrollar los diferentes estudios de impacto

con la intencin de dar respuesta a las mltiples incgnitas que plantea la
integracin de vehculos en el sistema.
4.1. GENERACIN DE LOS PERFILES INCREMENTALES
Para poder simular con perfiles, se ha creado una herramienta que dadas
unas condiciones, genera el perfil de cada uno de los nuevos puntos de consumo.
Estos perfiles son los que analizar la herramienta EGRID_Expansion.
La mencionada herramienta es un programa de Matlab que recibe como
parmetros constantes y variables. Constantes del modelo:
- Consumo promedio de los vehculos (0.2 km/kwh).
- Vehculos por habitante (0.5 vehculos/habitante).
- Habitantes por hogar (2.55 habitantes/hogar).
El valor seleccionado para estos datos se explic en el apartado 3.
El resto de parmetros son variables de control que se modifican en
funcin del escenario y de la situacin dentro del mismo que se desea ensayar.
Dentro de estas variables podemos distinguir dos tipos, variables de control de la
forma de la curva de carga y variables de control de la colocacin de los vehculos
en la red. Variables de control de la curva de carga:
- Recorrido diario: Distancia recorrida por los vehculos. (35km/240km)
- Potencia de recarga: Potencia a la que recargan los vehculos.(1kw/3.7kw)
- Grado de penetracin de los vehculos: Dado el total de vehculos en el mapa,
cuntos son vehculos elctricos.
- Instante de recarga: Media y desviacin tpica.
- Precisin: Cuantos escalones va a tener la curva de carga (24h). Mayor
precisin conlleva tiempos de ejecucin para cada caso excesivos.
Variables de control de la distribucin de puntos de recarga:
- Proporcin recarga concentrada/distribuida.
- Coches por punto de recarga concentrada (100coches/500 coches).
43
Adems el modelo permite seleccionar varios instantes de recarga inclusio

con diferentes proporciones entre ellos. Tambin se pueden seleccionar varios
niveles de acumulacin en puntos de recarga concentrada, de nuevo tambin con
diferentes proporciones entre ellos y adems respecto a la recarga distribuida.
Una vez se cuenta con stos parmetros, el proceso lgico bsico del
programa es el siguiente:
Comentarios al proceso de generacin

de los perfiles de consumo de cada
uno de los nudos:
- Los vehculos se colocan de
forma aleatoria en el mapa,
seleccionando uno de los puntos
de consumo. Dentro de dicho
punto se colocan como mximo el
nmero estimado de vehculos en
dicho nudo.
- Para cada hora se toma el
consumo medio en dicha hora y
no el consumo pico, dado que al
tener informacin horaria es ms
realista4.
- La curva de carga queda con
forma rectangular. A parte de que
es la nica forma de modelarla
debido a que el modelo es
discreto, es bastante realista dado
que el transitorio inicial de
recarga es despreciable y la
tensin es constante. Para ms
informacin el anexo V
Figura II.4.1.: Diagrama de la lgica del programa.
4
Se decidi utilizar el valor medio y no el valor de pico debido a que en este programa de
simulacin el instante de recarga de los vehculos es completamente conocido.
44
4.2. ENTRADAS DEL MODELO INCREMENTAL
En cuanto a los parmetros de entrada del modelo de expansin, como ya

se coment en el apartado 2.2 los coeficientes de simultaneidad en BT se
colocan a 1 porque los nuevos clientes (vehculos) son conocidos y en los perfiles
de los clientes ya llevan incorporados el factor de simultaneidad. Respecto a los
parmetros del modelo de EGRID_Expansion, ste cuenta con un archivo de
configuracin (udcons.csv). Los datos ms importantes que se proporcionan son la
aparamenta disponible, costes de los nuevos elementos, los tiempos de
amortizacin, los parmetros del flujo de cargas y los ya mencionados
coeficientes de simultaneidad. Todos estos parmetros determinan los posibles
incrementos entre los que decidir el programa.
Resumiendo, el modelo EGRID_Expansion recibe como entradas, la red
generada con el modelo EGRID_Greenfield, los perfiles de los clientes (ambos
comentados en el apartado 2.3 ), los parmetros de configuracin, los datos de los
nuevos consumos, y los perfiles de los nuevos consumos, ambos generados con la
herramienta comentada en este apartado y que irn variando en funcin de el caso
que se desee analizar.
4.3. SELECCIN DE CASOS DE SIMULACIN
En este apartado se comentan los escenarios ms importantes que se van a

ensayar y que servirn de referencia en el apartado de resultados. Los casos
especficos de alguno de los apartados de resultados se presentarn en dicho
aparatado. Para comprender adecuadamente cada una de las situaciones del
sistema que se van a ensayar, se muestra al menos una grfica de curva
agregada de todos los consumos de los vehculos (grfico de barras a la
izquierda) y otra grfica del incremento en la curva de carga (grfica de
curvas a la derecha) debido a los vehculos elctricos. Estos escenarios
permitirn caracterizar las posibles ocurrencias que pueden darse en el sistema y
qu consecuencias tendrn cada una de ellas. Para seleccionar estos escenarios se
han tenido en cuenta las curvas de carga que se esperan en la recarga de los
45
vehculos, comentadas en el apartado 3.1 . Adems se seleccionarn otras curvas

debido al inters que pueden tener como situaciones extremas, ptimas, etc.
E SCENARIOS L MITE :
- Escenario extremo superior: Todos los vehculos recargan en punta. Esta

situacin nos permitir delimitar para las diferentes posibilidades de recarga
(concentrada, y distribuida) un tope mximo de requerimientos de inversin
que sern necesarios para abastecer adecuadamente al vehculo elctrico. La
demanda resultante tiene la siguiente pinta:
5
5
Carga Agregada Vehiculos x 10 Carga total sistema
x 10 14
6
5 12
4 10
potencia (KW)
potencia (kw)
3 8
2 6
1 4
0
0 5 10 15 20 25 2
0 5 10 15 20 25
tiempo (h)
tiempo (h)
Figura II.4.2: Recarga en punta a 3.7kw.
La forma de esta curva est determinada por la potencia de recarga

seleccionada. Como se observa en las figura II.4.2 con una potencia de recarga
menor el pico disminuye y la recarga de los vehculos se estira debido a que el
rea (energa recargada) es constante. Parmetros: tiempo de recarga: media 19,5
horas y desviacin tpica 0 (psilon) horas.
- Escenario extremo inferior: Todos los vehculos recargan de forma
ptima para el sistema de distribucin, sin generar en las puntas. Para
realizar esta tarea de la forma ms eficiente, la carga se sita en el valle de tal
forma que los nuevos consumos se aaden a la parte inferior de la grfica. Por
consiguiente, salvo que haya puntos con sobrecarga debido a una gran
presencia de vehculos, no sern necesarios incrementos en la inversin hasta
contar con una demanda excesiva debida a un elevado grado de penetracin.
46
Es importante resaltar adems que este caso es ptimo para el sistema de

distribucin pero puede no serlo para el mercado elctrico. Esto depender de
la situacin energtica del sistema.
Para calcular el valor de potencia acumulada que satisface la demanda de
energa global, se utiliza un mtodo iterativo simple: Se elige una potencia
inicial de forma aleatoria y se modifica este valor hasta que la diferencia entre
la energa recargada total con este valor de potencia y la energa esperada
segn la distancia recorrida, es menor que un determinado valor de error.
Dado que es un caso hipottico, la potencia de recarga de cada vehculo no
est limitada y se les permite consumir lo necesario para que la curva
agregada total sea la deseada, es decir, la que se muestra a continuacin en las
figura II.4.3.
5
4 x 10 Carga total sistema
x 10 Carga Agregada Vehiculos
16 7
6.5
14
6
12
5.5
10
potencia (KW)
potencia (kw)
5
8
4.5
6
4
4 3.5
2 3
0 2.5
0 5 10 15 20 25 0 5 10 15 20 25
tiempo (h) tiempo (h)
Figura II.4.3: Recarga ptima a 35 km por vehculo.
Por tratarse de la curva ptima las variables de control de la forma de la

distribucin quedan anuladas. En este caso se muestra con la distancia normal y
con una gran distancia recorrida para que se pueda observar claramente como la
recarga de los vehculos rellena los huecos que existen en la demanda de los
clientes.
E SCENARIOS PROBABLES :
- Escenario recarga nocturna en casa: En este caso se busca observar, para

las diferentes posibilidades de las variables de control, uno de los casos ms
probables si no se establece algn tipo de tarifa o de regulacin que lo
47
impida: Nada ms llegar al hogar, la gente conectar su vehculo a la toma de

recarga, tal y como se muestra en la figura II.4.4.
5
5
x 10 10
3
9
2.5
8
2
7
potencia (KW)
potencia (kw)
1.5 6
5
1
0.5
3
0 2
0 5 10 15 20 25 0 5 10 15 20 25
Figura II.4.4: Recarga nocturna normalizada con 35 km por vehculo a 3,7kw.
Respecto a las variables de control, la media de nuevo se sita en 19,5

horas y la desviacin tpica en 1 hora.
- Escenario recarga en el hogar y al llegar al trabajo: Teniendo en cuenta
que los vehculos elctricos probablemente llegarn antes a las flotas de las
empresas que a los usuarios particulares, es de esperar que se trate de otro de
los escenarios ms probables.
5
5
x 10 9
2.5
2
7
potencia (KW)
1.5
potencia (kw)
5
1
0.5
3
2
0 0 5 10 15 20 25
0 5 10 15 20 25
tiempo (h)
tiempo (h)
Figura II.4.5: Recarga repartida entre el trabajo y la llegada al hogar.
Respecto a las variables de control, la media1 se sita en 19,5 horas y la

media 2 en 8.5 horas. La desviacin tpica de ambas es 1 hora. La proporcin
48
entre instantes es de 25% para la recarga por la maana y del 75% por la
tarde, (de un modo similar al de la ref. [18]).
E SCENARIOS SUGERIDOS PARA LLEGAR AL PTIMO :
- Escenario con tarificacin doble (punta frente a valle):

Escenario con demanda en el valle: En el caso en el que las compaas
distribuidoras sean capaces de que sus clientes demanden por la noche, la
demanda agregada tendr una pinta similar a la siguiente:
5
7
3.5
6.5
3
6
2.5
5.5
potencia (KW)
potencia (kw)
2 5
4.5
1.5
4
1
3.5
0.5
3
0 2.5
0 5 10 15 20 25 0 5 10 15 20 25
Figura II.4.6: Recarga nocturna aprovechando el valle del consumo.
Como ya se ha comentado previamente, hay bastantes ms curvas de

simulacin que son similares a las anteriores. Dado que son casos particulares, se
muestran en el siguiente apartado.
49
5. A NLISIS DE RESULTADOS
En este apartado, en el primer sub-apartado se explican los resultados que

se derivan al simular los casos seleccionados en el apartado anterior. En el resto
de sub-apartados se muestran los resultados obtenidos al variar los parmetros
ms relevantes: distancia recorrida y potencia de recarga.
Es importante resaltar que el grado de penetracin de los vehculos se ha
adaptado al caso de simulacin dado que el modelo empleado no est preparado
para grandes incrementos en el consumo, y por tanto, en los casos ms crticos no
permite grandes valores. En los casos ms plausibles y en aquellos que suponen
un menor incremento del estrs en el sistema se han seleccionado unos valores
que permitieran barrer todos los casos. En el extremo est el caso ptimo que
aguanta incrementos del 100%. Dichos incrementos son superiores a los que se
esperan para los prximos aos,(un 10% para 2020), pero permiten averiguar
hasta dnde aguanta la red actual.
Destacar adems que en el anexo III se muestran todas las tablas con los
valores concretos de los resultados. A continuacin se muestran tan solo las
grficas y nmeros ms relevantes para no saturar de informacin al lector.
5.1. COMPARACIN ENTRE RECARGA CONCENTRADA Y

DISTRIBUIDA
En este apartado se comparan los resultados obtenidos para cada uno de

los casos que se ha decidido simular para poder observar en cada situacin cual de
estas posibilidades de recarga es preferible.
Respecto a las variables de control de la curva de carga, se han tomado los
siguientes valores, dado que son los ms representativos:
Variables de control de la curva de carga:
- Recorrido diario: 35km.
- Potencia de recarga:.3.7kw.
50
- Grado de penetracin de los vehculos: En casos de elevada demanda el

modelo no admite elevados incrementos, por lo que en estos casos son del 1
al 10%. En el resto los incrementos son hasta del 100%.
- Instante de recarga: determinado por cada caso de simulacin.
En sucesivos apartados se observar la influencia de las modificaciones en
la potencia de recarga y en el recorrido diario en los resultados del modelo de
simulacin. No obstante, antes de comenzar a mostrar los resultados obtenidos, es
importante resaltar la nomenclatura que se va a utilizar.
Concentrado 500 (C500): Recarga basada en la colocacin de consumos

concentrando flotas de 500 vehculos.
Concentrado 100 (C100): Como el caso anterior pero con flotas
constituidas por 100 vehculos.
Concentrado 100/500: Caso intermedio en el que la mitad de los nuevos
consumos son de cada uno de los tipos anteriores.
Distribuido (D): Colocacin de los vehculos repartidos por el mapa. Se
han situado de tal forma que ocupan la mayora de los nodos pero con
una componente aleatoria de tal modo que hay nudos ms sobrecargados
que otros.
Distribuido 50% C100 25% C500 25%: En este caso se combina la mitad
recarga distribuida y la otra mitad se reparte entre cada una de las
posibilidades de la recarga concentrada.
En caso de alguna duda respecto a las abreviaturas, recurrir al anexo de
abreviaturas o al anexo de resultados.
1-Extremo Superior, recarga de todos los vehculos en punta.

Como ya se coment, ste es el caso que supone mayor estrs para el
sistema debido a que la nueva demanda consume cuando hay mayor consumo.
51
12000000 6,00%
Concentrado 100/500
Concentrado 100
10000000 5,00%
Concentrado 500
8000000 Distrib. 50% C100 25% C500 25% 4,00%
Distribuido
6000000 3,00%
4000000 2,00%
2000000 1,00%
0 0,00%
0 0,01 0,02 0,03 0,04 0,05 0,06
Grado de penetracin
Figura II.5.1: Resultado del escenario lmite superior(coches en punta).
En primer lugar, es importante indicar que los grados de penetracin que

se han utilizado son muy pequeos, del orden de 10 veces menores que los que se
mostrarn en las grficas posteriores. Esto es debido a que esta situacin supone
unos incrementos excesivos en los costes de red para los que el modelo de
simulacin no est preparado.
Respecto a la comparativa entre los distintas posibilidades de
concentracin, el caso ms desfavorable es la recarga distribuida, es decir que
cada uno de los usuarios recargue en su vivienda. Para comprender el motivo de
este incremento de costes se muestra a continuacin una tabla con los costes para
un determinado grado de penetracin
NOMBRE GDP Inv_inc_BT Inv_inc_CCTT Inv_inc_MT Inv_inc_SSEE Inv_inc_AT
Concentrado 100 0,05 0 0 542.275 6.400.000 0
Distribuido 0,05 404.803 3.483.600 507.480 6.400.000 0
Tabla II.5.1: Inversiones grado de penetracin del 5% de vehculos en punta a 3,7kw.
A la vista de la tabla anterior se observa que el incremento de costes en el

caso distribuido se debe a que adems de los incrementos en subestaciones y en
red de media tensin, se requieren incrementos en BT y en CCTT que conllevan
un coste superior.
Por otro lado, es importante destacar tambin que los casos intermedios
entre las distintas opciones extremas, es decir, los casos que se han denominado
como Concentrado 100/500 Distribuido 50% C100 25% C500 25% no han
52
tenido ningn comportamiento inesperado, es decir, estn situados entre medias

de las posibilidades que los constituyen.
2-Extremo Inferior, recarga ptima de todos los vehculos.

1800000 0,90%
Concentrado 100/500
1600000 0,80%
Concentrado 100
1400000 0,70%
Concentrado 500
1200000 0,60%
Distrib. 50% C100 25% C500 25%
1000000 0,50%
800000 Distribuido 0,40%
600000 0,30%
400000 0,20%
200000 0,10%
0 0,00%
0 0,1 0,2 0,3 0,4 0,5 0,6
Grado de penetracin
Figura II.5.2: Resultado del escenario extremo inferior (Recarga ptima).
En primer lugar, resaltar que los incrementos de consumo son de ms de

un orden de magnitud inferiores al caso anterior incluso si se compara el caso
ms favorable frente al caso ms desfavorable.
Adems es tambin muy importante destacar que dentro de las distintas
posibilidades que se muestran en este caso la recarga distribuida es
clarsimamente el caso ms favorable.
NOMBRE GDP Inv_inc_BT Inv_inc_CCTT Inv_inc_MT Inv_inc_SSEE Inv_inc_AT
Concentrado100 0,5 617.596 965.700 0 0 0
Distribuido 0,5 0 7800 0 0 0
Tabla II.5.2: Comparativa de costes grado de penetracin 50% caso lmite inferior.
Desglosando los costes se observa que ocurre el caso contrario, se

necesitan refuerzos para poder abastecer a los consumos concentrados mientras
que en la recarga distribuida prcticamente no se requieren refuerzos debido a que
se aprovecha la capacidad de las lneas de distribucin ya existentes.
3- Escenario recarga nocturna en casa:
Si no se establece ningn tipo de regulacin o de restriccin que afecte la
recarga de estos vehculos, ste es uno de los escenarios ms probables. A
continuacin se pueden observar los resultados de las simulaciones realizadas para
este caso:
53
35000000 18,0000%
Concentrado 100/500
16,0000%
30000000
Concentrado 500
14,0000%
25000000 Distrib.50% C100 25% C500 25%
12,0000%
20000000 Distribuido 10,0000%
Concentrado 100 8,0000%
15000000
6,0000%
10000000
4,0000%
5000000
2,0000%
0 0,0000%
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35
Grado de penetracin
Figura II.5.3: Resultado del escenario recarga nocturna.
En primer lugar, es muy relevante el hecho de que al recargar ms

repartidamente, el coste por vehculo se ha reducido unas 5 veces, es decir, del 5%
a menos del 1% para un grado de penetracin del 5%.
Por otro lado, los resultados a nivel de la concentracin de vehculos son
los mismos que en el caso de mximo estrs, es decir, a mayor nivel de
concentracin de los consumos los costes de inversin en la red son menores.
4- Escenario recarga en el hogar y al llegar al trabajo:

Este caso supone de nuevo una reduccin en las inversiones necesarias en
red. Los resultados que se han obtenido son los siguientes:
30000000
Concentrado 100/500
14,00%
25000000
Concentrado 100 12,00%
20000000 Concentrado 500 10,00%
15000000 8,00%
6,00%
10000000
4,00%
5000000
2,00%
0 0,00%
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35
Grado de penetracion
Figura II.5.4: Resultado del escenario recarga en el hogar y en el trabajo.
54
Se confirma la tendencia que se ha mostrado en los resultados anteriores,

en los casos en los que se abastece a los vehculos cuando hay bastante demanda
en el sistema, cuanto ms concentrada es la recarga, las inversiones necesarias son
menores. Posteriormente se establecer una comparativa de todos los casos para
poder obtener conclusiones generales.
5- Escenario de recarga en el valle:
Este escenario se seleccion con la intencin de buscar un escenario ms
plausible que el caso de recarga ptima en el que poder observar claramente que
es lo que ocurrir cuando los usuarios recarguen en el valle. Los resultados de este
caso se muestran a continuacin:
400000 0,20%
350000
300000 Concentrado 500 0,15%
250000
200000 Distribuido 0,10%
150000
100000 0,05%
50000
0 0,00%
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35
Grado de penetracin
Figura II.5.5: Resultado del escenario recarga en el valle.
Se observa que para grados de penetracin pequeos las diferencias son

escasas. Para un nmero elevado de vehculos recargando a 3,7kw, la recarga en
valle se convierte en recarga en punta y por este motivo la tendencia de las curvas
pasa a ser similar a la de los casos en punta.
A la vista de la grfica anterior se puede considerar, que la capacidad de
las lneas empieza a saturarse a partir de un grado de penetracin del 20%, dado
que es cuando cambia la tendencia.
Tabla II.5.3: Costes escenario recarga en el valle.
Para comprobar esta tendencia es interesante desglosar los costes. Al

observar la tabla se observa cmo se pasa de un coste despreciable en BT a un
55
valor elevado cuando el grado de penetracin es considerable. La forma de

corregir este problema se observar ms adelante.
Por ltimo, para poder esclarecer dentro de este conjunto de casos cuales
son las opciones de recarga ms adecuadas en cada posibilidad, y que diferencias
hay entre cada una de ellas, se establecen una grficas comparativas entre todos
los resultados anteriores, es decir, entre todas las grficas que se corresponden a
los parmetros de 35km de recorrido y 3,7kw de potencia de recarga.
35000000 18,000%
16,000%
30000000
14,000%
25000000
12,000%
20000000 10,000%
15000000 8,000%
6,000%
10000000
C100 Pta distr. Cuadrada 4,000%
5000000 D Pta distr. Cuadrada
2,000%
C500 distr normal Pta
0 D distr normal Pta 0,000%
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4
Grado de penetracin
Figura II.5.6: Comparativa de resultados casos de mayor coste.
En primer lugar se muestran los resultados correspondientes a los costes

ms elevados, que adems pertenecen, como era de esperar, a las situaciones de
recarga en punta. Salvo por el inconveniente de que el modelo que se ha utilizado
no permite obtener ms valores, se aprecia que el caso distribuido con los
consumos concentrados en punta es el peor posible, seguido muy de cerca por el
caso de flotas de 100 vehculos. Por debajo, se encuentra el caso distribuido en
recarga normal. Por ltimo, aparece tambin el caso de recarga con distribucin
normal en flotas de vehculos concentrados en flotas. Por tanto se concluye que en
situacin de recarga en punta, el caso ms desfavorable es la recarga distribuida.
56
1400000 0,700%
C100 distr normal Pta
1200000 0,600%
C500 Valle
1000000 0,500%
C100 OPT
800000 C500 OPT 0,400%
600000 D OPT 0,300%
400000
D Valle 0,200%
200000 0,100%
0 0,000%
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45
Grado de penetracin
Figura II.5.7: Comparativa de resultados casos de menor coste
Si pasamos a analizar el conjunto de soluciones con menor coste (Fig.

II.5.7), se observa que tal y como se prevea, son todas aquellas situaciones en las
que se abastece a los consumidores en el valle. Adems la tendencia es bastante
opuesta al caso de mayor coste, es decir, el caso ms favorable es la recarga
ptima distribuida, y el caso ms desfavorable es el caso de recarga ptima con
flotas de 100 vehculos. Esto es debido a que con recarga en punta, dado que el
sistema est dimensionado para dicha situacin, si la recarga es distribuida hay
que reforzar todo el sistema por lo que se requieren ms refuerzos. Por el
contrario, si la recarga es en valle, cuando dicha recarga es concentrada es
necesario reforzar en cualquier caso. No obstante en el caso distribuido la red
inicial ya soporta la nueva demanda y prcticamente no hay que reforzar.
Por otro lado, si atendemos a la recarga con distribucin normal en el valle
se confirma lo que se ha comentado previamente: que hasta un grado de
penetracin del 20% la tendencia es muy similar a la del caso ptimo. Por tanto, la
recarga en los hogares es preferible siempre y cuando se realice nocturnamente.
5.2. ANLISIS DE UNA SITUACIN DE ELEVADA DEMANDA
No sera de extraar una situacin en la que todo el mundo busque

recargar completamente su vehculo. Esto podra deberse a vacaciones o fines de
semana de alta utilizacin de los vehculos. Esta es una situacin que puede ser
57
complicada para el sistema dado que suponiendo la potencia de recarga limitada a

3,7kw incluso en el caso ms favorable la curva de demanda se desplazara hacia
las puntas.
Para modelar este caso, teniendo en cuenta las limitaciones actuales de las
bateras elctricas, se ha incrementado el recorrido diario de los vehculos a 160
km. Dicho valor, es el lmite actual para las bateras, y por consiguiente para
representar una situacin de elevada demanda en el sistema actual. Para anlisis
basados en escenarios a futuro, debera utilizarse la zona superior de la curva
mostrada en el captulo de los consumidores. Como valor medio se propuso en su
momento 240km que es el valor caracterstico de la distancia media en casos de
elevada utilizacin.
A modo de ejemplo, a continuacin se muestran algunas de las curvas de
carga que resultan de incrementar el recorrido realizado y por tanto, el consumo
de los vehculos:
5 5
x 10 Carga Agregada Vehiculos x 10 Carga total sistema
7 14
6 12
5
10
potencia (KW)
potencia (kw)
4
8
3
6
2
4
1
2
0 0 5 10 15 20 25
0 5 10 15 20 25 tiempo (h)
tiempo (h)
Figura II.5.8: Recarga en punta distribucin normal-160 km
La grfica anterior es bastante similar a las que se encuentran en la

bibliografa en las referencias [2] y [18]. En estos casos, al aumentar el recorrido,
se traduce en un incremento de la necesidad de energa. Dado que la potencia de
recarga se mantiene constante, la grfica se estira horizontalmente.
58
8000000 4,000%
7000000 C100 3,500%
C500
6000000 3,000%
Distrib.
5000000 2,500%
4000000 2,000%
3000000 1,500%
2000000 1,000%
1000000 0,500%
0 0,000%
0 0,01 0,02 0,03 0,04 0,05 0,06
Grado de penetracin
Figura II.5.9: Comparativa de costes recarga en punta distribucin normal
Se observa que en este caso la tendencia es la misma que en el caso de

recarga con menor grado de demanda de energa, es decir, el caso ms
desfavorable en recarga en punta es la recarga distribuida. Se han ensayado otros
casos similares al que se muestra pero no se muestran debido a que los resultados
son muy similares (para ms informacin consultar el anexo III.
8000000
C100_160 1,2000%
7000000
C500_160
6000000 1,0000%
Distrib._160
5000000 0,8000%
C100_35
4000000
0,6000%
C500_35
3000000
Distrib_35 0,4000%
2000000
0,2000%
1000000
0 0,0000%
0 0,01 0,02 0,03 0,04 0,05 0,06
Grado de penetracin
Figura II.5.10: Comparativa de costes recarga en punta 35km vs 160km
59
A la vista de la grfica anterior, se observa que el resultado es el esperado,

es decir, en todos los casos, la recarga con 160km supone un mayor coste para el
sistema. Bien es cierto que los costes no son muy superiores al caso de 35km.
Esto es debido a que una de las condiciones del caso es la limitacin de potencia,
por lo que la carga se desplaza hacia el valle. Si la potencia no estuviera limitada
los costes seran bastante mayores.
A modo de resumen, sta es una situacin bastante grave para el sistema
de distribucin, no est preparado para una situacin de demanda de energa tan
elevada. Por tanto en estas situaciones de alta utilizacin, se debe evitar que la
recarga se complete en una noche. Lo ms adecuado es que esta demanda se
distribuya durante los siguientes das de la siguiente manera:
7
x 10
5
Carga total sistema Verde: demanda
de los usuarios
6
Azul claro:
5
recarga repartida
potencia (KW)
4
en varios das
3
Azul oscuro:
2 demanda segn
consumo diario
1
vehculos.
0
0 10 20 30 40 50 60 70
tiempo (h)
Figura II.5.11: Recarga distribuida en varios das.

La energa necesaria para abastecer el incremento de demanda se reparte
en varios das reduciendo la sobrecarga En caso de que no se utilice este sistema
la demanda agregada quedara del siguiente modo:
x 10
5
Carga total sistema
Lo ms relevante es el hecho de que
12
el pico se incrementa en exceso por lo que

10
los costes de ampliacin seran muy

8
superiores segn lo visto previamente.
potencia (KW)
6
Bien es cierto que en los vehculos hbridos
4
esto no sera un problema dada su reducida
2
capacidad.
0
0 5 10 15 20 25
tiempo (h)
Figura II.5.12: Recarga de alta demanda concentrada en un da
60
5.3. ANLISIS DE LA POTENCIA DE RECARGA ADECUADA
A parte de la situacin de estrs debida a los fines de semana de alta

utilizacin, existe el riesgo de que los usuarios, por asegurarse tener el vehculo
completamente recargado, instalen tomas de recarga de alta potencia.
Por otro lado, teniendo en cuenta que lo ms interesante es que la recarga
se realice durante toda la noche, puede ser de utilidad que los usuarios recarguen a
menores potencias. Con ello, la curva de demanda quedara ms aplanada y es de
esperar que se requieran menores refuerzos en el sistema. Por supuesto, como
desventaja, las recargas requerirn ms tiempo. An as, teniendo en cuenta que el
consumo medio ser el orden de 7kwh, suponiendo una potencia de 1kw, recargar
en 7 horas no es una duracin excesiva.
Por tanto, en este apartado, se va a estudiar el efecto que tiene en las
inversiones necesarias en red el uso de tomas de recarga de alta potencia y de baja
potencia. Las potencias seleccionadas han sido 1kw como muestra de un caso de
baja potencia y 7,4 kw que sera la correspondiente a duplicar el grosor de los
cables manteniendo la tensin (nivel 2 apartado de recarga).
A modo ilustrativo, se muestran a continuacin una seleccin de las curvas
de carga resultantes de los parmetros anteriores para que se pueda entender cual
es el impacto que tiene la potencia de recarga en la demanda de los usuarios.
5
9
18
16 8
14
7
12
potencia (KW)
potencia (kw)
6
10
8 5
6
4
4
3
2
0 2
0 5 10 15 20 25 0 5 10 15 20 25
Figura II.5.13: Recarga en punta a 1kw, distribucin rectangular, 7kwh.
61
Como se observa en este caso, al reducir la potencia, la demanda en el pico

se reduce notablemente. Adems, la curva se estira ocupando una franja horaria
mayor. Esto es debido a que la energa a recargar es la misma (7kwh).
5 5
x 10 Carga Agregada Vehiculos x 10 Carga total sistema
3.5 7
6.5
3
6
2.5
5.5
potencia (KW)
potencia (kw)
2
5
1.5 4.5
4
1
3.5
0.5
3
0 2.5
0 5 10 15 20 25 0 5 10 15 20 25
Figura II.5.14: Recarga en valle con 35 km por vehculo a 1kw.
Aprovechando lo que ocurra en el caso anterior, al recargar por la noche,

el valle queda mejor cubierto. Destacar adems que la hora de recarga no ha sido
seleccionada fortuitamente sino que se ha buscado el mejor caso posible para
poder establecer comparaciones con el caso ptimo que se ha mostrado y
ensayado previamente.
5
5
x 10 11
4
10
3.5
9
3
8
2.5
potencia (KW)
potencia (kw)
7
2
6
1.5
5
1 4
0.5 3
0 2
0 5 10 15 20 25 0 5 10 15 20 25
Figura II.5.15: Recarga nocturna con 35 km por vehculo a 7,4kw.
Por el contrario, en el caso de incrementar la potencia de recarga, tal y

como se observa en la figura anterior y en la siguiente, las curvas se apuntan
resultando consumos pico mayores y los intervalos de recarga se reducen.
62
5
5 x 10 Carga Agregada Vehiculos
x 10 Carga total sistema
3.5
7
6.5 3
6
2.5
5.5
potencia (kw)
potencia (KW)
2
5
4.5 1.5
4
1
3.5
0.5
3
2.5 0
0 5 10 15 20 25 0 5 10 15 20 25
Figura II.5.16: Recarga en el valle con 35 km por vehculo a 7,4kw.
Antes de pasar a analizar los resultados ms importantes, es importante

destacar que dado que el anlisis ms interesante de estos resultados es la
comparacin de ellos con los que se han analizado previamente, las grficas de
cada una de las casusticas se muestran en el anexo III.
Los resultados que se han obtenido son los siguientes:
35000000 18,000%
C100 75%Pta 1kw
C500 75%Pta 1kw 16,000%
30000000
D 75%Pta 1kw 14,000%
25000000 C100 75%Pta 3,7kw
12,000%
C500 75%Pta 3.7kw
20000000 10,000%
D 75%Pta 3.7kw
15000000 8,000%
6,000%
10000000
4,000%
5000000
2,000%
0 0,000%
0 0,1 0,2 0,3 0,4 0,5 0,6
Grado de penetracin
Figura II.5.17: Comparativa entre 1kw y 3,7 kw de potencia de recarga para el caso de demanda
repartida entre el trabajo y el hogar.
A la vista de esta grfica se observa claramente que para todos los casos de
menor potencia los costes de ampliacin de la red son mucho menores. Por
concretar, para el caso de recarga distribuida pasan de ser del 13% al 7% para un
grado de penetracin del 30%. Por otro lado, se observa que de nuevo, el caso ms
favorable es cuando se recarga lo ms concentrado posible. Por otro lado, el caso
63
ms desfavorable es el de recarga distribuida. En los anexos se muestra el caso de

recarga en punta normal en el cual los resultados son bastante similares.
Pasando a analizar los casos de menor coste, que de nuevo corresponden a
los situados en el valle, los resultados obtenidos son los siguientes:
5000000 2,500%
Concentrado 100 Optimo
4500000
4000000 2,000%
Concentrado 100 Valle 1kw
3500000
Concentrado 100 valle 7,4kw
3000000 1,500%
Distribuido Valle 7,4kw
2500000
2000000 1,000%
1500000
1000000 0,500%
500000
0 0,000%
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Grado de penetracin
Figura II.5.18: Resultados recarga en el valle. Casos de mayor coste.
Para empezar hay que resaltar que, para la recarga en valle, incluso en los
casos con mayor coste, este valor es menor que en cualquier otra de las
posibilidades relacionadas con la punta. Por supuesto, este resultado era de
esperar dado que esta situacin supone un menos estrs para el sistema. Esto es
debido a que se utiliza parte de la capacidad de transporte que por la noche est
desaprovechada dado que no es necesaria.
Por otro lado, se confirma otro de los resultados que se han vislumbrado en
apartados anteriores: para la recarga en el valle, la utilizacin de puntos de
elevada concentracin de consumo es menos eficiente a nivel de requerimientos
de inversin y lo ms econmico es la recarga distribuida.
En concreto en el caso de 7,4 kw se observa que los costes son
razonablemente bajos para grados de penetracin de hasta un 20%. Esto indica
que hasta que el consumo agregado no es prximo al de la punta el incremento de
potencia no supone un problema.
64
180000 0,090%
Concentrado 500
160000 Optimo 0,080%
Distribuido Optimo
140000 0,070%
Concentrado 500 Valle
120000 3,7kw 0,060%
Concentrado 500 Valle
100000 1kw 0,050%
Distribuido Valle 1kw
80000 0,040%
60000 0,030%
40000 0,020%
20000 0,010%
0 0,000%
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Grado de penetracin
Figura II.5.19: Resultados recarga en el valle. Casos de menor coste.
En primer lugar, lo ms relevante de la figura anterior es que la recarga en

el valle es muy similar al caso ptimo hasta llegar a un grado de penetracin del
50%. A partir de dicho valor, el crecimiento en las inversiones necesarias es
claramente exponencial. Por tanto, se se concluye que con este sistema de recarga
los incrementos de inversin son despreciables hasta llegar a dicho grado de
penetracin. Por supuesto, es importante matizar que esto depender de la red
concreta que se analiza de la holgura que tenga dicha red. Adems se observa
claramente que la potencia de recarga es importante dado que para el caso de 3,7
kw la tendencia se aleja del caso ptimo muy rpidamente.
Por otro lado, se comprueba adems que en este caso la recarga
concentrada requiere mayores inversiones en red de distribucin. Adems, es
bastante curioso que los costes asociados a los casos concentrados son
prcticamente independientes del nivel de potencia y tan solo dependen del grado
de penetracin. Esto se debe a que en el nivel de tensin de estos consumos
compuestos por varios vehculos los cables utilizados en los refuerzos requeridos
tienen capacidad de sobra para abastecer a los consumos para a los tres niveles de
potencia por vehculo ensayados y por tanto, se pierde la sensibilidad a este factor.
Tambin es importante destacar que estos puntos de consumo tienen
asociado un mayor coste teniendo en cuenta las necesidades que tienen de contar
65
con etapas de adaptacin de potencia, tanto de electrnica de potencia como de

etapas de transformacin.
5.4. ANLISIS DE LA INFLUENCIA DE LA COLOCACIN DE LAS

ELECTROLINERAS
En primer lugar, es importante destacar, que este apartado se va a analizar

teniendo en cuenta que es uno de los objetivos que se seleccionaron al principio
del proyecto. No obstante, es un apartado que tiene una dudosa aplicacin en un
futuro debido a que las electrolineras se colocarn donde sea posible y al nivel de
tensin que se requiera. Por lo que estos resultados son interesantes pero
probablemente no tengan una aplicacin prctica.
Para realizar este apartado se ha aprovechado el hecho de que la red
elctrica se ha generado a partir del callejero de Google-Maps (Apto 2.1). Gracias
a esto, es posible utilizar algunos de los datos que se encuentran en este soporte.
De hecho, ste es uno de los motivos por los que se utiliz dicho callejero como
fuente de partida. Ms concretamente, en el caso de este proyecto, se puede
analizar, cual es el efecto de la colocacin de las electrolineras en determinados
puntos, como por ejemplo, donde estn colocadas hoy en da las gasolineras. La
ventaja del mtodo radica en que por ejemplo sera posible tambin colocarlas en
centros comerciales o en otros lugares de inters. Para ello, es necesario partir de
una imagen como la siguiente:
Imagen II.5.2: Colocacin de las gasolineras en el rea de estudio
Partiendo del mtodo empleado en la generacin de la red, es muy sencillo

extraer las coordenadas relativas de los puntos rojos (gasolineras), tan solo hay
66
que eliminar el resto de colores del mapa y obtener para cada punto rojo el centro
de gravedad. Con ello, se obtienen los datos de entrada para el modelo
incremental. El resultado obtenido es el siguiente:
Imagen II.5.3: Resultado de la obtencin de las coordenadas
Se comprueba que afectivamente hemos obtenido las coordenadas de las

gasolineras del mapa. Una vez se cuenta con dichas posiciones, se vuelve a
utilizar el programa que genera los casos de simulacin, ajustndolo a la situacin
de estudio actual. Como parmetros especiales, est la potencia asociada a las
electrolineras de alta utilizacin, que se model en el apartado III.3 (recarga).Para
modelar estas electrolineras se han seleccionado los siguientes parmetros:
- Recorrido diario: Distancia recorrida por los vehculos. 300km.
- Potencia de recarga: Potencia a la que recargan los vehculos 50kw (Segn los
datos que se han manejado en el apartado de recarga en nivel 3 rpida) No se
ha ensayado la recarga de 250kw porque es excesiva.
- Grado de penetracin de los vehculos: este parmetro se anula dado que se
utilizan puntos fijos, no se abastece a un nmero determinado de vehculos.
- Instante de recarga: Media y desviacin tpica.
Adems se han seleccionado una serie de casos para compararlos con el
caso base que se ha seleccionado previamente. Dichos casos se muestran a
continuacin:
67
Imagen II.5.4: Caso denominado como caso aleatorio 1
Imagen II.5.5: Caso denominado como caso aleatorio 2
Imagen II.5.6: Caso denominado como caso a mano 1
68
Imagen II.5.7: Caso denominado como caso a mano 2
Partiendo de estos parmetros y utilizando el mapa generado anteriormente

frente a otros mapas generados aleatoriamente y manualmente los resultados son
los siguientes:
NOMBRE Inv_inc_BT Inv_inc_CCTT Inv_inc_MT Inv_inc_SSEE Inv_inc_AT
Aleatorio1 0 0 18.794 0 0
Aleatorio2 0 0 22.114 0 0
A mano 1 0 0 102.614 0 0
A mano 2 0 0 35.949 0 0
Gasolineras 0 0 38.648 0 0
Tabla II.5.3: Resultados casos de electrolineras
A la vista de los resultados se comprueba que la situacin espacial tambin

tiene un impacto importante en los costes incrementales en la red. Sobre todo,
queda bastante claro que en el caso en el que estn demasiado juntas, los costes se
disparan. Adems se observa tambin que el ptimo no es tampoco el caso en el
que estn completamente separadas, dado que los casos aleatorios han arrojado
mejores resultados. Esto es debido a que en el caso de mayor dispersin se
consigue que los cables no se sobrecarguen pero se necesita una mayor longitud
de cable.
Por otro lado, se ha observado que con la potencia seleccionada, solo se
incurre en costes en MT. En caso de que la recarga se haga nocturnamente y el
nmero de bateras sea elevado, tendrn que ser colocadas en AT. Esto se
demuestra haciendo unos nmeros rpidos:
18000 2,55 0,5 450
=
52
69
Cada 4 das implica 111 bateras en situacin normal. Para recargar 120
bateras de 30kwh en 10 horas es necesaria una potencia de unos 360kw que
corresponde a media tensin (MT).
Suponiendo un escenario de alta utilizacin en el que tuvieran que
recargarse todas en un da, es cuatro veces la situacin anterior. Por lo tanto, la
potencia requerida es mayor de un megavatio y lo lgico es que se realice la
conexin en alta tensin (AT).
Por tanto, a modo de conclusin final, podra ser interesante dar algn tipo
de seal econmica para que su situacin sea tal que impacte menos en la red, es
decir, para que no se siten demasiado juntas.
70
Captulo III: Conclusiones
C APTULO III: C ONCLUSIONES
En este proyecto, entre otros objetivos, se buscaba encontrar cul es la

forma correcta de abastecer a los vehculos elctricos, es decir, averiguar cul es
la proporcin adecuada entre las distintas posibilidades de recarga y conexin a la
red de los mismos.
En los diferentes casos que se han ensayado, se han observado dos grupos
de casusticas con resultados completamente distintos. El primer conjunto incluye
todos los casos en los que la recarga se realiza principalmente en horas punta, es
decir, en los momentos en los que la demanda de los usuarios es elevada y por
tanto, el sistema se encuentra en un grado de utilizacin considerable. En dicha
situacin, se ha observado que desde el punto de vista de las inversiones
necesarias para asegurar el suministro, es preferible que la recarga de los
vehculos se realice en puntos de alta concentracin del consumo, tanto
grandes flotas de vehculos como, en un futuro, electrolineras.
Por otro lado, en el segundo conjunto de resultados se incluyen las
diferentes posibilidades de recarga en horas valle, es decir, aquellas que estn
fuera de las horas de mayor demanda. Tal y como era de esperar, en este conjunto
de casos los incrementos de coste es el menor posible para todas las
posibilidades ensayadas, es decir, tanto en recarga concentrada en flotas como
distribuida en los diferentes hogares o puntos pblicos de recarga. Dentro de los
casos observados, se ha comprobado que la mejor forma de recargar es de
forma distribuida y rellenando el valle de tal forma que la nueva demanda
ocupe la parte inferior. Este es el caso que en el proyecto se ha denominado como
ptimo5. Ms concretamente, el mtodo de recarga consistira en que la potencia
para recargar los vehculos en cada instante es proporcional al decremento de la
demanda, es decir, habra una recarga coordinada con la demanda. Por supuesto,
5
Es ptima desde el punto de vista de red, pero habr casos en los que no
lo ser para el mercado elctrico. De hecho se esperan sinergias entre la
intermitencia de la tecnologa elica y los vehculos elctricos.
71
de momento se trata de un caso idealizado dado que los medios tecnolgicos no lo

permiten. No obstante, el da en el que la gestin activa de la demanda sea una
realidad, esta idea ser factible.
Partiendo del hecho de que con la recarga ptima se minimizan los costes
de inversin, se ha analizado como poda lograrse una recarga similar en la
situacin tecnolgica actual. Se ha observado que reduciendo la potencia de
recarga se consigue que la duracin asociada a estos nuevos consumos aumente.
Gracias a esto, se rellena razonablemente el valle, siempre y cuando la recarga se
realice en las horas en las que la disminucin del consumo es ms acusada. Por
tanto, puede ser interesante hacer llegar al consumidor algn tipo de tarifa que
incentive la recarga en el valle, a baja potencia, incluso utilizando discriminacin
temporal.
Por otro lado, respecto al abastecimiento mediante puntos concentrados de
la demanda en el valle, se ha observado que claramente los costes son superiores.
Bien es cierto, que en los casos de muy elevada concentracin (500 vehculos) el
modelo no es muy sensible a la potencia de recarga debido a que el catlogo de
conductores en alta tensin no es muy variado. No obstante, en los casos de 100
vehculos, en los cuales el modelo tiene suficiente variedad, se ha visto
claramente que a mayor potencia la situacin es peor. Adems este mtodo es
menos adecuado que la recarga distribuida. Por tanto, de nuevo se confirma que es
preferible que la recarga nocturna sea realizada por los usuarios domsticos y a la
menor potencia posible. De este modo, utilizan adecuadamente la infraestructura
ya existente y los requerimientos de inversiones son mnimos. Este es un resultado
muy importante teniendo en cuenta que la recarga distribuida es probablemente la
posibilidad de abastecimiento que llegar en primer lugar a los usuarios.
Por otro lado, uno de los inconvenientes que tiene limitar la potencia de
recarga es el hecho de que en caso de un incremento en las necesidades de
energa, motivado por ejemplo por festividades, la demanda asociada a los
vehculos elctricos se desplaza hacia la punta. Por este motivo, se ha ensayado
tambin el efecto de modificar la distancia recorrida. En este caso se ha observado
que se necesitan refuerzos similares a las peores situaciones, es decir, a la recarga
en horas punta. Por tanto, teniendo en cuenta que las distancias medias recorridas
(35km) son bastante bajas frente a los casos de alta utilizacin (240km), es
72
necesario lograr que en estas situaciones los requerimientos de energa se repartan

entre los das sucesivos.
Respecto a las electrolineras, partiendo del hecho de que la recarga debe
realizarse nocturnamente, se deduce que siempre y cuando sea econmicamente
razonable, las electrolineras deberan ser gestionables. Para que esto sea factible,
en el caso de las electrolineras de recarga rpida, se necesitara combinarlas con
una estacin de almacenamiento de energa. En el caso de las electrolineras de
cambio de batera, la posibilidad de gestin de la energa est implcita en su
concepcin, aunque tienen en su contra que ser necesario alcanzar un estndar de
bateras elctricas para que dicho tipo de estacin sea factible. Adems, en caso de
que econmicamente fuera interesante, la utilizacin de estas estaciones con
capacidad de almacenamiento, permitir realizar gestin de la energa comprando
en valle y vendiendo en punta, pudindose llegar incluso a aportar servicios de
regulacin. Esta idea tambin sera factible en el caso de los vehculos elctricos a
nivel conceptual. No obstante, para cumplir con determinados requerimientos del
mercado elctrico sera necesario algn tipo de entidad que gestionara grandes
cantidades de vehculos de forma agregada. Esto requerira convencer a los
usuarios de que permitieran a una entidad externa controlar la recarga de su
vehculo.
Por otro lado, se ha estudiado el impacto de la colocacin de las
electrolineras. Se ha observado que estos elementos no deben estar demasiado
prximos entre s dado que se requieren mayores refuerzos que en el resto de
casos. Probablemente esto es debido a que la red se sobrecarga en estos puntos
debido a que comparten ramas. No obstante, tampoco deben estar excesivamente
separados dado que los costes aumentan debido a que es necesaria mayor longitud
de conductores. En caso de que las comercializadoras de energa lleguen a una
competencia excesiva por determinadas localizaciones puede ser interesante dar
seales econmicas para evitar dichos problemas. Adems, hay que tener en
cuenta que dadas las caractersticas de estos elementos, existen muchos
condicionantes que limitan las opciones de instalacin. Por tanto, es probable que
sean colocadas atendiendo las necesidades de los usuarios y las localizaciones
factibles antes que a los emplazamientos ptimos para el sistema elctrico.
73
Captulo IV: Futuros desarrollos
C APTULO IV: F UTUROS D ESARROLLOS
En este captulo se comentan algunos de los desarrollos a futuro que es

interesante realizar a partir de este proyecto final de carrera que se ha presentado.
En primer lugar, recordar que al principio del documento, en el Captulo I,
se ha realizado un comentario sobre varios aspectos que pueden ser de utilidad
para los futuros desarrollos. En primer lugar, se expone un breve resumen sobre la
interaccin entre los vehculos elctricos y las redes elctricas (apartado I.2 ). Por
otro lado, se han explicado algunos algoritmos de optimizacin de colocacin y
dimensionamiento de generacin distribuida con la intencin de que puedan servir
de utilidad para mejorar el modelo EGRID_Expansion desarrollado por el IIT
adems del algoritmo que se ha desarrollado en el proyecto (apartado I.3 ).
1. C OMPLEMENTOS FUNDAMENTALES
1-Realizar anlisis espaciales de la colocacin de los vehculos en la red.

Una de las conclusiones ms habituales que se encuentran en la literatura,
consiste en que los vehculos no supondrn un problema salvo elevadas
concentraciones dentro de un mismo sector de la red elctrica. Aprovechando el
hecho de que la red se ha generado a partir de un mapa y que los modelos
devuelven mapas en los que observar los resultados sera muy interesante utilizar
estas herramientas para confirmar la afirmacin que se realiza en otros artculos.
De todos modos, en este proyecto, los vehculos se han situado en el mapa de una
forma bastante dispersa y se ha observado precisamente lo que se comentaba, solo
hay problemas para elevados grados de penetracin.
2-Observar el impacto en redes de distribucin rurales e industriales.
Para poder realizar este anlisis es necesario mejorar la herramienta de
generacin automtica de redes elctricas para abarcar zonas ms grandes. Una
posibilidad sera utilizar la librera de mapping de Matlab que es capaz de unir
74
varias imgenes de un mismo terreno y generar un solo mapa global. Adems ser
necesario mejorar el programa para poder distinguir entre las diferentes zonas.
Es interesante destacar que es necesario tener en cuenta un factor de
servicio de modo que las electrolineras debern tener una sobrecapacidad y ser
necesaria una cantidad superior al nmero ptimo para asegurar el abastecimiento.
Por otro lado habr que tener en cuenta el impacto de la distancia mxima de
recorrido de los vehculos dado que este factor determinar la cantidad de
estaciones necesarias para dar servicio.
3- Incorporacin del anlisis a futuro al estudio realizado.
En el estudio que se ha realizado, se ha estudiado para los posibles casos
de recarga de vehculos elctricos cual es el impacto en la red elctrica y que
refuerzos se necesitan. En el escenario de utilizacin media, con un recorrido de
35 km, los resultados son vlidos dado que la capacidad de recarga de los
vehculos elctricos es superior al recorrido medio estimado. No obstante, para el
caso de elevada utilizacin, el tamao de las bateras pasa a ser una variable
limitante, y puede ser interesante analizar relativamente a la evolucin temporal
de la red elctrica, cual es el impacto de la progresiva penetracin de vehculos
elctricos. Para resolver este apartado, se propone ms adelante el estudio que se
ha realizado sobre la incorporacin de escenarios a futuro.
4- Generacin distribuida con vehculos elctricos.
Como ya se coment tanto en la motivacin como en el estado del arte, es
posible que a medio-largo plazo, los vehculos elctricos aporten servicios de
regulacin y gestin econmica de la energa, recortando las puntas. Por tanto,
sera de utilidad plantear escenarios a futuro en los que los vehculos devuelvan
energa en el sistema y compararlos con el caso que no se realice. Con ello se
averiguar que ahorros se producen en el sistema en lo que se refiere a disminucin
de los refuerzos en red necesarios.
5- Observar cmo afecta la incorporacin correcta de la potencia reactiva.
Pese a que las bateras elctricas son eminentemente potencia activa, los
convertidores de electrnica de potencia consumen bastante potencia reactiva.
ste puede ser un factor que obligue a redimensionar las redes en caso de no
incorporar filtros de reactiva a los convertidores electrnicos.
75
2. S ELECCIN DE ESCENARIOS A FUTURO
En este apartado, se busca realizar un anlisis a futuro sobre el impacto en

la red elctrica de los vehculos elctricos. En los casos en los que hay bastante
incertidumbre con respecto a las diferentes casusticas que pueden acontecer, una
herramienta muy utilizada es disear escenarios. Estos permiten tener en cuenta
diferentes casusticas tanto optimistas como pesimistas. Para que un anlisis
basado en dicho mtodo sea de utilidad, la seleccin de escenarios debe barrer
varias posibilidades importantes sobre qu acontecer y deber tener en cuenta
cules son las variables que tendrn mayor impacto sobre el efecto que se desea
analizar.
2.1. CRITERIOS DE ELABORACIN DE ESCENARIOS
En todo anlisis basado en esta tcnica es es clave tener claro cul es el

objetivo del anlisis, a qu pregunta debe dar respuesta el estudio. En este caso
buscamos averiguar qu refuerzos sern necesarios en las redes de distribucin en
un futuro no muy lejano.
Posteriormente, es necesario decidir el intervalo temporal que abarcar el
anlisis. En este caso, teniendo en cuenta los objetivos marcados para 2020, y que
tambin se desea analizar la recarga concentrada, son interesantes dos fechas:
- 2020: fecha para la que se marcan muchos objetivos de desarrollo de las

energas limpias.
- 2030: fecha interesante para analizar el impacto de las electrolineras
gestionables.
Por tanto, consecuentemente, es necesario decidir para las fechas
seleccionadas, que hiptesis se van adoptar sobre la evolucin de las variables
fundamentales del estudio.
Variables fundamentales que se analizarn a continuacin:
- Evolucin del grado de penetracin de los vehculos elctricos.
76
- Desarrollo de la tecnologa de las bateras. (Variable limitante de la distancia

mxima recorrida).
- Caso base de evolucin del sistema elctrico sin vehculos elctricos.
2.2. PERSPECTIVAS DE EVOLUCIN DEL VEHCULO ELCTRICO
En este apartado se realiza un resumen de las estimaciones ms relevantes

del grado de penetracin de vehculos elctricos que se han localizado en la
literatura que se ha empleado para el desarrollo del proyecto.
La figura de la izquierda
proporciona estimaciones del
grado de penetracin de vehculos
elctricos para 2015 y para 2020
en Europa. Adems tambin
aporta datos sobre la evolucin de
este parmetro en EEUU. Japn y
Figura III.2.1: Estimacin de la evolucin del grado de China.
penetracin. Ref. [17]
Tabla III.2.1: Penetracin de PHEV en EE.UU. para 2020 y 2030. Ref. [18]
Comparando las dos referencias anteriores, se observa que la primera es

bastante ms pesimista que la segunda, de hecho el caso pesimista est al nivel del
caso optimista de la primera referencia. Esto seguramente se debe a que es ms
reciente y tiene en cuenta las consecuencias de la actual situacin de crisis
econmica. De hecho, el EPRI actualiz estas estimaciones en 2009 en la Ref.
[19] en la cual se estiman 100 millones de PHEV en el mercado americano para
77
2030, lo cual con 300 millones de vehculos actualmente supone ms o menos un

grado de penetracin del 33%.
Por otro lado, en la ref. [18] se aporta una grfica (Fig.III.2.2) que es
bastante ilustrativa de la estimacin de la penetracin sucesiva de los PHEV en el
mercado. De hecho, ha servido de punto de partida en varios estudios econmicos.
Figura III.2.2: Evolucin de las ventas de PHEV en EEUU. Ref. [3.2]
Figura III.2.3: Evolucin de las ventas de PHEV y EV en EEUU. Ref. [20]
En este caso, podemos ver la evolucin en trminos absolutos.

Comparando ambas estimaciones, se observa que esta referencia es menos
optimista comparativamente con la estimacin realizada por el EPRI en 2007 pero
es bastante similar a la actualizacin de 2009.
Pasando a centrarnos en Europa, en la figura III.2.4, en la pgina siguiente,
se estima en valor medio para Europa unos 10 millones de vehculos en 2020 y
78
unos 80 millones para 2030. Basndonos en los datos de las estadsticas de

eurostat que afirman que la densidad de vehculos en Europa es de 466 vehculos
por cada 1000 habitantes, los incrementos del nmero de vehculos elctricos
indicados previamente, se corresponden a unos grados de penetracin en la flota
de vehculos del 2% para 2020, y del 16% para 2030.
Respecto, a Alemania los datos son unos 5 millones de EV y PHEV para
2020 y unos 15 millones de estos vehculos para 2030. Suponiendo una densidad
de vehculos similar a la espaola, supone unos grados de penetracin del 14% y
42% respectivamente.
Figura III.2.4: Ventas y flota de EV Europa y Alemania 2020 y 2030.ref.[25]
Centrndonos en Espaa, en las referencia [23] se estima una cantidad de

1 milln de PHEV para 2020 y para 2030, 9 millones de EV y 18 millones PHEV.
Lo cual supone un grado de penetracin del 5% para 2020, utilizando los valores
actuales de vehculos. El segundo dato es demasiado optimista dado que supone
unos grados de penetracin del 80%. En la referencia [24] las estimaciones para el
2020 son de unos 2,7 millones de vehculos lo que supone un 10.3% de
penetracin. Adems se estima que el 40% de las ventas sern de PEV. A nivel
del estado, se busca potenciar la progresiva integracin de estos vehculos en
Espaa. Para ello recientemente se aprob un plan de ayudas para incentivar la
adquisicin de estos vehculos con un presupuesto de 10 millones de euros. Con
ello, el gobierno busca lograr una flota de 1 milln de PEV6 para 2014.
Todo tipo de automviles elctricos recargables para ms informacin anexo 5 6
79
Resumiendo, los nmeros ms relevantes a nivel europeo son los que se

muestran a continuacin
2020
Localizacin N Vehculos GDP ref.
Europa 10 millones 2% [3.9]
Alemania 5 millones 14% [3.9]
Espaa 1 milln 5% [3.7] [3.10]
2030
Localizacin N Vehculos GDP ref.
Europa 80 millones 16% [3.9]
Alemania 15 millones 42% [3.9]
Tabla III.2.2: Resumen de las perspectivas de evolucin para 2020 y 2030.7
2.3. DESARROLLO DE LA TECNOLOGA DE LAS BATERAS
En primer lugar, es importante resaltar que este factor lo que hace es actuar
como variable limitante de la energa mxima a recargar. Cunto ms se desarrolle
ste elemento, mayor ser la cantidad de vehculos basados en bateras y por tanto
mayor ser la demanda de energa elctrica.
Dado que es muy complicado predecir con certeza cul ser la evolucin
de una tecnologa, para esta variable de control se recomienda asumir evoluciones
que permitan un impacto apreciable. En caso de que la evolucin sea inferior se
habr estudiado un caso ms desfavorable y por tanto quedar cubierto.
Para dar una estimacin razonable de la evolucin futura de este elemento
es importante tener en cuenta que las tecnologas de almacenamiento de energa
elctrica estn en desarrollo y cules son sus propiedades:
Energa esp Energa Autonoma
Otras tecnologas de bateras
(Wh/L) Neta (kwh) esperada (km)
Zebra (NaNiCl) 300 27 135
Zinc-Aire (revolt technology) 1140 102,6 513
Vanadium Redox 20 1,8 9
Ultracondens. Carbn-Carbn 6,4 0,576 3
Tabla III.2.3: Tecnologas en desarrollo de bateras elctricas
Para calcular la energa neta disponible se ha estimado el volumen que

ocupan las bateras en un vehculo intermedio actual: unos 90L. La tecnologa que
7
No se muestran los datos relativos a Espaa dado que los que se han encontrado no
parecen razonables.
80
puede revolucionar el desarrollo futuro de los vehculos elctricos son las bateras
de Zinc-Aire, stas permitiran recorridos muy superiores a los que se han
considerado en el estudio anterior como el caso mximo. Por consiguiente, esta
variable dejara de ser un factor limitante.
Teniendo en cuenta las consideraciones previas, una estimacin que se ha
considerado razonable como evolucin de la densidad de bateras elctricas es:
Ao Capacidad Tecnologa
media dominante
2020 50 kwh Li-Ion
2030 100 kwh Zinc-Aire
Tabla III.2.4: Estimacin de la capacidad de las bateras para 2020 y 2030
Para ms informacin en el Captulo II apartado II.3 se comentan las

caractersticas fundamentales de los vehculos y de las bateras que se utilizaron
en el estudio previo y que seguramente sern de utilidad en estudios basados en
escenarios. Adems en el Anexo V hay una descripcin exhaustiva sobre la
informacin encontrada sobre las bateras elctricas.
2.4. CRECIMIENTO DE LA RED ELCTRICA ESPAOLA SIN

VEHCULOS ELCTRICOS
Para el desarrollo que se pretende realizar en los prximos captulos, puede

ser interesante contar con una prediccin de cul ser la evolucin de la red
elctrica sin tener en cuenta la presencia de los vehculos elctricos. Esto nos
permitir analizar si la implantacin de dichos vehculos es positiva para el
sistema. Para este pronstico nos basaremos en [31] que entre otros aspectos,
analiza la inversin necesaria en red para el perodo 2008-2016 partiendo de los
datos de los aos anteriores.
La demanda elctrica en Espaa creci desde 1990 a tasas superiores a las
de los pases desarrollados esto puede observarse en la fig. III.2.5. Esto es debido
a la evolucin que se dio en este periodo del sector industrial hacia actividades
ms intensivas en consumo elctrico, el crecimiento del sector servicios y al
aumento de renta y equipamiento de los hogares. Adems, en los ltimos aos,
81
tiene un efecto importante sobre la demanda el crecimiento de la poblacin en

Espaa.
Figura III.2.5: Evolucin de la demanda elctrica por habitante.
Figura III.2.6: Consumo en relacin al precio, el PIB y a la poblacin.
En la figura III.2.6, se observa que el fuerte crecimiento de la demanda

elctrica en los aos referidos se deriva, no slo del crecimiento econmico y de
la renta, sino tambin del significativo descenso, de los precios. No obstante, en
2006 se registr un aumento de la demanda elctrica por debajo del crecimiento
de la economa, coincidiendo con un significativo aumento de precios derivado de
la evolucin de los mercados energticos internacionales.
En el anlisis de la planificacin realizado por la secretara general de
energa, se consider el escenario central de previsin con una hiptesis de
crecimiento del PIB en el periodo 2006-2016 en torno al 3,0%. Con todo ello la
una previsin de crecimiento medio anual de demanda para el periodo 2006-2016
del 3,2% en el escenario central y del 2,4% en el escenario de eficiencia.
82
En la figura III.2.7 y en la tabla III.2.6 se recoge la evolucin prevista de

la demanda en b.c. en las distintas previsiones elaboradas en el 2006 por el
Ministerio de Industria Turismo y Comercio.
Figura III.2.7: Variacin de la demanda en el escenario eficiencia y SO.
Tabla III.2.5: Escenarios de evolucin de la demanda en b. c.
Sin embargo, la realidad ha resultado muy diferente de lo que las

previsiones de crecimiento estimaban all por el 2006. En estos momentos, a
comienzos de 2010, estamos todava inmersos en una crisis econmica mundial y
todava no hay una recuperacin a nivel global. Un dato significativo de todo esto
es la destruccin del empleo que se da en toda crisis econmica. En la crisis actual
todava no se ha producido una recuperacin del empleo, lo que da lugar a dudas
sobre una posible recuperacin a corto plazo. Esto se puede observar en las
figuras III.2.8 y III.2.9 donde se muestran los datos relativos a EE.UU. y a
Espaa.
83
Figura III.2.8: Destruccin de empleo en EE.UU porcentual respecto al mximo previo a la crisis.
Crisis posteriores a la 2 guerra mundial.
Figura III.2.9: Evolucin de la tasa de paro en Espaa.
Por estos motivos, es razonable considerar que las previsiones de

crecimiento del MITyC, y del operador del sistema son demasiado optimistas.
Aun as, son interesantes debido a que no preveen una penetracin de vehculos
elctricos. Teniendo en cuenta que las fechas seleccionadas son los aos 2020 y
2030, se adoptar como hiptesis de trabajo la estimacin del MITyC en el
escenario de eficiencia con un crecimiento medio del consumo del 2,4% sin
vehculos elctricos. El motivos de la eleccin de este escenario se debe a que es
de esperar que en los aos posteriores a la recuperacin de la crisis econmica se
produzca un crecimiento del consumo.
84
Bibliografa
B IBLIOGRAFA
A continuacin se muestran las referencias que han sido de utilidad para el

desarrollo del proyecto. Aunque, por supuesto, se han consultado ms estudios.
1. IMPACTO EN LAS REDES ELCTRICAS DE LOS VEHCULOS

ELCTRICOS
[1] J.A. Peas Lopes, F.J. Soares, ,Quantification of Technical Impacts and
Environmental Benefits of EV integration on Electricity Grids, Julio 2009.
[2] Curtis Roe, Farantatos Evangelos, Dr. Jerome Meisel, Dr. A.P.
Meliopoulos, Dr. Thomas Overbye, Power System level impacts of
PHEVs, 2009
[3] Petr Kadurek, Christos Ioakimidis, Paulo Ferro, Electric Vehicles and
impact to the electric grid in isolated systems, Marzo 2009
[4] EPRI, Arindam Maitra, Plug in Conference: Effects of transportation
electrification on the electricity grid, Agosto 2009
[5] Duke Energy, Mike Rowand, Plug in Conference: Utility Infrastructure
Impacts, Agosto 2009.
[6] Luis Pieltain, Master Thesis, Impact of plug-in hybrid electric vehicles
(phevs) on power systems, Junio 2009.
[7] Carlos Mateo, Toms Gmez, Senior Member, lvaro Snchez Miralles,
Jess Peco, and Antonio Candela, A Reference Network Model f or Large-
Scale Distribution Planning with Automatic Street Map Generation, DOI
(identifier) 10.1109/TPWRS.2010.2052077.
85
Bibliografa
2. VEHICLE TO GRID, COLOCACIN PTIMA DE GENERACIN

DISTRIBUIDA
[8] Christophe Guille, George Gross, A conceptual framework for the vehicle-
to-grid (V2G) implementation, Junio 2009
[9] Casey Quinn, Daniel Zimmerle, Thomas H. Bradley, The effect of
comunication architecture on the availability, reliability, and economics of
plug-in hybrid electric vehicule-to-grid ancillary services, Septiembre
2009.
[10] Willett Kempton, Conferencia: Implementation of the Grid- Integrated
Vehicle, with Vehicle to Grid Power, 17 Marzo 2010.
[11] Michael Caramanis, Management of Electric Vehicle Charging to
Mitigate Renewable Generation Intermittency and Distribution Network
Congestion, Diciembre 2009.
[12] Matthias D. Galus, Gran Andersson, Demand management of grid
connected plug-in hybrid electric vehicles (PHEV), Ao 2008.
[13] C. Tutiva, . Cadena, Optimal placement of distributed generation on
distribution networks, 18 Mayo 2008.
[14] Farnaz Sheidaei, Majid Shadkam, Mahdi Zarei, Optimal distributed
generation allocation in distribution systems employing ant colony to
reduce losses, Ao 2008
[15] G. Celli, S. Mocci, F. Pilo, G. G. Soma, A Multi-Objective Approach for
the Optimal Distributed Generation Allocation with Environmental
Constraints, 25-29 Mayo 2008.
[16] Edwin B. Cano, Utilizing Fuzzy Optimization for Distributed Generation
Allocation, Ao 2007.
3. REFERENCIAS GENERALES SOBRE EL VEHCULO ELCTRICO.
[17] Michael Valentine-Urbschat, Dr.Wolfgang Bernhart, Powertrain 2020

The future drives electric, Septiembre 2009.
86
Bibliografa
[18] EPRI, Environmental Assesment of Plug-In Hybrid Electric Vehicles.

Volume 1: Nationwide Greenhouse Gas Emissions, Julio 2007.
[19] EPRI, Prism discussion: The power to reduce C02 emissions, verano
2007; EPRI, Prism update, Agosto 2009.
[20] Electrification Coalition, Electrification Roadmap: Revolutionizing
transportation and achieving energy security, Noviembre 2009.
[21] Lucy Sanna, EPRI Journal: Driving the solution: PHEV, Junio 2005.
[22] U.S. Department of transportation, National household travel survey,
Mayo 2002.
[23] REVE, Jos Santamarta, El futuro del automvil es elctrico, Junio 2009.
[24] UNESA, Revista Electricidad n38, Octubre 2009.
[25] ATKEARNEY, Martin Handschuh, Conferencia: Perspectives on e-
mobility business, opportunities for utilities, Marzo 2009.
[26] IDAE, Proyecto de MOVilidad ELctrica, Movele, pgina web oficial.
[27] Craig B. Toepper, Charge! EVs power up for the long haul, Ao 1998.
[28] SAE Internacional, SAE J1772-2009, Ao 2009.
[29] IEC: International Electrotechnical Commision, IEC_60309.
[30] IEC: International Electrotechnical Commision, IEC_62196-2-X
Proposal.
[31] MITyC: Ministerio de Industria Turismo y Comercio, Planificacin de
los sectores de electricidad y gas 2008-2016, Mayo 2008.
[32] Comisin Europea, Libro blanco del transporte, Ao 2002.
[33] INE: Instituto nacional de estadstica, Parque nacional automvil
distribuido por Comunidades Autnomas y tipos. Ao 2008.
[34] INE: Instituto nacional de estadstica, Censos de poblacin y viviendas:
Censo de viviendas y edificios en 2001, Julio 2002.
[35] R.R. DE ACUA & ASS., Anuario estadstico del mercado inmobiliario
espaol, Septiembre de 2009.
87
Anexos
A NEXOS
A NEXO I: T ERMINOLOGA Y ABREVIATURAS

AT Elementos del sistema de Alta tensin
BESP Battery Energy Storage Plant
BT Elementos del sistema de Baja tensin
CCTT Centros de transformacin de la red elctrica
DSO Distribution System Operator
EMS Energy Management Station
EPRI Electric Power Research Institute
EV Electric Vehicle.
GAs Genetic Algorithms
GDP Grado de Penetracin (referido a la integracin de los EV)
GHG Green House Gas
ICE Internal Combustion Engine
MT Elementos del sistema de Media tensin
NSGA Non-dominated Sorting Genetic Algorithm
PEV Plug-in Electric Vehicle. (Incluye elctricos puros e hbridos).
PHEV Plug-in Hybrid Electric Vehicle.
SF Simultainety Factor
SO System Operator
SOC State of Charge. (Referido a la bacteria del vehculo).
SSEE Subestaciones de la red elctrica.
TSO Transportist System Operator
V2G Vehicle to Grid.
V2H Vehicle to Home
A continuacin se muestran algunas abreviaturas seleccionadas por el autor:
C100 Puntos de recarga en los que se conectan 100 vehculos elctricos.
C500 Misma idea que el anterior pero con puntos de 500 vehculos.
Distrib. Los vehculos se distribuyen singularmente por todo el mapa.
88
Anexos
A NEXO II: R ED ELCTRICA URBANA MODELADA .
En este anexo se detallan todos los parmetros y variables de entrada del

modelo de generacin de redes elctricas ptimas, y los resultados de la red
urbana que se ha utilizado en el proyecto.
P ARMETROS DE ENTRADA
A continuacin se muestran los parmetros ms importantes de

configuracin del modelo generador del callejero de estudio:
Baja tensin Valor Unidades
Tensin nominal 0.4 kV
Tensin mnima 0.95 pu
Tensin mxima 1.05 pu
Simultaneidad clientes 0.3 -
Simultaneidad CCTT 1 -
Media tensin Valor Unidades
Tensin nominal 20 kV
Simultaneidad clientes 0.75 -
Simultaneidad CCTT 1-
Sim. Subestaciones AT/MT 1-
Alta tensin Valor Unidades
Tensin nominal 66/132 kV
Simultaneidad clientes 1 -
Simultaneidad AT/MT 1 -
Simultaniedad MAT 1 -
Tabla AII.1: Parmetros Baja Media y Alta Tensin.
PARAMETROS GENERALES DE PLANIFICACION

Tasa de Descuento(%): 4
Tasa de crecimiento demanda(%): 4
Aos de vida util: 40
Aos de crecimiento: 10
Coste de las perdidas(moneda/kWh) 0,05
Tabla AII.2: Parmetros generales de planificacin de la red de distribucin.
89
Anexos
# INDICES DE CALIDAD ZONALES

# ZONA DE FIABILIDAD TIEPI Percentil-80 NIEPI
Urbana 2 3 4
Semiurbana 4 6 6
Rural_Concentrada 8 12 10
Rural_Dispersa 12 18 15
Poligonos 2 3 4
# INDICES DE CALIDAD INDIVIDUALES Media Tensin Baja Tensin
# ZONA DE FIABILIDAD TIEPI NIEPI TIEPI NIEPI
Urbana 4 8 6 12
Semiurbana 8 12 10 15
Rural_Concentrada 12 15 15 18
Rural_Dispersa 16 20 20 24
Poligonos 4 8 6 12
Tabla AII.3: ndices de calidad objetivo.
DETECCION DE NUCLEOS
Separacion maxima agrupacion clientes(m): 3
Ancho de la rejilla para calculo del contorno del nucleo (m): 199
Umbral de proximidad de clientes para considerar nucleo (m): 200
Numero minimo de suministros para considerar nucleo: 200
Potencia por cliente para poligono industrial (kW): 50
DENSIDAD DEL CALLEJERO
Parametro densidad del callejero (0.55): 0,55
Longitud maxima de una arista del callejero (m): 250
Tabla AII.4: Parmetros de generacin de la malla de la red.
R ESULTADOS DE SALIDA DEL MODELO :
A continuacin se muestra una serie de tablas en las que se detallan todos

los parmetros a todos los niveles de la red elctrica generada.
Tabla AII.5: Clientes de la red de estudio.
Tabla AII.6: Conductores de la red de estudio.
90
Anexos
Tabla AII.7: CCTT y SSEE de la red de estudio
Tabla AII.8: Costes de la red de estudio
Tabla AII.9: Prdidas estimadas en la red de estudio
Tabla AII.10: Zanjas, fachadas y postes de la red de estudio
Tabla AII.11: Elementos de MT de la red de estudio
91
Anexos
Tabla AII.12: ndices de calidad en municipios.
Tabla AII.13: ndices de Calidad en MT.
Tabla AII.14: CCTT agregados.
Tabla AII.15: Lneas en BT, MT y AT agregadas.
Tabla AII.16: Instalaciones de SSEE agregadas.
92
Anexos
A NEXO III: T ABLAS COMPLETAS DE R ESULTADOS Y

GRFICAS ADICIONALES
En este apartado se muestran las tablas con los valores completos de los
resultados obtenidos desglosados en los diferentes incrementos de inversin para
todos los casos que se han estudiado en la elaboracin de este proyecto. Adems
se muestran las grficas de anlisis completo de algunas posibilidades que no
aportaban informacin adicional a que ya se ha descrito en el apartado de
resultados.
Para facilitar la lectura, se repite el resumen de la nomenclatura utilizada
para denominar cada uno de los casos tanto en las tablas como en las grficas de
resultados:
Concentrado 500 (C500): Recarga basada en la colocacin de consumos

concentrando flotas de 500 vehculos.
Concentrado 100 (C100): Como el caso anterior pero con flotas de 100
vehculos.
Concentrado 100/500: Caso intermedio en el que la mitad de los nuevos
consumos son de cada uno de los tipos anteriores.
Distribuido (D): Colocacin de los vehculos distribuidos por el mapa.
Distribuido 50% C100 25% C500 25%: En este caso se combina la
mitad recarga distribuida y la otra mitad se reparte entre cada una de las
posibilidades de la recarga concentrada.
Adems en la cabecera de las tablas que se muestran a continuacin
aparecen los siguientes epgrafes:
GDP: Grado de penetracin de los vehculos elctricos, es decir, cantidad

porcentual de vehculos (en tanto por uno)
Inc_inv_algo :Significa incrementos en las inversiones del escenario
de estuido en algo que le sigue. Los algos se muestran a
continuacin.
BT: Elementos de baja tensin (conductores)
CCTT: Centros de transformacin
93
Anexos
MT: Elementos de media tensin.

SSEE: Subestaciones
AT: Elementos de alta tensin.
Total: Suma de los incrementos en la inversin de los elementos
anteriores.
Porcentual: Incremento total referido al coste de inversin inicial de la
red.
AIII.1. TABLAS DE RESULTADOS PARA LOS CASOS DE 35 KM Y 3,7 KW

DE RECARGA
NOMBRE GDP Inv_inc_BT Inv_inc_CCTT Inv_inc_MT Inv_inc_SSEE Inv_inc_AT Total Porcentual

0,005 0 0 4.425 0 76.427 80852 0,04%
0,01 0 0 45.032 0 142.227 187259 0,10%
Concentrado 100/500
0,02 0 0 17.246 0 365.723 382969 0,20%
0,05 0 0 208.449 0 490.066 698515 0,36%
0,005 0 0 79.963 0 0 79963 0,04%
0,01 0 0 66.205 0 0 66205 0,03%
0,02 0 0 246.854 0 0 246854 0,13%
Concentrado 100
0,03 0 0 247.134 1.600.000 0 1847134 0,95%
0,04 0 0 330.621 3.200.000 0 3530621 1,81%
0,05 0 0 542.275 6.400.000 0 6942275 3,55%
0,01 0 0 0 0 285.782 285782 0,15%
Concentrado 500 0,02 0 0 0 0 402.323 402323 0,21%
0,03 0 0 0 0 708.009 708009 0,36%
0,005 10.659 120800 2.609 0 16.854 150922 0,08%
0,01 23.737 301200 6.201 0 98.386 429524 0,22%
Distrib. 50% C100 25%
0,02 110.768 636700 124.951 0 160.315 1032734 0,53%
C500 25%
0,03 80.527 976500 134.961 0 224000 1415988 0,73%
0,04 142570 1.502.100 189.277 0 326.391 2160338 1,11%
0,005 39.198 257900 3.863 0 0 300961 0,15%
0,01 53.434 719200 6.522 0 0 779156 0,40%
0,02 104.454 1.410.500 127850 0 0 1642804 0,84%
Distribuido 0,03 187.467 2.103.000 233250 1.600.000 0 4123717 2,11%
0,04 315.534 2.616.700 266.705 1.600.000 0 4798939 2,46%
0,05 404.803 3.483.600 507480 6.400.000 0 10795883 5,53%
0,1 1.038.578 6.472.200 1.017.087 16.800.000 0 25327865 12,97%
Tabla AIII.1: Escenario lmite superior, recarga rectangular.
94
Anexos

0,01 0 0 8.235 0 13.048 21283 0,01%
0,05 0 0 53.471 0 0 53471 0,03%
Concentrado 100/500 0,1 0 0 95.247 0 0 95247 0,05%
0,35 67.898 152600 60.503 0 0 281001 0,14%
0,5 157.624 298200 124.793 0 0 580617 0,30%
0,01 0 0 15.983 0 0 15983 0,01%
0,05 0 0 83.545 0 0 83545 0,04%
0,35 317.707 686000 100 0 0 1003807 0,51%
Concentrado 100
0,5 617.596 965700 0 0 0 1583296 0,81%
0,75 627.783 1.063.400 141 0 0 1691324 0,87%
1 668.429 1.618.700 0 0 0 2287129 1,17%
0,01 0 0 0 0 26.292 26292 0,01%
0,05 0 0 18.065 0 0 18065 0,01%
0,15 0 0 54.776 0 0 54776 0,03%
0,1 0 0 38.008 0 0 38008 0,02%
Concentrado 500
0,25 0 0 85.799 0 0 85799 0,04%
0,2 0 0 70.473 0 0 70473 0,04%
0,35 0 0 116.534 0 0 116534 0,06%
0,3 0 0 104.384 0 0 104384 0,05%
0,01 1.524 0 6.038 0 43840 51402 0,03%
0,05 894 0 24.227 0 0 25121 0,01%
0,1 815 0 52.139 0 0 52954 0,03%
0,15 0 0 76.478 0 0 76478 0,04%
Distrib. 50% C100 25%
0,2 0 0 103.366 0 0 103366 0,05%
C500 25%
0,35 95.146 66500 31.712 0 0 193358 0,10%
0,5 110.427 88100 82.901 0 0 281428 0,14%
0,75 80.208 200700 70.724 0 0 351632 0,18%
1 144.181 209800 85.618 0 0 439599 0,23%
0,01 2.869 8400 2.899 0 0 14168 0,01%
0,05 1.807 7900 0 0 0 9707 0,00%
0,15 0 1800 0 0 0 1800 0,00%
0,1 408 0 0 0 0 408 0,00%
0,2 0 0 0 0 0 0 0,00%
Distribuido 0,25 561 0 0 0 0 561 0,00%
0,3 37 15600 0 0 0 15637 0,01%
0,35 0 0 0 0 0 0 0,00%
0,5 0 7800 0 0 0 7800 0,00%
0,75 37 31200 0 0 0 31237 0,02%
1 0 0 0 0 0 0 0,00%
Tabla AIII.2: Escenario lmite inferior, recarga ptima.
95
Anexos

0,01 0 0 52.092 0 0 52092 0,0267%
Concentrado 100/500 0,05 0 0 248.982 0 40.322 289304 0,1481%
0,1 0 0 514.304 3.200.000 0 3714304 1,9019%
0,005 0 0 9.401 0 0 9401 0,0048%
0,01 0 0 11.607 0 0 11607 0,0059%
0,02 0 0 37.644 0 0 37644 0,0193%
Concentrado 100
0,03 0 0 87.667 0 0 87667 0,0449%
0,04 0 0 145300 0 0 145300 0,0744%
0,05 0 0 142.285 0 0 142285 0,0729%
0,005 0 0 39.559 0 0 39559 0,0203%
0,01 0 0 39.841 0 18.367 58208 0,0298%
0,02 0 0 48270 0 1.949 50219 0,0257%
0,03 0 0 11.616 1.600.000 0 1611616 0,8252%
0,04 0 0 171.275 1.600.000 0 1771275 0,9070%
0,05 0 0 325970 1.600.000 0 1925970 0,9862%
Concentrado 500 0,08 0 0 381.971 3.200.000 0 3581971 1,8341%
0,1 0 0 576.488 4.800.000 0 5376488 2,7530%
0,15 0 0 497.112 9.700.000 51.416 10248528 5,2477%
0,2 0 0 1.430.525 10.600.000 0 12030525 6,1602%
0,25 0 0 1.467.766 15.700.000 13.681 17181447 8,7977%
0,3 0 0 1.542.290 18.600.000 23.617 20165907 10,3259%
0,35 43500 0 2.539.438 19.200.000 33.357 21816295 11,1710%
0,01 55.163 134100 4.177 0 0 193440 0,0991%
0,05 74480 811700 280.158 1.600.000 0 2766338 1,4165%
Distrib.50% C100 25%
0,1 159.894 1.827.600 438.504 6.400.000 0 8825998 4,5193%
C500 25%
0,15 293.817 2.905.100 749.794 6.400.000 0 10348711 5,2990%
0,25 328.648 3.902.200 957.365 14.400.000 0 19588213 10,0301%
0,005 33.175 125700 0 0 0 158875 0,0814%
0,01 28.931 340800 806 0 0 370537 0,1897%
0,02 34.638 751100 60 0 0 785798 0,4024%
0,03 66.097 1.024.700 115.587 0 0 1206384 0,6177%
0,04 133880 1.384.700 142.345 0 0 1660925 0,8505%
0,05 148.134 1.713.400 115.207 0 0 1976741 1,0122%
Distribuido
0,08 373.157 3.189.400 310.129 1.600.000 0 5472686 2,8023%
0,1 441.595 4.024.800 484370 4.800.000 0 9750765 4,9929%
0,15 540.795 5.993.600 621000 8.000.000 0 15155395 7,7603%
0,2 788.455 7.675.500 1.036.510 14.200.000 0 23700465 12,1358%
0,25 1.062.231 9.247.100 1.068.025 15.700.000 0 27077356 13,8649%
0,3 1.527.783 10.489.800 1.343.267 17.300.000 0 30660850 15,6998%
Tabla AIII.3: Escenario de recarga nocturna, distribucin normal.

0,01 0 0 11.246 0 0 11246 0,01%
Concentrado 100/500 0,05 0 0 170.303 0 0 170303 0,09%
0,1 0 9400 347.159 3.200.000 0 3556559 1,82%
0,01 0 0 16.667 0 0 16667 0,01%
Concentrado 100
0,05 0 0 243.646 0 0 243646 0,12%
0,01 0 0 3.537 0 0 3537 0,00%
0,05 0 0 92.263 0 0 92263 0,05%
0,1 0 0 383.752 1.600.000 0 1983752 1,02%
Concentrado 500 0,15 0 0 599.336 6.400.000 0 6999336 3,58%
0,2 0 0 599030 9.600.000 0 10199030 5,22%
0,25 0 0 962.442 11.300.000 0 12262442 6,28%
0,3 0 0 1.207.607 14.800.000 0 16007607 8,20%
0,01 16.018 149400 5.647 0 0 171065 0,09%
0,05 37.192 710200 91.745 0 0 839137 0,43%
Distrib. 50% C100 25%
0,1 146.594 1.236.000 371.781 3.200.000 0 4954375 2,54%
C500 25%
0,15 157.419 1.887.900 688.186 6.400.000 0 9133505 4,68%
0,25 232.482 2.917.400 816.032 8.000.000 0 11965914 6,13%
0,01 13.686 187500 0 0 0 201186 0,10%
0,05 116.245 1.301.700 107.849 0 0 1525794 0,78%
0,1 244.528 2.924.100 292.475 1.600.000 0 5061103 2,59%
0,15 338.446 4.365.500 532.469 6.400.000 0 11636415 5,96%
Distribuido
0,2 565.908 5.964.900 613830 8.000.000 0 15144638 7,75%
0,25 758.133 7.504.900 852.685 12.900.000 0 22015718 11,27%
0,3 889.946 8.652.600 1.035.247 15.100.000 0 25677793 13,15%
0,35 1.018.131 9.876.900 1.149.104 16.900.000 0 28944135 14,82%
Tabla AIII. 4:Escenario de recarga repartida entre el hogar y el trabajo.
96
Anexos
35km valle normal 4

Concentrado 100 0,05 0 0 87.788 0 0 87788 0,04%
0,05 0 0 16530 0 0 16530 0,01%
0,1 0 0 34.937 0 0 34937 0,02%
Concentrado 500
0,2 0 0 64.784 0 0 64784 0,03%
0,3 0 0 97660 0 0 97660 0,05%
0,05 4.053 0 0 0 0 4053 0,00%
0,1 9180 7800 361 0 0 17341 0,01%
Distribuido
0,2 63.344 55 0 0 0 63399 0,03%
0,3 129.977 227700 0 0 0 357677 0,18%
Tabla AIII.5: Escenario de recarga en valle, distribucin normal.
AIII.2. TABLAS DE RESULTADOS PARA LOS CASOS DE 160 KM

0,005 0 0 79.963 0 0 79963 0,041%
0,01 0 0 20.411 0 0 20411 0,010%
0,02 0 0 246.854 0 0 246854 0,126%
C100
0,03 0 0 180.868 0 0 180868 0,093%
0,04 0 0 254.704 3.200.000 0 3454704 1,769%
0,05 0 0 276.428 4.800.000 0 5076428 2,599%
0,005 0 0 0 0 115550 115550 0,059%
0,01 0 0 0 0 283.395 283395 0,145%
C500
0,02 0 0 0 0 402.323 402323 0,206%
0,03 0 0 0 0 708.009 708009 0,363%
0,005 36.767 208600 3.863 0 0 249230 0,128%
0,01 47.384 543400 7.631 0 0 598415 0,306%
0,02 86.699 1.146.100 82.282 0 0 1315081 0,673%
Distrib. 0,03 158.922 1.745.200 229.835 0 0 2133957 1,093%
0,04 284.414 2.193.200 266.705 0 0 2744319 1,405%
0,05 429.973 3.025.000 370.376 3200000 0 7025349 3,597%
0,1 770663 5833100 966615 13200000 0 20770378 10,635%
Tabla AIII.6: Escenario de recarga nocturna-160km.

0,005 0 0 10.138 0 0 10138 0,005%
0,02 0 0 39440 0 0 39440 0,020%
C100
0,03 0 0 168310 0 0 168310 0,086%
0,04 0 0 144.897 0 0 144897 0,074%
0,005 0 0 0 0 146.177 146177 0,075%
C500 0,02 0 0 0 0 472100 472100 0,242%
0,03 0 0 0 0 654.765 654765 0,335%
0,005 10.496 206600 777 0 0 217873 0,112%
0,02 132.573 961400 1.708 0 0 1095681 0,561%
Distrib.
0,03 156.189 1.410.900 48.311 0 0 1615400 0,827%
0,04 242.229 1.872.700 184.341 0 0 2299270 1,177%
Tabla AIII.7: Escenario de recarga en el hogar y en el trabajo-160km.
97
Anexos
2500000
1,200%
C100
2000000 1,000%
C500
1500000 0,800%
Distrib.
0,600%
1000000
0,400%
500000
0,200%
0 0,000%
0 0,01 0,02 0,03 0,04 0,05
Grado de penetracin
Figura AIII.1: Escenario de recarga en el hogar y en el trabajo-160km.
Se comprueba que es muy similar a la mostrada en los resultados.
AIII.3. TABLAS DE RESULTADOS PARA LOS CASOS DE 35 KM A

DIFERENTES POTENCIAS
Tan solo recordar que el escenario ptimo es independiente de la potencia

de recarga de cada vehculo dado que se adopta la hiptesis de que cada vehculo
recarga a la potencia que conviene al sistema, sin lmite.
S IMULACIONES A 1 KW DE POTENCIA :

0,01 0 0 16.431 0 0 16431 0,008%
C100
0,05 0 0 119.184 0 0 119184 0,061%
0,01 0 0 4.025 0 0 4025 0,002%
0,05 0 0 87.357 0 0 87357 0,045%
C500
0,1 0 0 254.461 0 0 254461 0,130%
0,2 0 0 523.714 4.800.000 0 5323714 2,726%
0,01 3.643 132700 0 0 0 136343 0,070%
0,05 47.018 770200 69.742 0 0 886960 0,454%
Distrib. 0,1 150.622 1.850.600 142.122 0 0 2143344 1,097%
0,2 394.942 4.268.200 488.705 6.400.000 0 11551847 5,915%
0,4 760.798 8.526.800 1.004.162 15.100.000 0 25391760 13,002%
Tabla AIII.8: Recarga repartida normal en punta-1kw
98
Anexos
2500000
2000000 C100
1500000 C500
1000000
Distrib.
500000
0
0 0,02 0,04 0,06 0,08 0,1 0,12
Grado de penetracin
Figura AIII.2: Recarga repartida normal en punta-1kw

0,05 58.077 741000 141 0 0 799218 0,409%
0,1 172.625 1.473.100 38.459 0 0 1684184 0,862%
C100
0,3 546.115 4.301.600 367.493 6.400.000 0 11615208 5,948%
0,5 1.201.723 6.830.600 895.185 11.300.000 0 20227508 10,357%
0,05 0 0 29.314 0 0 29314 0,015%
C500 0,1 0 0 135.988 0 0 135988 0,070%
0,3 0 0 564.714 4.800.000 0 5364714 2,747%
0,05 9.371 241900 0 0 0 251271 0,129%
0,1 71.126 981000 69.802 0 0 1121928 0,574%
Distrib.
0,3 276.678 4.227.300 380.657 4.800.000 0 9684635 4,959%
0,5 557.858 7.492.700 932520 12.000.000 0 20983078 10,744%
Tabla AIII.9: Recarga repartida entre el hogar y el trabajo-1kw
25000000
C100
20000000
C500
15000000
10000000 Distrib.
5000000
0
0 0,1 0,2 0,3 0,4 0,5 0,6
Grado de penetracin
Figura AIII.3: Recarga repartida entre el hogar y el trabajo-1kw

0,05 40.655 24600 6.523 0 0 71778 0,037%
0,1 43.511 67700 6.511 0 0 117722 0,060%
C100 0,3 227.831 435200 16.742 0 0 679773 0,348%
0,5 550.065 1.492.900 19.403 0 0 2062368 1,056%
0,75 1.201.414 3.221.400 42.324 0 0 4465138 2,286%
0,05 0 0 17.637 0 0 17637 0,009%
C500 0,1 0 0 33.422 0 0 33422 0,017%
0,3 0 0 104.337 0 0 104337 0,053%
0,05 0 0 0 0 0 0 0,000%
0,1 0 0 0 0 0 0 0,000%
Distrib. 0,3 0 0 0 0 0 0 0,000%
0,5 905 0 0 0 0 905 0,000%
0,75 2.892 163900 0 0 0 166792 0,085%
Tabla AIII.10: Recarga en el valle-1kw
99
Anexos
5000000
C100
4000000
C500
3000000
Distrib.
2000000
1000000
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Grado de penetracin
Figura AIII.4: Recarga en el valle-1kw
S IMULACIONES A 7,4 KW DE POTENCIA :

0,005 0 0 117.762 0 0 117762 0,060%
0,02 0 0 145.786 1.600.000 0 1745786 0,894%
C100
0,03 0 0 215.542 3.200.000 0 3415542 1,749%
0,04 0 0 497.371 3.200.000 0 3697371 1,893%
C500 0,005 0 0 0 0 134.213 134213 0,069%
0,005 16.192 324300 13.973 0 0 354465 0,182%
0,02 186.274 1.388.100 225.117 0 0 1799491 0,921%
Distrib.
0,03 202.885 2.088.300 388.171 4.800.000 0 7479356 3,830%
0,04 312.724 2.582.100 493.159 6.400.000 0 9787983 5,012%
Tabla AIII.11: Recarga en punta, distribucin rectangular-7,4kw
12000000
10000000 C100
8000000 C500
6000000 Distrib.
4000000
2000000
0
0 0,005 0,01 0,015 0,02 0,025 0,03 0,035 0,04 0,045
Grado de penetracin
Figura AIII.5: Recarga en punta, distribucin rectangular-7,4kw
100
Anexos

0,005 0 0 10,28 0 0 0 0,000%
0,02 0 0 31.492 0 0 31492 0,016%
C100
0,03 0 0 122.282 0 0 122282 0,063%
0,04 37 8400 116.491 0 0 124928 0,064%
0,005 0 0 1.601 0 0 1601 0,001%
0,02 0 0 84.915 0 0 84915 0,043%
C500
0,03 0 0 87.446 0 0 87446 0,045%
0,04 0 0 62.184 0 0 62184 0,032%
0,005 28.843 93700 0 0 0 122543 0,063%
0,02 32.365 566700 0 0 0 599065 0,307%
Distrib.
0,03 51.499 740900 107.789 0 0 900188 0,461%
0,04 98.055 1.141.000 70.341 0 0 1309396 0,670%
Tabla AIII.12: Recarga repartida entre el hogar y el trabajo -7,4kw
1400000
C100
1200000
C500
1000000
Distrib.
800000
600000
400000
200000
0
0 0,005 0,01 0,015 0,02 0,025 0,03 0,035 0,04 0,045
Grado de penetracin
Figura AIII.6: Recarga repartida entre el hogar y el trabajo - 7,4kw.

0,01 0 0 18.707 0 0 18707 0,010%
C100 0,05 0 0 80.936 0 0 80936 0,041%
0,01 0 0 2.402 0 79.347 81749 0,042%
C500
0,05 0 0 14.159 0 262740 276899 0,142%
0,01 740 0 316 0 0 1056 0,001%
0,05 10.592 23500 0 0 0 34092 0,017%
Distrib. 0,1 21.339 79000 141 0 0 100480 0,051%
0,2 75.351 102300 0 0 0 177651 0,091%
0,4 419.264 1.909.500 8.552 0 0 2337316 1,197%
Tabla AIII.13: Recarga en el valle -7,4kw.
300000
C100 C500
250000
Distrib.
200000
150000
100000
50000
0
0 0,02 0,04 0,06 0,08 0,1 0,12
Grado de penetracin
Figura AIII.7: Recarga en el valle -7,4kw.
101
Anexos
AIII.4. GRFICAS Y RESULTADOS ADICIONALES

0,05 0 0 8.258 0 0 8258 0,004%
C1000 0,2 0 0 36.084 0 0 36084 0,018%
0,6 0 0 101.172 0 0 101172 0,052%
0,05 12380 0 2.305 0 0 14685 0,008%
C100 0,2 68940 98800 3.355 0 0 171095 0,088%
0,6 360.578 889000 15.084 0 0 1264662 0,648%
0,05 0 0 16.074 0 0 16074 0,008%
C500
0,2 0 0 67010 0 0 67010 0,034%
0,05 0 0 0 0 0 0 0,000%
Distrib. 0,2 0 0 0 0 0 0 0,000%
0,6 98 7800 0 0 0 7898 0,004%
Tabla AIII.14: Recarga valle-1kw- media 2,5 horas, desviacin tpica 3 horas.
1400000 0,700%
C100
1200000 0,600%
C500
1000000 0,500%
Distrib.
800000 0,400%
C1000
600000 0,300%
400000 0,200%
200000 0,100%
0 0,000%
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
Grado de penetracin
Figura AIII.2: Recarga valle-1kw- media 2,5 horas, desviacin tpica 3 horas.

0,01 0 0 19.123 0 0 19123 0,01%
C100
0,05 0 0 375.216 3.200.000 0 3575216 1,83%
C500 0,01 0 0 0 0 212.428 212428 0,11%
0,01 72.733 528,4 5.827 0 0 79088,4 0,04%
Distrb. 0,05 248,31 2.839.200 398.732 3.200.000 0 6438180,31 3,30%
0,1 906.836 5.921.100 946.247 12.800.000 0 20574183 10,53%
Tabla AIII.15: Recarga en punta 3,7kw-240km de recorrido.
25000000 12,00%
C100 10,00%
20000000
C500 8,00%
15000000
6,00%
10000000 Distrb.
4,00%
5000000 2,00%
0 0,00%
0 0,02 0,04 0,06 0,08 0,1 0,12
Grado de penetracin
Figura AIII.3: Recarga en punta 3,7kw-240km de recorrido.
102
Anexos
A NEXO IV: D ATOS GENERALES DE UTILIDAD SOBRE

EL VEHCULO ELCTRICO
Datos Macroeconmicos Cantidad Unidades Ref.

Cantidad de habitantes en Europa 460 mill. habitantes [3.7]
Cantidad de habitantes en Espaa 45 mill. habitantes [3.17]
Cantidad de vehculos en Espaa 30 mill. vehculos [3.7]
Cantidad de vehculos en el mundo 800 mill. vehculos [3.8]
Previsin de vehculos en el mundo para 2030 1500 mill. vehculos [3.8]
Cantidad de gasolineras en Espaa 9000 gasolineras [3.7 3.8]
Tabla AIV.1: Datos macroeconmicos alrededor del vehculo elctrico.
Datos Transporte Cantidad Unidades Ref.

Media kilmetros recorridos al da europa 35 km/dia*veh. [3.7]
Media millas recorridas al da en EEUU 17,13 millas/dia*veh. [3.4]
Porcentaje de utilizacion del petrleo en el transporte 92% - [3.8]
Porcentaje de la energa global debido al transporte 28% - [3.8]
Demanda de petrleo debido al transporte 50% - -
Demanda de petrleo debido a los vehculos 40% - -
Tabla AIV.2: Datos sobre el sector del transporte.
Datos tcnicos Cantidad Unidades Ref.

Hiptesis Proyecto consumo medio unitario 0,15 kwh/km -
Densidad energtica del gasleo 12,7 kwh/kg [3.7]
13 kwh/kg [3.7]
Densidad energtica de la gasolina
8,9 kwh/L [3.7]
0,27 kwh/L [3.7]
Densidad energtica de las bateras de Litio (Li-Ion)
0,13 kwh/kg [3.7]
Estimacin energa diaria de una electrolinera 12,7 Mwh/dia*electr. -
Tabla AIV.3: Datos tcnicos sobre el vehculo elctrico
Datos econmicos Cantidad Unidades Ref.

Coste medio vehculo en europa 12000 [3.7]
Consumo combustible por vehculo anual Europa 30000 L/vehculo [3.7]
Coste de recorrer 100km con gasolina en Europa 8 [3.7]
Coste de recorrer 100km con electricidad en Europa 2 [3.7]
Coste electricidad en Espaa 0,07 /kwh -
Coste recorrer 100km con electricidad en Espaa 1,4 estimado
Precio unitario de las bateras 492 /kwh [3.4]
Precio batera de 30kwh 14753 /kwh estimado
Tabla AIV.4: Costes fundamentales del vehculo elctrico
Datos medioambientales Cantidad Unidades Ref.

Emisiones promedio en Europa por kilmetro 160 g CO2/km -
Objetivo de emisiones en Europa para 2020 95 g CO2/km -
Emisiones asociadas EV Espaa mix actual 65 g CO2/km -
Emisiones asociadas EV Espaa mix esperado a 2020 40 g CO2/km -
Tabla AIV.5: Datos medioambientales
103
Anexos
A NEXO V: T ECNOLOGAS DE BATERAS
Hasta hace muy poco tiempo, las bateras que se utilizaban en la industria
de la automocin eran las de Plomo-cido. Se utilizaba esta tecnologa debido a la
ventaja de ser capaces de proporcionar elevadas intensidades en tiempos
pequeos. Este motivo las hace muy adecuadas para proporcionar energa al
motor de arranque.
Las primeras bateras que desplazaron a las de plomo-cido, fueron las de
Nquel-Hidruro de metal (Ni-MH). Son bateras ms ligeras y con mayor densidad
de energa. El nico inconveniente es que tienen un mayor coste. Por estos
motivos fueron utilizadas en vehculos hbridos como los Toyota Prius y Rav4, el
Ford Fusion Hybrid, etc
Los vehculos elctricos puros de la prxima generacin estarn basados
en las bateras de Li-Ion. Tienen mayor densidad de energa y potencia
permitiendo vehculos con mayor autonoma y reduciendo peso. Tericamente, las
bateras de Li-ion pueden alcanzar densidades de energa de 50 a 175 Wh/kg y
densidades de potencia de hasta 9000W/kg.
T ECNOLOGAS EXISTENTES Y EN DESARROLLO .
Las caractersticas fundamentales de las tecnologas actuales son:
Eficiencia
Energa esp Energa Potencia Nmero
Tecnologas de bateras energtica (%)
(Wh/Kg) esp (Wh/L) esp. (W/Kg) de ciclos
tank to weels
Plomo cido (Pb-Ac) 40 60-75 180 82,5 500
Nquel Cadmio (Ni-Cd) 60 50-150 150 72,5 1350
Nquel Hidruro de Metal (Ni-MH) 70 140-300 250-1000 70,0 1350
Iones de Litio (Li-Ion) 125 270 1800 90,0 1000
Polmero de Litio 200 300 >3000 90,0 1000
Tabla AV.1: Tecnologas actuales de bateras elctricas.
Eficiencia
Energa esp Energa Potencia Nmero
Otras tecnologas de bateras energtica (%)
(Wh/Kg) esp (Wh/L) esp. (W/Kg) de ciclos
tank to weels
Zebra (NaNiCl) 125 300 - 92,5 1000
Zinc-Aire (revolt technology) 220 1140 - 97,5 -
Vanadium Redox 10-20 15-25 - 80 >10000
Ultracondens. Carbn-Carbn 5,5 6,4 - - -
Tabla AV.2: Tecnologas en desarrollo de bateras elctricas.
104
Anexos
A modo simplemente comparativo se muestran a continuacin en la tabla

AIII.3 los valores correspondientes a las tecnologas alternativas al vehculo
elctrico adems de los combustibles clsicos:
Eficiencia
Energa esp Energa esp Potencia esp.
Tecnologa energtica (%)
(Wh/Kg) (Wh/L) (W/Kg)
plant to weels
Gasolina 13000 8900 - 18-20
Diesel 12833 10361 - 22
Hidrgeno Lquido 39722 2806 - 22
Hidrgeno a 700 bar 39722 1556 - 17
Biocombustible E85 9194 7125 - 22
Tabla AV.3: Tecnologas almacenamiento alternativas a las bateras.
En esta tabla se observa claramente cmo las tecnologas alternativas a las

bateras elctricas son claramente superiores en cuanto a densidad energtica. No
obstante, con respecto a eficiencia energtica ninguna tiene grandes cualidades,
por tanto, si hacemos un cuadro comparativo de energa final el resultado es el
siguiente:
Energa Energa Eficiencia Energa motriz Energa motriz
Tecnologa esp esp energtica (%) especfica especfica
(Wh/Kg) (Wh/L) tank to weels (Wh/kg) (Wh/L)
Diesel 12833 10361 25,9 332157 268170
Gasolina 13000 8900 23,5 305882 209412
Biocombustible E85 9194 7125 25,9 237974 184412
Zinc-Aire (revolt tech.) 220 1140 97,5 21450 111150
Hidrgeno Lquido 39722 2806 25,9 1028105 72614
Hidrgeno a 700 bar 39722 1556 20,0 794444 31111
Iones de Litio (Li-Ion) 125 270 90,0 11250 24300
Tabla AV.4: Energa final tecnologas de abastecimiento de vehculos.
Organizando los datos por la variable limitante, que en el caso de las

bateras es la energa especfica por unidad de volumen se observa que las
tecnologas que se utilizadas actualmente, gasolina y diesel, son las que cuentan
con valores ms altos. Se observa tambin que la tecnologa actual del vehculo
elctrico est un orden de magnitud por debajo aunque los mecanismos
regenerativos de energa (frenada regenerativa) hacen todava ms eficiente al
vehculo elctrico, por lo que sta tecnologa no est tan lejos de alcanzar a los
vehculos de combustin interna. Adems se observa que la tecnologa de Zinc-
Aire, si consigue alcanzar la viabilidad econmica es claramente competitiva con
las tecnologas que se manejan hoy en da.
105
Anexos
B ATERAS DE L I -I ON . E STADO ACTUAL .
Las bateras de Li-ion que son las que han revolucionado el sector y han
acelerado la llegada del vehculo elctrico. Respecto a la vida til de las bateras,
hay dos factores crticos, el nmero de cargas y descargas y la temperatura. En las
bateras de Li-ion se reduce su vida til cuando se descargan por completo y
cuando se mantienen con una elevada cantidad de energa por un tiempo
prolongado. Por este motivo, algunos fabricantes lo que hacen es capar la batera
y dejar una reserva superior e inferior de carga. Se deja reserva superior para
evitar sobrecargar la batera. Esto implica que en el estado de carga (SOC) se
procura no superar el 80%. Adems para evitar que la batera se descargue por
completo se evita que baje del 30% del SOC. Un ejemplo de esta idea es la batera
del Opel Ampera/Chevrolet Volt que tiene 16kwh tericos pero que de cara al
usuario se restringe a 8,8 kwh al dejar dichas reservas sin usar.
D ESARROLLO DE LOS COSTES
Pese a que algunos fabricantes afirman haber alcanzado menores costes,

un valor representativo del coste de las bateras en la situacin actual es de unos
600$/kwh. Este coste implica que para un EV de 160 km de autonoma, las
bateras tendran un coste de 18000$. Un precio que imposibilita la adopcin a
gran escala de estos vehculos (ref.[20]).
En la referencia [17] se estima que el coste de las bateras bajar hasta los
400/kwh para 2011-2013. Por otro lado, las estimaciones de la USABC afirman
que este coste podra reducirse a 363$/kwh con la tecnologa y materiales actuales
mediante economa de escala, aumentando la produccin a 500000 unidades
anuales (Figura AV.1 ref.[20]).
Figura AV.1: Prediccin del coste de las bateras de Litio. Ref [20]
106
Anexos
R EQUERIMIENTOS Y ESCASEZ DEL L ITIO
An existe otro inconveniente en la utilizacin de los vehculos elctricos:

la duracin de las reservas de Litio. Los principales yacimientos se encuentran en
Bolivia, Chile, Argentina, China, Brasil. Norteamrica Se estima que el Litio
disponible en dichas reservas es del orden de 13,5 millones de toneladas. Algunas
estimaciones prevn que para 2035 la produccin de litio no ser capaz de
abastecer las necesidades si el crecimiento del sector de los vehculos elctricos
sigue las expectativas (ref. [20]). No obstante, es importante destacar que el Litio
es fcilmente reciclable para generar una nueva batera por lo que es de esperar
que en caso de que la demanda crezca, el reciclaje de este recurso se incrementar
en igual medida. No obstante, esta posible situacin de escasez debe ser un
aliciente para continuar la investigacin en otras tecnologas de bateras como la
de Zinc-Aire, o en otras posibilidades de vehculos de transporte.
107
PARTE II: ESTUDIO
ECONMICO
Presupuesto
E STIMACIN DE LOS COSTES DEL PROYECTO
Dado que se trata de un proyecto de anlisis e investigacin, el estudio

realizado no conlleva hay una elaboracin fsica de ningn bien. Por lo tanto, solo
se ha incurrido en costes de aprovisionamiento de equipos y de mano de obra. La
documentacin tampoco ha requerido ningn coste dado que es gratuito acceder a
las bases de datos de artculos a travs de la red de la Universidad Pontificia de
Comillas y desde el Instituto de Investigacin Tcnico (IIT).
COSTE DE APROVISIONAMIENTO DE EQUIPOS:

Dadas las necesidades de clculo requeridas, se estim oportuna la
adquisicin de un ordenador actualizado y con gran capacidad de procesamiento
de datos. Para reducir los costes y asegurar que la calidad de cada uno de los
componentes estaba al mismo nivel y no se producan cuellos de botella, los
componentes se adquirieron por separado para su posterior ensamblaje.
COMPONENTES NECESARIOS:
Procesador Intel Core 2 Quad Q9550 300
Placa Base Asus P5N72 Premium 200
8Gb Memoria Ram (4x2Gb) 160
Resto de componentes (T. Graf, Caja, Fuente, Pantalla) 440
Coste total del ordenador clnico 1100
SOFTWARE NECESARIO:
Sistema operativo Windows 7 prof.(64 bits) 300
Matlab versin estudiante 75
Paquete ofimtico de Windows 125
Visual Studio 2008 325
Arce Explorer 0
Software desarrollado en el IIT: 0
Coste Total del software 825
Coste total de aprovisionamiento: 1925.
109
Presupuesto
Adems es interesante evaluar el tiempo de amortizacin de estos recursos.

Suponiendo un tiempo de vida til de cinco aos, durante la realizacin del
proyecto los equipos se han devaluado aproximadamente 250 los cuales ser
necesario amortizarlos.
COSTE DE LA MANO DE OBRA:

Este proyecto ha sido realizado por una sola persona por lo que ste coste
se debe nicamente a las horas de trabajo que se derivan de la realizacin del
proyecto. Suponiendo un coste de la hora de ingeniero de 30, el coste total se
derivar de las horas realizadas.
ESTIMACIN DE LAS HORAS DE TRABAJO EMPLEADAS:

- Septiembre: Durante este mes la dedicacin fue completa al desarrollo
del proyecto. Principalmente se trabaj en la lnea de la documentacin y del
desarrollo del generador de redes.
7 5 4
1 = 140

- Octubre/Noviembre: La principal parte del tiempo en Octubre se dedic
a otros proyectos del IIT, por lo que teniendo en cuenta obligaciones de la
carrera, el tiempo total entre ambos meses estuvo entorno a:
5 5
3 = 75

- Diciembre/Febrero: Teniendo en cuenta el perodo vacacional y los
exmenes se estima:
6 5
8 = 240

- Marzo/Junio: En este perodo el tiempo se ha dedicado
fundamentalmente a la realizacin del generador de casos, simulacin de los
mismos, anlisis de los resultados y redaccin de la memoria. Teniendo en
cuenta los perodos vacacionales, se estima que el tiempo dedicado ha sido
aproximadamente:
3 5 8 7
13 + 1 = 251

Por lo tanto, las horas totales constituyen: 706 horas
110
Presupuesto
Como ya se ha indicado, el valor anterior es una estimacin en la que se ha

tenido en cuenta la carga de trabajo y las horas extras empleadas para dar un orden
de magnitud de las horas al da que se han dedicado a la elaboracin del proyecto.
Por tanto, el coste de la mano de obra asciende a:
30
706 = 21018

El coste total del proyecto sera de:
+ . . = 22943
Por supuesto este proyecto ha sido realizado en calidad de estudiante
invitado en el IIT, por lo que no ha sido necesario aportar los recursos econmicos
necesarios.
Contando con la evaluacin de las horas que se han empleado en el
proyecto se puede dar una evaluacin de la utilizacin que se ha realizado de los
equipos. El coste unitario de amortizacin de los equipos es de:
250
= = 0,36/
706
Por tanto, los costes unitarios del proyecto han sido de 30 la hora de
ingeniero y de 0,36 en concepto de amortizacin de los equipos utilizados. Por
tanto el coste unitario total por hora de trabajo ha sido de 30,36/hora.
111
PARTE III: MANUAL DE
USUARIO
Manual de usuario
I NTRODUCCIN
Antes de pasar a comentar los diferentes programas que se han

desarrollado para el proyecto, se muestran unos diagramas explicativos con la
utilizacin de los programas paso a paso. Los programas que se han desarrollado
para el proyecto se muestran de color azul y los modelos del IIT de color negro.
Imagen 1: Proceso de seleccin de los consumos
RGB2BYN: Partiendo de la imagen de google maps selecciona los

bordes de los edificios.
BYN2CONS: Partiendo de los bordes elige los puntos de consumo.
Imagen 2: Generacin de la red base y de los perfiles de los usuarios
Cons2Greenfield: Partiendo de los resultados de BYN2CONS

prepara los datos necesarios para el modelo EGRID_Greenfield.
CONS2PERFILES: Partiendo de los resultados de BYN2CONS
genera los perfiles de demanda de cada uno de los consumidores.
Dat2ClientesPerf: Partiendo de los resultados de
CONS2PERFILES genera los perfiles de los usuarios para el
modelo EGRID_Expansion.
113
Manual de usuario
Imagen 3: seleccin de coordenadas
Puntos2Coord: Partiendo de la imagen con localizaciones de algn

tipo devuelve las coordenadas de los elementos.
Imagen 4: Generacin del resto de entradas del modelo
Puntos2ConsPerf: Partiendo de los resultados previos y segn

mltiples parmetros genera los casos para el modelo
EGRID_Expansion.
Dat2CrecH: Partiendo de los resultados de Puntos2ConsPerf adapta
los archivos al formato necesario del modelo.
Dat2ClientesPerf: Partiendo de los resultados de
CONS2PERFILES genera los perfiles de los usuarios para el
modelo EGRID_Expansion.
Imagen 5: Ejecucin final.
114
Manual de usuario
1. G ENERADOR DE REDES
El proceso de generacin de la red consta de los cinco pasos siguientes:
Obtencin de los colores objetivo. Se busca a mano cual es el color o colores

de relleno de los edificios. El programa est preparado para dos, pero es
sencillo modificar el cdigo para introducir ms.
Seleccin de los bordes de los edificios. A partir de los colores seleccionados
en el apartado anterior, se borra todo lo que no son los bordes de los edificios.
Seleccin de los puntos de consumo: A partir de la imagen de los bordes de
los edificios en blanco y negro, se eligen aleatoriamente los puntos de
consumo.
Conversin de los datos al formato del programa EGRID_Greenfield: Se
genera el archivo cbt.dat de entrada del modelo.
Ejecucin del generador de redes: cul es el proceso para ejecutar
EGRID_Greenfield.
P ASO 0: O BTENCIN DE LOS COLORES OBJETIVO
El objetivo de este programa es averiguar cual es el color de relleno que

tienen los edificios del mapa. Para ello, abrimos el programa de Matlab
denominado SeleccionColores.m. Por su simplicidad no est incluido en la lista
inicial de programas.
Se introducen en los parmetros el directorio donde est la imagen, el
nombre de la imagen y la extensin de la imagen del siguiente modo:
Imagen 6: Parmetros de SeleccionColores.
Tras introducir los parmetros ejecutamos el programita pulsando F5. ste

nos mostrar la imagen en una ventana grfica.
115
Manual de usuario
Imagen 7: Apertura de imgenes mediante matlab.
Para buscar un edificio, se hace zoom sobre la imagen. Mediante la
herramienta denominada como data cursor observamos el valor del color

objetivo.
Imagen 8: Seleccin de colores objetivo mediante matlab.
Es recomendable observar varios edificios para elegir uno o dos valores

medios y un margen de error. Estos valores sern parmetros del segundo paso.
Posteriormente, ser necesario conocer la escala del mapa en km/pxel y
ste es un buen momento para averiguar dicho valor. Para ello, buscamos la escala
del mapa y miramos la posicin en pxeles de la escala del mapa:
P ASO 1: S ELECCIN DE LOS BORDES DE LOS EDIFICIOS .
El objetivo de este programa es eliminar todos los elementos que nos son
los edificios y reducir stos a los bordes. Para ello, abrimos el programa de Matlab
denominado RGB2BYN.
Se introducen de nuevo los parmetros de donde est la imagen, los
colores que hemos seleccionado en el paso anterior y un margen de desviacin
116
Manual de usuario
respecto a los colores objetivo. Adems, en caso de ser necesario recortar la

imagen se pone el flag de control CondicionRecortar=1 y se selecciona en tanto
por ciento cuanto se quiere eliminar de la imagen de entrada.
Imagen 9: Parmetros RGB2BYN
Una vez se haya ejecutado el programa, se guardar una imagen con el

mismo nombre que la imagen de entrada terminando con BYN en el mismo
directorio que la imagen de partida. Esta ser parte de los datos de entrada del
siguiente paso.
P ASO 2: S ELECCIN DE LOS CLIENTES :
El objetivo de este programa es elegir de entre los pxeles que conforman

los bordes, cules sern los puntos de consumo y su consumo asociado. Para ello,
abrimos el programa de Matlab denominado BYN2CONS.
De nuevo se introducen los parmetros del programa. El programa
entiende que venimos de haber utilizado el RGB2BYN y no requiere introducir el
nombre de la nueva imagen sino el de la imagen inicial (Se puede copiar y pegar
del anterior). El programa aadir automticamente el sufijo BYN. Otros
parmetros son:
Pintada: A modo de comprobacin se devuelve una imagen con los puntos

seleccionados. Para observar el resultado se puede elegir el ancho de los
puntos tal y como se indica en el propio programa.
NumeroConsumos: Elegimos cuantos puntos de consumo queremos que se
coloquen en el mapa.
MediaConsumosPunto: Media de usuarios que se colocarn en el punto de
consumo.
117
Manual de usuario
DesviacionConsumosPunto: Desviacin tpica de los usuarios en el punto.

Consumo(n): Potencias de los usuarios. Son valores discretos.
Coef_Simultaneidad: Multiplica la potencia de cada usuario por el valor
indicado. Es mejor dejarlo igualado a 1 dado que EGRID_Greenfield
aplica sus propios coeficientes de simultaneidad.
Imagen 10: Parmetros de BYN2CONS
Tras ejecutar se obtienen tres archivos:
DatosConsumosAgregados.dat: Contiene posiciones y la potencia de cada

usuario sumando los datos para cada punto de consumo. ste es el archivo
que tras unas pequeas modificaciones, se utilizar con el generador de
redes.
DatosConsumosExpandidos.dat: Contiene la misma informacin que el
archivo anterior pero sin agregar los usuarios. En principio este archivo no
se utiliza dado que requiere ms tiempo de ejecucin y la precisin que
aporta no es necesaria.
DatosConsumosCompletos.mat: Contiene todos los datos en formato
Matlab que sern de utilidad para generar los perfiles de los usuarios de la
red y para generar los consumos de los nuevos usuarios.
P ASO 3: A DAPTACIN DE LOS DATOS
El objetivo de este apartado es simplemente adaptar los resultados de

Matlab al formato del modelo EGRID_Greenfield. Este paso es muy sencillo dado
que es bastante automtico. Copiamos el archivo DatosConsumosAgregados.dat
al directorio donde se encuentre el programa Cons2cbt.exe y se cambia el
nombre del archivo a DatosConsumos.dat. Ejecutamos Cons2cbt y nos devolver
118
Manual de usuario
un archivo denominado cbt.dat el cual es una de las entradas del modelo

generador de redes.
P ASO 4: E JECUCIN DEL GENERADOR DE REDES
En primer lugar nos llevamos cbt.dat al subdirectorio, de nombre el que

nos plazca, dentro de la carpeta donde est el generador de redes. Aadimos a esta
carpeta los archivos denominados como at y catalogo. Este ltimo incluye un
catlogo de conductores, coeficientes de simultaneidad, y otros muchos
parmetros de la aparamenta con la que se generar la red en cuestin.
Una vez contamos con los archivos en la localizacin correcta, es
importante comprobar que coches.caso est correctamente configurado. Para ello,
hay que observar que el nombre de los directorios coincide con los que se han
utilizado. En caso contrario, abrimos este archivo con textpad y ejecutamos la
funcin de reemplazar pulsando la tecla F8. Con ello, se sustituye el directorio
que hubiera previamente por el que se ha seleccionado, con la ruta completa, del
siguiente modo:
Imagen 11: Sustitucin del nombre del directorio con Textpad
Pulsando en Reemplazar todos, se obtiene el archivo necesario. Por ltimo,

para ejecutar el generador de redes, el proceso es el siguiente:
Abrimos la consola de Windows: Men de Windows->ejecutar->cmd.
Vamos al directorio donde se encuentra el programa tal y como se muestra
en la imagen siguiente:
119
Manual de usuario
Imagen 12: Lanzamiento de EGRID_Greenfield.
Por ltimo, para arrancar el modelo generador de redes escribimos E-

EGRID_Greenfield_20091218p coches.caso, tal y como se muestra en la imagen
anterior.
Este modelo devuelve una gran cantidad de archivos. En primer lugar
destacar el archivo que acaba como _resultados.html. Este archivo contiene una
gran cantidad de informacin sobre la red generada. Adems se genera un
conjunto de archivos con extensiones .shp y .dbf. Estos archivos son un mapa
de la red que se ha generado. Para poder visualizarlos se necesita un visor de dbf,
como por ejemplo dbfviewer, o ArceExplorer, que es el que se ha utilizado en
este proyecto. Adems se generan un conjunto de archivos .txt que sern parte de
los archivos necesarios para ejecutar la segunda herramienta: EGRID_Expansion.
2. P ERFILES DE LOS USUARIOS DE LA RED BASE
En este apartado, en primer lugar se generan los perfiles mediante matlab,

para posteriormente adaptar los datos mediante un programa escrito en C++.
P ASO 1: G ENERACIN DE LOS PERFILES DE LOS USUARIOS :
El objetivo de este apartado es generar los perfiles de los usuarios de la red

que se ha generado en el captulo anterior. Para ello, abrimos el programa de
Matlab denominado CONS2PERFILES.
Tal y como se muestra en la imagen siguiente, los parmetros de entrada
son el nmero de escalones del perfil y la relacin entre potencia activa y reactiva.
Esta ltima se ha considerado constante para todos los clientes de la red.
120
Manual de usuario
Imagen 13: Parmetros de entrada de CONS2PERFILES.
Adems, como archivo de entrada de datos al programa, se requiere

DatosConsumosCompletos.mat y PerfilesCons.mat. Este ltimo es un archivo
generado a mano que contiene tres perfiles de los usuarios de la red. En su
defecto, pueden utilizarse otros perfiles.
En la ejecucin del cdigo, este programa llama a la funcin
discretizarmax. Dicha funcin, genera el perfil de los usuarios de forma discreta
segn el nmero de escalones que se haya introducido como parmetro. Para ello,
para cada escaln se genera interpolando el conjunto de datos correspondiente y
se selecciona el valor mximo de cada intervalo.
Como resultado se obtienen los archivos: DatoHoras.dat,
DatosClientesP.dat, DatosClientesQ.dat. Estos archivos son los datos para generar
los archivos de perfiles.
Adems es importante salvar los datos escribiendo en la consola de
matlab: save datoscompletos24h_base. Este archivo ser utilizado por el programa
generador de los perfiles de los nuevos consumos.
P ASO 2: G ENERACIN DE LOS ARCHIVOS DE PERFILES
Tan simple como ejecutar el programa dat2ClientesPerf.exe. Este

programa nos devolver dos archivos: coches18k_CLIENTES_baseP.csv y
coches18k_CLIENTES_baseQ.csv. Estos son parte de los archivos de entrada
para el modelo final: EGRID_Expansion.
Recapitulando, hasta este momento se cuenta con:
Red base: Conjunto de archivos coches18k_... .txt

Perfiles de los clientes: archivos coches18k_CLIENTES . .csv.
Estos archivos son comunes a todos los casos de simulacin por lo que es
importante que una vez son generados tenerlos bien guardados y etiquetados con
su fecha de creacin para su posterior utilizacin.
121
Manual de usuario
3. O BTENCIN DE LAS COORDENADAS DE LAS

GASOLINERAS
Este apartado busca sacar partido a la informacin que aportan los soportes
de mapas como la localizacin de determinados establecimientos. Ms
concretamente, en este proyecto se obtendrn las coordenadas de las gasolineras
en el rea de estudio. Para ello, abrimos el programa de Matlab denominado
Puntos2Coord. Tras seleccionar correctamente el color de los puntos (Podemos
utilizar el programa SeleccionColores.m del paso0 captulo I), la imagen objetivo
y la escala del mapa, se ejecuta el programa. ste nos devolver el archivo
denominado como coordenadasgasolineras.mat, el cual servir de datos de entrada
en el siguiente captulo.
4. P ERFILES DE CONSUMO INCREMENTALES
En primer lugar, comentar que sta es la herramienta ms importante del

proyecto, dado que es la que genera los diferentes casos de simulacin y por tanto,
es la que ha permitido obtener los diferentes resultados. En un principio se
generaban los casos de uno en uno. Dadas las necesidades del proyecto, se fue
automatizando progresivamente hasta llegar a un punto en el que matlab realiza
automticamente todo el proceso. Esto permite ahorrar una gran cantidad de
tiempo en la preparacin de los casos de simulacin. En otras cosas, se ha
conseguido:
Generar automticamente un subdirectorio donde almacenar cada caso.

Salvar en dicho directorio un archivo de Matlab con todos los datos del
caso.
Generar el archivo de bateras de simulaciones (.bat) para ejecutar un caso
detrs de otro.
Ejecutar automticamente el programa de conversin de datos. Esto hace un
poco desagradable la ejecucin del programa debido a que aparecen tantos
pantallazos negros como casos de simulacin se estn generando.
122
Manual de usuario
Para generar los casos, en primer lugar se ajustan los parmetros en

Puntos2ConsPerf.m. Despus se guarda dicho archivo y por ltimo se ejecuta
el archivo variasejecuciones.m.
A continuacin se comentan los parmetros de configuracin de
Puntos2ConsPerf:
Imagen 14: Parmetros de los vehculos
En primer lugar estn los parmetros que modelan los vehculos y la

cantidad de stos en el mapa.
Imagen 15: Variables generales
Las variables generales son:
Nombre del ejecutable del modelo.

Tiempo de espera: Es necesario dar a matlab un tiempo de espera
para permitir que termine el programa de conversin de datos.
Depende del ordenador de uso. En futuras ampliaciones podra ser
interesante que los programas se dieran permiso entre ambos. A
modo de solucin ms simple, este tiempo de espera podra hacerse
funcin del grado de penetracin dado que el tiempo de ejecucin
es ms o menos proporcional a la cantidad de datos a escribir.
Pintar_perfiles: Controla si deseamos que se dibujen las curvas
correspondientes a la simulacin realizada.
Imagen 16: Parmetros del tipo de recarga
En este apartado se controla los tipos de recarga distribuida. Dados los

requerimentos de automatizacin, se extrayeron del cdigo los parmetros de
123
Manual de usuario
control de la concentracin de los consumos. Por este motivo aparecen

comentados.
Imagen 17: Parmetros de la potencia y energa demandada
En este apartado se elige la distancia recorrida por los vehculos, la

potencia recargada y el vector de grados de penetracin que se van a simular.
Imagen 18: Parmetros de la forma de los perfiles
Los diferentes parmetros que controlan la forma del perfil de demanda de

los vehculos son:
Optimo: Activa o desactiva el caso ptimo. Este parmetro

desactiva la potencia de recarga, dado que en esta opcin se
presupone que los vehculos recarga a la potencia que conviene al
sistema.
PropInstantes: Marca la proporcin de vehculos que utilizan la
distribucin 1 o la distribucin 2. Cuyos parmetros se definen
posteriormente.
Media_instante_recarga(X): Media de la distribucin normal
correspondiente al instante X.
Desv_instante_recarga(X): desviacin tpica de la distribucin
normal correspondiente al instante X.
124
Manual de usuario
RelPQ: Se ha supuesto que en todos los consumos la relacin entre

potencia activa y reactiva es constante. Dicho valor es el indicado
en este parmetro.
Carga_Vaco. Para evitar problemas con el modelo, en nngn caso
se asigna a un consumo un valor nulo. Por este motivo, se ha dado
un valor de carga casi despreciable cuyo valor es el indicado en
este parmetro.
Aux: Controla el nmero de escalones que tendr la curva de
potencia que se generar. Se ha igualado a numeroEscalones dado
que el archivo de datos de entrada de perfiles de los usuarios debe
tener el mismo nmero de escalones.
Precision: Controla el nmero de escalones de la curva de potencia.
En caso de ser distinto a aux, el programa posteriormente la
convierte a la precisin que tenga aux. No es recomendable
modificar este valor dado que ralentiza notablemente la ejecucin
del programa.
Imagen 19: Parmetros de utilizacin de las coordenadas de las gasolineras
A parte del archivo que se ha generado en el captulo anterior con

las coordenadas de estos elementos, se muestran las variables de
control:
colocarElectrolineras:Activa la utilizacin de estos elementos.
Numero_gasolineras: En este caso se desprecia el grado de
penetracin y se deja al usuario la eleccin del nmero de
gasolineras que desea colocar en el mapa.
125
Manual de usuario
Electrolineras_aleatorias: Elige si se quieren utilizar las

coordenadas del archivo de posiciones o en su lugar utilizar
coordenadas aleatorias.
CochesporElectrolinera: Selecciona el nmero de vehculos que
recargan al mismo tiempo en la gasolinera.
Imagen 20: Parmetros de dibujo del mapa
Por ltimo se muestran los parmetros de control de dibujo del mapa

resultante de la eleccin de puntos de consumo.
Dibujar_mapa: controla si deseamos que se dibuje el mapa o no.

Grosor_puntos: controla el grosor del dibujo de los consumos en el
mapa.
Por ltimo recordar que todos los programas que preparan los archivos de
un programa a otro, entre otras cosas insertan dos cadenas de caracteres entre los
distintos datos. Estas cadenas se encuentran en los archivos denominados como
Datos1.txt y Datos2.txt. Uno de los motivos de retraso en este proyecto fue un
error en la configuracin de estos archivos.
126

4 C 19 F 52 F 00697

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

4 C 19 F 52 F 00697

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD PONTIFICIA COMILLAS

ESCUELA TCNICA SUPERIOR DE INGENIERA (ICAI)

PROYECTO FIN DE CARRERA

EVALUACIN DEL IMPACTO DE

AUTOR: ngel Rosso Mateo

ngel Rosso Mateo

Madrid, 15 de Junio de 2010

LOS DIRECTORES DEL PROYECTO

Dr. D. lvaro Snchez Miralles. Fecha:../../.

Dr. D. Carlos Mateo Domingo. Fecha../../.

VB del coordinador de proyectos

Dr. D. Michel Rivier Abbad. Fecha: ../../.

EVALUACIN DEL IMPACTO DE LOS VEHCULOS

RESUMEN DEL PROYECTO

Fig.1: Red generada superpuesta a la imagen de partida.

IMPACT ASSESSMENT OF ELECTRIC VEHICLES IN THE

Fig.1: Generated grid superimposed to the base map.

Objetivos del proyecto ............................................................................... 6

Recursos necesarios ................................................................................... 7

Captulo II: Desarrollo ...................................................................................... 8

Impacto en las redes de distribucin ........................................................................ 8

V2G-Generacin Distribuida .................................................................................... 11

Colocacin ptima de generacin distribuida ......................................................... 13

2. Elaboracin de la red base de anlisis ............................................... 16

2.1. Mtodo automtico de obtencin de redes ............................................. 16

2.2. Red elctrica modelada para el estudio ................................................... 20

2.3. Generacin de los perfiles de los clientes ................................................. 25

3. Caracterizacin de los datos alrededor del vehculo elctrico ............ 27

3.1. Consumidores ........................................................................................... 27

3.2. El vehculo elctrico .................................................................................. 31

3.3. Recarga de vehculos elctricos. ............................................................... 37

4. Preparacin de casos de simulacin ................................................. 43

4.1. Generacin de los perfiles incrementales ................................................ 43

4.2. Entradas del modelo incremental ............................................................. 45

4.3. Seleccin de casos de simulacin ............................................................. 45

5. Anlisis de resultados ...................................................................... 50

5.1. Comparacin entre recarga concentrada y distribuida ............................ 50

5.2. Anlisis de una situacin de elevada demanda ........................................ 57

5.3. Anlisis de la potencia de recarga adecuada ............................................ 61

5.4. Anlisis de la influencia de la colocacin de las electrolineras ................. 66

Captulo III: Conclusiones................................................................................ 71

2. Seleccin de escenarios a futuro ...................................................... 76

2.1. Criterios de elaboracin de escenarios ..................................................... 76

2.2. Perspectivas de evolucin del vehculo elctrico ..................................... 77

2.3. Desarrollo de la tecnologa de las bateras ............................................... 80

2.4. Crecimiento de la red elctrica espaola sin vehculos elctricos ............ 81

2. Vehicle to Grid, colocacin ptima de generacin distribuida ............................ 86

3. Referencias generales sobre el vehculo elctrico. ............................................. 86

Anexo II: Red elctrica urbana modelada. ................................................. 89

Anexo III: Tablas completas de Resultados y grficas adicionales ............... 93

AIII.1. Tablas de resultados para los casos de 35 km y 3,7 kw de recarga .............. 94

AIII.2. Tablas de resultados para los casos de 160 km ............................................ 97

AIII.3. Tablas de resultados para los casos de 35 km a diferentes potencias .......... 98

AIII.4. Grficas y resultados adicionales ................................................................ 102

Anexo V: Tecnologas de bateras ........................................................... 104

PARTE II: ESTUDIO ECONMICO ................................................................... 108

PARTE III: MANUAL DE USUARIO .................................................................. 112

1. Generador de redes............................................................................ 115

2. Perfiles de los usuarios de la red base ................................................. 120

3. Obtencin de las coordenadas de las gasolineras ................................ 122

4. Perfiles de consumo incrementales ..................................................... 122

Tabla II.2.1: Datos de la red modelada utilizados en el generador de redes. ....... 21

Tabla AII.8: Costes de la red de estudio ................................................................. 91