Академический Документы
Профессиональный Документы
Культура Документы
Firmado:
Firmado:
Firmado:
i
Resumen del Proyecto
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.
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
Resumen del Proyecto
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
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.
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
Metodologa .............................................................................................. 7
i
ndices
Bibliografa .................................................................................................... 85
1. Impacto en las redes elctricas de los vehculos elctricos ................................ 85
Anexos ........................................................................................................... 88
Anexo I: Terminologa y abreviaturas ....................................................... 88
Anexo IV: Datos generales de utilidad sobre el vehculo elctrico ............ 103
ii
ndices
ndice de tablas
iii
ndices
iv
ndices
ndice de figuras
v
ndices
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
1
Captulo I: Introduccin
2
Captulo I: Introduccin
3
Captulo I: Introduccin
4
Captulo I: Introduccin
5
Captulo I: Introduccin
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.
6
Captulo I: Introduccin
M ETODOLOGA
R ECURSOS NECESARIOS
7
Captulo II: Desarrollo
8
Captulo II: Desarrollo
9
Captulo II: Desarrollo
10
Captulo II: Desarrollo
V2G-GENERACIN DISTRIBUIDA
11
Captulo II: Desarrollo
12
Captulo II: Desarrollo
13
Captulo II: Desarrollo
14
Captulo II: Desarrollo
15
Captulo II: Desarrollo
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.
16
Captulo II: Desarrollo
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:
17
Captulo II: Desarrollo
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) .
18
Captulo II: Desarrollo
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
Captulo II: Desarrollo
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
20
Captulo II: Desarrollo
pgina siguiente, estn los datos que se han seleccionado para aplicar el mtodo
de generacin de redes explicado en el apartado anterior.
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.
21
Captulo II: Desarrollo
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.
22
Captulo II: Desarrollo
23
Captulo II: Desarrollo
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
24
Captulo II: Desarrollo
25
Captulo II: Desarrollo
5
x 10 Carga sistema
7
potencia (KW)
4
0
0 5 10 15 20 25
tiempo (h)
26
Captulo II: Desarrollo
3.1. CONSUMIDORES
Tabla II.3.1: Estadsticas anuales del uso de los vehculos en EE.UU. Ref. [22].
27
Captulo II: Desarrollo
28
Captulo II: Desarrollo
29
Captulo II: Desarrollo
30
Captulo II: Desarrollo
31
Captulo II: Desarrollo
32
Captulo II: Desarrollo
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
Captulo II: Desarrollo
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
Captulo II: Desarrollo
35
Captulo II: Desarrollo
3.2.2.2. B ATERAS .
36
Captulo II: Desarrollo
37
Captulo II: Desarrollo
- 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
Captulo II: Desarrollo
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.
39
Captulo II: Desarrollo
[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.
40
Captulo II: Desarrollo
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
Captulo II: Desarrollo
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
Captulo II: Desarrollo
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
Captulo II: Desarrollo
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
Captulo II: Desarrollo
45
Captulo II: Desarrollo
E SCENARIOS L MITE :
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)
46
Captulo II: Desarrollo
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)
E SCENARIOS PROBABLES :
47
Captulo II: Desarrollo
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
tiempo (h) tiempo (h)
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)
48
Captulo II: Desarrollo
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]).
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
tiempo (h) tiempo (h)
49
Captulo II: Desarrollo
5. A NLISIS DE RESULTADOS
50
Captulo II: Desarrollo
51
Captulo II: Desarrollo
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).
52
Captulo II: Desarrollo
53
Captulo II: Desarrollo
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.
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
Captulo II: Desarrollo
55
Captulo II: Desarrollo
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.
56
Captulo II: Desarrollo
1400000 0,700%
C100 distr normal Pta
1200000 0,600%
C500 Valle
1000000 0,500%
C100 OPT
800000 C500 OPT 0,400%
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
57
Captulo II: Desarrollo
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)
58
Captulo II: Desarrollo
8000000 4,000%
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
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
Captulo II: Desarrollo
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)
x 10
5
Carga total sistema
Lo ms relevante es el hecho de que
12
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)
60
Captulo II: Desarrollo
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
tiempo (h) tiempo (h)
61
Captulo II: Desarrollo
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
tiempo (h) tiempo (h)
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
tiempo (h) tiempo (h)
62
Captulo II: Desarrollo
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
tiempo (h) tiempo (h)
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
Captulo II: Desarrollo
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
Captulo II: Desarrollo
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%
Distribuido Valle 3,7 kw
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.
65
Captulo II: Desarrollo
66
Captulo II: Desarrollo
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:
67
Captulo II: Desarrollo
68
Captulo II: Desarrollo
69
Captulo II: Desarrollo
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
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
Captulo III: Conclusiones
72
Captulo III: Conclusiones
73
Captulo IV: Futuros desarrollos
1. C OMPLEMENTOS FUNDAMENTALES
74
Captulo IV: Futuros desarrollos
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
Captulo IV: Futuros desarrollos
76
Captulo IV: Futuros desarrollos
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]
77
Captulo IV: Futuros desarrollos
78
Captulo IV: Futuros desarrollos
79
Captulo IV: Futuros desarrollos
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
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
7
No se muestran los datos relativos a Espaa dado que los que se han encontrado no
parecen razonables.
80
Captulo IV: Futuros desarrollos
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
81
Captulo IV: Futuros desarrollos
82
Captulo IV: Futuros desarrollos
83
Captulo IV: Futuros desarrollos
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
Bibliografa
B IBLIOGRAFA
[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
[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.
86
Bibliografa
87
Anexos
A NEXOS
88
Anexos
P ARMETROS DE ENTRADA
89
Anexos
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.
90
Anexos
91
Anexos
92
Anexos
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:
93
Anexos
94
Anexos
95
Anexos
96
Anexos
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.
S IMULACIONES A 1 KW DE POTENCIA :
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
5000000
0
0 0,1 0,2 0,3 0,4 0,5 0,6
Grado de penetracin
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
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
100
Anexos
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
101
Anexos
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.
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
103
Anexos
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.
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
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.
105
Anexos
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.
Figura AV.1: Prediccin del coste de las bateras de Litio. Ref [20]
106
Anexos
107
PARTE II: ESTUDIO
ECONMICO
Presupuesto
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
110
Presupuesto
+ . . = 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
113
Manual de usuario
114
Manual de usuario
1. G ENERADOR DE REDES
115
Manual de usuario
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
117
Manual de usuario
118
Manual de usuario
119
Manual de usuario
120
Manual de usuario
121
Manual de usuario
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.
122
Manual de usuario
123
Manual de usuario
124
Manual de usuario
125
Manual de usuario
126