Optimal Renewable Energy Systems for Smart Cities

Author(s):  
Stephan Maier ◽  
Michael Narodoslawsky
Author(s):  
Sophia Ruiz-Vásquez ◽  
Carlos Roldán ◽  
Vicky Cheng

Con el fin de apoyar de manera sostenible los múltiples sistemas de energía, las estrategiasde mejoramiento de sistemas de eficiencia energética implican la integración y aplicación deherramientas de análisis de energía urbanas. Los sistemas de energía, como la energía solarintermitente, requieren investigación sobre la capacidad de adaptación entre la demanda y laproducción. El análisis de coincidencia de energía requiere de fuentes de error mínimas, con elfin de obtener resultados más puntuales.En ciertas aplicaciones de simulación de energía, el intervalo de tiempo de uso común es deuna hora, sin embargo, estudios han demostrado que esto puede ser una fuente significativade error. Por ende, para la identificación del impacto que tiene la frecuencia temporal en lassimulaciones, se crearon modelos holísticos en alta resolución. Con estos modelos, se pretendela representación y obtención de resultados más precisos y exactos.El modelo de producción de energía fotovoltaica generada in-situ, se basa en un modelodesarrollado por el grupo de investigación Energy Effcient and Smart Cities (EESC). Datospertinentes, tales como la radiación incidente y la radiación global se obtuvieron del softwareMeteonorm. Para la elaboración del modelo de alta resolución de la demanda eléctricadoméstica, el modelo desarrollado por Centre for Renewable Energy Systems Technology ofLoughborough University, fue utilizado y modificado usando información pertinente de CostaRica.Estos modelos, implican módulos fotovoltaicos con producción energética in-situ y representanadecuadamente la demanda de electricidad doméstica. Por lo tanto, el cálculo de los análisisde la capacidad de adaptación de energía pudo ser efectuado. Dichos cálculos involucran losíndices OEF y OEM, que se refieren a la fracción de energía in situ y la coincidencia de energíaen las instalaciones, respectivamente. Mediante estos cálculos, se mostró que el uso de lasresoluciones más gruesas en el análisis de energía conduce a la sobreestimación, y a su vez elporcentaje de error incrementa.


Author(s):  
Alvaro Sanchez-Miralles ◽  
Christian Calvillo ◽  
Francisco Martín ◽  
José Villar

2020 ◽  
Vol 9 (1) ◽  
pp. 111-136
Author(s):  
Amarsingh B. Kanase-Patil ◽  
Avinash P. Kaldate ◽  
Shashikant D. Lokhande ◽  
Hitesh Panchal ◽  
M. Suresh ◽  
...  

2014 ◽  
Author(s):  
Miles Greiner ◽  
Amy Childress ◽  
Sage Hiibel ◽  
Kwang Kim ◽  
Chanwoo Park ◽  
...  

2017 ◽  
Author(s):  
Emma M. Elgqvist ◽  
Katherine H. Anderson ◽  
Dylan S. Cutler ◽  
Nicholas A. DiOrio ◽  
Nicholas D. Laws ◽  
...  

Sign in / Sign up

Export Citation Format

Share Document