Simulación de microrredes híbridas con integración de fuentes renovables y almacenamiento para resiliencia energética.
DOI:
https://doi.org/10.63618/omd/isj/v4/n4/410Palabras clave:
Microrredes híbridas, resiliencia energética, almacenamiento, control MPPT y gestión energéticaResumen
La integración de fuentes de energía renovable en las redes eléctricas plantea desafíos relacionados con la variabilidad energética, la estabilidad dinámica y la continuidad del suministro durante las interrupciones de la red, esta investigación aborda el problema de coordinar la generación fotovoltaica, el almacenamiento de energía y la generación de energía de respaldo para garantizar el funcionamiento resiliente de cargas críticas con el objetivo de desarrollar y analizar una microrred híbrida mediante simulación dinámica con DIgSILENT PowerFactory 2024, integrando una planta fotovoltaica de 2,5 MWp, un sistema de almacenamiento de energía en baterías de 6 MWh y un generador diésel de respaldo de 3,2 MW mediante la metodología basada en el modelado dinámico de componentes eléctricos, la implementación de un sistema de gestión de energía mediante una API de Python y una estrategia jerárquica de reparto de carga, el sistema fotovoltaico incorpora un controlador MPPT con compensación de temperatura, mientras que el Sistema de almacenamiento de baterías (BESS) se evalúa mediante control bidireccional, cálculos del estado de carga y estrategias de seguimiento y formación de red, su validación se realizó utilizando escenarios dinámicos con variaciones de irradiancia y transiciones de funcionamiento en isla es por eso que mediante los resultados se demostró que la microrred mantuvo un suministro continuo de energía para una carga crítica de 2,47 MW durante dos episodios de funcionamiento en modo isla, logrando excedentes de 1,08 MW y 0,58 MW, respectivamente, el sistema de almacenamiento de energía en baterías proporcionó soporte dinámico con cargas de hasta -0,75 MW y descargas de 0,80 MW, manteniendo la estabilidad de frecuencia en torno a los 60 Hz.
Descargas
Referencias
ksbi, A., Elkafazi, I., Bannari, R., & Merzouk, S. (2025). Optimum energy management of distribution networks with integrated decentralized PV-BES systems using SPEA2-based optimization approach. Scientific Reports, 15, Article 24413. https://doi.org/10.1038/s41598-025-24413-w DOI: https://doi.org/10.1038/s41598-025-24413-w
Amar, A., & Yusupov, Z. (2025). Real-time capable MPC-based energy management of hybrid microgrid. Processes, 13(9), 2883. https://doi.org/10.3390/pr13092883
Anttila, S., Dohler, J., & Bostrom, C. (2022). Grid-forming inverters: A review of the state of the art of key elements for microgrid operation. Energies, 15(15), 5517. https://doi.org/10.3390/en15155517 DOI: https://doi.org/10.3390/en15155517
Bakas, P., & Okazaki, H. (2021). Resilience assessment of microgrids during seamless islanding. Applied Sciences, 10(5), 1824. https://doi.org/10.3390/app10051824 DOI: https://doi.org/10.3390/app10051824
Gutiérrez-Escalona, J., Roncero-Clemente, C., Husev, O., Matiushkin, O., & Blaabjerg, F. (2024). Artificial intelligence in the hierarchical control of AC, DC, and hybrid AC/DC microgrids: A review. IEEE Access, 12, 157227–157246. https://doi.org/10.1109/ACCESS.2024.3486382 DOI: https://doi.org/10.1109/ACCESS.2024.3486382
Hossain, M. I., Anonto, H., & Shufian, A. (2025). Enhancing microgrid resilience through integrated grid-forming and grid-following inverter strategies for solar PV battery control and fault ride-through. Scientific Reports, 15. https://doi.org/10.1038/s41598-025-18767-4 DOI: https://doi.org/10.1038/s41598-025-18767-4
Hosseina, M., Samiei, M., & Hassannia, A. (2025). Optimizing energy and load management in island microgrids for enhancing resilience against resource interruptions. Scientific Reports, 15. https://doi.org/10.1038/s41598-025-99974-x DOI: https://doi.org/10.1038/s41598-025-99974-x
Kabouri, O., Azeroual, M., Bagayogo, A., & El Markhi, H. (2025). Optimized energy management in hybrid PV-wind microgrids: Fuzzy logic controller-based strategy with hydrogen system integration for DC bus stability. Simulation. https://doi.org/10.1177/0309524X251367997 DOI: https://doi.org/10.1177/0309524X251367997
Karpagam, M., Flah, A., J., S., & Chaabane, S. (2025). Power quality improvement and energy management in hybrid microgrids using a dual-optimization approach. Scientific Reports, 15. https://doi.org/10.1038/s41598-025-20001-0 DOI: https://doi.org/10.1038/s41598-025-20001-0
Koucoi, G., Yamegueu, D., Coulibaly, Y., & Tuan, Q. (2016). Energy management strategies for hybrid PV/diesel energy systems: Simulation and experimental validation. International Journal of Energy and Power Engineering, 5(1). https://doi.org/10.11648/j.ijepe.20160501.12 DOI: https://doi.org/10.11648/j.ijepe.20160501.12
Kumar, S., & Saket, R. K. (2022). Reliability analysis of hybrid microgrid system with BESS. In Reliability analysis of hybrid microgrid systems. Springer. https://doi.org/10.1007/978-3-030-36518-9_2 DOI: https://doi.org/10.1007/978-3-030-36518-9_2
Li, Z., Shahidehpour, M., & Aminifar, F. (2023). Networked microgrids for enhancing the resilience of power systems. Proceedings of the IEEE. https://doi.org/10.1109/JPROC.2017.2685558 DOI: https://doi.org/10.1109/JPROC.2017.2685558
Méndez-Mantuano, M. O., Huayamave-Rosado, Á. R., & Valenzuela-Cobos, J. D. (2026). Simulación exploratoria de estrategias de optimización hídrica mediante un modelo biofísico de respuesta estomática. Innova Science Journal, 4(2), 654–679. https://doi.org/10.63618/omd/isj/v4/n2/304 DOI: https://doi.org/10.63618/omd/isj/v4/n2/304
Papaloi, S., Prastawa, A., & Soeprijanto, A. (2025). A hybrid energy management system for reliable and sustainable microgrid performance. Engineering, Technology & Applied Science Research, 15(4), 25102–25109. https://doi.org/10.48084/etasr.11985 DOI: https://doi.org/10.48084/etasr.11985
Patel, M., & Sharma, A. (2024). Deep learning based energy management in hybrid microgrids. Simulation. https://doi.org/10.1177/01445987251387368 DOI: https://doi.org/10.1177/01445987251387368
Pérez, O., Nicolas, C., González, J., Flores, P., & Santos, D. (2025). Energy management system in an electrical microgrid with hybrid storage and a multi-objective approach. Revista Politécnica, 56(1). https://doi.org/10.33333/rp.vol56n1.04 DOI: https://doi.org/10.33333/rp.vol56n1.04
Rahman, K., Hashimoto, J., Orihara, D., & Ustun, T. S. (2024). Reviewing control paradigms and emerging trends of grid-forming inverters: A comparative study. Energies, 17(10), 2400. https://doi.org/10.3390/en17102400 DOI: https://doi.org/10.3390/en17102400
Safari, A., Hashemzadeh, F., & Zare, K. (2024). DeepEMS: Multimodal optimal energy management of microgrid systems based on a hybrid multi-stage machine learning model. The Journal of Engineering. https://doi.org/10.1049/tje2.70012 DOI: https://doi.org/10.1049/tje2.70012
Shao, Y., Gong, Y., Wang, X., & Huang, X. (2025). Joint energy–resilience optimization of grid-forming storage in islanded microgrids via Wasserstein distributionally robust framework. Energies, 18(21), 5674. https://doi.org/10.3390/en18215674 DOI: https://doi.org/10.3390/en18215674
Shukla, A., Imran, M., Verma, K., & Jariwala, H. R. (2025). Hybrid control DC microgrid embedded with BESS and multimode adaptive standalone PV. International Transactions on Electrical Energy Systems. https://doi.org/10.1155/etep/3773958 DOI: https://doi.org/10.1155/etep/3773958
Silva-Aguilar, K. E., & Román-Relica, L. G. (2026). Satisfacción del usuario y gestión de la calidad en los servicios de salud: Una mirada integral desde la evidencia científica. Innova Science Journal, 4(2), 603–618. https://doi.org/10.63618/omd/isj/v4/n2/301 DOI: https://doi.org/10.63618/omd/isj/v4/n2/301
Sukumar, D., Polamraju, V., & Srikanth, D. (2025). A convolutional neural network-based energy management system for photovoltaic/battery systems in microgrid using enhanced coati optimization approach. Journal of Energy Storage, 103, 116252. https://doi.org/10.1016/j.est.2025.116252 DOI: https://doi.org/10.1016/j.est.2025.116252
Vicente, F., Hren, R., Novak, U., & Cucek, L. (2024). Energy demand distribution and environmental impact assessment of chitosan production from shrimp shells. Renewable and Sustainable Energy Reviews, 196, 114204. https://doi.org/10.1016/j.rser.2023.114204 DOI: https://doi.org/10.1016/j.rser.2023.114204
Walid, I., Sulieman, S., & Mohammad, A. (2024). A review of recent control techniques of drooped inverter-based AC microgrids. Energy Science & Engineering. https://doi.org/10.1002/ese3.1670 DOI: https://doi.org/10.1002/ese3.1670
Yusupov, Z., & Amar, A. (2025). Real-time capable MPC-based energy management of hybrid microgrid. Processes, 13(9), 2883. https://doi.org/10.3390/pr13092883 DOI: https://doi.org/10.3390/pr13092883
Zhao, Z., & Jin, J. (2026). Two-layer model predictive control of energy management strategy for hybrid energy storage systems. Energies, 19(6), 1524. https://doi.org/10.3390/en19061524 DOI: https://doi.org/10.3390/en19061524
Zhou, B., Zou, J., & Chung, C. Y. (2024). Multi-microgrid energy management systems: Architecture, communication, and scheduling strategies. Journal of Modern Power Systems and Clean Energy. https://doi.org/10.35833/MPCE.2019.000237 DOI: https://doi.org/10.35833/MPCE.2019.000237
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Chiliquinga-Flores, Cristhian Jonathan, Quinatoa-Caiza, Carlos Iván, León-Segovia, Marco Anibal (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
: