Estudian un modelo de fijación de precios de la electricidad en tiempo real

¿Estás harto del mercado diario de la electricidad? ¿Quieres dejar de comprar energía para mañana? ¿Te gusta manejarte en el mercado en tiempo real? Si has contestado que sí a las tres preguntas no dejes de leer esto.

Investigadores de la Universidad Chung-Ang estudian un modelo de fijación de precios de electricidad en tiempo real para mejorar el equilibrio de la red eléctrica. El estudio propone un sistema predictivo de gestión energética del hogar con un mecanismo de tarificación bidireccional en tiempo real personalizable.

Históricamente, la motivación de los consumidores para participar en la respuesta de la demanda residencial (RD) ha sido baja debido a mecanismos inflexibles de fijación de precios de la electricidad que no tienen en cuenta el uso individual.

Un nuevo sistema predictivo de gestión de energía doméstica (PHEMS) aborda este problema con un mecanismo de fijación de precios en tiempo real. Este sistema personaliza los precios de la electricidad en función del consumo de energía del usuario final, motivando así a los consumidores a participar activamente en la recuperación ante desastres. En el futuro, tiene el potencial de mejorar el compromiso y la eficiencia en la gestión de la energía residencial.

La conectividad, fundamental

Con un aumento continuo de la población mundial, el consumo de energía y sus costos ambientales y económicos asociados también están aumentando. Un enfoque eficaz para gestionar estos costos crecientes es promover el uso de electrodomésticos inteligentes, aprovechando las tecnologías de Internet de las cosas (IoT) para conectar dispositivos dentro de una única red.

Esta conectividad puede permitir a los usuarios monitorear y controlar su consumo de energía en tiempo real a través de sistemas de administración de energía doméstica (HEMS). Los proveedores de energía pueden, a su vez, utilizar HEMS para medir la respuesta a la demanda residencial (DR) y ajustar el consumo de energía de los clientes residenciales en respuesta a la demanda de la red.

Históricamente, los esfuerzos para promover la demanda residencial, como ofrecer incentivos monetarios bajo el modelo de fijación de precios en tiempo real (RTP), han tenido dificultades para fomentar un cambio de comportamiento duradero entre los consumidores. Este desafío surge de los mecanismos unidireccionales de fijación de precios de la electricidad, que disminuyen la participación de los consumidores en las actividades residenciales de la demanda.

El modelo de precio bidireccional

Para abordar estas cuestiones, el profesor Mun Kyeom Kim y Hyung Joon Kim, candidato a doctorado de la Universidad Chung-Ang, realizaron recientemente un estudio publicado en el IEEE Internet of Things Journal. Su estudio, que propone un sistema predictivo de gestión de energía doméstica (PHEMS), se publicó el 27 de marzo de 2024 y se imprimió el 15 de julio de 2024.

El profesor Mun Kyeom Kim dirigió el estudio, introduciendo un precio bidireccional personalizado en tiempo real ( CBi-RTP) mecanismo integrado con un modelo avanzado de previsión de precios. Estas innovaciones brindan razones convincentes para que los consumidores participen activamente en los esfuerzos de recuperación ante desastres residenciales.

El sistema CBi-RTP empodera a los usuarios finales al permitirles influir en sus RTP horarios mediante la gestión de la energía transferida y el uso de electrodomésticos. Además, PHEMS incorpora un modelo de pronóstico basado en aprendizaje profundo y una estrategia de optimización para analizar las variaciones espacio-temporales inherentes a las implementaciones de precios en tiempo real. Esta capacidad garantiza un funcionamiento sólido y rentable para los usuarios residenciales al adaptarse a las irregularidades que surjan.

Mayor precisión

Los resultados experimentales del estudio demuestran que el modelo PHEMS no sólo mejora la comodidad del usuario sino que también supera a los modelos anteriores en precisión de pronóstico, reducción de picos y ahorro de costos. A pesar de su rendimiento superior, los investigadores reconocen que hay margen para un mayor desarrollo.

"El principal desafío de nuestro sistema predictivo de gestión de energía doméstica radica en determinar con precisión la carga de referencia para calcular la potencia cambiada por hora. Las investigaciones futuras se centrarán en mejorar la confiabilidad de PHEMS a través de métodos mejorados de cálculo de carga de referencia adaptados a necesidades específicas. los usuarios finales", asegura el profesor Mun Kyeom Kim.