Modelado y optimización para una gestión eficiente de recursos en tecnología termosolar

Resumo

La humanidad se enfrenta a uno de los mayores retos de su historia debido al uso inadecuado de los recursos naturales del planeta. Por un lado, el cambio climático derivado de la quema de combustibles fósiles para la obtención de energía y las emisiones de gases de efecto invernadero asociadas están provocando un calentamiento del planeta. Esta alteración del clima provoca que cada vez sean más frecuentes fenómenos meteorológicos extremos, muchos de ellos relacionados con la alteración del ciclo del agua como son las grandes sequías o las inundaciones. Por otro lado, el uso irracional de los recursos naturales como el agua dulce está provocando que acuíferos de todo el mundo estén en una situación de estrés y hayan comenzado a agotarse, salinizarse o contaminarse. Por todo esto, parece razonable que debemos modificar nuestro modelo energético y el uso de los recursos naturales, en especial el del agua dulce. Actualmente numerosos países han comenzado a instalar sistemas de desalinización, incluso algunos basan su suministro de agua dulce en estas plantas. A pesar del gran desarrollo sufrido por la mayoría de las tecnologías de desalinización, estas siguen siendo energéticamente ineficientes, lo que provoca que la mayor parte del coste del agua desalinizada se deba al consumo energético. Algunas tecnologías renovables, solar y eólica sobre todo, son capaces de proveer energía a un coste inferior que las tecnologías tradicionales basadas en la quema de combustibles fósiles, aunque la integración de sistemas de desalinización y energías renovables representa un gran desafío tecnológico. Una de las tecnologías de desalinización más empleada es la técnica de desalinización térmica, que aprovecha los cambios físicos del agua provocados por la transferencia de energía térmica para destilar agua dulce. Esta tecnología consume principalmente energía térmica, por lo que la tecnología solar térmica se erige como la mejor candidata para proveer energía a este tipo de procesos. El principal problema de la integración desalinización-energı́a solar es que los actuales sistemas de desalinización no están diseñados para operar a cargas parciales o con interrupciones, condición básica para la hibridación con fuentes renovables debido a la no gestionabilidad del recurso. Afortunadamente, los sistemas de almacenamiento térmico están sufriendo un desarrollo muy veloz y una reducción de costes similar a la de las energías renovables, por lo que se espera que este tipo de almacenamiento de energía sea una opción factible que facilite la integración. Debido al cambio del modelo energético promovido por la irrupción de las renovables y la eliminación de centrales contaminantes, ha surgido un nuevo paradigma en el modelo energético europeo en el que se espera que grandes plantas de generación centralizadas se combinen con sistemas de generación distribuida, ambos renovables. Este nuevo modelo podría estar integrado por micro-redes con producción inteligente y dependencia temporal en donde la gestión de energía y agua estén íntimamente relacionadas. Estos nuevos conceptos, unidos a los problemas de operación que presentan las plantas de desalinización y las energías renovables, demandan nuevas estrategias de operación. Para el desarrollo de estos nuevos conceptos y sus estrategias de operación es necesario el uso de técnicas de modelado que permitan simular el comportamiento de los sistemas, ahorrando tiempo, dinero y evitando situaciones peligrosas para los sistemas y las personas. La irrupción de la industria 4.0 brinda una serie de nuevas herramientas muy potentes que pueden revolucionar el desarrollo y la hibridación de las tecnologías renovables con desalinización, al igual que ha hecho en otros campos, mejorando su eficiencia y reduciendo costes. La inteligencia artificial es elemento central de esta revolución. Por este motivo en esta tesis se han empleado técnicas tradicionales como puede ser el modelado basado en primeros principios y técnicas de inteligencia artificial como optimización basadas en algoritmos genéticos y modelado basado en redes neuronales. En esta tesis doctoral se trata la aplicación de estas técnicas para lograr una gestión eficiente de energía y agua mediante el uso de energía solar. De manera general se pretende estudiar la viabilidad técnica de un sistema de destilación térmica acoplada a una bomba de calor de doble efecto cuya fuente de energía térmica es un campo solar y una caldera de gas, así como desarrollar nuevas estrategias de control y operación que solventen los problemas anteriormente expuestos. En primer lugar se ha llevado a cabo un estudio bibliográfico de la temática. Posteriormente se ha desarrollado un conjunto de modelos de los subsistemas presentes en la instalación experimental empleada, basados en primeros principios, altamente configurables y capaces de ser interconectados entre sı́. Permiten el análisis exegético necesario para calcular nuevos índices de rendimiento que han sido propuestos en estos trabajos. El conjunto de modelos ha resultado ser una herramienta muy potente para el análisis y la detección de ineficiencias en los sistemas. Las estrategias de operación de los subsistemas más importantes han sido optimizadas haciendo uso del conjunto de modelos y aplicando optimizadores basados en inteligencia artificial (algoritmos genéticos). Finalmente, se ha propuesto una configuración para una planta de desalinización híbrida gas-solar, con el objeto de probar el conjunto de modelos y metodología para generar parámetros de operación óptimos. Esta metodología ha generado estrategias de operación óptimas que aseguran el funcionamiento óptimo de la planta, a pesar de las limitaciones en la operación introducidas por los subsistemas que representan los principales problemas para la hibridación de estas tecnologías. También se han desarrollado modelos basados en redes neuronales que ayudan a mejorar las estrategias de control automático de plantas de energía solar. De todos los problemas analizados con potencial para ser resueltos por este tipo de modelado, se ha optado por desarrollar un modelo que hace posible un nuevo control basado en visión artificial para los sistemas de seguimiento solar. Este nuevo enfoque emplea un modelo basado en redes neuronales capaz de calcular el error de seguimiento y generar la señal de control para el sistema de seguimiento solar, a partir de una imagen. Con este nuevo enfoque no solamente se resuelven problemas tradicionales de los sistemas de seguimiento (errores debidos al desplazamiento del centro de gravedad, cargas de viento, sensores, referencias), además el modelo basado en redes neuronales podría proporcionar información muy relevante para el control óptimo de este tipo de sistemas como la predicción de transitorios debido al paso de nubes, distribución de flujo solar concentrado sobre el receptor, sombras y bloqueos debido a otros sistemas. Además de estas ventajas, el nuevo enfoque ha sido implementado con software libre en hardware de bajo coste, con lo que se ha conseguido abaratar en gran parte los costes asociados al hardware de estos sistemas. Otras reducciones de costes aplicables a todo este tipo de instalaciones que se derivan del uso de esta nueva técnica son: reducción de costes en la comunicación gracias a las capacidades de comunicación inalámbricas del hardware y reducción de costes de los procesos de instalación y puesta en marcha al eliminar casi por completo las altas demandas de los sistemas tradicionales (estricto procedimiento de instalación para garantizar la precisión requerida y calibración periódica).