Designing urban renewable energy systems: a multi-objective optimization approach

Abstract

El cambio climático ha intensificado la necesidad de sistemas energéticos sostenibles, especialmente en áreas urbanas con alta demanda y espacio limitado. Esta tesis se enfoca en el diseño de Sistemas de Energía Renovable Híbridos (HRES, por sus siglas en inglés) para entornos urbanos, integrando tecnologías como paneles fotovoltaicos, turbinas eólicas y sistemas de almacenamiento, incluyendo baterías e hidrógeno. Dada la complejidad y la variabilidad en la generación de energía renovable, se desarrolló un modelo dinámico basado en Programación No Lineal Entera Mixta (MINLP). Se seleccionó este tipo de modelo debido a la presencia de variables binarias, fundamentales para representar las decisiones de selección de instalación o no instalación de las tecnologías, lo que permite evaluar diferentes opciones de configuración de los sistemas. Además, el modelo presenta ecuaciones no lineales, que describen el comportamiento de los procesos involucrados en el almacenamiento de energía. Por otro lado, para reflejar la distribución espacial de la demanda y los recursos energéticos, el espacio territorial se dividió en bloques. El objetivo es optimizar tres criterios clave: minimizar la demanda de electricidad no suplida, minimizar los costos de inversión y minimizar el impacto ambiental. Para resolver el problema multiobjetivo se utilizó el método de programación por metas. El caso de estudio, aplicado en la comuna de Ñuñoa, Santiago, Chile compara dos enfoques: la optimización mono-objetivo, enfocada exclusivamente en minimizar la demanda no abastecida, y la optimización multiobjetivo, que pondera equitativamente los tres criterios. Los resultados muestran que la optimización multiobjetivo cubre el 73% de la demanda energética, reduciendo los costos de inversión a 147 USD/kW y el impacto ambiental a 54 puntos ReCiPe/kW. En contraste, la optimización mono-objetivo logra una cobertura del 95%, pero a un costo considerablemente mayor de 568 USD/kW y un impacto ambiental de 140 puntos ReCiPe/kW. Adicionalmente, se exploraron diferentes ponderaciones en las funciones objetivo, demostrando cómo estas afectan la configuración óptima del sistema y su desempeño. Se logró desarrollar un modelo que actúa como una herramienta valiosa para el diseño e integración de Sistemas de Energía Renovable Híbridos en entornos urbanos. Este modelo facilita la toma de decisiones de inversión en infraestructura energética, permitiendo identificar configuraciones óptimas para sistemas energéticos que no solo buscan satisfacer la demanda energética, sino que también minimizan costos y reducen el impacto ambiental, contribuyendo así a la planificación de ciudades más sostenibles.

Climate change has intensified the need for sustainable energy systems, especially in urban areas with high energy demand and limited space. This thesis focuses on designing Hybrid Renewable Energy Systems (HRES) for urban environments, integrating technologies such as photovoltaic panels, urban wind turbines, and storage systems, including batteries and hydrogen. Given the complexity and variability in renewable energy generation, a dynamic model based on Mixed-Integer Nonlinear Programming (MINLP) was developed. This type of model was selected due to the presence of binary variables, which are essential for representing decisions regarding the selection of whether or not to install technologies, allowing for the evaluation of different system configuration options. Additionally, the model includes nonlinear equations that describe the behavior of the processes involved in energy storage. Furthermore, the territorial space was divided into blocks to reflect the spatial distribution of load demand and energy resources. The objective is to optimize three critical criteria: minimizing unsupplied electricity demand, minimizing investment costs, and minimizing environmental impact. The goal programming method was used to solve the multi-objective problem. The case study, applied in the Ñuñoa district in Santiago, Chile, compares two approaches: mono-objective optimization, focused exclusively on minimizing unsupplied demand, and multi-objective optimization, which equally weighs the three criteria. The results show that the multi-objective optimization covers 73% of energy demand, reducing investment costs to 147 USD/kW and environmental impact to 54 ReCiPe points/kW. In contrast, mono-objective optimization achieves 95% coverage but at a considerably higher cost of 568 USD/kW and an environmental impact of 140 ReCiPe points/kW. Additionally, different weightings of the objective functions were explored, demonstrating how these affect the optimal system configuration and performance. A model was successfully developed that is a valuable tool for designing and integrating Hybrid Renewable Energy Systems in urban environments. This model facilitates investment decision-making in energy infrastructure, allowing for the identification of optimal configurations for energy systems that not only strive to meet energy demand but also minimize costs and reduce environmental impact, thereby contributing to the planning of more sustainable cities.