• Energy Research

Cet article présente une étude de la rentabilité des systèmes photovoltaïques résidentiels (RPVS), à travers un modèle technico-économique basé sur le programme de comptage net (NMP) et le taux échelonné en République dominicaine (DR). Ce travail vise à identifier les options d'investissement rentables en RPVS en fonction du niveau de consommation mensuelle des clients et de l'effet du Crédit d'Impôt (TC). La méthodologie consiste à maximiser la valeur actuelle nette (VAN) pour obtenir le délai de récupération (PBT) et le taux de rendement interne (tri). Sans TC, le tri était de 9,0 % à 23,0 % et le PBT était de 9,91 à 4,46 ans pour une consommation mensuelle moyenne d'électricité (AMEC) de 242 kWh et 1 594 kWh respectivement. À tous les niveaux de consommation d'électricité choisis, la production excédentaire à la fin de l'année était nécessaire pour maximiser la VAN ; la simulation numérique a montré des RPVS surdimensionnés par rapport à l'énergie demandée, entre 25 % et 84 %. Pour maximiser la VAN, la capacité installée la plus faible était de 3,28 kWc en raison de l'augmentation du LCOE sur les RPVS pour les clients à faible consommation. En este artículo se presenta un estudio de la rentabilidad de los Sistemas Fotovoltaicos Residenciales (RPVS), a través de un modelo tecno-económico basado en el Programa de Medición Neta (NMP) y tarifa escalonada en la República Dominicana (RD). Este trabajo busca identificar opciones de inversión rentables en RPVS según el nivel de consumo mensual de los clientes y el efecto del Crédito Fiscal (TC). La metodología consiste en maximizar el Valor Actual Neto (VPN) para obtener el Tiempo de Recuperación (PBT) y la Tasa Interna de Retorno (TIR). Sin TC, la TIR fue de 9.0% a 23.0% y el PBT fue de 9.91 a 4.46 años para la Electricidad Media Mensual Consumida (AMEC) de 242 kWh y 1594 kWh respectivamente. En todos los niveles de consumo de electricidad elegidos, se requirió generación excedente al final del año para maximizar el VPN; la simulación numérica mostró un RPVS sobredimensionado en relación con la energía demandada, entre el 25 % y el 84 %. Para maximizar el VPN, la capacidad instalada más baja fue de 3.28 kWp debido al aumento de LCOE en RPVS para clientes de bajo consumo. This article presents a study of the profitability of Residential Photovoltaic Systems (RPVS), through a techno-economic model based on the Net Metering Program (NMP) and tiered rate in the Dominican Republic (DR). This work seeks to identify profitable investment options in RPVS according to the level of monthly consumption of customers and the effect of the Tax Credit (TC). The methodology consists of maximizing the Net Present Value (NPV) to obtain the Payback Time (PBT) and the Internal Rate of Return (IRR). Without TC, the IRR was from 9.0 % to 23.0 % and the PBT was from 9.91 to 4.46 years for Average Monthly Electricity Consumed (AMEC) of 242 kWh and 1594 kWh respectively. At all levels of electricity consumption chosen, surplus generation at the end of the year was required to maximize the NPV; the numerical simulation showed oversized RPVS in relation to the energy demanded, between 25 % and 84 %. To maximize NPV, the lowest installed capacity was 3.28 kWp due to the increase of LCOE on RPVS for low consumption customers. تقدم هذه المقالة دراسة لربحية الأنظمة الكهروضوئية السكنية (RPVS)، من خلال نموذج تقني اقتصادي يعتمد على برنامج القياس الصافي (NMP) والمعدل المتدرج في جمهورية الدومينيكان (DR). يسعى هذا العمل إلى تحديد خيارات الاستثمار المربحة في RPVS وفقًا لمستوى الاستهلاك الشهري للعملاء وتأثير الإعفاء الضريبي (TC). تتكون المنهجية من تعظيم صافي القيمة الحالية (NPV) للحصول على وقت الاسترداد (PBT) ومعدل العائد الداخلي (IRR). بدون TC، كان معدل العائد الداخلي من 9.0 ٪ إلى 23.0 ٪ وكان PBT من 9.91 إلى 4.46 سنة لمتوسط الكهرباء الشهرية المستهلكة (AMEC) من 242 كيلو واط في الساعة و 1594 كيلو واط في الساعة على التوالي. في جميع مستويات استهلاك الكهرباء المختارة، كان توليد الفائض في نهاية العام مطلوبًا لزيادة صافي القيمة الحالية ؛ أظهرت المحاكاة العددية حجمًا كبيرًا من صافي القيمة الحالية فيما يتعلق بالطاقة المطلوبة، بين 25 ٪ و 84 ٪. لتحقيق أقصى قدر من صافي القيمة الحالية، كانت أقل قدرة مثبتة 3.28 كيلو واط في الساعة بسبب زيادة LCOE على RPVS للعملاء ذوي الاستهلاك المنخفض.

Les dimensions des coûts et des incitations nécessaires à l'intégration de la participation active de la demande dans le marché de gros de l'électricité sont soumises aux politiques énergétiques et à l'exploitation du système en vrac. L'industrie de l'électricité doit gagner en flexibilité opérationnelle pour soutenir la transition énergétique causée par les énergies renouvelables et la décarbonisation. Les services et technologies complémentaires des programmes de réponse à la demande peuvent être optimisés en exploitant la variété des utilisations de cette ressource. L'objectif principal de ce travail est d'appliquer le concept d'élasticité de substitution dans un programme de déplacement stratégique de la demande pour promouvoir l'intégration des énergies renouvelables et la réduction de l'énergie non desservie, en considérant une répartition de la production économique et sûre. La méthodologie est analysée à travers une étude de cas appliquée sur le marché de l'électricité de la République dominicaine, dans laquelle l'élasticité des coefficients de substitution est utilisée pour ajuster les variations inférieures à 10,49% de la demande de base en période de pointe. Ces variations réduisent le coût d'exploitation de la production de 8,4 %, le coût marginal de 30,19 % et l'énergie non desservie de 19,1 % lorsque l'énergie renouvelable augmente de 5 %. L'inclusion du coût des émissions de CO 2 dans la simulation de la fonction de coût d'exploitation rend la fonction objectif supérieure à la fonction de base. Pour des variations relatives du coût d'exploitation allant de 7,27% à 16,03%, la réduction en tonnes d'équivalent CO 2 varie de 2,77 à 28,02. Cette étude contextualise l'effet économique du contrôle des émissions de CO 2, offrant de nouvelles possibilités pour optimiser le fonctionnement du système et le marché de gros de l'électricité sur la base de programmes de réponse à la demande qui encouragent une consommation flexible, avec des résultats économiques et environnementaux favorables. Las dimensiones de los costos e incentivos necesarios para integrar la respuesta de la demanda en el mercado mayorista de electricidad están sujetas a las políticas energéticas y a la operación del sistema a granel. La industria eléctrica debe ganar flexibilidad operativa para apoyar la transición energética causada por las energías renovables y la descarbonización. Los servicios complementarios y las tecnologías de los programas de respuesta a la demanda se pueden optimizar explotando la variedad de usos de este recurso. El objetivo principal de este trabajo es aplicar el concepto de elasticidad de sustitución en un programa estratégico de cambio de demanda para promover la integración de energías renovables y la reducción de la potencia no servida, considerando un despacho de generación económico y seguro. La metodología se analiza a través de un estudio de caso aplicado en el mercado eléctrico de la República Dominicana, en el que se utiliza la elasticidad de los coeficientes de sustitución para ajustar las variaciones por debajo del 10,49% de la demanda base en el período pico. Estas variaciones reducen el coste operativo de generación en un 8,4%, el coste marginal en un 30,19% y la energía no servida en un 19,1% cuando la energía renovable aumenta en un 5%. La inclusión del coste de las emisiones de CO 2 en la simulación de la función de coste operativo hace que la función objetivo sea superior a la función de referencia. Para variaciones relativas en el costo de operación que van del 7.27% al 16.03%, la reducción en toneladas de CO 2 equivalente varía de 2.77 a 28.02. Este estudio contextualiza el efecto económico del control de emisiones de CO 2, dando nuevas posibilidades para optimizar la operación del sistema y el mercado eléctrico mayorista a partir de programas de respuesta a la demanda que incentiven el consumo flexible, con resultados económicos y ambientales favorables. The dimensions of the costs and incentives necessary for integrating demand response into the wholesale electricity market are subject to energy policies and bulk system operation. The electricity industry must gain operational flexibility to support the energy transition caused by renewable energy and decarbonization. Complementary services and technologies of demand response programs can be optimized by exploiting the variety of uses of this resource. The main objective of this work is to apply the concept of elasticity of substitution in a strategic demand shift program to promote the integration of renewable energies and the reduction of non-served power, considering an economical and safe generation dispatch. The methodology is analyzed through a case study applied in the Dominican Republic's electricity market, in which the elasticity of substitution coefficients is used to adjust variations below 10.49% of the base demand in the peak period. These variations reduce the generation operating cost by 8.4%, marginal cost by 30.19%, and non-served power by 19.1% when renewable energy increases by 5%. The inclusion of the cost of CO 2 emissions in the simulation of the operating cost function makes the objective function higher than the baseline function. For relative variations in operating cost ranging from 7.27% to 16.03%, the reduction in tons of CO 2 equivalent varies from 2.77 to 28.02. This study contextualizes the economic effect of the CO 2 emissions control, giving new possibilities to optimize system operation and the wholesale electricity market based on demand response programs that encourage flexible consumption, with favorable economic and environmental results. تخضع أبعاد التكاليف والحوافز اللازمة لدمج استجابة الطلب في سوق الكهرباء بالجملة لسياسات الطاقة وتشغيل النظام بالجملة. يجب أن تكتسب صناعة الكهرباء مرونة تشغيلية لدعم انتقال الطاقة الناجم عن الطاقة المتجددة وإزالة الكربون. يمكن تحسين الخدمات التكميلية وتقنيات برامج الاستجابة للطلب من خلال استغلال مجموعة متنوعة من استخدامات هذا المورد. الهدف الرئيسي من هذا العمل هو تطبيق مفهوم مرونة الاستبدال في برنامج تحويل الطلب الاستراتيجي لتعزيز تكامل الطاقات المتجددة وتقليل الطاقة غير المخدومة، مع مراعاة إرسال توليد اقتصادي وآمن. يتم تحليل المنهجية من خلال دراسة حالة مطبقة في سوق الكهرباء في جمهورية الدومينيكان، حيث يتم استخدام مرونة معاملات الاستبدال لتعديل الاختلافات دون 10.49 ٪ من الطلب الأساسي في فترة الذروة. تقلل هذه الاختلافات من تكلفة تشغيل التوليد بنسبة 8.4 ٪، والتكلفة الحدية بنسبة 30.19 ٪، والطاقة غير المخدومة بنسبة 19.1 ٪ عندما تزيد الطاقة المتجددة بنسبة 5 ٪. إن إدراج تكلفة انبعاثات ثاني أكسيد الكربون في محاكاة وظيفة تكلفة التشغيل يجعل وظيفة الهدف أعلى من وظيفة خط الأساس. بالنسبة للتغيرات النسبية في تكلفة التشغيل التي تتراوح من 7.27 ٪ إلى 16.03 ٪، يتراوح الانخفاض في أطنان مكافئ ثاني أكسيد الكربون من 2.77 إلى 28.02. تضع هذه الدراسة في سياق التأثير الاقتصادي للتحكم في انبعاثات ثاني أكسيد الكربون، مما يتيح إمكانيات جديدة لتحسين تشغيل النظام وسوق الكهرباء بالجملة بناءً على برامج الاستجابة للطلب التي تشجع الاستهلاك المرن، مع نتائج اقتصادية وبيئية مواتية.

It is expected that distribution power systems will soon be able to connect a variety of microgrids from residential, commercial, and industrial users, and thus integrate a variety of distributed generation technologies, mainly renewable energy sources to supply their demands. Indeed, some authors affirm that distribution networks will propose significant changes as a consequence of this massive integration of microgrids at the distribution level. Under this scenario, the control of distributed generation inverters, demand management systems, renewable resource forecasting, and demand predictions will allow better integration of such microgrid clusters to decongest power systems. This paper presents a review of microgrids connected at distribution networks and the solutions that facilitate their integration into such distribution network level, such as demand management systems, renewable resource forecasting, and demand predictions. Recent contributions focused on the application of microgrids in Low-Voltage distribution networks are also analyzed and reviewed in detail. In addition, this paper provides a critical review of the most relevant challenges currently facing electrical distribution networks, with an explicit focus on the massive interconnection of electrical microgrids and the future with relevant renewable energy source integration.

Buildings are among the largest energy consumers in the world. As new technologies have been developed, great advances have been made in buildings, turning conventional buildings into smart buildings. These smart buildings have allowed for greater supervision and control of the energy resources within the buildings, taking steps to energy management strategies to achieve significant energy savings. The forecast of energy consumption in buildings has been a very important element in these energy strategies since it allows adjusting the operation of buildings so that energy can be used more efficiently. This paper presents a review of energy consumption forecasting in smart buildings for improving energy efficiency. Different forecasting methods are studied in nonresidential and residential buildings. Following this, the literature is analyzed in terms of forecasting objectives, input variables, forecasting methods and prediction horizon. In conclusion, the paper examines future challenges for building energy consumption forecasting.

Buildings are currently among the largest consumers of electrical energy with considerable increases in CO2 emissions in recent years. Although there have been notable advances in energy efficiency, buildings still have great untapped savings potential. Within demand-side management, some tools have helped improve electricity consumption, such as energy forecast models. However, because most forecasting models are not focused on updating based on the changing nature of buildings, they do not help exploit the savings potential of buildings. Considering the aforementioned, the objective of this article is to analyze the integration of methods that can help forecasting models to better adapt to the changes that occur in the behavior of buildings, ensuring that these can be used as tools to enhance savings in buildings. For this study, active and passive change detection methods were considered to be integrators in the decision tree and deep learning models. The results show that constant retraining for the decision tree models, integrating change detection methods, helped them to better adapt to changes in the whole building’s electrical consumption. However, for deep learning models, this was not the case, as constant retraining with small volumes of data only worsened their performance. These results may lead to the option of using tree decision models in buildings where electricity consumption is constantly changing.

The Sustainable Development Goals (SDGs) of the United Nations Organization pursue the provision of affordable and quality energy for all human beings, which is why the correct planning of Energy Supply Systems (ESS) in communities that present levels of energy poverty, that is, the impossibility to satisfy their minimum needs for energy services. This work proposes a methodology to evaluate the contribution to development by the adequate provision of the demand of ESS in remote communities through the approach of Sustainable Livelihoods (SLs). The methodology starts from the initial evaluation of the sustainable livelihoods or capitals of the communities and the analysis of their interaction. Then, a capital improvement process is proposed by selecting the indicator values that optimize the model in each period, through an evolutionary algorithm that guarantees that the indicators evolve to a rich scenario as a result of planning to evolve the key variables based on a quantitative model with the indicators that empower evaluating the contribution of the ESS to them.

Smart buildings seek to have a balance between energy consumption and occupant comfort. To make this possible, smart buildings need to be able to foresee sudden changes in the building’s energy consumption. With the help of forecasting models, building energy management systems, which are a fundamental part of smart buildings, know when sudden changes in the energy consumption pattern could occur. Currently, different forecasting methods use models that allow building energy management systems to forecast energy consumption. Due to this, it is increasingly necessary to have appropriate forecasting models to be able to maintain a balance between energy consumption and occupant comfort. The objective of this paper is to present an energy consumption forecasting strategy that allows hourly day-ahead predictions. The presented forecasting strategy is tested using real data from two buildings located in Valladolid, Spain. Different machine learning and deep learning models were used to analyze which could perform better with the proposed strategy. After establishing the performance of the models, a model was assembled using the mean of the prediction values of the top five models to obtain a model with better performance.