CAPACITACIN PARA LOS ESTADOS MIEMBROS DE LA CURSO

CAPACITACIÓN PARA LOS ESTADOS MIEMBROS DE LA CURSO CAPEV 2012 CURSO DE CAPACITACIÓN VIRTUAL: ENERGÍA EÓLICA, IMPLEMENTACIÓN DE PROYECTOS APLICANDO SISTEMAS HÍBRIDOS Dr. Oscar Alfredo Jaramillo Salgado Centro de Investigación en Energía. Universidad Nacional Autónoma de México ojs@cie. unam. mx 6 de Agosto 2012

3. Diseño y optimización del rendimiento de los sistemas autónomos híbridos eólicos E. KONDILI, TEI of Piraeus, Greece En este capítulo se presentan las consideraciones de optimización en un sistema híbrido de energía, incluyendo la configuración de tal sistema, el dimensionamiento de los componentes individuales y el porcentaje de carga que va a ser cubierta por fuentes de energía renovables (RES), dependiendo de las necesidades del sitio específico y diversos económico y las restricciones ambientales. Por lo tanto, existe un amplio panorama de optimización cuando se trata de sistemas de energía híbridos, en su configuración y diseño, así como en su funcionamiento. Los objetivos específicos del presente capítulo es analizar y describir los conceptos y los parámetros que afectan el diseño y optimización de sistemas de energía híbridos. Los principales puntos de la presente capítulo son: (i) identificar los parámetros que determinan el diseño óptimo de cada componente individual como una parte de un sistema más grande, (ii) enfatizar los objetivos y las limitaciones relativas a la optimización de los sistemas híbridos de energía, (iii) dar una breve reseña de los métodos y técnicas generalmente empleadas en el proceso de optimización, y (iv) proporcionar una visión de las perspectivas futuras de optimización de sistemas híbridos.

Contenido 3. 1 3. 2 3. 3 3. 4 3. 5 3. 6 3. 7 Introducción Modelado de sistemas de energía Síntesis, diseño y operación de un sistema de energía híbrido Los sistemas híbridos de energía, técnicas de optimización Herramientas de software para la simulación y optimización de sistemas de energía híbridos Resumen de técnicas de optimización Las tendencias futuras

3. 1 Introducción Los sistemas híbridos de energía pueden ofrecer un medio valioso para suministrar electricidad a zonas remotas. El éxito futuro de estos sistemas se basa en la continua investigación desarrollo y demostración de tecnologías de energía renovable, con mejora del rendimiento operativo, la reducción de costos y una mayor fiabilidad. En la mayoría de los casos hay una gama de diferentes combinaciones de componentes que pueden ser considerados para un área específica, cada combinación puede exhibir diferentes características técnicas y económicas, es decir, la configuración de un sistema híbrido de energía en sí es un problema de optimización. Además, la configuración del sistema más favorable no consiste necesariamente en los óptimos parciales de los componentes individuales y esto plantea otro problema de optimización interesante. Muchas ideas han sido propuestas para abordar el óptimo funcionamiento de los sistemas de energía híbridos. Sin embargo, hay que señalar que no existe un enfoque globalmente aceptado o solución al problema. Por el contrario, el problema es muy complejo, y las características especificaciones sitio (ubicación geográfica, por ejemplo) y los detalles técnicos de un sistema de afectar a la aplicación y el éxito de cualquier solución dada.

El objetivo de este capítulo es describir los problemas de la optimización del diseño de sistemas de energía híbridos. Más específicamente, el propósito de este capítulo es: • Destacar la función de modelado de sistemas de energía, y poner énfasis en los problemas básicos de sistemas energéticos que pueden ser abordados a través del desarrollo del modelo • Identificar los parámetros que determinan el diseño de cada componente individual y, específicamente, cada componente como parte de un sistema completo • Definir las facetas de la optimización del sistema híbrido de energía y enumerar los objetivos potenciales y las limitaciones que rigen la optimización • Dar una breve reseña de los métodos y técnicas empleadas habitualmente para optimizar los sistemas de energía • Destacar la investigación y tendencias de desarrollo así como las perspectivas futuras de la optimización del sistema híbrido de energía.

3. 2 Modelado de sistemas de energía 3. 2. 1 Ámbito de aplicación y tipo de modelos. Los modelos de sistemas de energía son modelos matemáticos que se desarrollan con el fin de representar lo más fiable posible diversos problemas relacionados con la energía. Últimamente, estos modelos se han convertido en un medio común para identificar y resolver esos problemas. Los modelos matemáticos pueden referirse a una amplia variedad de problemas, tales como la síntesis, el diseño, operación y optimización. El tamaño y la complejidad del modelo están estrechamente relacionados con el nivel de detalle del análisis requerido, la disponibilidad de datos y la magnitud del problema. Los modelos de energía pueden ser desarrollado para la eficiente previsión, planificación, diseño, operación y optimización de todos los sistemas de energía.

También hay que señalar que la tecnología, eficiencia, oferta, demanda, empleo y la disponibilidad de recursos se han utilizado como restricciones en estos modelos. Diferentes modelos de programación matemática pueden aplicarse plenamente a la optimización de los sistemas de energía híbridos en cualquier momento, con la eficiencia y los factores de costo como parámetros críticos en la formulación de un enfoque objetivo de la optimización. Como los modelos de programación matemática se desarrollan, es interesante estudiar en detalle el tipo de criterios de optimización que pueden ser empleados en diferentes escenarios (Ostergaard, 2009). Estos criterios pueden expresar funciones económicas tales como el valor presente neto, el costo total, costo anualizado y beneficio, o, alternativamente, una medida bien definida del rendimiento basado en el funcionamiento del sistema de energía, o incluso la consideración de los temas de sostenibilidad. Por otra parte, las limitaciones físicas, diferentes técnicas y recursos del sistema que se consideren puede ser muy simplemente integrados en el modelo. De hecho, la posibilidad de alojar las restricciones ambientales y los costos de la energía hace que el modelado de un enfoque prometedor en la búsqueda de soluciones a los problemas de optimización complejos.

3. 2. 2 Síntesis, diseño y operación de modelos de energía Como en muchos otros sistemas de ingeniería, una amplia variedad de problemas de síntesis, de diseño y funcionamiento pueden ser encontrados y resueltos con el uso de modelos de energía (Tabla 3. 1). Es interesante mencionar aquí que todos estos problemas pueden ser abordados con otras técnicas, tales como el análisis de escenarios y la simulación. El uso de modelos de energía integrada supone que el problema se puede describir de forma fiable con relaciones matemáticas, y que su complejidad puede ser abarcado por los algoritmos disponibles.

El problema de síntesis En el problema de síntesis la configuración del sistema será determinado, es decir cuales unidades se asignarán en el sistema, y dónde. Este es un aspecto muy importante en el diseño, ya que hay muchas posibilidades alternativas generalmente relacionados con los componentes individuales serán incluidos en un sistema híbrido de energía. Por ejemplo, el problema de la síntesis de un sistema híbrido de energía dada sería determinar: • el tipo de sistema de energía renovable (FER) por ser incluido (eólico, fotovoltaico (PV), energía hidroeléctrica) • el número y la capacidad de las unidades de las FER. • si un generador diesel de respaldo se incluye en el sistema • si el almacenamiento de energía se integraría en el sistema. En el desarrollo de modelos matemáticos para el problema de síntesis, se definen variables enteras (binario) para este tipo de decisiones, es decir, si un componente se incluye o no en el sistema, y cómo se integrará. En términos de modelos, esto generalmente lleva a un problema de optimización con variables enteras, posiblemente de carácter no lineal.

El problema de diseño aborda el tamaño y número de componentes del sistema. Por ejemplo, un sistema de energía híbrido que consta de varios componentes puede ser diseñado con el fin de cubrir una demanda específica. Los modelos matemáticos que expresan el problema de diseño se incluyen como variables el número y tamaño de cada componente individual, así como sus interconexiones. Debido a las frecuentes interacciones entre los problemas de diseño y síntesis, los dos se enfrentan a menudo al mismo tiempo. Por lo tanto, tanto la estructura y las dimensiones principales del sistema se deciden juntas. Por ejemplo, el problema de diseño de un sistema híbrido de energía sería determinar el tamaño de cada componente dado del sistema, de modo que: • Una carga específica sería satisfecha • Los costos de capital serían limitados • Los impactos ambientales se reducirían • Las otras variables importantes que tener en cuenta. El problema de diseño también puede formularse como un problema de optimización con una variedad de criterios de optimización, tales como minimización de los costes, las el tamaño de cada componente y limitaciones que describen el física del sistema.

El problema de funcionamiento Otro enfoque se utiliza ampliamente en el diseño y operación es la simulación de sistemas. En este caso un modelo intenta simular el sistema real por iterativas soluciones. Varios escenarios alternativos son evaluados con los parámetros de entrada, de tal manera que las soluciones son una mejora gradual a cada nueva evaluación. Por lo general, los modelos operacionales son más simples que la síntesis - los modelos de diseño y por lo tanto problemas de simulación suelen ser más fáciles de resolver. Sin embargo, la solución óptima no necesariamente puede ser garantizada. En el modelado de un sistema operativo híbrido de energía, un amplio espectro de problemas de cálculo puede surgir, por ejemplo, de la imprecisión en las estimaciones de medición, o debido a la complejidad inherente en la planificación y configuración de todo un sistema. Este problema de operación es crítica, dado que hay muchos modos alternativos de funcionamiento de un sistema, dando lugar a varias deficiencias de desempeño y la satisfacción de diferentes restricciones operativas En cada uno de los casos anteriores, las variables, parámetros, restricciones y criterios de optimización son diferentes.

3. 2. 3 Los modelos de optimización El uso de modelos de optimización ha mejorado mucho la ingeniería de sistemas. Se ha evolucionado a partir de una metodología de interés exclusivamente académica en el que tiene muchas aplicaciones prácticas interesantes, y continúa haciendo un impacto significativo en la industria (Biegler Lorenz y Grossman, 2004; Grossman y Lorenz Biegler, 2004), donde las soluciones óptimas a problemas de ingeniería de sistemas se traducen en grandes ahorros en dinero, energía, mano de obra, el uso del agua, tiempo, entre otros así como una mayor competitividad. El alcance de la optimización es amplia y puede incluir la planta, el proceso, una pieza de equipo, o cualquier escala intermedia entre ellos. La optimización de un sistema de energía puede enfocarse en una compleja combinación de unidades, en unidades individuales, las piezas individuales de equipo, o en los subsistemas dentro de una pieza de equipo. Actualmente hay muchos tipos diferentes de problemas que pueden ser resueltos mediante el uso de modelos de optimización, en función de la amplitud y complejidad del sistema bajo consideración.

Sin embargo, el desarrollo de un modelo matemático completo que puede intentar tomar todos los parámetros en cuenta, no siempre es fácil, y la fiabilidad de la solución obtenida depende de la integridad y la calidad del modelo. Además, a veces el modelo puede llegar a ser tan complejo que su solución puede a su vez ser igualmente compleja y costosa de realizar (por ejemplo, en el caso de un gran número de variables enteras o en sistemas altamente no lineales). De acuerdo con las definiciones proporcionados anteriormente, los problemas de síntesis, de diseño y funcionamiento pueden ser alcanzadas fácilmente como problemas de optimización, según lo determinado por variables apropiadas, los criterios de optimización y las limitaciones de sistemas. Dado que los problemas de diseño tienden a depender más de las predicciones de los modelos de procesos, que son no lineales en la naturaleza, estos problemas pueden ser abordados, como la programación no lineal (NLP) y los problemas mixtos de programación lineal (MINLP). En problemas de funcionamiento con los requisitos dependientes del tiempo y las actividades relacionadas con la planificación son más importantes y por lo que estos problemas pueden ser abordados como la programación lineal (LP) y los problemas MILP.

3. 3 Síntesis, diseño y operación de un sistema de energía híbrido Como ya se ha detallado anteriormente, un sistema híbrido de energía pueden consistir en turbinas eólicas, paneles fotovoltaicos, micro hidroeléctricas, sistemas de biomasa, generadores de energía, y generadores de diesel convencionales, potencialmente, combinados con sistemas de almacenamiento de energía. Una representación esquemática general de un sistema híbrido de energía se muestra en las figuras 3. 2 y 3. 3 (Kaldellis, 2008; . Kaldellis et al, 2009 e).

3. 3. 1 Las condiciones locales y la selección del sistema La selección de los componentes del sistema depende de las condiciones locales de la zona. Debido al comportamiento estocástico de la mayoría de las fuentes de energía renovables, las consideraciones más importantes implicadas en el diseño de un sistema híbrido de energía debe incluir la fiabilidad de la fuente de alimentación en condiciones atmosféricas variables y el costo proyectado de energía. Los pasos a seguir en un sistema integrado de síntesis de diseño del proyecto de un sistema híbrido (Fig. 3. 4) se pueden resumir de la siguiente manera (Diaf et al, 2007). 1. Estimación y evaluación del potencial de energía renovable. 2. Decisión sobre el sistema híbrido de configuración sobre la base de un análisis de pre-factibilidad. 3. Decisión sobre el conjunto específica de los componentes. 4. Desarrollo del modelo del sistema híbrido. 5. Los tamaños y la optimización económica del sistema. 6. Resultados de la simulación y el análisis operativo del sistema resultante.

A fin de calcular el rendimiento de un sistema existente, o para predecir el consumo de energía o la generación de energía de un sistema en la etapa de diseño, se requieren datos apropiados de las variables climáticas de tiempo. Los estudios de prefactibilidad basados en los datos meteorológicos para determinar la disponibilidad y la magnitud de los recursos (por ejemplo, la velocidad del viento y la irradiación solar) que luego pueden ser acoplados a los requerimientos de carga para el sitio específico. La fiabilidad de la información relativa a las condiciones climáticas determina en gran medida la calidad de la solución propuesta. Después de un estudio de prefactibilidad, la selección de tamaño adecuado de los equipos puede hacerse con base en las condiciones climáticas locales (datos del clima y el viento), la carga y la capacidad requerida.

3. 3. 2 Diseño óptimo de sistemas de energía híbridos. Muchos enfoques diferentes se han seguido en la industria con el fin de aplicar los pasos básicos descritos en la figura. 3. 4. Las consideraciones de tamaño de los componentes individuales de un sistema híbrido de energía han sido considerados por muchos investigadores, con diferentes enfoques aplicados que principalmente se basan en la simulación y análisis de escenarios. Sin embargo, el desarrollo e implementación de modelos de optimización para la fase de diseño no ha sido un enfoque común al problema. Además, en la mayoría de los casos, el tamaño óptimo se piensa que es un problema que debe ser considerado simultáneamente con la selección del conjunto de los componentes del sistema (configuración/síntesis), y el número óptimo y tipo de unidades en términos de conceptos técnicos y económicos. La unidad de dimensionamiento del sistema de energía híbrido integrado juega un papel importante en la configuración de su fiabilidad y economía. Un método de la optimización del tamaño pueden ayudar a garantizar la inversión más baja, con pleno uso de una turbina de viento, del campo fotovoltaico, y banco de baterías, de modo que el sistema híbrido puede funcionar en las condiciones óptimas en términos de inversión financiera y la fiabilidad del sistema.

Como ya se ha mencionado, no existe un modelo genérico y método de solución para el diseño óptimo y dimensionamiento de los sistemas de energía híbridos. Diversas herramientas han sido desarrolladas y aplicadas en este sentido. Una revisión de los modelos de simulación y de diseño que han sido utilizados se pueden encontrar en Bernal-Agustín y Dufo-López (2009). Los sistemas más estudiados son FV-diesel, fotovoltaico-eólico, fotovoltaico, -eólico –diesel y sistemas eólico-diesel. Varios grupos de investigación abordan el problema de diseño utilizando su propia simulación y herramientas de optimización de software (Kaldellis, 2008; . Kaldellis et al, 2008, 2009 a, b, c, d, e), o el uso de software comercial, tales como Homero y Hybrid 2 (Nacional Renewable Energy Laboratory, 2005). La mayoría de los estudios se refieren a los aspectos de diseño y económicos de estos sistemas y tratar menos con problemas de control. Las consideraciones medioambientales también han sido tomadas en en cuenta en estos estudios, mientras que algunos estudios de casos específicos se incluyen, por lo general sobre la aplicación de sistemas de energía híbridos en zonas remotas.

Hay un constate incremento en el interés en los modelos de desarrollo para sistemas de energía híbridos (Deshmukh y Deshmukh, 2008), y de las diversas técnicas consideradas para el dimensionamiento óptimo de los sistemas energéticos híbridos, se puede mencionar: • Programación lineal • Aproximación probabilística • Técnicas iterativas; • Programación dinámica; • Optimización multiobjetivo. Técnicas de programación lineal minimizan el costo promedio de producción de electricidad, mientras que el cumplimiento de los requisitos de carga de una manera fiable, y toman en cuenta los factores ambientales, tanto en el diseño y las fases de operación.

3. 4 técnicas de optimización del sistema híbrido de energía 3. 4. 1 Criterios para la optimización del sistema híbrido de energía Con el fin de seleccionar una combinación óptima para un sistema híbrido para satisfacer la demanda de carga, la evaluación debe llevarse a cabo sobre la base de la fiabilidad de alimentación y el costo del sistema de ciclo de vida. La combinación óptima puede hacer considerando el mejor compromiso entre dos objetivos principales: la fiabilidad de suministro de energía y el costo del sistema.

Análisis de la fiabilidad de alimentación Debido a las características intermitentes del recursos (fuerza del viento, radiación solar) para la producción de energía, un análisis de confiabilidad de energía suele ser un paso necesario en cualquier proceso de diseño del sistema. Hay un número de métodos utilizados para calcular la fiabilidad de un sistema híbrido de energía, entre ellos: • Probabilidad de pérdida de carga (LOLP): corte de energía en un período de tiempo dividido por un período de tiempo determinado (generalmente un año); • Probabilidad de pérdida de la fuente de alimentación (LPSP): probabilidad de que un suministro insuficiente resultará cuando el su sistema híbrido es incapaz de satisfacer la demanda de carga; • La carga no atendida (UL): la carga no atienda, dividido por la carga total de un período de tiempo (normalmente un año).

El método más popular es el método LPSP. El LPSP es la probabilidad de que un suministro insuficiente de energía resultará cuando el sistema híbrido de energía no es capaz de satisfacer la demanda de carga. El diseño de un sistema independiente híbrido confiable solar-eólico (integrado con el almacenamiento de energía) puede llevarse a cabo mediante el uso de la LPSP como el parámetro clave del diseño. Existen dos enfoques para la aplicación de la LPSP en el diseño. El primero se basa en simulaciones cronológicas. Este enfoque es computacionalmente intensivo y requiere la disponibilidad de datos que abarcan un período de tiempo suficiente. El segundo enfoque utiliza técnicas probabilísticas para incorporar la naturaleza fluctuante de los recursos y la carga, eliminando así la necesidad de datos de series de tiempo.

Sistema de análisis de costos Varios criterios económicos existen para el análisis de los costos del sistema, tales como el costo presente neto (NPC), el costo nivelado de la energía (LCE) y el costo del ciclo de vida. El NCP se define como el valor actual total de una serie temporal de flujos de efectivo, que incluye el costo inicial de todos los componentes del sistema, el costo de los reemplazos de componentes que se producen en la vida del proyecto, y el costo de mantenimiento, es decir, los costos de inversión, además de los valores presentes descontados de todos los costes futuros durante la vida útil del sistema. El costo de ciclo de vida del sistema se considera generalmente como la vida de los elementos que tienen la vida útil más larga. El LCE se utiliza ampliamente en el diseño y optimización de sistemas de energía. Este refleja el costo de generar energía (normalmente electricidad) para un sistema particular y que se define como la relación del costo total anual del sistema a la electricidad anual emitido por el sistema. Esto incluye todos los costos durante la vida del sistema de inversión inicial y costos de capital, a operaciones y mantenimiento (combustible, por ejemplo) y de financiamiento.

3. 4. 2 Optimización económica y técnico-económicos de los sistemas energéticos híbridos Como se señaló anteriormente, los problemas de síntesis, de diseño y operación de un sistema híbrido de energía se puede expresar como problemas de optimización, en donde ciertos criterios deben ser optimizados (minimizado o maximizado) sujeto a un conjunto de restricciones operativas, técnicas y / o ambientales derivados de los las características físicas y operacionales del sistema. A nivel general, los sistemas híbridos de energía puede ser diseñado desde una perspectiva económica o desde el punto de vista técnico-económico, pero dentro de estos dos enfoques, varias subdivisiones se puede encontrar. Los criterios económicos de optimización pueden incluir: • total de los costos de los sistemas energéticos; • Los costos de capacidad, y • Los costos para la sociedad. Los criterios de optimización tecno-operativos pueden incluir: • ahorro de combustible; • las emisiones de CO 2; • reserva /capacidad de respaldo • eliminación de la generación de energía en exceso.

Los criterios de optimización potenciales que pueden ser considerados para un sistema de energía híbrido particular, podrían ser por ejemplo: • Reducción al mínimo de la LCE; • La maximización de la tasa de uilisation de la FER; • Minimización del consumo de diesel el combustible del generador; • Minimización de generador diesel de arranque / parada de frecuencia. No existe un criterio generalmente aceptado de diseño económico de acuerdo en que los sistemas son universalmente analizado, optimizado y diseñado. Numerosos trabajos se han escrito sobre los diseños óptimos económicos de la energía fotovoltaica-eólica-sistemas de almacenamiento de diesel con energía en baterías. Por lo general, el diseño óptimo se lleva a cabo minimizando el NPC o reduciendo al mínimo la LCE. Diaf et al. (2007, 2008) presenta una aplicación de un sistema híbrido fotovoltaico-eólico-baterías en Córcega (Francia), que minimiza el LCE. Bernal-Agustín y Dufo-López (2009) llevó a cabo la optimización de los sistemas híbridos FV-diesel-baterías por medio de algoritmos genéticos (AG). Shaahid y El Amin (2009) utilizó el software para la optimización económica HOMER (minimización de la NPC) de un sistema FV-dieselbatería para suministrar un centro comercial ubicado en Dhahran (Arabia Saudita).

Yang et al. (2008) presenta un método para la optimización de sistemas híbridos de PV-viento-baterías que reduzcan al mínimo la LCE. La optimización se llevó a cabo tratando combinaciones de componentes: • cambiar el número de módulos fotovoltaicos; • cambiar la orientación de los módulos fotovoltaicos; • el cambio de la potencia nominal del aerogenerador; • cambiar la altura de la torre de la turbina eólica, y • el cambio de la capacidad del banco de baterías. Se puede elaborar un análisis de decisión multicriterio (Shaahid y El Amin, 2009), sin embargo, los modelos de optimización de aplicación general, aún no se han desarrollado, lo que representa un área en la necesidad de futuras investigaciones. En Bernal-Agustín y Dufo-López (2009) presenta una revisión completa de las rutas de optimización, y una evaluación de los sistemas de software que se han desarrollado para la simulación y optimización de sistemas de energía híbridos. El uso de herramientas de software mejoradas deberían ser muy útil para el desarrollo futuro de modelos de optimización multicriterio.

3. 5 Herramientas de software para la simulación y optimización de sistemas de energía híbridos Varias herramientas de software (programas de simulación) están disponibles para el diseño de sistemas híbridos de energía. En esta sección, tres de estos sistemas se presentan: HOMER, Hybrid 2 y HOGA. El cuadro 3. 2 muestra las capacidades de cada sistema.

3. 5. 1 software HOMER El Modelo Hybrid Optimisation Model for Electric Renewables (HOMER) es un programa de dominio público producido por National Renewable Energy Laboratory (NREL) (2005). Se trata de un simulador de paso de tiempo con la carga horaria y las entradas de datos ambientales para la evaluación de sistemas de energías renovables y facilita la optimización de los sistemas de energía renovable basado en la NPC para un determinado conjunto de restricciones y variables de sensibilidad. HOMER ha sido ampliamente utilizado en estudios de casos en sistema de energías renovables y en las pruebas de validación del sistema de energía renovable. Aunque las simulaciones pueden llevar mucho tiempo dependiendo del número de variables que se utilizan, su funcionamiento es sencillo. La limitación del programa es que no permite al usuario seleccionar intuitivamente los componentes adecuados para un sistema, ya que los algoritmos y los cálculos no son visibles o accesibles. Los datos de entrada que se deben suministrar a HOMER son: • Las cargas eléctricas (carga de datos); • Los recursos renovables (por ejemplo, datos de radiación solar); • Los detalles de los componentes técnicos o costos; • Restricciones; • Controles; • Tipo de estrategia de despacho, entre otros…

3. 5. 2 Hybrid 2 software del sistema El paquete de software Hybrid 2 es una herramienta fácil de usar que puede realizar de manera más detallada, el rendimiento a largo plazo y el análisis económico en una amplia variedad de sistemas de energía híbridos. Hybrid 2 es un modelo probabilístico/serie de tiempo, que utiliza datos de series temporales para la carga, velocidad del viento, radiación solar (radiación solar) y la temperatura para predecir el desempeño del sistema de potencia híbrida seleccionada por el usuario. Las variaciones en la velocidad del viento y la carga dentro de cada período de tiempo se tienen en cuenta en las predicciones de desempeño. El código no tiene en cuenta a corto plazo fluctuaciones del sistema causados por la dinámica de sistemas o componentes transitorios. Hybrid 2 fue diseñado para estudiar una amplia variedad de sistemas híbridos que incluye tres tipos de cargas eléctricas, turbinas de viento de varios tipos diferentes, energía fotovoltaica, generadores diesel, almacenamiento en baterías y otros cuatro tipos de dispositivos de conversión de energía. Una herramienta de análisis económico también se incluye, que calcula el valor económico del proyecto con muchos parámetros económicos y su rendimiento.

El código Hybrid 2 emplea una interfaz gráfica de usuario (GUI) y un glosario de términos comúnmente asociados con los sistemas de energía híbridos y viene empaquetado con herramientas para ayudar al usuario en el diseño de sistemas híbridos de energía. Cada pieza del equipo en la biblioteca está disponible comercialmente y utiliza las especificaciones de los fabricantes. Además, la biblioteca incluye ejemplos de sistemas de energía y plantilla de proyectos. Dos niveles de salida de datos se proporcionan, un resumen y una descripción detallada paso de tiempo describiendo los flujos de potencia. Una interfaz gráfica de resultados (GRI) facilita su interpretación y profunda revisión de los resultados de las simulaciones.

3. 5. 3 El sistema de software HOGA Hybrid Optimisation by Genetic Algorithms (HOGA) es un programa de simulación y optimización desarrollado en C++ por el Departamento de Ingeniería Eléctrica de la Universidad de Zaragoza (España). Se puede utilizar para sistemas de energía híbridos que generan electricidad (ya sea de corriente continua (CC) o corriente alterna (CA)), producir hidrógeno o que se aplican a las cargas de bombeo de agua (ya sea por separado o en combinación). La optimización se logra minimizar los costos totales del sistema a través de toda su vida útil, con base en cálculos del NPC. Además, el programa permite la optimización multi-objetivo, donde las variables adicionales también se pueden minimizar como las emisiones de CO 2 o energía no servida (la energía no desapachada), por ejemplo. El sistema híbrido puede comprender los siguientes elementos: fotovoltaicos (FV), turbinas de viento, turbina hidráulica, celada de combustible, tanque de hidrógeno y electrolizador, así como baterías, regulador de carga de la batería, inversores (conversor DC / AC), la rectificador (AC / CC), y el generador de CA (este último basado en fuentes de energía convencionales o renovables, por ejemplo, biogás). Todos los elementos pueden estar presentes isimultaneamente, y el usuario puede decidir incluir sólo algunos de ellos como parte del sistema deseada.

3. 6 Resumen de técnicas de optimización Varias técnicas de optimización, tales como los métodos gráficos de construcción aproximaciones probabilísticas y técnicas iterativas han sido recomendados por los investigadores para garantizar la inversión más baja, con la plena utilización de los sistemas de energía correspondientes. Por ejemplo, una interesante revisión de las técnicas de optimización más comúnmente aplicadas para sistemas híbridos se da en Zhou et al. (2009). Los resultados de esta revisión se presentan en la Tabla 3. 3, junto con las ventajas y desventajas de cada método empleado. En cualquier caso, el alcance de la investigación en la elaboración de estas técnicas tendrá un impacto significativo en la mejora y competitividad de los sistemas de energía híbridos.

3. 7 Tendencias futuras Los sistemas híbridos de energía representan una solución sostenible muy prometedora para la generación de energía en aplicaciones autónomas. La investigación y desarrollo llevado a cabo en estas tecnologías emergentes sin duda se traducirá en la reducción del costo de los sistemas, a pesar del complejo proceso involucrado en el diseño y optimización de estos sistemas. La asignación óptima de recursos, basado en la demanda de carga y la previsión de recursos renovables, también se compromete a significativa a reducir el costo total de operación del sistema. Además de meros criterios de minimización de costos por sí solos, cada vez es más importante tener en cuenta otros factores pertinentes, tales como la minimización de las emisiones, o la maximización de la fiabilidad de los sistemas. La optimización de la configuración diseño y operación de los sistemas de energía híbridos se apoya en modelos avanzados que describen los sistemas de forma realista. La investigación adicional en el desarrollo de modelos matemáticos genéricos facilitará el desarrollo y aplicación de herramientas de optimización fiables y de fácil acceso multi-objetivo, tales como programas de software.

El desarrollo de una metodología genérica, validada y completa para la síntesis y el diseño de sistemas de energía híbridos - la incorporación de una adecuada planificación y los modelos normalizados para tener en cuenta las características de la ubicación, el sistema híbrido de energía adecuada, y todo el potencial operativo y el rendimiento escenarios para su aplicación - que significativa mejorar la aplicación de estas tecnologías. La aplicación de técnicas modernas de control (tal como un controlador del sistema centralizado) podrían mejorar aún más el rendimiento operativo y gestión de la energía de estos sistemas de energía híbridos modulares, permitiendo la utilización del recurso renovable para ser optimizado.

3. 8 Referencias • • Bernal-Agustin, J. , Dufo-Lopez, R. 2009, Simulation and optimisation of standalone hybrid renewable energy systems, Renewable and Sustainable Energy Reviews 13, 2111– 2118. Biegler Lorenz, T. , Grossmann, I. E. 2004, Retrospective on optimization, Computersand Chemical Engineering 28, 1169– 1192. Cai, Y. P. , Huang, G. H. , Yang, Z. F. , Lin, Q. G. , Bass, B. , Tan, Q. 2008, Development of an optimization model for energy systems planning in the Region of Waterloo, International Journal of Energy Research 32(11), 988– 1005. Celik, A. N. 2003, Techno-economic analysis of autonomous PV–wind hybrid energy systems using different sizing methods, Energy Conversion and Management 44, 1951– 1968. Deshmukh, M. K. , Deshmukh, S. S. 2008, Modelling of hybrid renewable energy systems, Renewable and Sustainable Energy Reviews 12(1), 235 – 249. Deshmukh, S. S. , Boehm, R. F. 2008, Review of modelling details related to renewably powered hydrogen systems, Renewable and Sustainable Energy Reviews 12(9), 2301– 2330. Diaf, S. , Diaf, D. , Belhamel, M. , Haddadi, M. , Louche, A. 2007, A methodology for optimal sizing of autonomous hybrid PV/wind system, Energy Policy 35, 5708– 5718.

• • • Diaf, S. , Nottn, G. , Belhamel, M. , Haddadi, M. , Louche, A. 2008, Design and techno-economical optimisation for hybrid PV/wind system under various meteorological conditions, Applied Energy 85, 968– 987. Ekren, O. , Ekren, B. , Ozerdem, B. 2009, Break–even analysis and size optimization of a PV/Wind hybrid nergy conversion system with battery storage – a case study, Applied Energy 86, 1043– 1054. Fung, C. C. , Ho, S. C. Y. , Nayar, C. V. 1993, Optimisation of a hybrid energy system using simulated annealing technique. Proceedings of the IEEE Region 10 Conference on Computer, Communication, Control and Power Engineering, TENCON 1993, pp. 235– 238. Fung, C. C. , Iyer, V. , Maynard, C. 1998 a, Computational intelligence techniques for short term generation scheduling in a hybrid energy system. In S PRICAI’ 98: Topics in Artifi cial Intelligence, pp. 272– 281. Springer, Berlin/Heidelberg. Available online at: http: //www. springerlink. com Fung, C. C. , Iyer, V. , Maynard, C. 1998 b, Short-term generation scheduling of a remote area hybrid energy system using computational intelligence techniques. Proceedings of the IEEE Conference on Power Electronic Drives and Energy Systems for Industrial Growth, 1(1– 3), 365– 370. Grossmann, I. E. , Biegler Lorenz, T. B. 2004, Part II. Future perspective on optimization, Computers and Chemical Engineering 28, 1193– 1218.

• • • Gupta, A. , Saini, R. P. , Sharma, M. P. 2006 a, Modelling of hybrid energy system for off grid electrifi cation of clusters of villages. Proceedings of the IEEE Conference on Power Electronics, Drives and Energy Systems, (PEDES) 2006, pp. 1– 5. Gupta, A. , Saini, R. P. , Sharma, M. P. 2006 b, Optimised application of hybrid renewable energy system in rural electrifi cation. Proceeding of the IEEE Indian Conference on Power Electronics (IICPE) 2006, pp. 337– 340. Gupta, A. , Saini, R. P. , Sharma, M. P. 2007, Design of an optimal hybrid energy system model for remote rural area power generation. Proceedings of the IEEE Conference on Electrical (ICEE) 2007, pp. 1– 6. Gupta, A. , Saini, R. P. , Sharma, M. P. 2008 a, Computerized modelling of hybrid energy system – Part I: Problem formulation and model development. Proceedings of the IEEE Conference on Electrical and Computer engineering (ICECE) 2008, pp. 7– 12. Gupta, A. , Saini, R. P. , Sharma, M. P. 2008 b, Computerized modelling of hybrid energy system – Part II: Combined dispatch strategies and solution algorithm. Proceedings of the IEEE Conference on Electrical and Computer Engineering (ICECE) 2008, pp. 13– 18. Haque, R. U. , Iqbal, M. T. , Quaicoe, J. E. 2006, Sizing, dynamic modelling and power electronics of a hybrid energy system. Proceedings of the IEEE Canadian Conference on Electrical and Computer Engineering, CCECE, 2006, pp. 1135– 1138

• • Hokaoglu, F. O. , Gerek, O. , Kurban, M. 2009, A novel hybrid (windphotovoltaic) system sizing procedure, Solar Energy 83, 11, 2019– 2028. Jebaraj, S. , Iniyan, S. 2006, Review of energy models, Renewable and sustainable energy reviews 10, 281– 311. Kaldellis, J. K. 2008, Integrated electrification solution for autonomous electrical networks on the basis of RES and energy storage confi gurations, Energy Conversion and Management 49, 3708– 3720. Kaldellis, J. K. , Zafirakis, D. , Kavadias, K. , Kondili, E. 2008, An optimum sizing methodology for combined photovoltaic-energy storage electricity generation configurations, ASME Journal of Solar Energy Engineering, SOL-07 -1177 131(2), 021010(1– 12). Kaldellis, J. K. , Simotas, M. , Zafi rakis, D. , Kondili, E. 2009 a, Optimum autonomous photovoltaic solution for the Greek islands on the basis of energy pay-back analysis, Journal of Cleaner Production 17, 1311– 1323. Kaldellis, J. K. , Zafirakis, D. , Kondili, E. 2009 b, Optimum autonomous stand-alone photovoltaic system design on the basis of energy pay-back analysis, Energy 34, 1187– 1198. Kaldellis, J. K. , Zafirakis, D. , Kondili, E. 2009 c, Optimum sizing of photovoltaic energy storage systems for autonomous small islands, International Journal of Electrical Power & Energy Systems 32(1), 24– 38. Kaldellis, J. K. , Zafirakis, D. , Kaldelli, E. K. , Kavadias, K. 2009 d, Cost benefi t analysis of a photovoltaic-energy storage electrifi cation solution for remote islands, Renewable Energy 34, 1299– 1311.

• • Kaldellis, J. K. , Spyropoulos, G. C. , Kavadias, K. A. , Koronaki, I. P. 2009 e, Experimental validation of autonomous PV-based water pumping system optimum sizing, Renewable Energy 34(4), 1106– 1113. Kélouwani, S. , Agbossou, K. , Chahine, R. 2005, Model for energy conversion in renewable energy system with hydrogen storage, Journal of Power Sources 140(2), 392– 399. Lagorse, J. , Paire, D. , Miraoui, A. 2009, Sizing optimization of a standalone street lighting system powered by a hybrid system using fuel cell, PV and battery. Renewable Energy 34(3), 683– 691. Li, C-H. , Zhu, X-J. , Cao, G-Yi, Sui, S. , Hu, M-Ruo, 2009, Dynamic modelling and sizing optimization of stand-alone photovoltaic power systems using hybrid energy storage technology, Renewable Energy 34(3), 815– 826. Maclay, J. D. , Brouwer, J. , Samuelsen, G. S. 2007, Dynamic modeling of hybrid energy storage systems coupled to photovoltaic generation in residential applications, Journal of Power Sources 163(2), 916– 925. Manolakos, D. , Papadakis, G. , Papantonis, D. , Kyritsis, S. 2001, A simulation optimization programme for designing hybrid energy systems for supplying electricity and fresh water through desalination to remote areas: Case study: the Merssini village, Donoussa island, Aegean Sea, Greece, Energy 26(7), 679– 704. Mellit, A. , Kalogirou, S. A. , Hontoria, L. , Shaari, S. 2009, Artifi cial intelligence techniques for sizing photovoltaic systems: a review, Renewable and Sustainable Energy Reviews 13(2), 406– 419.

• • National Renewable Energy Laboratory, 2005, HOMER Getting Started Guide Version 2. 1, NREL. Nema, P. , Nema, R. K. , Rangnekar, S. 2009, A current and future state of art development of hybrid energy system using wind and PV-solar: a review, Renewable and Sustainable Energy Reviews, 13(8), 2096– 2103. Onar, O. C. , Uzunoglu, M. , Alam, M. S. 2006, Dynamic modeling, design and simulation of a wind/fuel cell/ultra-capacitor-based hybrid power generation system, Journal of Power Sources 161(1), 707– 722. Onar, O. C. , Uzunoglu, M. , Alam, M. S. 2008, Modeling, control and simulation of an autonomous wind turbine/photovoltaic/fuel cell/ultracapacitor hybrid power system, Journal of Power Sources 185(2), 1273– 1283. Ostergaard, P. A. 2009, Reviewing optimisation criteria for energy systems analyses of renewable energy integration, Energy 34(9), 1236– 1245. Razak, J. , Sopian, K. , Nopiah, Z. , Zaharim, A. , Ali, Y. 2007, Optimization of renewable energy hybrid system by minimizing excess capacity, International Journal of Energy 1, 77– 81. Shaahid, S. M. , El-Amin, I. 2009, Techno-economic evaluation of off-grid hybrid photovoltaic–diesel–battery power systems for rural electrifi cation in Saudi Arabia – A way forward for sustainable development, Renewable and Sustainable Energy Reviews 13(3), 625– 633.

• • • Tuborache, T. , Morega, Al. 2008, Optimum design of a wind/PV/diesel/batteries hybrid systems, 2 nd International Conference on Moderm Power Systems MPS 2008. Uzunoglu, M. , Onar, O. C, Alam, M. S. 2009, Modeling, control and simulation of a PV/FC/UC based hybrid power generation system for stand-alone applications, Renewable Energy 34(3), 509– 520. Vieira, F. , Ramos, H. M. 2009, Optimization of operational planning for wind/hydro hybrid water supply systems, Renewable Energy 34(3), 928– 936. Yang, H-X. , Zhou, W. , Lu, L. , Fang, Z-H. 2008, Optimal sizing method for standalone hybrid solar–wind system with LPSP technology by using genetic algorithm, Solar Energy 82, 354– 367. Zhou, W. , Yang, H-X. , Fang, Z-H. 2008, Battery behavior prediction and battery working states analysis of a hybrid solar–wind power generation system, Renewable Energy 33, 1413– 1423. Zhou, W. , Lou, C-Z. , Li, Z-S. , Lu, L. , Yang, H-X. 2009, Current status of research on optimum sizing of stand-alone hybrid solar-wind power generation systems, Applied Energy 2009, 87(2), 380– 389. HOMER https: //analysis. nrel. gov/homer/ HYBRID 2 http: //www. ceere. org/rerl/projects/software/hybrid 2/ HOGA http: //www. hoga-renewable. es. tl/

4 Evaluación de la viabilidad de los sistemas de energía autónomos e híbridos eólicos J. K. KALDELLIS, TEI of Piraeus, Greece En este capítulo se investiga el comportamiento financiero de los sistemas híbridos de generación de electricidad basada en el viento (HEW), con base en la información existente sobre la inversión inicial y el costo de mantenimiento y operación de pequeñas centrales similares. En este contexto, un sistema integrado de análisis costo-beneficio siempre conduce a la estimación del periodo de recuperación, la eficiencia financiera, el valor presente neto (NPV) y la tasa interna de retorno (IRR) de varias instalaciones HEW examinados. Posteriormente se investiga el impacto de confiabilidad de la función de costo total, mientras que también se hace énfasis en los beneficios socio-ambientales de los sistemas autónomos HEW. Además, con el fin de obtener una comparación realista existentes entre los sistemas basados en combustibles fósiles y la propuesta de instalación de HEW, se estima el costo de generación de electricidad del HEW. Por último, en un intento por demostrar a las claras ventajas competitivas de los HEW, se examinan estudios de casos representativos, mientras que un análisis de sensibilidad detallada sobre el comportamiento financiero de los sistemas autónomos de HEW también se presnta.

4. 1 Introducción Los sistemas híbridos de generación de electricidad basados en el viento (HEW) contribuyen significativamente en la protección del medio ambiente y a reducir potencialmente la dependencia de las importaciones de petróleo y su traslado a lugares remotos. Sin embargo, al considerar su producción anual de energía, su principal desventaja es el costo inicial relativamente alto, aunque la eficiencia de la mayoría de los sistemas de fuentes de energía renovable (RES) se ha incrementado continuamente y mientras que su costo se ha reducido notablemente en los últimos años. Todavía se está reduciendo a un ritmo más rápido que el de cualquier otra tecnología de producción de energía (Masakazu et al, 2003; . Albrecht, 2007; Blanco, 2009). Mientras tanto, lejos de los centros de decisión y teniendo influencia política limitada, los consumidores aislados se enfrentan a menudo con graves problemas, debido a la insuficiente infraestructura local (Jensen, 2000). En este contexto, los sistemas autónomos HEW han demostrado ser una de las soluciones tecnológicas más prometedoras y ecológica para la electrificación de los consumidores remotos, especialmente para aquellos con presencia de un considerable potencial eólico (Kaldellis, 2004).

Sin embargo, un problema técnico importante de los HEW es la salida de potencia altamente fluctuante de las turbinas eólicas, que generalmente es incompatible con la demanda de los usuarios domésticos típicos o comerciales (Kaldellis et al. , 2005 a). Para hacer frente a este problema, un dispositivo de almacenamiento de energía se incorporan normalmente, lo que aumenta significativamente el costo inicial de las instalaciones independientes (Kaldellis et al. , 2009 a). Alternativamente, se puede operar un pequeño generador diesel. Sin embargo, los generadores diesel usados hasta ahora son relativamente baratos, son generalmente caros de operar y mantener, sobre todo en los niveles de carga parcial (Hunter y Elliot, 1994). De hecho, en ausencia de almacenamiento de energía, una alta frecuencia de ciclos de arranqueparada conducen evidentemente a un mayor desgaste del motor diesel y, por tanto, a las necesidades de mantenimiento mayores (Beyer et al. , 1995).

En consecuencia, se investiga el comportamiento financiero de los sistemas HEW, teniendo en cuenta la información existente sobre la inversión inicial, el mantenimiento y la operación (M & O), el costo de pequeñas centrales similares, y teniendo en cuenta el notable apoyo financiero de las energías renovables en similares aplicaciones de recursos públicos e internacionales. Por otra parte, se presenta un sistema integrado de análisis de costobeneficio, lo que lleva a la estimación de los parámetros principales de la instalación, tales como el período de recuperación, la eficiencia financiera, el valor presente neto (NPV) y la tasa interna de retorno (IRR). Posteriormente, se investiga el impacto de confiabilidad de la función de costo total, mientras que se hace énfasis también en los beneficios socioambientales de los sistemas autónomos HEW.

4. 2 Costo de instalación inicial de un sistema típico de generación de electricidad híbrido eólico Como ya se mencionó un típico sistema independiente HEW (Fig. 4, 1) se basa en lo siguiente: • • • Uno o más (por lo general pequeños) convertidores de viento. Un complemento de un generador basado en RES (por ejemplo, pequeña turbina hidráulica, fotovoltaica (PV) del generador). Opcionalmente también se puede utilizar un motor pequeño de potencia térmica (generador diesel o un mini-turbina de gas), basado tanto en la biomasa (biogás o biocombustibles) o el consumo de combustibles fósiles (Zafi Rakis y Kaldellis, 2009). Un dispositivo de almacenamiento de energía adecuado. Un rectificador de AC/DC en el caso de que la instalación de almacenamiento de energía necesita de corriente continua. Un regulador de carga Un (UPS, Uninterruptible Power Supply) a fin de garantizar una alta calidad la generación de electricidad de corriente alterna. Un Inversor DC/CA Otros equipos auxiliares y la parte no activa de la instalación, incluidas las estructuras de apoyo, dispositivos de acondicionamiento de potencia y el cableado.

4. 3 Costos de mantenimiento y operación de un sistema típico de generación de electricidad híbrido eólico autónomo Durante el funcionamiento a largo plazo, el costo de M & O se puede dividir (Kaldellis et al, 1989; . Kaldellis, 2003 a) en el costo fijo FCn y el costo de mantenimiento variable VCn. En el presente análisis, el costo fijo de M & O también se considera el costo del combustible consumido por el generador diesel. En términos generales, el costo anual fijo de M & O se puede expresar (Kaldellis, 2000) como una fracción m del capital inicial invertido incluyendo también a una tasa anual de inflación igual a gm que describe los cambios anuales de los costos laborales y las piezas de repuesto correspondientes, incluyendo también el consumo de lubricantes.

4. 4 Análisis del costo beneficio de un sistema típico de generación de electricidad híbrido eólico autónomo Utilizando el análisis anterior y considerando que la propuesta de sistema autónomo HEW va a funcionar durante n años, se puede estimar el correspondiente costo operativo total, combinando el costo inicial y el costo de mantenimiento fijos y variables en valores presente (constante), es decir, Donde Yn representa el residuo (de rescate) del valor de la inversión, que se atribuye a las cantidades recuperables en el año n de la vida útil del sistema híbrido (por ejemplo, el valor de los terrenos o edificios, la chatarra o el valor de segunda mano de los equipos), junto con la experiencia adquirida y la tecnológica correspondiente know-how.

En este contexto, mediante el análisis de las secciones 4. 2 y 4. 3, el costo total de la central híbrida durante n años de operación se da como:

Por otro lado, el total de ingresos Rn durante un período de años n, resultante de la operación de una estación híbrida de energía autónoma, se atribuye principalmente a la producción de energía E. Este rendimiento energético se utiliza normalmente para cubrir la electricidad de un consumidor remoto , mientras que en algunos casos una parte de la energía (superávit) se puede vender a la red eléctrica nacional. Con el fin de evitar complicadas ecuaciones matemáticas en el presente análisis, se supone que el rendimiento energético total es absorbido por el consumidor a distancia. (Kavadias et al. , 2000). Detalles para la evaluación económica de las aplicaciones conectadas a la red se puede encontrar en (Kaldellis y otros, 2002, 2005 b; . Et Colle, 2004; . Mondol y cols, 2009. ).

Por lo tanto, el valor presente de la renta total de la estación HEW (en funcionamiento desde hace años n) viene dada por: donde (co) es el coeficiente del costo efectivo de energía (€/k. Wh) por lo general expresa tanto el precio de la electricidad o el costo de generación de electricidad y (e) es la razón en el correspondiente precio/costo en la escalada de la tasa anual en la electricidad. En términos generales, con el fin de predecir el valor exacto del coeficiente de costo efectivo, es importante examinar si la estación de alimentación híbrida se utiliza de forma autónoma o paralela a la red nacional. Para este fin, el factor (s) de auto-utilización se introduce (Kaldellis et al. , 1989), se define como la razón entre la cantidad de la electricidad utilizada directamente por el productor y la energía total producida por la planta de energía híbrida. En caso de que la energía producida se venda a la red nacional, el precio (ca) correspondiente se determinará de acuerdo con el marco la legislación vigente.

El coeficiente de costo efectivo se da como: donde cs es el precio de mercado para uso propio directo de la energía producida. Para un sistema HEW autónomo s = 1 Las correspondientes ganancias Gn de la inversión investigada (en valores constantes presentes) se determinan mediante las ecuaciones (4. 15) y (4. 19), es decir: Además, en el caso de que: se obtiene la ecuación de equilibrio de la estación HEW (Elton y Gruber, 1984).

En consecuencia, el período (n*) del pago retorno de la inversión se estima por la solución de la ecuación (4. 22). Para este propósito, se requiere una solución iterativa de la ecuación no lineal de equilibrio. Posteriormente, con el fin de examinar no sólo la viabilidad económica, sino también el atractivo económico de una inversión similar, un parámetro adicional se define (Kaldellis, 1999) se denomina “eficiencia económica (η*)” de la central eléctrica híbrida. Por definición, η* compara las ganancias netas de la inversión a través de un periodo de n años (n = por ejemplo 10 o 20) en términos constantes con el capital inicial invertido. Así, uno puede escribir: La eficiencia economía de un parque eólico puede ser negativa (la inversión no es viable) o positiva, mientras que en el caso de que η = 0 se puede calcular el período de recuperación, véase también la ecuación (4. 22).

Por último, uno de los métodos más comunes para investigar el comportamiento financiero de una inversión es mediante la estimación de la correspondiente NPV de la inversión después de un período operativo predefinido, por lo general igual (o menor) que el período de servicio de la inversión (Rothwell, 1997; Liu Ye, 2003). Más específicamente, la comparación del valor actual del costo de la inversión total y los ingresos totales correspondientes, se tiene la capacidad para estimar el NPV de la inversión después de n años de funcionamiento, es decir:

4. 5 Fiabilidad de la pérdida de carga de un sistema típico de generación de electricidad híbrido eólico autónomo La fiabilidad de un sistema autónomo HEW se suele expresar, ya sea usando el número de rechazos de carga por hora durante un periodo de tiempo determinado (por ejemplo, un año) o en términos de probabilidad de pérdida de carga (loss of load probability LLP) (Kaldellis et al, 2004; . Celik, 2007). Por lo tanto el caso de no-rechazo, o, equivalentemente al LLP=0 - corresponde a la autonomía total de energía del sistema durante el período de tiempo completo. Sin embargo, en varios casos existe la posibilidad de no cumplir exactamente la demanda de carga para los intervalos de tiempo específico, ya que la fiabilidad deseada del sistema depende directamente de las diferentes aplicaciones. En estos casos el tamaño del sistema (especialmente la capacidad de almacenamiento de energía y el consumo de gasoil) es reducido significativamente, haciendo que el HEW sea más atractivo financieramente. El elemento clave para la selección de las dimensiones del sistema sobre la base de la fiabilidad mínima permitida (o LLP) es el parámetro A que refiere el costo de la falta de cumplimiento de energía (electricidad). A describe (en € / h) el costo de no cubrir el la demanda de electricidad del sistema por hora. Con el fin de obtener el una carga sin rechazo, el caso simplemente es asignar a A un valor arbitrario mu alto (es decir, A → ∞). Por supuesto se debe tener en consideración que el valor exacto de A no se determina fácilmente y puede depender también del nivel de fiabilidad (horas sin electricidad) seleccionado.

En un intento por incluir la fiabilidad del sistema en el análisis propuesto, la función del costo de falta de energía (electricidad) Nn se introduce en la función generalizada de costo total de operación del sistema, las ecuaciones (4. 15) y (4. 16). En realidad Nn describe el no cumplimiento de energía correspondiente (o la cobertura de energía alternativa) en la función de costos para un período de tiempo de n años. Así, la función se puede aproximar como: donde α es el cambio el tiempo medio anual de A (Muselli et al, 1999; . Kaldellis, 2003 b) y h representa las horas anuales que el consumo no está cubierto por el HEW. Más precisamente, se puede escribir: siendo R el nivel de fiabilidad correspondiente.

En este punto es importante mencionar que en la ecuación (4, 27) se supone que indirectamente A permanece constante e independiente de h durante un año. Sustituyendo las ecuaciones (4. 27) y (4. 28) en la ecuación (4. 16), uno finalmente consigue: Así, para cualquier nivel de fiabilidad R seleccionado por el consumidor, el mínimo valor del costo Cn se puede predecir y por lo tanto el costo total mínimo puede ser calculado basándose en el valor A decidió. Recapitulando, para cada caso analizado, Cn es una función de R, ya que todos los parámetros que gobiernan el sistema híbrido son (Qmax, Mf, No, z) que son de hecho funciones de R por lo tanto, un valor mínimo de Cn se puede estimar de acuerdo con el nivel de R deseado y el valor numérico de una supuesto valor de A (Kaldellis, 2003 b).

4. 6 Costo de generación de electricidad de un sistema típico de generación de electricidad híbrido eólico autónomo Utilizando el análisis anterior y considerando que el sistema propuesto de HEW produce aproximadamente Ek. Wh por año, uno puede estimar el costo de producción de energía correspondiente ce al dividir el valor presente del costo total de instalación con la producción de electricidad anual correspondiente. Con el fin de obtener resultados más realistas y tener la oportunidad de comparar el costo actual de la solución propuesta con los valores de la actual generación de electricidad, la tasa correspondiente de escalamiento anual del costo de generación de electricidad p del HEW también está incluida (Kaldellis, 1991). Así, utilizando la ecuación (4. 16) se puede escribir: donde:

En el análisis de los términos de la ecuación (4. 30) se puede distinguir el impacto de los términos más importantes en el costo de generación de electricidad del HEW. Más precisamente, se debe tener en cuenta el papel fundamental del consumo anual de energía (producción) de la instalación, subrayando la trascendencia de lo óptimo dimensionamiento. En consecuencia, el primer término del lado derecho de la ecuación (4. 30) describe el impacto del costo inicial de la instalación (ecuaciones (4. 1) y (4. 7)), teniendo también en cuenta la posibilidad de la subvención estatal, el impacto del costo de capital y el período de servicio correspondiente de la central eléctrica híbrida. Posteriormente, el segundo término del lado derecho de la ecuación (4. 30) describe el impacto de los costos de mantenimiento, mientras que el tercer término se presenta el impacto del consumo anual de gasoil. Los dos últimos términos de la ecuación (4. 30) expresa la influencia de la variable (de reemplazo) el costo y el impacto del valor residual de la instalación en el costo de generación de electricidad.

4. 7 impactos socio-ambientales de un sistema típico de generación de electricidad híbrido eólico autónomo. Los HEW se caracterizan por ser una de las soluciones más amables del medio ambiente y más avanzada socialmente para la electrificación de los consumidores remotos. Sustituyen los grandes generadores de diesel y evitan así la emisión de contaminantes, limitan el transporte de petróleo y reducen al mínimo las importaciones de petróleo. Los consumidores remotos, están lejos de los centros de decisión y tiene limitada la influencia política, por lo general se sienten abandonados, frente a una infraestructura dramáticamente insuficiente y lejos de los intereses nacionales. En este contexto, la propuesta de HEW, a pesar de lo que sugiere pequeños sistemas, puede ser utilizado para cubrir las necesidades energéticas urgentes y así mejorar su calidad de vida mediante la electrificación. Por otro lado, también hay que investigar todas las posibles impactos ambientales relacionados con el funcionamiento de los HEWs. En este punto es importante tener en cuenta el tamaño relativamente limitado de las instalaciones propuestas, por lo general basado en una pequeña turbina de viento, un número determinado de paneles fotovoltaicos, un almacenamiento racional de la energía (baterías plomo-ácido) junto con los componentes electrónicos correspondientes y un generador diesel que opera principalmente como respaldo.

4. 7. 1 Turbina de viento Objetivamente hablando, y dependiendo de las características del paisaje, los modernos aerogeneradores con una altura de buje de 60 a 100 metros y una longitud de palas de 30 -50 metros presentan un impacto visual alto comparado con (Kaldellis y Kavadias, 2004) el tamaño de aerogeneradores con potencia nominal inferior a 100 k. W. Además, es una cuestión de estética - en gran medida - cómo la gente percibe las turbinas de viento en el paisaje. Otro aspecto es el impacto visual de los efectos de reflexiones periódicas (destellando) y la interrupción de la luz solar (parpadeo en la sombra) por las palas del rotor (European Comission, 1999). Las turbinas de viento, al igual que otras estructuras altas, proyectarán una sombra en las áreas vecinas cuando el sol está presnete. Esto se convierte en un problema serio cuando las turbinas están situadas muy cerca de los lugares de trabajo o viviendas. Estos efectos pueden ser fáciles de predecir y evitar teniendo en cuenta la localización y el tamaño de la máquina, una pauta común es utilizar una distancia mínima de 6 -8 diámetros de rotor entre el aerogenerador y el vecino más cercano.

Otro aspecto importante de la operación de las turbinas eólicas es la emisión de ruido. Las emisiones sonoras en aerogeneradores pueden tener dos orígenes diferentes, es decir, ruido mecánico y el ruido aerodinámico. Un análisis adicional revela (Kaldellis et al. , 2006 c) que para la mayoría de las turbinas con diámetros de rotor de hasta 20 m de diametro, la parte mecánica es la dominante, mientras que para los rotores más grandes del componente aerodinámico es el significativo. Más precisamente, el ruido mecánico puede tener su origen en la caja de cambios, en el tren de transmisión (los ejes) y en el generador eléctrico del aerogenerador. Se pueden distinguir tres categorías principales de fuentes de ruido aerodinámico (Berglund et al, 1996; Persson y Ohrstrom, 2002) : • Ruido discreto de baja frecuencia por la frecuencia de paso de la pala y sus armónicos. • Ruido auto-inducido debido a la separación del flujo en el borde final de la pala y, finalmente, debido a inestabilidades en el borde de la pala que implican frecuencias cuasidiscretas • Ruido de banda ancha debido a la interacción entre la turbulencia y el flujo en el rotor.

La presión de sonido se incrementará con la quinta (cuarto a sexto) potencia de la velocidad de la pala con respecto al área circundante, lo que explica porqué los modernos aerogeneradores funcionan a baja velocidad de rotación. Además de eso, la energía en ondas de sonido (y por tanto la intensidad del sonido) cae con el cuadrado de la distancia desde la fuente de sonido. Resumiendo, el nivel de presión sonora a una distancia de 40 m de una máquina típica es de 50 -60 d. B (A), aproximadamente el mismo nivel que una plática convencional. Hace diez años, las turbinas eólicas eran más ruidosas de lo que son hoy en día. Se han realizado esfuerzos serios para crear lmáquinas silenciosas, prestando mucha atención al diseño de las palas (Kaldellis et al, 1991; . Guidati et al, 1999; . . Tachos et al, 2009) para evitar la separación de la capa límite (Kaldellis, 1993 a) y en las partes mecánicas de la máquina. Como resultado, el ruido es un problema menor para los modernos aerogeneradores cuidadosamente situadas. Ya que el tamaño pequeño de aerogeneradores utilizados en un HEW y las características de una instalación independiente, es bastante obvio que el impacto sobre las aves es casi insignificante y tampoco hay la ocupación de grandes extensiones tierras para el emplazamiento(Kaldellis et al. , 2003).

La última cuestión analizada se refiere a una breve incursión en la energía y los materiales utilizados durante la construcción e instalación de una turbina de viento. A pesar de que los aerogeneradores utilizan materiales de uso intensivo de energía, como el acero, fibra de vidrio, (fibreglass), y el hormigón (por cimientos), de acuerdo a tres estudios europeos independientes (Comisión Europea, 1999) los aerogeneradores rápidamente retribuyen la energía consumida durante su construcción. Como era de esperar, la mayor parte de la energía utilizada para la fabricación de la turbina está contenida en el rotor y la góndola. Pero más de un tercio de la energía total consumida por el aerogenerador se encuentra en la base y la torre de la máquina. De acuerdo con los resultados obtenidos, en buenos sitios con mucho viento, las turbinas eólicas retribuyen la energía contenida en sus materiales dentro de las primeros 3 -4 meses, mientras que incluso en los sitios pobres, recuperación de energía se produce en menos de un año.

Por último, a partir de los datos recogidos, es evidente que los insumos materiales necesarios para un parque eólico están dominados por el hormigón (armado) bases de la turbina y por el acero con que se fabrican las torres de las turbinas. Es concebible que un parque eólico podría, al llegar al final de su vida útil, ser reformado con la instalación de nuevas góndolas y los rotores en la parte superior de las torres existentes y los cimientos. Esto reduciría los insumos materiales necesarios para la "segunda generación“ del parque eólico, en al menos un 80%. Por último, las turbinas eólicas se pueden considerar como elementos compuesto principalmente de materiales reciclables. La principal cuestión no resuelta desde una perspectiva ambiental es el reciclaje de las palas del rotor (Holttinen et al. , 1999).

En este punto es importante mencionar que el funcionamiento de los sistemas HEW contribuye a la reducción de las emisiones de CO 2 (Kaldellis, 2002 d; . Kaldellis et al, 2008). Más específicamente, por cada k. Wh producido por la turbina eólica se evitan casi 700 gramos de dióxido de carbono (lo contrario emitido por el generador diesel). Por último, la operación de estaciones de energía eólica contribuye fuertemente a la reducción de las emisiones de SO 2 y de NOx. Los efectos más importantes cuantificados de la deposición ácida están sobre la salud humana, los materiales de construcción, monumentos históricos y la silvicultura comercial. Además, hay un gran impacto en los ecosistemas, tanto terrestres como acuáticos. De acuerdo a los costos asociados a los daños derivados de estimaciones anteriores para la acidificación (Hohmeyer, 1988), un valor optimista es de aproximadamente 6000 € por tonelada ya sea de SO 2 o de NOx.

4. 7. 2 Sistema fotovoltaico La tecnología fotovoltaica tiene claras ventajas medioambientales frente a las tecnologías convencionales de generación de electricidad. La operación de los sistemas fotovoltaicos no producen ningún ruido, las emisiones de gases tóxicos o gases de efecto invernadero. Como en el caso de la turbina de viento, generadores fotovoltaicos contribuyen a reducir las emisiones de CO 2 junto con los contaminantes del aire adicionales producidos a partir de combustibles fósiles (Tsoutsos et al, 2005; . . Kaldellis et al, 2008). Aunque muchos investigadores caracterizar las estaciones fotovoltaicas como sistemas que requieren el uso intensivo de tierras para las instalaciones, estás son similares a los de la producción de carbón y combustibles. Además, los requisitos de los materiales fotovoltaicos son extremadamente bajos, mientras que los materiales semiconductores que se utilizan en las células solares no representan los problemas ambientales relacionados con otras tecnologías convencionales, por ejemplo, uranio y subproductos de la fisión (Miles et al, 2005).

Al igual que con cualquier fuente de energía o un producto, hay algunos riesgos menores asociados con la fabricación, uso y eliminación de las células solares. Aunque la industria fotovoltaica utiliza cantidades muy pequeñas de sustancias tóxicas e inflamables que muchas otras industrias, el uso de productos químicos peligrosos pueden presentar riesgos laborales y medio ambientales (Moskowitz y Fthenakis, 1991; . Patterson et al, 1994). Por otro lado, la reciclabilidad de los sistemas fotovoltaicos (al final de su vida útil) se suma a la beneficios del medio ambiente, y puede mejorar aún más el apoyo al mercado. También, el reciclaje responde a las preocupaciones del público con respecto a ciertos materiales utilizados en los módulos fotovoltaicos (por ejemplo, cadmio, plomo), que pueden crear barreras en la penetración en el mercado (Fthenakis, 2000).

Otro tema importante relacionado con la aplicación de la energía fotovoltaica es la energía de los generadores correspondiente al período de amortización (taza de retrono), (Kaldellis et al. , 2009 c). Más específicamente, el análisis de energía de ciclo de vida que debe incluir las etapas de la construcción, instalación, mantenimiento y desmantelamiento final de la planta. Los detalles relativos a la sostenibilidad energética de energía fotovoltaica sistemas aislados se pueden encontrar en varias referencias (véase, por ejemplo Alsema y Nieuwlaar, 2000; Raugei et al, 2007; . Kaldellis et al, 2009 d). De acuerdo con la información disponible el período de amortización de un generador fotovoltaico varía entre 4 y 7 años, dependiendo de la tecnología aplicada y el potencial solar de la zona de instalación. Además, las baterías del sistema añaden otros 3, 5 años.

4. 7. 3 Banco de Baterías Los impactos ambientales de las baterías, resultan ya sea desde el proceso de fabricación o debido a la operación y disposición final de ellas (Rydh y Sanden, 2005; Rudnik y Nikiel, 2007). Los residuos sólidos que se generan durante el proceso de fabricación consiste en lo siguiente: • Escoria de metales; • Placas de chatarra; • Baterías de desecho; • El material plástico de desecho; • Material de la envoltura; • Sedimentos. En consecuencia, las aguas residuales generadas durante el proceso son debido a lo siguiente: • Lavado y limpieza de los equipos; • Lavado de la baterías; • El proceso de enfriamiento del agua que se descarga. El plomo y sulfatos son las principales impurezas de las aguas residuales de esta instalación. El agua que se utiliza para refrigeración de las baterías y el agua utilizada para lavar las baterías se compone de impurezas desulfato.

Las emisiones al aire durante el proceso se producen como resultado de la manipulación de las placas, separación y recogida de placas y otras actividades similares, que generan el polvo de plomo. El aire de la planta es por lo tanto contaminado con partículas de plomo. El sistema de ventilación en el sitio de toma de aire del sitio y lo descarga a la atmósfera. El dióxido de azufre se emite a partir de las emisiones de aire de la habitación húmeda y se descarga a través de un lavador de gases en la atmósfera. Aunque poco frecuente, durante la operación de HEW, el manejo inadecuado de las baterías puede producir una explosión, quemaduras o la generación de calor. Finalmente, una de las principales desventajas de las baterías como una opción de almacenamiento de energía es el problema de eliminación al final de su vida útil (Morrow, 2001). La solución más respetuosa del medio ambiente se basa en el reciclaje de las baterías, teniendo en cuenta que en ningún caso puede ser incineradas ya que esto puede hacer que exploten (Kaldellis y Kondili, 2006).

4. 7. 4 Equipos eléctricos y electrónicos Los materiales utilizados para la construcción del equipo eléctrico y electrónico en un sistema HEW son de acero, aluminio, cobre y equipos electrónicos regulares, que se asocian con los riesgos industriales estándar (Konstantinidis et al. , 2001). Por lo tanto, uno puede encontrar los correspondientes (por lo general bajos o medios) impactos ambientales en la literatura internacional.

4. 7. 5 Generador Diesel La utilización de un motor de combustión interna está directamente relacionada con todos los impactos ambientales de una central térmica típica (Spyropoulos et al. , 2005). Para los pequeños generadores diesel utilizados en varias aplicaciones se puede notar el derrame o fuga del combustible diesel, el humo de diesel correspondiente junto con el SO 2 y NOx, etc, que contribuyen al calentamiento global, el agua y la contaminación del suelo, que notablemente afectan la calidad de vida y el estado de salud de las comunidades cercanas.

Al resumir el análisis de los impactos socio-ambientales de los sistemas de HEW se puede afirmar que ofrecen un gran atractivo para la conservación del medio ambiente, la reducción de la dependencia de las importaciones de energía, la preservación de los recursos naturales existentes, así como los costos implícitos de los sistemas energéticos convencionales (por ejemplo, la acumulación de contaminantes peligrosos). Sin embargo, esto no ha sido suficientemente cuantificado en los análisis de costo-beneficio de los HEW (Kaldellis, 1993 b). A pesar de que es muy difícil cuantificar todos los componentes del costo social, no se debe ignorar este parámetro importante en la evaluación de los sistemas de HEW.

En este contexto y sobre la base de la teoría económica del mercado libre, el costo social de la generación de electricidad basada en combustibles fósiles tiene que ser introducido en el precio de mercado de la energía, de acuerdo con la regla de «quien contamina, paga por los daños". Esta cantidad adicional debe ser utilizado con el fin de cubrir el costo social de la producción de energía, así como para evitar el deterioro del medio ambiente y la sobreexplotación de los recursos energéticos locales. Al mismo tiempo, las aplicaciones de energía eólica tienen que ser animados, debido a sus efectos netos sociales positivos. Por tanto, es posible subsidiar inversiones similares, pagar por adelantado los esperados beneficios socioambientales de su operación de sustitución de las centrales eléctricas basadas en combustibles fósiles. Este es el caso actualmente para todas las aplicaciones basadas en fuentes de energía renovables en todo el mundo. Por ejemplo, en Grecia notables subvenciones a los costes iniciales (hasta un 60%) son considerados por la legislación vigente (Kaldellis y Kodossakis, 1999).

4. 8 Análisis de estudios de caso de sistemas típicos de generación de electricidad híbrido eólico autónomo Se presentan tres casos de estudio de las islas de Kea (potencial eólico medio), Citnos (potencial eólico de alto) y Andros (potencial eólico muy alto).

4. 8. 1 Comparación de las soluciones disponibles para un sistema autónomo • Aplicando la metodología de dimensionamiento óptimo (Kaldellis y Tsesmelis, 2002) para un HEW en la isla de Andros • El costo inicial del sistema de 18 000 €. • La demanda de electricidad (Etot ≈ 4700 k. W h / año) Solución mediante conexión a la Red • 10 000 €/km • Precio de la electricidad 0. 12 €/k. Wh • El costo de la electricidad de un consumidor en n años para una distancia z (km) es. Solución mediante el uso e un generador diesel • Eficiencia (ηd ≈ 20%) • Costo ≈150– 250 € /k. W • Periodo de servicio 6 años • Operación y Mantenimiento (principalmente costo combustible) 3100 a 5000 €/año • Vn Costo de remplazo del generador diesel cada 6 años

Solución con sistema eólico autónomo • Restricción de no-rechazo a la carga • IC 0 = 18 000 € • M&O 3% (m=0. 03) • El costo de producción de electricidad es aproximadamente • V′n costo de remplazo de baterías cada 7 años 11, 700 € Para las tres regiones se considera (1 ≤ z ≤ 10 km) Como se indica en la fig. 4, 7, para z <1 km de la conexión a la red es la mejor opción, a medio y largo plazo del funcionamiento del sistema (n> 4 años). En consecuencia, para la isla de Andros, la propuesta de sistema autónomo es una solución económicamente interesante para (2 ≤ z ≤ 4 km), especialmente cuando los valores máximos de costos de diesel se tienen en cuenta. Para z ≥ 4 km, la propuesta de solución autónoma de la energía eólica es por mucho la mejor alternativa, excluyendo el escenario del costo mínimo de diesel y a corto plazo de los casos de operación (es decir, n ≤ 6 años).

Posteriormente, la propuesta independiente de configuración para Citnos presenta una ventaja económicamente competitiva a las regiones de instalación con más de 7 km (z ≥ 7 km) de distancia de la red local y para el medio a los casos de operación a largo plazo (n ≥ 9 años). Por último, para Kea, la ventaja financiera de la propuesta de sistema autónomo de energía eólica, en comparación con las otras opciones, está validado para distancias relativamente largas de la red eléctrica local (z ≥ 12 km) y para operaciones a largo plazo de la el sistema (n ≥ 12 años). En los demás casos, las soluciones de diesel o la extensión de la red se debe preferir el concepto de costo de producción de energía pura, no híbrida bajo la actual situación tecno-económica.

4. 8. 2 Impacto de los años de funcionamiento en el costo total de un sistema autónomo de energía eólica • Análisis del Costo Total del sistema eólico de la isla de Citnos • Sin respaldo diesel • Configuración de mínimo costo • Para el periodo de 3 años • Potencia nominal de las turbinas eólicas 14 -15 k. W • Capacidad máxima del banco de baterías 15, 000 Ah • IC 0 = cte • 9. 5– 10 k. W wind turbine • 18 000 A h (24 V 75% DODL) • El costo inicial es de 70, 000 € • No se considera subsidio (40% por el Estado) • Operación de 10 -20 años • La autonomía energía disponible • The local economy inflation rate g is 4%, • The market capital cost i is 9% • Remplazo de baterías de 7 años El costo mínimo de la energía en valor futuro es de 200, 000€ o de 135, 000€ en valor constante. Por otro lado, el costo mínimo de la primera instalación es un 8% más caro que el costo total mínimo respectivo a 10 años. Fig. 4. 9.

Por último, se extiende nuestro cálculo a 20 años (es decir, operaciones a largo plazo), siendo usualmente aceptable este periodo para el reemplazo de los aerogeneradores, se obtiene el correspondiente costo de producción de energía mínimo C 20 (Fig. 4. 10), para aerogeneradores con potencia nominal de 16 k. W y un banco de baterías con capacidad de 13, 500 Ah. El mínimo costo de la energía correspondiente a 20 años es 280700€ en valor constante (presente).

Recapitulando, el escenario del costo mínimo de producción de energía es muy diferente si la evaluación se basa sólo en el valor del costo inicial del sistema en lugar de utilizar el costo total de configuración del sistema a 10 años o 20 años (ver Tabla 4. 2). Más precisamente, para la operación a medio o largo plazo, un aumento notable se produce en la capacidad de la turbina eólica, junto con una disminución significativa de la capacidad del banco de baterías necesario.

4. 8. 3 Impacto de la fiabilidad en el costo total de sistema autónomo eólico A continuación, el análisis descrito anteriormente del costo total (Sección 4. 4) se aplica a dos casos separados. Los datos detallados de viento se presentan en las figuras 4, 4 y 4, 5. Más precisamente, el primero se refiere al caso de Andros (excelente potencial eólico), mientras que el segundo caso examinado corresponde a un sistema independiente instalado en la isla de Citnos (medio-alto potencial eólico). Se toma en cuenta que en ambos casos el análisis se lleva a cabo mediante el uso de mediciones de un año de la velocidad del viento (Kaldellis, 2003 b). En la Fig. 4. 11, se dibujan seis curvas distintas en representación de la solución de rechazo de carga cero (R = 100%, h = 0) y R = 99, 9%, el 99, 5%, 99%, 98%, 95% para el casode Andros. Más específicamente, cada punto que pertenece a estas curvas representa una configuración mínima del sistema eólico autónomo (mínimo de potencia nominal de la turbina de viento y mínimo en la capacidad de la baterías) que garantiza la fiabilidad de un valor dado de Andros y por un período de un año de duración. En la misma figura también se dibujan las curvas correspondientes al costo total valor en valor constante para 10 años con el fin de estimar la solución del mínimo costo total para cada nivel de confiabilidad. Todos los puntos mínimos de costo están representados por la curva de “los mejores puntos” que también se presentan en la figura.

Conclusiones similares se aplican a Citnos (fig. 4. 12). De acuerdo con los resultados de cálculo obtenidos, existe una considerable variación del tamaño óptimo del sistema como la fiabilidad deseada varía entre 95% y 100%. Más específicamente, la disminución de la batería con una capacidad óptima de 11900 Ah (R = 100%) a sólo 4300 Ah (R = 95%), mientras que al mismo tiempo, la turbina eólica también disminuyó de 12 a 7 k. W de potencia nominal. Finalmente, la reducción correspondiente al costo inicial es superior al 50%. Como en el caso de la isla de Andros, la disminución de fiabilidad - entre 100% y 99% - principalmente se realiza mediante la reducción de la capacidad de la batería (11900 -7500 Ah), mientras que la energía eólica de la turbina nominal correspondiente disminuye en menos de 1 k. W. Para fiabilidad inferior, por otro lado, la capacidad de la batería es bastante reducida, mientras que la potencia nominal de la turbina eólica decrece de 11 a 7 k. W.

En resumen, uno claramente puede afirmar que las dimensiones y el costo de inversión inicial de un sistema eólico independiente son sustancialmente limitada por la demanda - por parte del consumidor – donde la fiabilidad del sistema disminuye desde el valor teórico de 100% a un valor razonable, como es el 99 % o en aplicaciones menos importantes del 95%. Para ser más precisos, el parámetro que determina el límite por lo general de menor fiabilidad de un sistema autónomo es el costo de no cumplimiento de la energía por hora (o costo de cobertura de la energía alternativa) de la instalación remota. En este contexto, la metodología propuesta se aplica a un sistema autónomo de energía eólica operando en Citnos. El presente análisis considera el costo de no cumplimiento de la energía A, mientras que los resultados obtenidos se expresan como una función de la fiabilidad del sistema. Así, en la figura. 4. 13 para 10 años el costo total del sistema (véanse las ecuaciones (4, 27) a (4. 29)) se da como una función de la fiabilidad del sistema se desea, utilizando de manera horaria el costo de no cumplimiento energía A como el parámetro fundamental del problema.

De acuerdo con los resultados de la fig. 4, 13, para 0 <A ≤ 25 €/h hay valor de fiabilidad óptimo que minimiza el costo total del sistema de 10 años. Para valores más grandes de A, el análisis "dicta" la máxima fiabilidad del sistema realizado técnicamente. Por otro lado, para valores bajos A (A → 0) la fiabilidad del sistema no se puede estimar por un modelo similar, por lo tanto, otros factores pueden determinar las características de la instalación, por ejemplo en este enfoque Rmín se fija igual a 95%.

Como conclusión general de los varios casos analizados (Kaldellis, 2003 b), se puede afirmar lo siguiente: • Cuando el valor A es aproximadamente una identificado, existe un valor óptimo de la fiabilidad del sistema (R ≈ 98 a 99, 5%) reduciendo al mínimo el costo total del sistema. • Cuando el límite de fiabilidad deseado (o mínimo aceptable) está determinada por los requisitos de las aplicaciones soportadas por la instalación autónoma, la configuración del sistema y el costo total es una función del valor numérico del parámetro A. • En los casos en que ambos R y A se dan, el tamaño óptimo del sistema y el costo operativo total se pueden calcular, dependiendo principalmente del potencial eólico disponible del sitio de instalación.

4. 8. 4 El impacto de los paneles fotovoltaicos en el costo total de un sistema de HEW Uno de los componentes más caros de un sistema de HEW es el banco de baterías - necesaria para garantizar la fiabilidad del sistema. Por lo tanto, en los casos de aumento de la autonomía del sistema, la contribución de las baterías al costo total inicial y al de operación resultan ser dominante (Kaldellis, 2002 c). Las baterías deben reemplazarse cada 4 -7 años (Cherif et al. , 2002), lo que aumenta el costo operativo del sistema. Por lo tanto, en los casos con notable potencial solar, la introducción de un pequeño generador fotovoltaico (Kaldellis et al, 2000; . . Muselli et al, 1999), en una estación autónoma HEW se espera para suavizar el sistema de producción de energía, con la disminución de los requisitos de almacenamiento de energía, sin modificar el primer costo de instalación (Kaldellis, 2003 c; Rever, 2001). Además, el porcentaje de subsidio para los pequeños sistemas fotovoltaicos normalmente es considerablemente más alto (50 -55%) que el correspondiente a las pequeñas estaciones de energía eólica (30 -40%). Además de eso, la vida operativa de un moderno sistema fotovoltaico está cerca a 30 años. En este contexto, en la sección actual se contempla la posibilidad de reducir el tamaño de la batería de instalaciones independientes de energía eólica en zonas del potencial eólico bajos mediante la incorporación de un pequeño generador fotovoltaico (Kaldellis et al, 2006 a. ).

En consecuencia, con una configuración de un sistema eólico-PV-batería (Kaldellis et al. , 2006 a) establecido en Citnos con un aerogenerador de potencia nominal de 7, 5 k. W y teniendo en cuenta un 3% (m = 0, 03) costo anual de M & O, el costo de la electricidad total se puede aproximar por la ecuación (4. 36), donde se utiliza el término V'n para describir el costo de reemplazo de las baterías (en función de los paneles fotovoltaicos seleccionados) cada 7 años. El costo de instalación inicial IC 0 de la solución propuesta incluye el precio de la turbina eólica (7, 5 k. W), el costo de comprar la batería y los paneles fotovoltaicos (Tabla 4. 3) y el saldo correspondiente del coste de la planta, incluidos los equipos electrónicos adicionales necesarios (ecuación (4. 1)). Se debe tener en cuenta que otras aplicaciones similares, basadas en la explotación de fuentes de energía renovables, están fuertemente subvencionados por el Estado Griego: hasta un 50% para y los sistemas basados en la combinación de viento y solar.

Para fines de comparación, los resultados del cálculo se resumen en la figura. 4, 14, para diversas combinaciones de módulos fotovoltaicos y la capacidad de las baterías (Tabla 4. 3). Como se muestra claramente en la figura. 4. 14, el escenario de los generadores diesel (enegía despachable) presenta una ventaja financiera durante los primeros 5 -8 años de funcionamiento de la instalación, sin incluir el aumento drástico de los precios del petróleo. En consecuencia, la propuesta de sistema autónomo HEW es por lejos la mejor opción, especialmente si el número de módulos fotovoltaicos supera los 20 (es decir, z> 20).

La incorporación de paneles fotovoltaicos en sistemas similares pueden ser caracterizadas como una mejora bastante cara, que no tiene resultados prácticos. Contrario a esta creencia general, se puede demostrar que esta propuesta es, de hecho, financieramente benéfica, si el dinero ahorrado por los contrapesos de la capacidad de la batería o reemplazados supera a las introducidas por los precios de los paneles fotovoltaicos, En ese caso el costo de producción de la energía del sistema se reducen respectivamente. Uno no debe ignorar el hecho de que una típica batería de plomo deberá ser sustituido cada 4 -7 años, mientras que el generador fotovoltaico tiene una vida útil de más de 20 años o poco más (Masini y Frankl, 2002). Este hecho es evidente si se compara la z = 0 y la z = 100 de la figura. 4. 14. Más precisamente, en l z = 100 es definitivamente menos costosa que z = 0 sobre una base de análisis del ciclo de vida, aunque z = 0 (cero utilización paneles fotovoltaicos) presenta un menor costo inicial, véase también la Tabla 4. 3. Esto se puede atribuir al bajo costo de de sustitución de las baterías con el uso de paneles fotovoltaicos, así como a la subvención del costo inicial en 50% por el Estado Griego.

En este contexto, se puede considerar un valor mayor proporción de la reducción de la batería por panel fotovoltaico (51 Wp) (en términos absolutos) que el valor calculado por la ecuación (4. 37). Más específi camente, en la ecuación (4. 37) se puede estimar el marginalmente considerada AQ / Δz valor de acuerdo con la siguiente relación: donde Γ es el precio de un panel fotovoltaico policristalino (51 Wp) y B es el valor presente del costo de compra más el costo de reemplazo (cada 4 -7 años) que corresponde a la capacidad de la batería (24 V) la reducción de 1 Ah. Más específicamente, si la pendiente de la curva de la disminución de la capacidad de la batería en comparación con el número de panel fotovoltaico (AQ / Δz) para cada tamaño de turbina eólica probado es más pronunciado que el valor de la ecuación (4, 37), entonces el reemplazo de la batería por paneles fotovoltaicos es una opción menos costosa.

Por otro lado, si la pendiente correspondiente es menor que el de la ecuación (4, 37), las baterías de plomo deben ser utilizadas en lugar de módulos fotovoltaicos adicionales (Kaldellis et al. , 2006 a). Con los actuales precios de mercado disponibles (por ejemplo, Hawkes, 1997; Haas, 2002), el valor numérico de la ecuación (4. 37) varía entre 250 y 100 (disminución de la batería contra el aumento de panel fotovoltaico). Así, cuando la tasa de reducción de la batería por panel fotovoltaico introducido supera (en términos absolutos) un valor específico (por ejemplo, | AQ / Δz | = 150), la sustitución de las baterías de plomo por los paneles fotovoltaicos es financieramente benéfico. Por ejemplo, el costo de la instalación de un panel fotovoltaico adicional de 51 Wp está por debajo del coste de adquisición y sustitución de un modulo de batería (mayor o igual a 150 Ah) para garantizar la autonomía energética del sistema en valor presente.

Con el fin de obtener una imagen clara de la propuesta de modificación, la figura. 4, 15 demuestra la capacidad de la batería en comparación con la variación de los paneles fotovoltaicos, lo que resulta del caso de estudio de la Isla de Ceos. Más específicamente, en la figura. 4. 15 uno puede econtrar la distribución (Qmax-z) para valores de potencia nominal de turbina de viento seleccionadas entre 5 y 15 k. W. En la misma figura se muestra | AQ / Δz | = 150 que es la línea con pendiente constante también. Tomado en cuenta que el valor a preciso AQ / Δz depende de los precios del mercado local y la evolución tecnológica el tiempo esperado. El atractivo financiero de la sustitución de la batería propuesta por los paneles fotovoltaicos es más evidente para los sistemas autónomos basados en turbinas de viento relativamente pequeñas (es decir, z ≤ 115 para No = 5 k. W y 60 para z ≤ No = 10 k. W). Además, cuanto menor sea el potencial eólico disponible de la ubicación del sistema autónomo HEW mayor será el número de panel fotovoltaico empleados. Por otro lado, en caso de mejores potenciales solaresdisponibles más paneles fotovoltaicos pueden ser incorporados para reemplazar los módulos de batería.

4. 8. 5 Impacto de los años de funcionamiento en el costo total de un HEW El siguiente caso analizado se refiere a un sistema eólico-diesel que se utiliza para cubrir la demanda de energía de los consumidores en una zona de alto potencial eólico, la isla de Andros. La aplicación de la solución propuesta (Kaldellis et al. , 2006 d) para el caso de Andros, se puede obtener la distribución (Qmax-No) que garantiza una autonomía energética durante un año por diversas cantidades típicas de petróleo anuales (es decir, Mf = 0 kg / año hasta Mf = 1000 kg / año), ver fig. 4, 16. Tenga en cuenta que aproximadamente 2000 kg de petróleo son necesarios para que el generador de diesel pueda satisfacer las necesidades de electricidad de los consumidores sin ninguna fuente de energía adicional. Racionalmente, las dimensiones del sistema híbrido se reducen notablemente si la contribución del sistema diesel se incrementa. De hecho, esta reducción es mayor cuando pequeñas cantidades de diesel se utilizan, mientras que acantidades de petróleo más grandes, el tamaño del banco de la batería se reduce ligeramente para una potencia nominal de turbina de viento dada.

Después de una inspección más detallada de los resultados de los cálculos y teniendo en cuenta los valores numéricos de la Tabla 4. 4 con respecto a los parámetros de las ecuaciones (4. 14) y (4. 16), podemos afirmar las siguientes observaciones para la solución de costo a 10 años: • La solución óptima de cero-combustible debe estar basada en una turbina eólica de 4 k. W y una capacidad de la batería 7100 Ah, mientras que el correspondiente coste 10 años es bastante mayor que 35, 300 €. • En cualquier caso, la solución cero combustible es ligeramente más cara que el uso de gasóleo, es decir, por casi 5000 € (≈ 15%), sobre la base de 10 años. Sin embargo, los costos externos se excluyen de los datos presentados. • Al aumentar la contribución del diesel, el costo de 10 años se reduce notablemente, siendo considerablemente inferior a la solución de diesel solamente. • Para cada configuración Mf = cte hay una zona de mínimo costo, lo que conduce a reducir la capacidad de la batería.

Esta situación es muy diferente para un horizonte de 20 años. Más precisamente, incluso la solución de energía eólica autónoma es menos costosa que el funcionamiento del sistema diesel por si mismo (fig. 4, 18). Además, el costo del sistema a 20 años disminuye a medida que aumenta la penetración diesel. Esta situación se invierte después de un punto de costo mínimo (Fig. 4. 19). Así, la configuración del sistema óptimo se basa en una turbina de 2, 5 k. W, una capacidad de la batería 1700 Ah, 300 kg / año en el consumo de diesel, mientras que el correspondiente costo a 20 años en los valores actuales es 26300 €, menos del 50% de la una correspondiente a la solución diesel solamente. Mediante la figura. 4. 19, la contribución de diesel óptima que minimiza el costo del sistema de 10 años también puede ser estimado. Por lo tanto, el correspondiente configuración óptima para el sistema híbrido específico se basa en una turbina de 2 k. W de viento y un banco de baterías de 1000 A h, mientras que el consumo anual de combustible es de 500 kg / año y el costo mínimo de 10 años se aproxima a 17 300 € en los valores actuales, siendo menos del 60% de la solución del sistema diesel (≈ 29 300 €).

Por último, para efectos de comparación Fig. 4. 19 se muestra el correspondiente 10 y 20 años de fidelidad los resultados financieros de Kea. En realidad, teniendo en cuenta los resultados del cálculo en relación con dos casos posibles de viento extremos, un HEW autónomo presenta ventajas significativas en los costos en comparación con el sistema diesel solo o un sistema eólico autónomos. Estas ventajas son más evidentes para las zonas de alto potencial eólico y para operaciones a largo plazo. Más concretamente, el costo medio anual de Andros es casi el 40% del costo correspondiente de Kea, (ver fig. 4. 19). Además, el costo anual mínimo de 10 años de Andros es 1700€ para Mf ≈ 500 kg / año, mientras que el valor correspondiente para Kea es 2800€, mientras que el consumo anual de diesel es de aproximadamente 1250 kg / año. La producción de electricidad a diferencia de costos es más evidente en el caso de la baja penetración de diesel, debido a la variación del potencial eólico entre las dos islas examinadas.

Interesantes conclusiones son obtenidas del análisis de la distribución de costo mínimo de 10 años (ver fig. 4. 20). Esta figura muestra que para penetración baja de diesel la contribución principal costo es debido al alto costo de la batería (incluyendo la variable de O & M de reemplazo y el costo fijo de M & O. La contribución dl costo de compra de la turbina eólica no se puede descartar, ya que representa aproximadamente el 15% del coste total del sistema. Sin embargo, para diesel de alta penetración, el costo de compra de combustible representa más del 50% del costo del sistema entero. Además de esto, para la configuración del sistema óptimo diesel y el banco de baterías corresponden a un 40% y un 35% del costo total del sistema en Andros.

4. 8. 6 Costo de generación de electricidad de un HEW autónomo El último estudio de caso concierne al costo de la generación de electricidad de un típico sistema autónomo HEW. El análisis anterior (Sección 4. 6) se aplica (Kaldellis y Kavadias, 2007) a la isla Andros. En este contexto la figura. 4. 21 muestra el costo de producción de energía con potencia nominal de hasta 15 k. W para un período de servicio de 10 años de la instalación. De acuerdo con los resultados obtenidos, para cada valor Mf hay un punto mínimo de costo de producción, que corresponde a una configuración específica (No, Qmax) que garantiza la autonomía de consumo de energía a distancia a un costo de producción de electricidad mínimo. Además, se puede observar que al aumentar la contribución de diesel, una disminución notable de costos se encontró inicialmente. Sin embargo, después de que el valor de 500 kg / año, el costo de producción de electricidad correspondiente comienza a aumentar, la designación de la existencia de una configuración óptima.

4. 9 Análisis de sensibilidad del comportamiento financiero de un sistema típico de generación de electricidad híbrido eólico autónomo • Impacto del potencial eólico • Retorno sobre el índice de inversión • Actual del precio del petróleo diesel • Tasa anual de la escalada del precio del combustible • Precio del banco de baterías • Costos de instalación llave en mano.

4. 10 Conclusiones Se desarrolló un modelo integrado costo- beneficio que es capaz de evaluar el comportamiento financiero de sistemas híbridos de generación de electricidad basados en energía eólica funcionando a largo plazo. El modelo para el análisis es una herramienta integrada para la evaluación financiera de proyectos similares, ya que sugiere métodos de cálculo para cada uno de los parámetros del sistema. Para este fin, la información existente sobre la inversión inicial y el costo de mantenimiento y funcionamiento de las centrales eléctricas pequeñas son tomados en cuenta. El método desarrollado conduce a la estimación de • el período de recuperación, • la eficiencia financiera, • el valor presente neto (NPV) y • la tasa interna de retorno (IRR) de cualquier instalación HEW. Los principales parámetros a ser predichos son la potencia nominal de la turbina eólica, la capacidad de la batería correspondiente y el consumo de combustibloe anual requerido con el fin de garantizar la autonomía de energía de toda la instalación independiente.

La última parte del capítulo está dedicado en un intento de demostrar las ventajas competitivas claras de sistemas HEW para determinados estudios de casos representativos. Más precisamente, el modelo teórico propuesto se aplica a varios casos típicos del potencial eólico, que posee los valores medios anuales de velocidad del viento entre 6, 0 y 10 m / s. Para todos los casos investigados, el costo de producción de electricidad prevista se compara favorablemente con los datos reales de hoy en día con los costos de producción de electricidad, como resultado de la operación de las actuales estaciones autónomas de energía basadas en diesel solamente. Finalmente, un análisis de sensibilidad ha llevado a cabo, con el fin de demostrar el impacto de los principales parámetros técnico-económicos en el coste de producción de energía de las estaciones de tamaño óptimo de potencia HEW.

De acuerdo con los resultados obtenidos, se debe señalar que hay una disminución notable en el consumo de combustible en función del aumento del período de servicio del sistema HEW, y minimiza el costo de producción de electricidad correspondiente en el ciclo de vida del. La posibilidad de reducir notablemente los requisitos de almacenamiento de energía de viento basados en sistemas autónomos mediante la adición de un número racional de paneles fotovoltaicos. Sobre la base de los resultados de cálculo, utilizando mediciones a largo plazo, uno definitivamente puede afirmar que la introducción de un número racional de paneles fotovoltaicos en un sistema autónomo eólico disminuye notablemente los requerimientos de energía del sistema de almacenamiento, mejora la confiabilidad de la instalación completa, es simplifica el procedimiento de mantenimiento correspondiente y refuerza la competitividad financiera de aplicaciones de energía renovable

A la vista de un futuro incierto sobre los precios mundiales del petróleo y las preocupaciones asociadas a consumo de combustibles fósiles que impactan el medio ambiente, un creciente interés en las centrales eléctricas híbridas se muestra en muchas regiones del mundo. Teniendo en cuenta el análisis detallado y extenso llevado a cabo, los sistemas de HEW puede ser la más rentable solución de electrificación para numerosos consumidores remotos, ubicados en las regiones de potencial eólico muy bueno. Además de esto, las posibilidades de las subvenciones concedidas debería aumentar considerablemente el atractivo económico de aplicaciones similares de producción de electricidad amigables con el medio ambiente. Recapitulando, los resultados son el desarrollo de un análisis completo de costo-beneficiao del sistema propuesto, que puede ser una valiosa herramienta para la evaluación de cualquier proyecto similar y el resultado de que un sistema de HEW tamaño adecuado es una perspectiva de motivación para los problemas de demanda de energía de numerosos consumidores aislados existentes en todo el mundo.

4. 11 Referencias • • Albrecht, J. , 2007. The future role of photovoltaics: a learning curve versus portfolio perspective. Energy Policy, 35, 2296– 2304. Alsema, E. A. , Nieuwlaar, E. , 2000. Energy viability of photovoltaic systems. Energy Policy, 28, 999– 1010. Berglund, B. , Hassmen, P. , Job, R. F. , 1996. Sources and effects of lowfrequency noise. The Journal of the Acoustical Society of America, 99, 2985– 3002. Beyer, H. G. , Degner, T. , Gabler, H. , 1995. Operational behaviour of wind diesel systems incorporating short-term storage: an analysis via simulation calculations. Solar Energy, 54, 429– 439. Blanco, M. I. , 2009. The economics of wind energy. Renewable and Sustainable Energy Reviews, 1372– 1382. Celik, A. N. , 2007. Effect of different load profi les on the loss-of-load probability of stand-alone photovoltaic systems. Renewable Energy, 32, 2096– 2115. Cherif, A. , Jraidi, M. , Dhouib, A. , 2002. A battery ageing model used in stand alone PV systems. Journal of Power Sources, 112, 49– 53. Clausen, P. D. , Wood, D. H. , 1999. Research and development issues for small wind turbines. Renewable Energy, 16, 922– 927. Colle, S. , Abreu, S. L. , Rüther, R. , 2004. Economic evaluation and optimization of hybrid diesel/photovoltaic systems integrated to utility grids. Solar Energy, 76, 295– 299.

• • • Drouilhet, S. , Muljadi, E. , Holz, R. , Gevorgian, V. , 1995. Optimizing small wind turbine performance in battery charging applications. In: Windpower ’ 95, March 26– 30, Washington, USA. Elton, E. J. , Gruber, M. J. , 1984. Modern Portfolio Theory and Investment Analysis, 2 nd Edition. Wiley, New York. European Commission, 1999. A Plan for Action in Europe. Wind Energy – the Facts. Brussels, Belgium. Fthenakis, V. , 2000. End-of-life management and recycling of PV modules. Energy. Policy, 28, 1051– 1058. Guidati, G. , Wagner, S. , Parchen, R. , Oerlemans, S. , Van den Berg, R. , Schepers, G. , Braun, K. , Kooi, J. , 1999. Design and testing of acoustically optimized airfoils for wind turbines. In: European Wind Energy Conference and Exhibition, March 1– 5, Nice, France. Haas, R. , 2002. Building PV markets: customers and prices. Renewable Energy World, 5, 98– 111. Hawkes, N. , 1997. Infl uence and trends in lead/acid battery demand, lead supply and prices. Journal of Power Sources, 67, 213– 218. Hoffmann, W. , 2006. PV solar electricity industry: market growth and perspective. Solar Energy Materials and Solar Cells, 90, 3285– 3311. Hohmeyer, O. , 1988. Social Costs of Energy Consumption, 1 st Edition. Springer- Verlag, Berlin. Holttinen, H. , Malkki, H. , Turkulainen, T. , Bijsterbosch, H. , Schmidt, R. , 1999. Life cycle assessment of different wind turbine blade materials. In: European Wind Energy Conference and Exhibition, March 1– 5, Nice, France.

• • Hunter, R. , Elliot, G. , 1994. Wind–Diesel Systems – A Guide to the Technology and its Implementation, 1 st Edition. Cambridge University Press, Cambridge. Jensen, T. L. , 2000. Renewable Energy on Small Islands, 2 nd Edition. Forum for Energy & Development, Copenhagen. Kaldellis, J. K. , 1991. Cost–benefi t analysis concerning the small scale wind turbines installations for the Greek socio-economic environment, including fuel escalation. In: 2 nd International Conference on Environmental Science and Technology, September 2– 5, Lesvos, Greece. Kaldellis, J. K. , 1993 a. Parametrical investigation of the interaction between turbulent wall shear layers and normal shock waves, including separation. ASME Transactions, Journal of Fluids Engineering, 115, 48– 55. Kaldellis, J. K. , 1993 b. The impact of social costs of energy consumption on the cost–benefit analysis of wind turbine installations. In: ASME Energy Systems and Ecology ‘ENSEC’ 93’ Conference, July 5– 9, Krakow, Poland. Kaldellis, J. K. , 1997. Renewable and thermal energy plants. Comparison on the basis of environmental-social costs & benefi ts. In: 5 th International Conference on Environmental Science and Technology, September 1– 4, Lesvos, Greece. Kaldellis, J. K. , 1999. Wind Energy Management, 1 st Edition. Stamoulis, Athens.

• • Kaldellis, J. K. , 2000. Economic viability of wind power investments in Greece, including risk analysis. In: Wind Power for the 21 st Century International Conference, September 25– 27, Kassel, Germany. Kaldellis, J. K. , 2002 a. Optimum autonomous wind power system sizing for remote consumers, using long-term wind speed data. Journal of Applied Energy, 71, 215– 233. Kaldellis, J. K. , 2002 b. An integrated time-depending feasibility analysis model of wind energy applications in Greece. Energy Policy Journal, 30, 267– 280. Kaldellis, J. K. , 2002 c. Minimum stand-alone wind power system cost solution for typical Aegean Sea islands. Wind Engineering Journal, 26, 241– 255. Kaldellis, J. K. , 2002 d. Renewable energy sources and the reduction of air pollution: risk assessment in Greece. In: International Conference on the Protection and Restoration of the Environment VI, July 1– 5, Skiathos Island, Greece. Kaldellis, J. K. , 2003 a. Feasibility evaluation of Greek State 1990– 2001 wind energy program. Energy Journal, 28, 1375– 1394. Kaldellis, J. K. , 2003 b. An integrated feasibility analysis of a stand-alone wind power system, including no-energy fulfi llment cost. Wind Energy Journal, 6, 355– 364. Kaldellis, J. K. , 2003 c. Optimum techno-economic energy-autonomous photovoltaic solution for remote consumers throughout Greece. Journal of Energy Conversion and Management, 45, 2745– 2760.

• • Kaldellis, J. K. , 2004. Parametric investigation concerning dimensions of a standalone wind power system. Journal of Applied Energy, 77, 35– 50. Kaldellis, J. K. , 2007. The contribution of small hydro power stations to the electricity generation in Greece: technical and economic considerations. Energy Policy Journal, 35, 2187– 2196. Kaldellis, J. K. , Gavras, T. J. , 2000. The economic viability of commercial wind plants in Greece. A complete sensitivity analysis. Energy Policy Journal, 28, 509– 517. Kaldellis, J. K. , Kavadias, K. A. , 2001. Optimal wind-hydro solution for Aegean Sea islands electricity demand fulfi llment. Journal of Applied Energy, 70, 333– 354. Kaldellis, J. K. , Kavadias, K. A. , 2004. Evaluation of Greek wind parks visual impact: ‘The Public Attitude’. Fresenius Environmental Bulletin, 13, 413– 423. Kaldellis, J. K. , Kavadias, K. A. , 2007. Cost–benefit analysis of remote consumers’ electrification on the basis of hybrid wind–diesel power stations. Energy Policy Journal, 35, 1525– 1538. Kaldellis, J. K. , Kodossakis, D. , 1999. The present and the future of the Greek wind energy market. In: European Wind Energy Conference and Exhibition, March 1– 5, Nice, France. Kaldellis, J. K. , Kondili, E. , 2006. Environment and Industrial Development, Volume II, 1 st Edition. Stamoulis, Athens.

• • Kaldellis, J. K. , Tsesmelis, M. , 2002. Integrated energy balance analysis of a standalone wind power system, for various typical Aegean sea regions. Wind Energy Journal, 5, 1– 17. Kaldellis, J. K. , Vlachos, G. , 2005. Optimum sizing of an autonomous wind-diesel hybrid system for various representative wind-potential cases. Applied Energy Journal, 83, 113– 132. Kaldellis, J. K. , Zafi rakis, D. , 2007. Present situation and future prospects of electricity generation in Aegean archipelago islands. Energy Policy Journal, 35, 4623– 4639. Kaldellis, J. K. , Ktenidis, P. , Kodossakis, D. , 1989. Small size wind energy systems feasibility study for the Greek socio-economic environment. In: 2 nd European Symposium on Soft Energy Sources and Systems at the Local Level, October 16– 21, Crete, Greece. Kaldellis, J. K. , Ktenidis, P. , Papadopoulos, E. , 1991. Future possibilities and aerodynamic limits for the design of advanced wind turbine blades. In: 3 rd European Symposium on Soft Energy Sources and Systems at the Local Level, September 11– 14, Chios, Greece. Kaldellis, J. K. , Doumouliakas, J. , Michalis, K. , 2000. Optimum standalone PV solution, including fi nancial aspects. In: World Renewable Energy Congress VI, July 1– 7, Brighton, UK. Kaldellis, J. K. , Kavadias, K. , Christinakis, E. , 2001. Evaluation of the wind-hydro energy solution for remote islands. Journal of Energy Conversion and Management, 42, 1105– 1120.

• • Kaldellis, J. K. , Kavadias, K. A. , Neonakis, J. K. , 2002. A probabilistic computational method for the economic evaluation of soft energy applications in course of time. In: 4 th GRACM Congress on Computational Mechanics, June 27– 29, Patras, Greece. Kaldellis, J. K. , Kavadias, K. A. , Paliatsos, A. G. , 2003. Environmental impacts of wind energy applications: myth or reality? Fresenius Environmental Bulletin, 12, 326– 337. Kaldellis, J. K. , Koronakis, P. , Kavadias, K. , 2004. Energy balance analysis of a stand-alone photovoltaic system, including variable system reliability impact. Renewable Energy Journal, 29, 1161– 1180. Kaldellis, J. K. , Kondili, E. , Kavadias, K. A. , 2005 a. Energy and clean water coproduction in remote islands to face the intermittent character of wind energy. International Journal of Global Energy Issues, 25, 298– 312. Kaldellis, J. K. , Vlachou, D. S. , Korbakis, G. , 2005 b. Techno-economic evaluation of small hydro power plants in Greece: a complete sensitivity analysis. Energy Policy Journal, 33, 1969– 1985. Kaldellis, J. K. , Kostas, P. , Filios, A. , 2006 a. Minimization of the energy storage requirements of a stand-alone wind power installation by means of photovoltaic panels. Wind Energy International Journal, 9, 383– 397. Kaldellis, J. K. , Kavadias, K. A. , Papantonis, D. E. , Stavrakakis, G. S. , 2006 b. Maximizing the contribution of wind energy in the electricity demand problem of Crete island. Wind Engineering Journal, 30, 73– 92.

• • • Kaldellis, J. K. , Kavadias, K. A. , Kaldelli, El. , Kondili, E. , 2006 c. Analyzing the relation between noise-visual impact and the public attitude towards wind energy applications in Greece. In: International Conference of Protection and Restoration of the Environment, July 3– 7, Chania, Crete, Greece. Kaldellis, J. K. , Kondili, E. , Filios, A. , 2006 d. Sizing a hybrid wind-diesel stand-alone system on the basis of minimum long-term electricity production cost. Applied Energy Journal, 83, 1384– 1403. Kaldellis, J. K. , Kavadias, K. A. , Koronakis, P. S. , 2007. Comparing wind and photovoltaic stand-alone power systems used for the electrifi cation of remote consumers. Journal of Renewable and Sustainable Energy Reviews, 11, 57– 77. Kaldellis, J. K. , Kondili, E. M. , Paliatsos, A. G. , 2008. The contribution of renewable energy sources on reducing the air pollution of Greek electricity generation sector. Fresenius Environmental Bulletin, 17, 1584 – 1593. Kaldellis, J. K. , Zafirakis, D. , Kavadias, K. , 2009 a. Techno-economic comparison of energy storage systems for island autonomous electrical networks. Journal of Renewable and Sustainable Energy Reviews, 13, 378– 392. Kaldellis, J. K. , Zafi rakis, D. , Kaldelli, El. , Kavadias, K. , 2009 b. Cost benefit analysis of a photovoltaic-energy storage electrifi cation solution for remote islands. Renewable Energy Journal, 34, 1299– 1311.

• • Kaldellis, J. K. , Simotas, M. , Zafi rakis, D. , Kondili, E. , 2009 c. Optimum autonomous photovoltaic solution for the Greek islands on the basis of energy pay-back analysis. Journal of Cleaner Production, 17, 1311– 1323. Kaldellis, J. K. , Zafi rakis, D. , Kondili, E. , 2009 d. Optimum autonomous stand-alone photovoltaic system design on the basis of energy pay-back analysis. Energy Journal, 34, 1187– 1198. Kavadias, K. A. , Kaldellis, J. K. , 2000. Storage system evaluation for wind power installations. In: Wind Power for the 21 st Century International Conference, September 25– 27, Kassel, Germany. Kavadias, K. A. , Neonakis, J. , Kaldellis, J. K. , 2000. Economic viability of wind farm investments in Greece, using probabilistic analysis. In: Wind Power for the 21 st Century International Conference, September 25– 27, Kassel, Germany. Kodossakis, D. , Kaldellis, J. K. , 1997. A complete time-depending economical viability analysis of wind turbine installations. In: FLOWERS’ 97 World Energy Conference, July 30–August 1, Firenze, Italy. Konstantinidis, P. , Skordilis, A. , Kaldellis, J. K. , 2001. Recycling of electric and electronic waste in Greece: possibilities and prospects. In: 7 th International Conference on Environmental Science and Technology, September 3– 6, Syros, Greece. Liu, Y. , Ye, L. , 2003. Economic performance evaluation method for hydroelectric generating units. Energy Conversion & Management, 44, 797– 808.

• • Masakazu, I. , Masayuki, S. , Shoichi, Y. , 2003. Present status and future prospects of small-scale hydropower plants. Fuji Electric Journal, 76, 581– 585. Masini, A. , Frankl, P. , 2002. Forecasting the diffusion of photovoltaic systems in southern Europe. A learning curve approach. Technological Forecasting and Social Change Journal, 70, 39– 65. Miles, R. W. , Hynes, K. M. , Forbes, I. , 2005. Photovoltaic solar cells: an overview of state-of-the-art cell development and environmental issues. Progress in Crystal Growth and Characterization of Materials, 51, 1– 42. Mondol, J. D. , Yohanis, Y. G. , Norton, B. , 2009. Optimising the economic viability of grid-connected photovoltaic systems. Applied Energy, 86, 985– 999. Morrow, H. , 2001. Environmental and human health impact assessments of battery systems. Industrial Chemistry Library, 10, 1– 34. Moskowitz, P. D. , Fthenakis, V. M. , 1991. Environmental, health and safety issues associated with the manufacture and use of II–VI photovoltaic devices. Solar Cells, 30, 89– 99. Muselli, M. , Notton, G. , Louche, A. , 1999. Design of hybrid-photovoltaic power generator, with optimization of energy management. Solar Energy, 65, 143– 157. Myddelton, D. , 1995. The Essence of Financial Management. 1 st Edition, Prentice-Hall, Englewood Cliffs, NJ.

• • Patterson, M. H. , Turner, A. K. , Sadeghi, M. , Marshall, R. J. , 1994. Health, safety and environmental aspects of the use of cadmium compounds in thin fi lm PV modules. Solar Energy Materials and Solar Cells, 35, 305– 310. Persson, W. K. , Ohrstrom, E. , 2002. Psycho-acoustic characters of relevance for annoyance of wind turbine noise. Journal of Sound and Vibration, 250, 65– 73. Raugei, M. , Bargigli, S. , Ulgiati, S. , 2007. Life cycle assessment and energy pay-back time of advanced photovoltaic modules: Cd. Te and CIS compared to poly-Si. Energy, 32, 1310– 1318. Refocus, 2002. Small wind turbines: the unsung heroes of the wind industry. Refocus, 3, 30. Rever, B. , 2001. Grid-tied markets for photovoltaic – a new source emerges. Renewable Energy World Journal, 4, 75– 87. Rothwell, G. S. , 1997. Continued operation or closure: the net present value of nuclear power plants. The Electricity Journal, 10, 41– 48. Rudnik, E. , Nikiel, M. , 2007. Hydrometallurgical recovery of cadmium and nickel from spent Ni-Cd batteries. Hydrometallurgy, 89, 61– 71. Rydh, C. J. , Sandén, B. A. , 2005. Energy analysis of batteries in photovoltaic systems. Part I: Performance and energy requirements. Energy Conversion and Management, 46, 1957– 1979. Spyropoulos, G. C. , Chalvatzis, K. J. , Paliatsos, A. G. , Kaldellis, J. K. , 2005. Sulphur dioxide emissions due to electricity generation in the Aegean islands: real threat or overestimated danger? In: 9 th International Conference on Environmental Science and Technology, September 1– 3, Rhodes, Greece.

• • Tachos, N. S. , Filios, A. E. , Margaris, D. P. , Kaldellis, J. K. , 2009. A computational aerodynamics simulation of the NREL Phase II rotor. Open Mechanical Engineering Journal, 3, 9– 16. Talavera, D. L. , Nofuentes, G. , Aguilera, J. , 2010. The internal rate of return of photovoltaic grid-connected systems: a comprehensive sensitivity analysis. Renewable Energy, 35, 101– 111. Tsoutsos, T. , Frantzeskaki, N. , Gekas, V. , 2005. Environmental impact assessment of solar energy systems. Energy Policy, 33, 289– 296. Zafirakis, D. , Kaldellis, J. K. , 2009. Economic evaluation of the dual mode CAES solution for increased wind energy contribution in autonomous island networks. Energy Policy, 37(5), 1958– 1969.