Determinación del escenario base del sistema

from google.colab import files

from cvxpy import *
import numpy as np
import pandas as pn
import gspread
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

DataSolar=pn.read_csv('SolarData.csv')

Irtd = pn.DataFrame(DataSolar) # data frame datos de radiacion

FechaHora = Irtd['FechaHora']

Irradiancia = Irtd['Irradiancia']

Irrad = [Irradiancia[x:x+288] for x in range(0, len(Irradiancia), 288)]

Irrad2 = np.transpose(Irrad)

Len_Irrad2 = np.shape(Irrad2)

HSP = np.array([])

X = np.array([])

for j in range(Len_Irrad2[1]):

Add = 0

for i in range(Len_Irrad2[0]):

Add = Add + Irrad2[i][j]

X=np.append(X,Add/Len_Irrad2[0])

HSP = X

MHSP = HSP.argmax() # dia con mayor valor horas solar pico

DMHSP = np.amax(HSP) # mayor valor horas solar pico

EB = Irrad2[:,MHSP] # Escenario base del sistema

H = np.arange(0,1440,5)
 p g ( , , )
H2 = H.astype(str)

Dia = np.arange(0,365)
Dia2 = Dia.astype(str)

DI = pn.DataFrame(Irrad2,[H2],columns=[Dia2]) # DataFrame Irradiancia

plt.plot(H,EB)
plt.xlabel('Tiempo [minutos]')
plt.ylabel('Irradiancia [W/m^2]')
plt.title('Curva escenario base del sistema con el dia {} con un valor HSP de {}'.format(MHSP
plt.grid(True)
plt.show()

writer = pn.ExcelWriter('Radiacion.xlsx')
DI.to_excel(writer)
writer.save()

#files.download('Radiacion.xlsx')

Sistema Off-Grid con racionamiento

from google.colab import files

import cvxpy as cp
import numpy as np
import pandas as pn
import gspread
import matplotlib.mlab as mlab
 p p
import matplotlib.pyplot as plt

Irradiancia=pn.read_excel('Radiacion.xlsx')

Irrd_Array = np.array(Irradiancia) # Arreglo datos de radiacion

Irrd = Irrd_Array[:,1:]

Len_Irrd = np.shape(Irrd)

HSP = np.array([])

X = np.array([])

for j in range(Len_Irrd[1]):

Add = 0

for i in range(Len_Irrd[0]):

Add = Add + Irrd[i][j]

X=np.append(X,Add/Len_Irrd[0])

HSP = X

MHSP = HSP.argmax() # dia con mayor valor horas solar pico

DMHSP = np.amax(HSP) # mayor valor horas solar pico

EB = Irrd[:,MHSP].tolist() # Escenario base del sistema

#Escenario base discretizado en horas

IH = [EB[x:x+12] for x in range(0, len(EB), 12)] #Irradiancia en horas

Len_IH = np.shape(IH)
#print(Len_IH)

Day_Mean = []

for i in range(Len_IH[0]):

ADD = 0

for j in range(Len_IH[1]):

ADD = ADD + IH[i][j]

Mean = ADD / Len_IH[1]

 Day_Mean.append(Mean)

#print(Day_Mean)
#print(len(Day_Mean))

#####################################################

PS=pn.ExcelFile('Parametros.xlsx')

Load=PS.parse('Demanda') #cargar hoja de datos demanda

DFL = pn.DataFrame(Load) # data frame de demanda

#print(PB)

SoC_day = []
PPD_day = []
PPV_day = []
PR_day = []
PBESS_day = []
Costo_Racionamiento = []
CO2 = []
Despacho_day = []

for t in range(len(Day_Mean)):

G = Day_Mean[t]# Irradiancia global

P_stc = 10.2 # Potencia nominal de salida bajo condiciones estandar de prueba [kW]
alpha = -0,5 # coeficiente de potencia-temperatura [%/°C] para panel monocristalino
T_cell = 45.7 # Temperatura normal de operacion de la celda

P_ph = 10.2*((G/1000)*(1+0.5*(45.7+25))) # Potencia máxima de salida de generador fotovol

GPD = 3 #Cpacidad de generacion maxima de la planta diesel

Dem = DFL['Demanda Tipica del sistema (kW)']

DM = Dem[t]

CBESS = 13.5 #Capacidad de energia de la bateria [kwh]

Pmax = CBESS*0.7 #Potencia maxima continua de carga y descarga [kw]

Pp = 7 #Potencia maxima pico de carga y descarga [kw]

#OTROS PARAMETROS

SoC_i = 70 # Estado de Carga inicial

SoC_f = 50 # Estado de Carga final
phi = 90 # Eficienci de carga/descarga
#DECLARACIÓN DE VARIABLES

PPD = cp.Variable() # Potencia generada PLANTA DIESEL

PPV = cp.Variable() # Potencia generada PLANTA SOLAR
PR = cp.Variable() # Potencia de racionamiento
PBESS = cp.Variable() # Potencia aportada BATERIA
SoC = cp.Variable() # Estado de carga de la bateria

#FUNCIÓN DE COSTO

a2 = 6.6384
b = 8953.8
c = 7.5853

Cost_PD = a2*(PPD**2)+(b*PPD)+c

Kom = 5.32
aI = 0.1453

Cost_PV = (Kom*PPV)+(aI*PPV)

CR = 31200.33 # Precio de escasez a la fecha de 18 de mayo de 2020

Costo = (Cost_PD + Cost_PV + CR*PR)/100

#RESTRICCIONES

C = [PPV + PPD + PBESS + PR == DM]

if t == 0:

C.append(SoC == SoC_i)
#continue

elif t == 23:

C.append(SoC == SoC_f)
#continue

elif t > 0 & t < 23:

C.append(SoC == SoC_day[t-1] - phi*PBESS)

#continue

C.append(SoC <= 100) # Restriccion de Estado de carga maximo

C.append(30 <= SoC) # Restriccion de Estado de carga minima para prolongar la vida útil d

C append(PR <= DM) # Potencia maxima PR

 C.append(PR <= DM) # Potencia maxima PR
C.append(0 <= PR) # Potencia minima PR

C.append(PBESS <= Pmax) # Restriccion de capacidad maxima de energia de la bateria

C.append(0 <= PBESS) # Restriccion de minima de energia de la bateria

C.append(PPV <= P_ph) # Potencia maxima arreglo de PV

C.append(0 <= PPV) # Potencia minima arreglo de PV

C.append(PPD <= GPD) # Potencia maxima PD

C.append(0 <= PPD) # Potencia minima PD

# FUNCIÓN OBJETIVO

Obj=cp.Minimize(Costo)

#SOLVER

Economic_Dispatch = cp.Problem(Obj, C)
Economic_Dispatch.solve(verbose=False)

SoC_day.append(SoC.value)
PPD_day.append(PPD.value)
PPV_day.append(PPV.value)
PR_day.append(PR.value)
PBESS_day.append(PBESS.value)
Despacho_day.append(Obj.value)

Costo_Racionamiento.append(PR.value*(CR)/100)
CO2.append(PPV.value*0.1832)

print('')
print('')
print('*******************************************************************************')
print('')
print(' Resultados del despacho en el dia {}'.format(MHSP + 1))
print('')
print('*******************************************************************************')
print('')
print('')

Hour = np.arange(1,25)
Hour2 = Hour.astype(str)

df_day = pn.DataFrame({
"Hora" : Hour2,
"Pot. PV" : np.around(PPV_day,decimals=3),
"Pot. PD" : np.around(PPD_day,decimals=3),
"Pot. Bat." : np.around(PBESS_day,decimals=3),
"E.N.S" : np.around(PR_day,decimals=3),
"Compra en Bolsa" : np.around(Costo_Racionamiento,decimals=3),
"Costo Despacho" : np.around(Despacho_day,decimals=3)}) # DataFrame Resulta
print(df_day)

print('')
print('')
print('*******************************************************************************')
print('')
print('')

H = np.arange(0,24)

plt.plot(H,PPD_day)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Potencia planta Diesel [kW]')
plt.title('Potencia planta Diesel en el dia {}'.format(MHSP + 1))
plt.show()

plt.plot(H,PPV_day)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Potencia del arreglo de paneles [kW]')
plt.title('Potencia del arreglo de paneles en el dia {} con un valor HSP de {}'.format(MHSP +
plt.show()

plt.plot(H,CO2)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Reducción de CO2 [kg]')
plt.title('Reducción de CO2 en el dia {}'.format(MHSP + 1))
plt.show()

plt.plot(H,PR_day)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Energia no servida [kWh]')
plt.title('Energia no servida en el dia {}'.format(MHSP + 1))
plt.show()

plt.plot(H,Costo_Racionamiento)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Costo de racionamiento [$]')
plt.title('Costo de racionamiento en el dia {}'.format(MHSP + 1))
plt.show()

plt.plot(H,PBESS_day)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Potencia Bateria [kW]')
plt.title('Potencia Bateria en el dia {}'.format(MHSP + 1))
plt.show()

plt.plot(H,SoC_day)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Estado de carga [%]')
plt.title('Estado de carga de la bateria en el dia {}'.format(MHSP + 1))
plt.show()
p t.s o ()
*******************************************************************************

Resultados del despacho en el dia 117

*******************************************************************************

Hora Pot. PV Pot. PD Pot. Bat. E.N.S Compra en Bolsa Costo Despacho
0 1 0.000 0.0 9.450 -0.000 -0.091 0.005
1 2 0.000 3.0 0.444 4.535 1415.088 1684.380
2 3 0.000 3.0 -0.000 4.560 1422.720 1692.010
3 4 0.000 3.0 0.000 3.300 1029.549 1298.849
4 5 0.000 3.0 -0.000 5.400 1684.798 1954.090
5 6 0.000 3.0 -0.000 7.500 2340.013 2609.303
6 7 11.760 0.0 -0.000 0.000 0.000 0.719
7 8 12.600 -0.0 -0.000 0.000 0.000 0.764
8 9 13.230 0.0 0.000 0.000 0.044 0.856
9 10 14.700 0.0 -0.000 0.000 0.000 0.879
10 11 15.960 0.0 -0.000 0.000 0.000 0.948
11 12 16.590 0.0 -0.000 0.000 0.000 0.983
12 13 16.801 -0.0 -0.000 -0.000 -0.080 0.891
13 14 15.751 -0.0 -0.000 -0.000 -0.096 0.813
14 15 13.650 0.0 0.000 0.000 0.042 0.876
15 16 13.230 0.0 -0.000 0.000 0.000 0.799
16 17 13.650 -0.0 -0.000 0.000 0.000 0.822
17 18 16.800 0.0 -0.000 0.000 0.000 0.994
18 19 21.000 -0.0 -0.000 -0.000 -0.026 1.191
19 20 0.000 3.0 0.000 18.000 5615.974 5885.279
20 21 0.000 3.0 0.000 13.800 4305.557 4574.863
21 22 0.000 3.0 -0.000 9.600 2995.228 3264.516
22 23 0.000 3.0 0.000 7.500 2340.013 2609.303
23 24 0.000 0.0 8.400 0.000 0.002 0.078

*******************************************************************************
Sistema On-Grid

from google.colab import files

import cvxpy as cp
import numpy as np
import pandas as pn
import gspread
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

Irradiancia=pn.read_excel('Radiacion.xlsx')

Irrd_Array = np.array(Irradiancia) # Arreglo datos de radiacion

Irrd = Irrd_Array[:,1:]

Len_Irrd = np.shape(Irrd)

HSP = np.array([])

X = np.array([])

for j in range(Len_Irrd[1]):

Add = 0

for i in range(Len_Irrd[0]):

Add = Add + Irrd[i][j]

X=np.append(X,Add/Len_Irrd[0])

HSP = X

MHSP = HSP.argmax() # dia con mayor valor horas solar pico

DMHSP = np.amax(HSP) # mayor valor horas solar pico

EB = Irrd[:,MHSP].tolist() # Escenario base del sistema

#Escenario base discretizado en horas

IH = [EB[x:x+12] for x in range(0, len(EB), 12)] #Irradiancia en horas

Len_IH = np.shape(IH)
#print(Len_IH)

Day_Mean = []

for i in range(Len_IH[0]):

ADD = 0

for j in range(Len_IH[1]):

ADD = ADD + IH[i][j]

Mean = ADD / Len_IH[1]

Day Mean.append(Mean)
 y_ pp ( )

#####################################################

PS=pn.ExcelFile('Parametros.xlsx')

Load=PS.parse('Demanda') #cargar datos de nodos

DFL = pn.DataFrame(Load) # data frame de demanda

SoC_day = []
PPD_day = []
PPV_day = []
PSIN_day = []
PBESS_day = []
Compra_Bolsa = []
CO2 = []
Despacho_day = []

for t in range(len(Day_Mean)):

G = Day_Mean[t]# Irradiancia global

P_stc = 10.2 # Potencia nominal de salida bajo condiciones estandar de prueba [kW]
alpha = -0,5 # coeficiente de potencia-temperatura [%/°C] para panel monocristalino
T_cell = 45.7 # Temperatura normal de operacion de la celda

P_ph = 10.2*((G/1000)*(1+0.5*(45.7+25))) # Potencia máxima de salida de generador fotovol

GPD = 3 #Cpacidad de generacion maxima

#Dem = DFL['Demanda Tipica del sistema (kW)'] # Demanda en la hora t

Dem = DFL['Demanda Tipica del sistema (kW)']

DM = Dem[t]

CBESS = 13.5 #Capacidad de energia de la bateria [kwh]

Pmax = CBESS*0.7 #Potencia maxima continua de carga y descarga [kw]

Pp = 7 #Potencia maxima pico de carga y descarga [kw]

#OTROS PARAMETROS

SoC_i = 70 # Estado de Carga inicial

SoC_f = 50 # Estado de Carga final
phi = 90 # Eficienci de carga/descarga

#DECLARACIÓN DE VARIABLES
PPD = cp.Variable() # Potencia generada PLANTA DIESEL
PPV = cp.Variable() # Potencia generada PLANTA SOLAR
PSIN = cp.Variable() # Potencia del SIN
PBESS = cp.Variable() # Potencia aportada BATERIAS
SoC = cp.Variable() # Estado de carga de las baterias

#FUNCIÓN DE COSTO

a2 = 6.6384
b = 8953.8
c = 7.5853

Cost_PD = a2*(PPD**2)+(b*PPD)+c

Kom = 5.32
aI = 0.1453

Cost_PV = (Kom*PPV)+(aI*PPV)

PB = 41500.33 # Precio de bolsa a la fecha de 18 de mayo de 2020

Costo = (Cost_PD + Cost_PV + PB*PSIN)/100

#RESTRICCIONES

C = [PPV + PPD + PBESS + PSIN == DM]

if t == 0:

C.append(SoC == SoC_i)
#continue

elif t == 23:

C.append(SoC == SoC_f)
#continue

elif t > 0 & t < 23:

C.append(SoC == SoC_day[t-1] - phi*PBESS)

#continue

C.append(SoC <= 100) # Restriccion de Estado de carga maximo

C.append(30 <= SoC) # Restriccion de Estado de carga minima para prolongar la vida útil d

C.append(PSIN <= DM) # Potencia maxima PD

C.append(0 <= PSIN) # Potencia minima PD
 C.append(PBESS <= Pmax) # Restriccion de capacidad maxima de energia de la bateria
C.append(0 <= PBESS) # Restriccion de minima de energia de la bateria

C.append(PPV <= P_ph) # Potencia maxima arreglo de PV

C.append(0 <= PPV) # Potencia minima arreglo de PV

C.append(PPD <= GPD) # Potencia maxima PD

C.append(0 <= PPD) # Potencia minima PD

# FUNCIÓN OBJETIVO

Obj=cp.Minimize(Costo)

#SOLVER

Economic_Dispatch = cp.Problem(Obj, C)
Economic_Dispatch.solve(verbose=False)

SoC_day.append(SoC.value)
PPD_day.append(PPD.value)
PPV_day.append(PPV.value)
PSIN_day.append(PSIN.value)
PBESS_day.append(PBESS.value)
Despacho_day.append(Obj.value)

Compra_Bolsa.append(PSIN.value*(PB/100))
CO2.append(PPV.value*0.1832)

print('')
print('')
print('*******************************************************************************')
print('')
print(' Resultados del despacho en el dia {}'.format(MHSP + 1))
print('')
print('*******************************************************************************')
print('')
print('')

Hour = np.arange(1,25)
Hour2 = Hour.astype(str)

df_day = pn.DataFrame({
"Hora" : Hour2,
"Pot. PV" : np.around(PPV_day,decimals=3),
"Pot. PD" : np.around(PPD_day,decimals=3),
"Pot. Bat." : np.around(PBESS_day,decimals=3),
"Pot.SIN" : np.around(PSIN_day,decimals=3),
"Compra en Bolsa" : np.around(Compra_Bolsa,decimals=3),
"Costo Despacho" : np.around(Despacho_day,decimals=3)}) # DataFrame Resulta

print(df_day)
print('')
print('')
print('*******************************************************************************')
print('')
print('')

H = np.arange(0,24)

plt.plot(H,PPD_day)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Potencia planta Diesel [kW]')
plt.title('Potencia planta Diesel en el dia {}'.format(MHSP + 1))
plt.show()

plt.plot(H,PPV_day)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Potencia del arreglo de paneles [kW]')
plt.title('Potencia del arreglo de paneles en el dia {} con un valor HSP de {}'.format(MHSP +
plt.show()

plt.plot(H,CO2)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Reducción de CO2 [kg]')
plt.title('Reducción de CO2 en el dia {}'.format(MHSP + 1))
plt.show()

plt.plot(H,PSIN_day)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Potencia del SIN [kW]')
plt.title('Potencia del SIN en el dia {}'.format(MHSP + 1))
plt.show()

plt.plot(H,Compra_Bolsa)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Costo de compra en Bolsa [$]')
plt.title('Costo de compra en Bolsa en el dia {}'.format(MHSP + 1))
plt.show()

plt.plot(H,PBESS_day)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Potencia Bateria [kW]')
plt.title('Potencia Bateria en el dia {}'.format(MHSP + 1))
plt.show()

plt.plot(H,SoC_day)
plt.xlabel('Tiempo [Horas]')
plt.ylabel('Estado de carga [%]')
plt.title('Estado de carga de la bateria en el dia {}'.format(MHSP + 1))
plt.show()
*******************************************************************************

Resultados del despacho en el dia 117

*******************************************************************************

Hora Pot. PV Pot. PD Pot. Bat. Pot.SIN Compra en Bolsa Costo Despacho
0 1 0.00 0.0 9.450 -0.000 -0.170 -0.086
1 2 0.00 3.0 0.444 4.536 1882.253 2151.543
2 3 0.00 3.0 0.000 4.560 1892.399 2161.689
3 4 0.00 3.0 0.000 3.300 1369.462 1638.757
4 5 0.00 3.0 -0.000 5.400 2240.992 2510.284
5 6 0.00 3.0 -0.000 7.500 3112.510 3381.800
6 7 11.76 0.0 -0.000 0.000 0.000 0.719
7 8 12.60 0.0 -0.000 -0.000 -0.000 0.764
8 9 13.23 0.0 0.000 0.000 0.066 0.879
9 10 14.70 0.0 -0.000 -0.000 -0.000 0.879
10 11 15.96 0.0 -0.000 -0.000 -0.000 0.948
11 12 16.59 0.0 -0.000 0.000 0.000 0.983
12 13 16.80 0.0 0.000 0.000 0.101 1.118
13 14 15.75 0.0 -0.000 -0.000 -0.000 0.937
14 15 13.65 0.0 -0.000 -0.000 -0.000 0.822
15 16 13.23 0.0 -0.000 -0.000 -0.000 0.799
16 17 13.65 0.0 0.000 0.000 0.068 0.905
17 18 16.80 0.0 -0.000 0.000 0.000 0.994
18 19 21.00 0.0 -0.000 0.000 0.000 1.224
19 20 0.00 3.0 0.000 18.000 7470.014 7739.309
20 21 0.00 3.0 0.000 13.800 5726.904 5996.214
21 22 0.00 3.0 -0.000 9.600 3984.023 4253.312
22 23 0.00 3.0 0.000 7.500 3112.510 3381.800
23 24 0.00 0.0 8.400 0.000 0.009 0.087

*******************************************************************************
Sistema Off-Grid y con racionamiento para los 365 dias

from google.colab import files

import cvxpy as cp
import numpy as np
import pandas as pn
import gspread
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

Irradiancia=pn read excel('Radiacion xlsx')

Irradiancia=pn.read_excel( Radiacion.xlsx )

Irrd_Array = np.array(Irradiancia) # Arreglo datos de radiacion

Irrd = Irrd_Array[:,1:]

Len_Irrd = np.shape(Irrd)

SoC_year = []
PPD_year = []
PPV_year = []
PR_year = []
PBESS_year = []
Costo_Racionamiento_year = []
CO2_year= []
Costo_Despacho_year = []

Rac_total = 0
CostRac_total = 0
Costo_Despacho_total = 0

P_PV = np.zeros(shape=(24,Len_Irrd[1]))
P_PD = np.zeros(shape=(24,Len_Irrd[1]))
P_R = np.zeros(shape=(24,Len_Irrd[1]))
P_BESS = np.zeros(shape=(24,Len_Irrd[1]))

for days in range(Len_Irrd[1]):

Irrad2 = Irrd[:,days]

#Escenario base discretizado en horas

IH = [Irrad2[x:x+12] for x in range(0, len(Irrad2), 12)] #Irradiancia en horas

Len_IH = np.shape(IH)
#print(Len_IH)

Day_Mean = []

for i in range(Len_IH[0]):

ADD = 0

for j in range(Len_IH[1]):

ADD = ADD + IH[i][j]

Mean = ADD / Len_IH[1]

Day_Mean.append(Mean)

PS=pn.ExcelFile('Parametros.xlsx')
Load=PS.parse('Demanda') #cargar datos de nodos

DFL = pn.DataFrame(Load) # data frame de demanda

#print(PB)

SoC_day = []
PPD_day = []
PPV_day = []
PR_day = []
PBESS_day = []
Costo_Racionamiento = []
CO2 = []
Costo_Despacho = []

for t in range(len(Day_Mean)):

G = Day_Mean[t]# Irradiancia global

P_stc = 10.2 # Potencia nominal de salida bajo condiciones estandar de prueba [kW]
alpha = -0,5 # coeficiente de potencia-temperatura [%/°C] para panel monocristalino
T_cell = 45.7 # Temperatura normal de operacion de la celda

P_ph = 10.2*((G/1000)*(1+0.5*(45.7+25))) # Potencia máxima de salida de generador fotovol

GPD = 3 #Cpacidad de generacion maxima

#Dem = DFL['Demanda Tipica del sistema (kW)'] # Demanda en la hora t

Dem = DFL['Demanda Tipica del sistema (kW)']

DM = Dem[t]

CBESS = 13.5 #Capacidad de energia de la bateria [kwh]

Pmax = CBESS*0.7 #Potencia maxima continua de carga y descarga [kw]

Pp = 7 #Potencia maxima pico de carga y descarga [kw]

#OTROS PARAMETROS

SoC_i = 70 # Estado de Carga inicial

SoC_f = 50 # Estado de Carga final
phi = 90 # Eficienci de carga/descarga

#DECLARACIÓN DE VARIABLES

PPD = cp.Variable() # Potencia generada PLANTA DIESEL

PPV = cp.Variable() # Potencia generada PLANTA SOLAR
PR = cp.Variable() # Potencia de racionamiento
PBESS = cp.Variable() # Potencia aportada BATERIAS
SoC = cp.Variable() # Estado de carga de las baterias
#FUNCIÓN DE COSTO

a2 = 6.6384
b = 8953.8
c = 7.5853

Cost_PD = a2*(PPD**2)+(b*PPD)+c

Kom = 5.32
aI = 0.1453

Cost_PV = (Kom*PPV)+(aI*PPV)

CR = 31200.33 # Precio de escasez a la fecha de 18 de mayo de 2020

Costo = (Cost_PD + Cost_PV + CR*PR)/100

#RESTRICCIONES

C = [PPV + PPD + PBESS + PR == DM]

if t == 0:

C.append(SoC == SoC_i)
#continue

elif t == 23:

C.append(SoC == SoC_f)
#continue

elif t > 0 & t < 23:

C.append(SoC == SoC_day[t-1] - phi*PBESS)

#continue

C.append(SoC <= 100) # Restriccion de Estado de carga maximo

C.append(30 <= SoC) # Restriccion de Estado de carga minima para prolongar la vida útil d

C.append(PR <= DM) # Potencia maxima PD

C.append(0 <= PR) # Potencia minima PD

C.append(PBESS <= Pmax) # Restriccion de capacidad maxima de energia de la bateria

C.append(0 <= PBESS) # Restriccion de minima de energia de la bateria

C.append(PPV <= P_ph) # Potencia maxima arreglo de PV

C.append(0 <= PPV) # Potencia minima arreglo de PV
 C.append(PPD <= GPD) # Potencia maxima PD
C.append(0 <= PPD) # Potencia minima PD

# FUNCIÓN OBJETIVO

Obj=cp.Minimize(Costo)

#SOLVER

Economic_Dispatch = cp.Problem(Obj, C)
Economic_Dispatch.solve(verbose=False)

SoC_day.append(SoC.value)
PPD_day.append(PPD.value)
PPV_day.append(PPV.value)
PR_day.append(PR.value)
PBESS_day.append(PBESS.value)

Costo_Racionamiento.append(PR.value*(CR)/100)
CO2.append(PPV.value*0.1832)
Costo_Despacho.append(Obj.value)

P_PV[t][days] += PPV.value
P_PD[t][days] += PPD.value
P_R[t][days] += PR.value
P_BESS[t][days] += PBESS.value

SoC_year.append(sum(SoC_day))
PPD_year.append(sum(PPD_day))
PPV_year.append(sum(PPV_day))
PR_year.append(sum(PR_day))
PBESS_year.append(sum(PBESS_day))
Costo_Racionamiento_year.append(sum(Costo_Racionamiento))
CO2_year.append(sum(CO2))
Costo_Despacho_year.append(sum(Costo_Despacho))

Rac_total = sum(PR_year)
Costo_Despacho_total = sum(Costo_Despacho_year)
CostRac_total = sum(Costo_Racionamiento_year)

print('')
print('')
print('***************************************************************')
print(' Año ')
print('***************************************************************')
print('')
print('')
print('Potencia no servida ',Rac_total,' [kW] ','con un costo de ',CostRac_total,' [$]')
print('')
print(' El Costo del Despacho es: \n',Costo_Despacho_total,' [$]')
print('')
print('')
print('***************************************************************')
print('')
print('')

H = np.arange(0,365)

plt.plot(H,PPD_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia planta Diesel [kW]')
plt.title('Potencia planta Diesel año')
plt.show()

plt.plot(H,PPV_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia del arreglo de paneles [kW]')
plt.title('Potencia del arreglo de paneles en el año')
plt.show()

plt.plot(H,CO2_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Reducción de CO2 [kg]')
plt.title('Reducción de CO2 en el año')
plt.show()

plt.plot(H,PR_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Energia no servida [kWh]')
plt.title('Energia no servida en el año')
plt.show()

plt.plot(H,Costo_Racionamiento_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Costo de racionamiento [$]')
plt.title('Costo de racionamiento en el año')
plt.show()

plt.plot(H,PBESS_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia Bateria [kW]')
plt.title('Potencia Bateria en el año')
plt.show()

# Curva promedio año para potencia de paneles

Len_PPV = np.shape(P_PV)

K = np arange(0 24)
K = np.arange(0,24)

for j in range(Len_PPV[1]):

X = []

for i in range(Len_PPV[0]):

X.append(P_PV[i][j])

plt.plot(K,X,color='grey')
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia Panel [kW]')
plt.title('Potencia Panel en el dia')
X = []

PV_Mean = []

for i in range(Len_PPV[0]):

PV_Add = []

for j in range(Len_PPV[1]):

PV_Add.append(P_PV[i][j])

PV_Mean.append(sum(PV_Add)/(len(PV_Add)))

plt.plot(K,PV_Mean,'g--d',color='blue',linewidth=2.0)

plt.show()

# Curva promedio año para potencia de planata Diesel

Len_PPD = np.shape(P_PD)

for j in range(Len_PPD[1]):

Y = []

for i in range(Len_PPD[0]):

Y.append(P_PD[i][j])

plt.plot(K,Y,color='grey')
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia planta diesel [kW]')
plt.title('Potencia planta diesel en el dia')
Y = []

PD_Mean = []
for i in range(Len_PPD[0]):

PD_Add = []

for j in range(Len_PPD[1]):

PD_Add.append(P_PD[i][j])

PD_Mean.append(sum(PD_Add)/(len(PD_Add)))

plt.plot(K,PD_Mean,'g--d',color='blue',linewidth=2.0)

plt.show()

# Curva promedio año de racionamiento

Len_PR = np.shape(P_R)

for j in range(Len_PR[1]):

Z = []

for i in range(Len_PR[0]):

Z.append(P_R[i][j])

plt.plot(K,Z,color='grey')
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia de racionamiento [kW]')
plt.title('Potencia de racionamiento en el dia')
Z = []

PR_Mean = []

for i in range(Len_PR[0]):

PR_Add = []

for j in range(Len_PR[1]):

PR_Add.append(P_R[i][j])

PR_Mean.append(sum(PR_Add)/(len(PR_Add)))

plt.plot(K,PR_Mean,'g--d',color='blue',linewidth=2.0)

plt.show()

# Curva promedio año de potencia Bess

Len_PBESS = np.shape(P_BESS)

for j in range(Len_PBESS[1]):

V = []

for i in range(Len_PBESS[0]):

V.append(P_BESS[i][j])

plt.plot(K,V,color='grey')
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia de bateria [kW]')
plt.title('Potencia de bateria en el dia')
V = []

PBESS_Mean = []

for i in range(Len_PBESS[0]):

PBESS_Add = []

for j in range(Len_PBESS[1]):

PBESS_Add.append(P_BESS[i][j])

PBESS_Mean.append(sum(PBESS_Add)/(len(PBESS_Add)))

plt.plot(K,PBESS_Mean,'g--d',color='blue',linewidth=2.0)

plt.show()
***************************************************************
Año
***************************************************************

Potencia no servida 34499.71688851891 [kW] con un costo de 10764025.518283665 [$]

El Costo del Despacho es:

11839134.223469289 [$]

***************************************************************
Sistema On-Grid en los 365 dias

from google.colab import files

import cvxpy as cp
import numpy as np
i t d
import pandas as pn
import gspread
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

Irradiancia=pn.read_excel('Radiacion.xlsx')

Irrd_Array = np.array(Irradiancia) # Arreglo datos de radiacion

Irrd = Irrd_Array[:,1:]

Len_Irrd = np.shape(Irrd)

SoC_year = []
PPD_year = []
PPV_year = []
PSIN_year = []
PBESS_year = []
Compra_Bolsa_year = []
CO2_year= []
Costo_Despacho_year = []

Rac_total = 0
CostRac_total = 0
Costo_Despacho_total = 0

P_PV = np.zeros(shape=(24,Len_Irrd[1]))
P_PD = np.zeros(shape=(24,Len_Irrd[1]))
P_SIN = np.zeros(shape=(24,Len_Irrd[1]))
P_BESS = np.zeros(shape=(24,Len_Irrd[1]))

for days in range(Len_Irrd[1]):

Irrad2 = Irrd[:,days]

#Escenario base discretizado en horas

IH = [Irrad2[x:x+12] for x in range(0, len(Irrad2), 12)] #Irradiancia en horas

Len_IH = np.shape(IH)
#print(Len_IH)

Day_Mean = []

for i in range(Len_IH[0]):

ADD = 0

for j in range(Len_IH[1]):

ADD = ADD + IH[i][j]

 Mean = ADD / Len_IH[1]

Day_Mean.append(Mean)

PS=pn.ExcelFile('Parametros.xlsx')

Load=PS.parse('Demanda') #cargar datos de nodos

DFL = pn.DataFrame(Load) # data frame de demanda

#print(PB)

SoC_day = []
PPD_day = []
PPV_day = []
PSIN_day = []
PBESS_day = []
Compra_Bolsa = []
CO2 = []
Costo_Despacho = []

for t in range(len(Day_Mean)):

G = Day_Mean[t]# Irradiancia global

P_stc = 10.2 # Potencia nominal de salida bajo condiciones estandar de prueba [kW]
alpha = -0,5 # coeficiente de potencia-temperatura [%/°C] para panel monocristalino
T_cell = 45.7 # Temperatura normal de operacion de la celda

P_ph = 10.2*((G/1000)*(1+0.5*(45.7+25))) # Potencia máxima de salida de generador fotovol

GPD = 3 #Cpacidad de generacion maxima

#Dem = DFL['Demanda Tipica del sistema (kW)'] # Demanda en la hora t

Dem = DFL['Demanda Tipica del sistema (kW)']

DM = Dem[t]

CBESS = 13.5 #Capacidad de energia de la bateria [kwh]

Pmax = CBESS*0.7 #Potencia maxima continua de carga y descarga [kw]

Pp = 7 #Potencia maxima pico de carga y descarga [kw]

#OTROS PARAMETROS

SoC_i = 70 # Estado de Carga inicial

SoC_f = 50 # Estado de Carga final
phi = 90 # Eficienci de carga/descarga

#DECLARACIÓN DE VARIABLES
PPD = cp.Variable() # Potencia generada PLANTA DIESEL
PPV = cp.Variable() # Potencia generada PLANTA SOLAR
PSIN = cp.Variable() # Potencia de racionamiento
PBESS = cp.Variable() # Potencia aportada BATERIAS
SoC = cp.Variable() # Estado de carga de las baterias

#FUNCIÓN DE COSTO

a2 = 6.6384
b = 8953.8
c = 7.5853

Cost_PD = a2*(PPD**2)+(b*PPD)+c

Kom = 5.32
aI = 0.1453

Cost_PV = (Kom*PPV)+(aI*PPV)

PB = 41500.33 # Precio de escasez a la fecha de 18 de mayo de 2020

Costo = (Cost_PD + Cost_PV + PB*PSIN)/100

#RESTRICCIONES

C = [PPV + PPD + PBESS + PSIN == DM]

if t == 0:

C.append(SoC == SoC_i)
#continue

elif t == 23:

C.append(SoC == SoC_f)
#continue

elif t > 0 & t < 23:

C.append(SoC == SoC_day[t-1] - phi*PBESS)

#continue

C.append(SoC <= 100) # Restriccion de Estado de carga maximo

C.append(30 <= SoC) # Restriccion de Estado de carga minima para prolongar la vida útil d

C.append(PSIN <= DM) # Potencia maxima PD

C.append(0 <= PSIN) # Potencia minima PD
 C.append(PBESS <= Pmax) # Restriccion de capacidad maxima de energia de la bateria
C.append(0 <= PBESS) # Restriccion de minima de energia de la bateria

C.append(PPV <= P_ph) # Potencia maxima arreglo de PV

C.append(0 <= PPV) # Potencia minima arreglo de PV

C.append(PPD <= GPD) # Potencia maxima PD

C.append(0 <= PPD) # Potencia minima PD

# FUNCIÓN OBJETIVO

Obj=cp.Minimize(Costo)

#SOLVER

Economic_Dispatch = cp.Problem(Obj, C)
Economic_Dispatch.solve(verbose=False)

SoC_day.append(SoC.value)
PPD_day.append(PPD.value)
PPV_day.append(PPV.value)
PSIN_day.append(PSIN.value)
PBESS_day.append(PBESS.value)

Compra_Bolsa.append(PSIN.value*(PB)/100)
CO2.append(PPV.value*0.1832)
Costo_Despacho.append(Obj.value)

P_PV[t][days] += PPV.value
P_PD[t][days] += PPD.value
P_SIN[t][days] += PSIN.value
P_BESS[t][days] += PBESS.value

SoC_year.append(sum(SoC_day))
PPD_year.append(sum(PPD_day))
PPV_year.append(sum(PPV_day))
PSIN_year.append(sum(PSIN_day))
PBESS_year.append(sum(PBESS_day))
Compra_Bolsa_year.append(sum(Compra_Bolsa))
CO2_year.append(sum(CO2))
Costo_Despacho_year.append(sum(Costo_Despacho))

PSIN_total = sum(PSIN_year)
Costo_Despacho_total = sum(Costo_Despacho_year)
CompBolsa_total = sum(Compra_Bolsa_year)

print('')
print('')
print( )
print('***************************************************************')
print(' Año ')
print('***************************************************************')
print('')
print('')
print('Potencia del SIN ',PSIN_total,' [kW] ','con un costo de ',CompBolsa_total,' [$]')
print('')
print(' El Costo del Despacho es: \n',Costo_Despacho_total,' [$]')
print('')
print('')
print('***************************************************************')
print('')
print('')

H = np.arange(0,365)

plt.plot(H,PPD_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia planta Diesel [kW]')
plt.title('Potencia planta Diesel año')
plt.show()

plt.plot(H,PPV_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia del arreglo de paneles [kW]')
plt.title('Potencia del arreglo de paneles en el año')
plt.show()

plt.plot(H,CO2_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Reducción de CO2 [kg]')
plt.title('Reducción de CO2 en el año')
plt.show()

plt.plot(H,PSIN_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia comprada al SIN [kW]')
plt.title('Potencia comprad al SIN al año')
plt.show()

plt.plot(H,Compra_Bolsa_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Costo de compra en bolsa [$]')
plt.title('Costo de compra en bolsa en el año')
plt.show()

plt.plot(H,PBESS_year)
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia Bateria [kW]')
plt.title('Potencia Bateria en el año')
plt.show()
# Curva promedio año para potencia de paneles

Len_PPV = np.shape(P_PV)

K = np.arange(0,24)

for j in range(Len_PPV[1]):

X = []

for i in range(Len_PPV[0]):

X.append(P_PV[i][j])

plt.plot(K,X,color='grey')
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia Panel [kW]')
plt.title('Potencia Panel en el dia')
X = []

PV_Mean = []

for i in range(Len_PPV[0]):

PV_Add = []

for j in range(Len_PPV[1]):

PV_Add.append(P_PV[i][j])

PV_Mean.append(sum(PV_Add)/(len(PV_Add)))

plt.plot(K,PV_Mean,'g--d',color='blue',linewidth=2.0)

plt.show()

# Curva promedio año para potencia de planata Diesel

Len_PPD = np.shape(P_PD)

for j in range(Len_PPD[1]):

Y = []

for i in range(Len_PPD[0]):

Y.append(P_PD[i][j])

plt.plot(K,Y,color='grey')
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia planta diesel [kW]')
 p y ( p [ ] )
plt.title('Potencia planta diesel en el dia')
Y = []

PD_Mean = []

for i in range(Len_PPD[0]):

PD_Add = []

for j in range(Len_PPD[1]):

PD_Add.append(P_PD[i][j])

PD_Mean.append(sum(PD_Add)/(len(PD_Add)))

plt.plot(K,PD_Mean,'g--d',color='blue',linewidth=2.0)

plt.show()

# Curva promedio año de compra al SIN

Len_PSIN = np.shape(P_SIN)

for j in range(Len_PSIN[1]):

Z = []

for i in range(Len_PSIN[0]):

Z.append(P_SIN[i][j])

plt.plot(K,Z,color='grey')
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia del SIN [kW]')
plt.title('Potencia a comprar en el SIN')
Z = []

PSIN_Mean = []

for i in range(Len_PSIN[0]):

PSIN_Add = []

for j in range(Len_PSIN[1]):

PSIN_Add.append(P_SIN[i][j])

PSIN_Mean.append(sum(PSIN_Add)/(len(PSIN_Add)))

plt plot(K PSIN Mean 'g d' color 'blue' linewidth 2 0)

plt.plot(K,PSIN_Mean, g--d ,color= blue ,linewidth=2.0)

plt.show()

# Curva promedio año de potencia Bess

Len_PBESS = np.shape(P_BESS)

for j in range(Len_PBESS[1]):

V = []

for i in range(Len_PBESS[0]):

V.append(P_BESS[i][j])

plt.plot(K,V,color='grey')
plt.xlabel('Tiempo [dia]')
plt.ylabel('Potencia de bateria [kW]')
plt.title('Potencia de bateria en el dia')
V = []

PBESS_Mean = []

for i in range(Len_PBESS[0]):

PBESS_Add = []

for j in range(Len_PBESS[1]):

PBESS_Add.append(P_BESS[i][j])

PBESS_Mean.append(sum(PBESS_Add)/(len(PBESS_Add)))

plt.plot(K,PBESS_Mean,'g--d',color='blue',linewidth=2.0)

plt.show()
***************************************************************
Año
***************************************************************

Potencia del SIN 34500.07247591893 [kW] con un costo de 14317643.927745553 [$]

El Costo del Despacho es:

15392767.862832226 [$]

***************************************************************