Dimensionamiento unitario óptimo del sistema de energía híbrida

renovable autónomo utilizando el algoritmo de las abejas

*B. Tudu, S. Majumder, K. K. Mandal and N. Chakraborty

Resumen

Este documento se enfoca en el dimensionamiento unitario de sistemas de energía híbrida

independientes utilizando el algoritmo de las abejas. Con una combinación diferente de fuentes
renovables, se toman dos tipos de sistemas de energía híbrida como sistemas de prueba. Además
de las fuentes no convencionales como turbinas eólicas, paneles solares y microcentrales, los
sistemas se han optimizado con pilas de combustible, convertidores, electrolizadores y tanques de
hidrógeno. Se han considerado diferentes parámetros de rendimiento, como el costo actual neto
(NPC), el costo de la energía (COE) y el costo de generación (GC) de la producción de energía. De los
dos sistemas estudiados, se observa que la combinación de la celda de energía hídrica-eólica es el
sistema de energía híbrida más factible con respecto a su costo actual neto y el costo de la energía.
De nuevo, se observa que el algoritmo de las abejas es bastante eficiente para proporcionar una
solución global y facilita la elección.

I. INTRODUCCIÓN

Actualmente, la TI es motivo de gran preocupación para el gobierno y para las diferentes compañías
de energía para proporcionar energía a una ubicación remota donde no se puede suministrar
electricidad desde la línea de la red principal debido al alto costo asociado con ella. La necesidad de
energía en este tipo de área remota ha requerido una búsqueda urgente de fuentes de energía
alternativas. Este problema se aborda introduciendo el concepto de sistema de energía
independiente o no conectado a la red. Dado que la instalación de fuentes de energía
convencionales es bastante costosa solo para atender la demanda de carga específica de la
ubicación, el sistema híbrido de energía renovable es una alternativa aceptable para proporcionar
la energía junto con el aspecto de los problemas ambientales. Dependiendo de la posición
geográfica y la característica de carga de esa ubicación particular, el sistema debe optimizarse
adecuadamente y su desempeño debe analizarse. Dado que el enfoque de optimización clásica no
es suficiente para resolver este tipo de problema del mundo real complejo no lineal, las diferentes
técnicas de computación blanda emergen como pioneros.

Se aplicaron diferentes tipos de algoritmos heurísticos y metaheurísticos en el dimensionamiento y

la optimización del sistema de energía híbrido que comprende diferentes combinaciones de fuentes
de energía. Entre las diferentes técnicas, la aplicación de algoritmo genético, la evolución
diferencial, la búsqueda tabú, la optimización del enjambre de partículas (PSO) y sus diferentes
formas son dignas de mención. Razak et al. [1] aplicó el algoritmo genético en la optimización del
sistema híbrido que consiste en el sistema pico-hydro, módulos solares fotovoltaicos, generador
diesel y conjuntos de baterías en una ubicación remota donde Shi et al. [2] presentó un algoritmo
genético multiobjetivo para obtener un tamaño óptimo del sistema de energía híbrido fotovoltaico
(PV) autónomo. La optimización del sistema de energía híbrida fue explorada exhaustivamente con
optimización de enjambre de partículas por muchos investigadores como Hakimi y Tafreshi [3], [4],
Wang et al. [5], Lopez [6] y Zhang et al. [7].

Además de los métodos metaheurísticos anteriores, comparativamente un nuevo miembro de

inteligencia de enjambre llamado algoritmo de abejas fue desarrollado por D. T. Pham en 2006 [8].
Se observa que puede resolver el problema del mundo real multirremodo y no lineal de manera
bastante eficiente en función de su comportamiento de búsqueda de alimento [9] - [12]. El
algoritmo de las abejas puede simular el comportamiento de las abejas para problemas de la vida
real, incluidos los que pertenecen al diseño y la entrega del sistema de energía [13] - [16]. Sin
embargo, la aplicación del algoritmo de las abejas al sistema de energía no convencional es muy
escasa.

II. FORMULACIÓN DEL PROBLEMA

El estudio de caso se ha llevado a cabo en una aldea agrícola típica de Kerala, India, muy lejos de la
línea de la red principal. El pueblo está ubicado a lo largo del Naranamthode, un afluente del río
Pampa. La principal demanda de electricidad en el pueblo es la iluminación, el ventilador, la
televisión y la radio, y también para bombear agua para la agricultura. Se ve que la aldea tiene un
gran potencial de recursos de energía renovable como la eólica, la solar y la microhidroeléctrica [17].
El dimensionamiento del sistema de energía híbrida propuesto se ha llevado a cabo considerando
un aumento del 10% en el perfil de carga promedio a lo largo de la vida útil del proyecto de 30 años.
La carga calculada sobre la base de los datos anteriores, el perfil de carga durante 24 horas se
presenta en la Fig. 1.

Fig 1: Datos de carga horaria, insolación solar y velocidad del viento para el sitio.
El objetivo del diseño del sistema de energía híbrida es satisfacer la demanda de energía de la
localidad. En este estudio, se consideran dos tipos de sistemas de energía que combinan la célula
de energía eólica eólica solar y la célula de energía eólica solar como caso de estudio 1 y 2,
respectivamente. La planta hidroeléctrica se escurre por el tipo de río y como hay una variación muy
marginal del flujo de agua promedio por hora (flujo de agua promedio 130 ltr / s) en el río, la
generación de la planta es casi constante considerando la altura medida de 20 metro. Para el estudio
de caso 1, la micro hidro planta por sí sola no es suficiente para satisfacer la demanda por completo.
Entonces, otros sistemas de generación de energía como turbinas de viento y módulos solares se
integran con la planta hidroeléctrica. Para el estudio de caso 2, analizamos la factibilidad de instalar
un sistema de energía híbrido que consiste en una célula de energía solar eólica. La potencia de
salida por hora de los aerogeneradores y módulos solares depende del clima y otras condiciones de
esa hora en particular. La velocidad promedio del viento por hora y los datos de insolación solar
durante 24 horas de esa ubicación que se encuentran en fuentes gubernamentales se muestran en
la Fig. 1 [17]. El factor de forma weibull para la velocidad del viento se toma como 2. Las celdas de
combustible se instalan en los sistemas para que puedan operar y generar la potencia de déficit
requerida cuando los sistemas no pueden satisfacer la demanda. Las celdas de combustible y los
módulos solares están conectados directamente a un convertidor que transforma la salida de CC de
estos dispositivos en una salida de CA. Además, hay una disposición para utilizar el exceso de
potencia en diferentes horas mediante el empleo de electrolizadores. Los electrolizadores generan
hidrógeno a partir del agua cuando hay un exceso de energía. Este hidrógeno se almacena en el
tanque de hidrógeno en forma comprimida. El hidrógeno puede alimentarse a las celdas de
combustible cuando las celdas de combustible son operadas para abastecer la carga. Esto minimiza
la necesidad de comprar hidrógeno adicional del mercado. El sistema está diseñado de tal forma
que hay claramente una parte de CA y una de CC. Las celdas de combustible y los paneles solares
dan salida de CC. Estas salidas de CC se convierten a CA por convertidor. El lado de la carga, las
turbinas eólicas, la microplanta y los electrolizadores están conectados con el bus AC.

III. COSTO DEL SISTEMA Y FUNCIÓN OBJETIVA

El costo anualizado total de un componente consiste en el costo de capital anualizado, el costo de

reposición anualizado, el costo anualizado de operación y mantenimiento, así como el costo
anualizado del combustible. El costo anualizado total de los diferentes componentes de los sistemas
híbridos se puede representar mediante la siguiente ecuación [1].

𝐶𝑎𝑛𝑛,𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡 = 𝐶𝑎𝑐𝑎𝑝,𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡 + 𝐶𝑎𝑟𝑒𝑝,𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡 + 𝐶𝑎𝑜𝑚,𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡 + 𝐶𝑎𝑓𝑐,𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡 (1)

Donde
𝐶𝑎𝑐𝑎𝑝,𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡 = costo de capital anualizado.

𝐶𝑎𝑟𝑒𝑝,𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡 =costo de reposición anualizado.

𝐶𝑎𝑜𝑚,𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡 =costo anualizado de operación y mantenimiento.

𝐶𝑎𝑓𝑐,𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡 = costo de combustible anualizado.

Donde el costo total anualizado del sistema de energía híbrida se puede expresar como [1]

𝑁𝑠 𝑁𝑤 𝑁𝑐 𝑁𝑡

𝐶𝑎𝑛𝑛,𝑡𝑜𝑡 = ∑ 𝐶𝑎𝑛𝑛, 𝑆𝑜𝑙𝑎𝑟, 𝑆 + ∑ 𝐶𝑎𝑛𝑛, 𝑊𝑖𝑛𝑑, 𝑊 + ∑ 𝐶𝑎𝑛𝑛, 𝐶𝑜𝑛𝑣𝑒𝑟𝑡𝑒𝑟, 𝐶 + ∑ 𝐶𝑎𝑛𝑛, 𝑡𝑎𝑛𝑘, 𝑡

𝑆=1 𝑊=! 𝐶=1 𝑡=1
𝑁𝑒 𝑁𝑓

+ ∑ 𝐶𝑎𝑛𝑛, 𝑒𝑙𝑒𝑐𝑡𝑟𝑜, 𝑒 + ∑ 𝐶𝑎𝑛𝑛, 𝑓𝑢𝑒𝑙𝑐𝑒𝑙, 𝑓 + 𝐶𝑎𝑛𝑛, 𝐻𝑌𝐷𝑅𝑂 (2)

𝑒=1 𝑓=1

Donde

𝑁𝑠 = número de módulos solares instalados,

𝑁𝑤 = número de aerogeneradores instalados,

𝑁𝑐 = número de convertidores instalados,

𝑁𝑡 = número de tanques de hidrógeno instalados,

𝑁𝑒 = número de electrolizadores instalados y

𝑁𝑓 = número de celdas de combustible instaladas en el sistema híbrido.

El costo actual neto del sistema se expresa como:

𝐶𝑎𝑛𝑛,𝑡𝑜𝑡
𝐶𝑁𝑃𝐶 = (3)
𝐶𝑅𝐹𝑝𝑟𝑜𝑗

El costo de la energía del sistema se puede expresar [18] como:

𝐶𝑎𝑛𝑛,𝑡𝑜𝑡
𝐶𝑂𝐸 = (4)
𝐶𝑎𝑟𝑔𝑎 𝑡𝑜𝑡𝑎𝑙 𝑎𝑏𝑎𝑠𝑡𝑒𝑐𝑖𝑑𝑎 𝑝𝑜𝑟 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑒𝑙 𝑎ñ𝑜
De manera similar, el costo de generación del sistema se puede expresar como:
𝐶𝑎𝑛𝑛,𝑡𝑜𝑡
𝐶𝐺 = (5)
𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑡𝑜𝑡𝑎𝑙 𝑔𝑒𝑛𝑒𝑟𝑎𝑑𝑎 𝑝𝑜𝑟 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑒𝑙 𝑎ñ𝑜

Dado que la potencia total generada por el sistema no se utiliza por completo por el lado de la
demanda y hay algunas entradas para los electrolizadores en algunas horas de funcionamiento, el
valor de COE y GC difiere en cierta medida. En este estudio, el sistema se optimiza en función del
costo actual neto.

Los diferentes componentes utilizados en este sistema son componentes estándar de diferentes
marcas del fabricante y los datos utilizados para diferentes componentes se enumeran en las tablas
I y II.

Tabla 1: PARÁMETROS UTILIZADOS PARA DIFERENTES COMPONENTES

Componentes Parámetros Valores

Capacidad instalada 20kW
Micro hidroeléctrica Eficiencia Operativa 50%
Vida Util 20 años
Capacidad 10kW
Velocidad Nominal 12 m/s
Velocidad de Corte 2.5 m/s
Turbina Eolica
Velocidad de
15.6 m/s
Enrrollamiento
Vida Util 15 años
Potencia nominal 0.15kW
SLOPE 25 grados
Módulo PV solar
Factor de reduccion 0.9
Vida Util 20 años
Capacidad 5kW
Pila de combustible
Eficiencia 50%
(Fuel Cell)
Vida Util 15 años
Capacidad 1kW
Electrolizador
Eficiencia 90%
(Electrolizador)
Vida Util 20 años
Capacidad 5kW
Convertidores Eficiencia 90%
Vida Util 20 años
Tanque de hidrógeno Capacidad 1Kg
(Hydrogen Tank) Vida Util 15 años
 Tabla 2: COSTO CONSIDERADO PARA DIFERENTES COMPONENTES

Costo de Costo de
Costo de
Componentes reemplazo mantenimiento
Capital (Rs.)
(Rs./Año) (Rs./Año)
Micro hidroeléctrica 1610k 1288k 32k
Turbina Eolica 1334k 1104k 46k
Módulo PV solar 23k 18.4k 0k
Pila de combustible
552k 460k 23k
(Fuel Cell)
Electrolizador
92k 82k 9.2k
(Electrolizador)
Convertidores 115k 92k 0.92k

Tanque de hidrógeno
55.2k 46k 0.46k
(Hydrogen Tank)

III. ALGORITMO DE ABEJAS

Los algoritmos inspirados en la naturaleza general se desarrollaron como algoritmos genéticos,

recocido simulado, búsqueda tabú y optimizaciones de enjambres (colonia de hormigas,
optimización de enjambre de partículas y colonia de abejas) para abordar tipos de problemas
complejos, no lineales y combinatorios o funcionales. También se ve que estos algoritmos pueden
proporcionar soluciones mucho mejores en comparación con los algoritmos clásicos. Algoritmo de
las abejas (BA) es un miembro relativamente nuevo de la inteligencia de enjambre. BA intenta
modelar el comportamiento natural de las abejas reales en la búsqueda de comida y esto hace que
BA sea eficiente para desarrollar nuevos algoritmos inteligentes de búsqueda. El algoritmo Bees está
inspirado en el comportamiento de búsqueda de las abejas melíferas y fue desarrollado por D. T.
Pham en 2006 [8].

A. Algoritmo de abejas propuesto

El algoritmo de las abejas es un algoritmo de optimización inspirado en el comportamiento de

alimentación natural de las abejas melíferas para encontrar la solución óptima [12]. El pseudo
código básico para el algoritmo se muestra en la figura 2 [8]. Una cantidad de parámetros están
involucrados en este proceso de optimización. Estos son [10]:
a) 'n' número de abejas exploradoras
b) 'm' número de sitios seleccionados de n sitios visitados para búsqueda de vecinos

c) 'e' número de mejores sitios de élite seleccionados de m sitios seleccionados

d) número de abejas 'nep' reclutadas para sitios electrónicos

e) Número de abejas 'nsp' reclutadas para los otros sitios seleccionados (m-e)

f) Tamaño inicial de parches (= ngh) que incluye el sitio y su vecindad y

g) Criterio de parada.

Los parámetros tomados para este problema de optimización se dan en la Tabla III.

Parámetros del algoritmo de las abejas

Número total de población
Las abejas seleccionadas para la búsqueda de barrio
Número de mejores sitios seleccionados de m seleccionados
Número de abejas reclutadas para los mejores sitios e
Número de abejas reclutadas para los mejores sitios (m-e)
Tamaño de parche inicial para viento
Tamaño de parche inicial para Solar

Tabla 3: DIFERENTES PARÁMETROS CONSIDERADOS PARA EL ALGORITMO DE LAS ABEJAS

Parámetros del algoritmo de las abejas Simbolo Valor

Número total de población n 100
Las abejas seleccionadas para la búsqueda de barrio m 20
Número de mejores sitios seleccionados de m seleccionados e 3
Número de abejas reclutadas para los mejores sitios e nep 50
Número de abejas reclutadas para los mejores sitios (m-e) nsp 10
Tamaño de parche inicial para viento ngh_w 5
Tamaño de parche inicial para Solar ngh_s 15
Número de iteración (criterios de detención) g 100

B. Procedimiento de optimización
El presente trabajo aborda los requisitos básicos de potencia del sitio remoto considerando el perfil
de carga horaria. Dependiendo de la insolación solar, la velocidad del viento y el flujo de agua en el
río, se genera energía para abastecer la carga. Inicialmente, el flujo de agua promedio del río
Naranamthode se considera en la ventana mensual de los datos disponibles. Se considera el mes de
flujo promedio más bajo y se adopta el perfil de 24 horas de ese mes para la optimización del
sistema. De forma similar, se considera que la velocidad del viento más baja y la insolación solar
durante 24 horas cumplen con el perfil de demanda máximo previsto.
Dado que se considera que la microcentral hidroeléctrica sirve a la carga base del sistema, se calcula
su generación de energía por hora en función del flujo de agua por hora. En el paso 1, la cantidad
de módulos solares y las turbinas de viento para cada abeja se asignan con valores aleatorios. En el
paso 2, con valores aleatorios de número de módulos solares y turbinas eólicas, la generación
horaria de energía solar y energía eólica se calcula según las respectivas entradas horarias. Con base
en la demanda de carga por hora y la generación acumulada de las fuentes de energía hidroeléctrica,
solar y eólica, se calcula el excedente por hora o la potencia deficitaria. El tamaño de la pila de
combustible se obtiene en función de la potencia de déficit máxima que debe suministrar. A medida
que se determina el tamaño de la celda de combustible, se computa su consumo de combustible en
diferentes horas. El tamaño del electrolizador se obtiene dependiendo de la potencia sobrante
máxima disponible. La generación de potencia máxima acumulativa de paneles solares y celdas de
combustible en cualquier hora particular decide el tamaño del convertidor. El costo actual neto del
sistema, que es la función de adecuación del proceso de optimización, se calcula para cada abeja
que representa diferentes componentes.

En el paso 3, se seleccionan 20 mejores abejas para la búsqueda del vecindario (m) sobre la base de
la función de aptitud física. De las mejores 20 abejas, las mejores 3 abejas se seleccionan como
abejas de élite (e).

En el paso 4, para los sitios de élite, se envían más abejas (50) para buscar comida junto con la
existente y para los sitios restantes, se emplean menos (10) números de abejas y exploran los sitios
del vecindario con soluciones. En el paso 5, las mejores abejas de cada parche se incluyen en la
población de abejas. Las abejas restantes de la población se envían de nuevo a búsqueda aleatoria
y se evalúan sus aptitudes. A medida que se obtiene una nueva población de abejas después del
paso 5, los pasos 2 - 5 se procesan de forma iterativa hasta que se cumple el criterio de detención.
Si se explora un nuevo mejor sitio al final de cualquier iteración, ese sitio se toma como un nuevo
valor óptimo, dejando el valor anterior. Si no, entonces el valor anterior se toma como valor óptimo.

A medida que se determina el tamaño óptimo del sistema de energía híbrida y su costo presente
neto asociado, se puede conocer el costo total anualizado del sistema. Del perfil de carga horaria
del sitio, se calcula la carga total anual abastecida por el sistema. Del mismo modo, a partir del perfil
de generación de energía por hora de los diferentes componentes del sistema, se calcula la
generación total anualizada del sistema. A partir de estos valores, se calcula el costo de la energía
(COE) y el costo de generación (GC) para el sistema óptimo.

La búsqueda de barrio con la característica de búsqueda aleatoria proporciona el valor óptimo global
sin atrapar el valor óptimo local. Aquí el número de iteración es el criterio de parada. Después de
probar el proceso de optimización con diferentes valores de parámetros de abejas y diferente
número de iteraciones, se seleccionan los valores finales de los parámetros de las abejas y el número
de iteraciones y se ve que el algoritmo de las abejas alcanza rápidamente la solución óptima.

V. RESULTADO DE LA SIMULACIÓN

Se toman dos tipos de sistemas de energía híbrida como sistemas de prueba. Inicialmente, se
optimiza la combinación del sistema de celdas de energía hidro-eólica-solar y se obtiene el tamaño
considerando el perfil de carga máximo como estudio de caso 1. El estudio de caso 2 se realiza para
medir la viabilidad de los sistemas que consisten en celdas de energía eólica solar. La viabilidad de
dos sistemas se analiza con respecto al costo general de generación y el costo de la energía. Para el
estudio de caso 1 y 2, los resultados de dimensionamiento obtenidos se presentan en las tablas IV
y V, respectivamente.

Tabla 4: CALIBRADO ÓPTIMO DEL SISTEMA DE ENERGÍA HÍBRIDA DE CÉLULAS DE COMBUSTIBLE HIDRO-SOLARES-VIENTO

Tamaño óptimo Capacidad

Componentes
(No. de unidades) instalada
Turbina Eolica 8 80kW
Panel Solar 0 0kW
Pila de combustible
3 15kW
(Fuel Cell)
Electrolizador
5 5kW
(Electrolizador)
Convertidor 3 15kW
Tanque de hidrógeno
3 3Kg
(Hydrogen Tank)
Costo presente neto (NPC): Rs.24327.45K
Costo de generación (GC): Rs.4.98 / kWh
Costo de la energía (COE): Rs.7.53 / kWh

De la Tabla IV se observa que el panel solar no es una fuente de energía factible debido a su alto
costo de capital por vatio para la carga presente considerada. Pero el costo por vatio de la planta
eólica e hidroeléctrica es bastante bajo en comparación con el panel solar. Por lo tanto, para
abastecer la carga, el sistema elige la planta eólica e hidroeléctrica como opciones más factibles que
reducen el costo actual neto y el costo de generación de energía tan bajo como Rs.24327.45K y
Rs.4.98 / kWh respectivamente. Entonces, el sistema óptimo consiste únicamente en una turbina
eólica, una microplanta y una celda de combustible. El costo de la energía para este caso es de
Rs.7.53 por kWh. Aquí también la energía generada se encuentra con el perfil de carga bastante
uniforme. Dado que la energía deficitaria suministrada por la pila de combustible es baja, se instalan
algunas pilas de combustible y convertidores. El número de electrolizadores instalados tiene poco
énfasis en el hecho de que la producción de energía excedente es baja. Aunque el proceso de
optimización es reacio a elegir paneles solares, todavía hacemos un análisis de viabilidad en el
estudio de caso 2 para medir la viabilidad del sistema que consiste en celdas de energía eólica solar.

Tabla 5: CALIBRADO ÓPTIMO DEL SISTEMA DE ENERGÍA HÍBRIDA DE CÉLULA DE COMBUSTIBLE DE VIENTOS SOLARES

Tamaño óptimo Capacidad

Componentes
(No. de unidades) instalada

Turbina Eolica 10 100kW

Panel Solar 0 0kW
Pila de combustible
5 25kW
(Fuel Cell)
Electrolizador
12 12kW
(Electrolizador)
Convertidor 5 25kW
Tanque de hidrógeno
5 5Kg
(Hydrogen Tank)
Costo presente neto (NPC): Rs. 29143.39K
Costo de generación (GC): Rs.6.36/kWh
Costo de la energía (COE): Rs.10.03/kWh

Para el sistema de prueba 2, el costo de generación de energía es comparable con el primer caso,
pero el costo actual neto y el costo de energía son altos en ausencia de planta hidroeléctrica porque
el costo de energía por kWh de la central hidroeléctrica es más barato que el de la turbina eólica.
Aquí también la producción de energía sobrante es bastante alta, lo que aumenta la cantidad de
electrolizadores y reduce la necesidad de células de combustible. Dado que la generación satisface
la demanda de manera cómoda, el costo de generación es comparable al caso anterior, pero dado
que el excedente de energía es bastante alto, el costo de la energía es bastante alto. De nuevo, la
integración del panel solar al sistema híbrido no es factible. Aquí el algoritmo de optimización elige
la turbina eólica para satisfacer la demanda total, ya que el costo por kilo vatio para la energía solar
es alto en comparación con la turbina eólica. En la Fig. 3, se presenta el costo actual neto en términos
de iteración para los dos sistemas anteriores.
 Fig 2: Costo neto actual óptimo en términos de número de iteraciones para sistemas de celdas de energía hidro - solar -
eólica - eólica y eólica - solar - combustible.

VI. CONCLUSIÓN

El alto potencial de las fuentes de energía renovables de cualquier lugar puede reducir la demanda
de energía de red convencional. El sistema de energía híbrida fuera de la red puede cumplir con la
demanda de carga específica del sitio dependiendo de la disponibilidad de las fuentes. El presente
estudio demuestra el tamaño óptimo para abastecer la carga de un pueblo remoto de Kerala, India.
El presente estudio de diseño del sistema óptimo de energía híbrida se puede aplicar a otros lugares
con tales recursos naturales potenciales. De los dos sistemas estudiados, se observa que la
combinación de celda de combustible hidráulico es el sistema de energía híbrida más factible con
respecto a su costo actual neto. El alto costo por vatio de energía para el panel solar lo hace inviable
para el sistema híbrido en el presente estudio en comparación con la planta hidroeléctrica y la
turbina eólica. El sistema híbrido que consiste en una célula de energía hidro-eólica genera menos
energía excedente y también la energía deficitaria es baja y, por lo tanto, el número de celdas de
combustible instaladas es bajo, lo que hace que el sistema sea más rentable. De nuevo, se observa
que el algoritmo de las abejas es bastante eficiente al proporcionar una solución global con menos
tiempo incorporando todas las restricciones y facilita la elección.