• Home / Programas / Escuela Internacional de Verano / Intelligent Management of Der
    • hydrogen
      hydrogen
  • (IELE-4133) Intelligent Management of DER (Distributed Energy Resources) considering Photovoltaic and Hydrogen Integration

  • Horarios e idiomas del curso

    Este curso tendrá dos módulos. Las clases se dictarán de manera virtual y sincrónica. El primer módulo se dictará los lunes, miércoles y viernes en el horario de 6:00 p.m. a 7:30 p.m. desde el 21 de junio hasta el 12 de julio de 2021. El segundo módulo se dictará de lunes a viernes en el horario de 8:00 a.m. a 12:00 p.m. desde el 12 de julio al 16 de julio de 2021.

     

    El primer módulo será dictado en español y el segundo módulo en inglés.

    Inscripciones
    • Estudiantes de pregrado y posgrado Uniandinos: Conozca todos los detalles aquí

     

    • Educación Continua (Libre o por Extensión): Encuentre toda la información aquí

Aplicaciones de machine learning en sistemas fotovoltaicos

Descripción

La aplicación de técnicas de Machine Learning está revolucionando la automatización de procesos y la toma de decisiones basada en datos, convirtiéndose en una ventaja profesional para quienes pueden aplicar estas técnicas en diferentes áreas de conocimiento. Una de las áreas que ha despertado gran interés es la aplicación de técnicas de Machine Learning enfocadas a la gestión e implementación de sistemas de energía solar fotovoltaica, debido a la creciente necesidad de una transición hacia fuentes renovables de energía. La aplicación de diferentes técnicas de Machine Learning en este campo ha contribuido a reducir costos de implementación y mantenimiento, mejorar el desempeño del sistema, detectar y clasificar fallas de manera autónoma y eficiente, entre otras mejoras importantes para el buen funcionamiento de una solución solar fotovoltaica.

 

Profesores Uniandes

 

Michael Bressan

PhD en Ingeniería Eléctrica, Universidad de Perpignan, Francia. Sus intereses de investigación se centran en inteligencia artificial en sistemas de energías renovables.

 

Luis Felipe Giraldo

PhD en Ingeniería Eléctrica de la Universidad Estatal de Ohio. Sus intereses de investigación se centran en Machine learning, IoT, y teoría de sistemas dinámicos para resolver problemas con impacto social

 

Gabriel Narváez

Magíster en Ingeniería Electrónica de la Universidad de Los Andes. Sus líneas de investigación están enfocadas en la gestión de energías renovables, particularmente sistemas fotovoltaicos, por medio de la aplicación de técnicas de Machine Learning.

DER

Contenido

  • Introducción a sistemas fotovoltaicos (Michael Bressan):
    • Energía solar.
    • Paneles solares.
    • Elementos de conversión de potencia.
    • Problemáticas en sistemas PV.
  • Introducción a Machine Learning (Luis Felipe Giraldo):
    • Técnicas de regresión y clasificación.
    • Redes neuronales.
    • Forecasting.
    • Procesamiento de imágenes con redes convolucionales.
    • Introducción a Reinforcement Learning.
  • Aplicaciones de Machine Learning en sistemas PV (Gabriel Esteban Narváez):
    • Site-adaptation.
    • Forecasting con LSTM.
    • Detección de fallas en paneles solares con CNN.
    • Control MPPT con reinforcement learning.
    • Otros retos y aplicaciones.

 

* Para conocer más información sobre la inscripción de este módulo a través de Educación Continua visite este enlace

Data-driven optimization for distributed energy resources

Descripción

Integration of Distributed Energy Resources (DER) contributes to the decarbonization of current power systems and allows customers to take an active role by consuming and providing grid services as prosumers.  These new scenarios require the modernization of distribution networks to increase their reliability, interoperability, security, flexibility, and efficiency.  In this context, decision-makers can combine advanced optimization modeling techniques to coordinate the integration of DERs properly and to guarantee the balance between supply and demand. This course aims to introduce general aspects of data-driven optimization techniques for the sizing and management of DERs in the context of modern power systems.

 

Profesores invitados

 

Iván D. Serna

B.S. (2008), M.Sc. (2011) and Ph.D. (2019) degree in Electrical Engineering from Universidad Industrial de Santander. Since 2014 He has been a lecturer of Electricity Power Markets courses in Universidad Industrial de Santander (undergraduate), Universidad de Santander (postgraduate) and Universidad Tecnológica y Pedagógica de Colombia (postgraduate). Additionally, He was the Academic Coordinator of the Master Program on Renewable Energy Resources at UDES from 2016 to 2020. Meanwhile, he also got involved in: (1) The formulation, defense, and approval (by the Colombian Education Ministry) of the doctoral program on renewable energy resources at UDES; (2) The successful execution of The CRUX project, an Erasmus+ project financed by the European Union (http://www.thecruxproject.eu/). Furthermore, He also supported the information gathering and further editing of the final document of the Colombian Presidency initiative called "Misión de Sabios: Foco Energía". Currently, He is developing a reliability analysis and automatic reconfiguration software for improving the continuity indexes of Santander's electrical network operator (ESSA S.A. E.S.P.). Besides, He is currently working with GISEL research group on: Coordinated electricity and natural gas optimal dispatch, Renewable Power-to-Gas technology integration to power markets, and innovative market mechanism to value power system flexibility.

DER

 

 

Nilson Henao

He received his B.S. degree in Electronics Engineering from the Universidad de los Llanos, Villavicencio, Colombia, in 2010, his M.Sc. degree in 2013 and his PhD degree in 2018 in Electrical Engineering from the University of Quebec at Trois-Rivieres (UQTR), QC, Canada. His research interests are related to machine learning methods for power system applications like residential load optimization, load monitoring and diagnosis, and plug-in electric vehicles.

DER

 

 

Juan Carlos Oviedo

He is an Engineer and PhD in electrical engineering from the Universidad Industrial de Santander. During his doctoral studies, he completed two research internships at the Université du Québec à Trois-Rivières, at the Hydrogen Research Institute (Canada) and one at the Université de Technologie Belfort-Montbéliard at La Fédération de Recherche FCLAB (France), as well as collaboration with the Ontario Tech University (Canada). His PhD thesis contributed to the sustainable energy topic of the Misión de Sabios organized by the Government of Colombia. He is currently working as an industry research scientist at the Laboratoire des technologies de l'énergie (LTE) of Hydro-Quebec. His research interests lie in the integration of distributed energy resources, optimal sizing and operation of autonomous microgrids, transactive energy markets, and machine learning applications for smart grids.

DER

 

 

Contenido

The content is proposed as follows:

 

hour

July 12

July 13

July 14

July 15

July 16

8:00 - 9:50

Introduction

 

  • Course description.
  • Cloud computing.
  • Continuous integration and deployment (CI/CD).
  • Energy Internet of Things (eIoT).

Optimization techniques

 

  • Fundamentals.
  • Principle of optimality.
  • Dynamic programming.
  • Convex programming.
  • Workshop: Demand prediction, Bellman and CVXPY.

Distributed optimization

 

  • Fundamentals
  • Main distributed optimization methodologies.

Game theory

 

  • Fundamentals.
  • Cooperative and non-cooperative games.
  • Application to oligopolistic competition:  Cournot and Stackelberg equilibrium (price leader and quantity leader).

Stochastic optimization

 

  • Information theory and systems entropy.
  • Bayesian inference.
  • Monte Carlo.
  • Workshop: Prediction of demand with uncertainty.

9:50 - 10:00

rest

rest

rest

rest

rest

10:00 - 11:50

Distributed Energy Resources (DERs)

 

  • Technical fundamentals of main technologies.
  • Integration of DERs in the power system.
  • Workshop: Case studies.

dimensioning

 

  • Fundamentals.
  • Software available.
  • Sizing of isolated microgrids and DERs.
  • Workshop: Sizing a storage system.
  • Work: Sizing of a photovoltaic system with storage. 

Distributed optimization

 

Workshop: Consensus and ADMM

Energy markets

 

  • Fundamentals.
  • Structure of energy markets.  
  • Primary electricity markets.
  • Secondary electricity markets.
  • Workshop: Example of energy auction.

Modernization of the power system

 

  • Facing complexity.
  • Management of DERs using Transactional Energy.
  • Management of DERs using multi-agent systems.
  • Taller: Spade, Pymarkets.