Refrigeración combinada en CSP: aprendizaje por refuerzo en una optimización multi-etapa

Resumen

Con el fin de mejorar la sostenibilidad y la viabilidad económica de la energía solar térmica de concentración, se propone un sistema de refrigeración del ciclo de potencia que combina refrigeración húmeda y seca. Su eficacia se basa en aplicar estrategias de operación óptimas que equilibren los consumos de agua y electricidad. Para abordar este reto, se propone una optimización en dos etapas. En la primera, se resuelve el problema multi-objetivo para generar frentes de Pareto en el horizonte de predicción. En la segunda, estos frentes se recorren mediante un algoritmo de búsqueda que minimiza el coste económico acumulado de operación. Este trabajo se centra en la primera etapa, comparando dos metodologías para obtener los frentes de Pareto: i) una búsqueda exhaustiva, y ii) un agente de aprendizaje por refuerzo. Los resultados indican que este último método, el tiempo de cálculo es favorable, atendiendo a la vida útil de este tipo de plantas, sin comprometer la calidad de la solución.