Artículo Académico / Academic Paper
Recibido: 10-11-2024, Aprobado tras revisión: 08-01-2025
Forma sugerida de citación: Echever, J.; Villamarín, J.; Saltos, M. (2025). “Dimensionamiento Óptimo de Sistemas Fotovoltaicos
y Baterías en Entornos Residenciales para Reducir la Dependencia de la Infraestructura Eléctrica Centralizada”. Revista Técnica
“energía”. No. 21, Issue II, Pp. 60-68
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
Doi: https://doi.org/10.37116/revistaenergia.v21.n2.2025.685
© 2025 Autores Esta publicación está bajo una licencia internacional Creative Commons Reconocimiento –
No Comercial 4.0 (https://creativecommons.org/licenses/by-nc/4.0/)
Optimal Sizing of Photovoltaic and Battery Energy Systems in Residential
Environments to Reduce Dependence on Centralized Electricity
Infrastructure
Dimensionamiento Óptimo de Sistemas Fotovoltaicos y Baterías en Entornos
Residenciales para Reducir la Dependencia de la Infraestructura Eléctrica
Centralizada
A. Villamarín1
0000-0002-8923-6479
M. Saltos2
0000-0002-3473-2838
J.C. Echever3
0009-0008-3437-1850
1Departamento de Eléctrica, Electrónica y Telecomunicaciones, Universidad de las Fuerzas Armadas – ESPE,
Latacunga, Ecuador
E-mail: afvillamarin@espe.edu.ec
2Departamento de Ingeniería Eléctrica, Universidad Técnica Federico Santa María, Valparaíso, Chile
E-mail: msaltos@usm.cl
3Instituto Superior Tecnológico Ismael Pérez Pazmiño, Machala, Ecuador
E-mail: juan.echever@instipp.ec
Abstract
Distributed energy resources (DERs) represent an
effective alternative to reduce reliance on centralized
electrical infrastructure. This work presents an
optimization model using mixed-integer linear
programming (MILP) to determine the optimal sizing of
DERs integrating photovoltaic generation and battery
energy storage, designed to operate both connected to
the grid and autonomously. The results indicate that the
grid-connected configuration requires 18 solar panels
and 7 storage units, with a total cost of 8,830 USD,
while the autonomous configuration demands 108
panels and 52 units, with a cost of 58,730 USD. This
demonstrates that grid-connected DERs can offer lower
investment costs, while autonomous configurations
ensure a constant supply, promoting energy self-
sufficiency and reducing dependence on the main grid.
Moreover, the proposed approach is adaptable to
various urban environments, where implementing
DERs enables greater energy independence, alleviates
the load on centralized infrastructure, and provides a
reliable supply despite fluctuations in grid availability.
Index terms— Energy self-sufficiency, photovoltaic
energy, optimization, battery energy storage systems.
60
Edición No. 21, Issue II, Enero 2025
1. INTRODUCCIÓN
El aumento de la demanda energética en áreas
residenciales urbanas plantea importantes desafíos en
países con infraestructuras energéticas centralizadas. La
expansión urbana acelerada, impulsada por la
urbanización y el crecimiento poblacional, ha
intensificado la presión sobre los sistemas eléctricos, que
en muchos casos ya enfrentan problemas de suministro y
alta dependencia de fuentes centralizadas. Factores como
la construcción intensiva de viviendas, la adopción de
electrodomésticos eficientes en energía y la proliferación
de dispositivos electrónicos aumentan la carga en los
sistemas de energía. Según la Agencia Internacional de
Energía (IEA), el consumo energético mundial en el
sector residencial representa aproximadamente el 20% de
la demanda total de electricidad, y se espera que esta cifra
aumente con el crecimiento de las ciudades [1].
En Ecuador, la urbanización ha avanzado
rápidamente, alcanzando el 64.8% de la población total
en 2023 y con una tasa proyectada de urbanización del
1.62% anual entre 2020 y 2025 [2]. Este contexto genera
densidades poblacionales elevadas y desafíos únicos en
infraestructura eléctrica. Si bien se han realizado
esfuerzos para mejorar la infraestructura centralizada,
muchas regiones continúan dependiendo de una red
central que es vulnerable a eventos externos, como los
fenómenos climáticos extremos (sequías y olas de calor)
que afectan la generación hidroeléctrica [3] y otras
fuentes centralizadas de energía [4]. Dichos eventos
destacan las limitaciones de un modelo basado en la
infraestructura centralizada y revelan la urgencia de
adoptar soluciones energéticas más resilientes y
descentralizadas [5], [6].
Los recursos energéticos distribuidos (DERs, por sus
siglas en inglés) ofrecen una vía prometedora para
mitigar los problemas asociados con la dependencia de
redes centralizadas al facilitar la generación y el
almacenamiento de energía en el sitio de consumo. Entre
estos recursos, la energía solar fotovoltaica y los sistemas
de almacenamiento en baterías han demostrado ser
especialmente efectivos para entornos residenciales, ya
que permiten no solo cubrir una parte significativa de la
demanda, sino también ofrecer flexibilidad para operar
conectados a la red o de forma autónoma [7-10]. La
transición hacia una infraestructura de generación
distribuida no solo se ve favorecida por los avances en
tecnología fotovoltaica y almacenamiento, sino también
por la reducción de costos y las políticas indicadas en el
Plan Maestro de Electricidad [11]. En Ecuador, por
ejemplo, la Regulación Nro. ARCERNNR-001/2021
promueve la generación distribuida en condominios,
subrayando la importancia en diversificar la matriz
energética y fortalecer la seguridad del suministro [12].
A medida que los precios de la tecnología de
almacenamiento y la generación solar continúan
disminuyendo, la adopción de DERs en entornos urbanos
resulta cada vez más viable, permitiendo un mayor grado
de autosuficiencia energética. No obstante, la integración
adecuada de DERs depende de un dimensionamiento
óptimo que maximice el aprovechamiento de los recursos
renovables y minimice los costos operativos. Los
modelos de optimización, como la programación lineal
entera mixta (MILP, por sus siglas en inglés), han
demostrado ser herramientas poderosas para diseñar
sistemas que balancean la generación y el
almacenamiento en función de la demanda real, las
características del entorno y los recursos disponibles. Por
ejemplo, la referencia [13] presenta un enfoque MILP
para diseñar portafolios óptimos de DERs en microredes
multi-energía, destacando la importancia de una
planificación integral. De manera similar, la referencia
[14] analiza el dimensionamiento de DERs en microredes
inteligentes mediante formulaciones MILP, enfatizando
la necesidad de integrar tecnologías distribuidas para
aumentar la flexibilidad del sistema. Por su parte, los
autores en [15] abordan estrategias de optimización
basadas en MILP para comunidades energéticas
renovables, proporcionando soluciones que equilibran
costos y sostenibilidad. Estos trabajos refuerzan la
importancia de los DERs como herramientas clave para
reducir la dependencia de las infraestructuras
centralizadas y promover la autosuficiencia energética.
Este trabajo presenta un modelo de optimización
MILP para determinar el dimensionamiento óptimo de
los DERs en un conjunto residencial urbano, integrando
energía solar fotovoltaica y almacenamiento en baterías.
El modelo está diseñado para operar tanto en conexión a
la red como de manera autónoma, utilizando datos reales
de recursos energéticos, demanda y características de
construcción de un entorno residencial urbano. En línea
con las principales estrategias del Plan Maestro de
Electricidad [11], el modelo aborda la incorporación de
DERs como elementos clave para mejorar la resiliencia y
flexibilidad del sistema eléctrico. Estas estrategias, que
promueven la diversificación de la matriz energética y el
uso de tecnologías limpias, refuerzan la relevancia del
modelo al alinearlo con objetivos nacionales que buscan
fortalecer la autosuficiencia energética y garantizar un
suministro confiable frente a variaciones en la
disponibilidad de la red.
El resto del artículo está estructurado como sigue: la
Sección 2 presenta el modelo de optimización propuesto
para dimensionar el sistema fotovoltaico con baterías en
entornos residenciales. En la Sección 3 se describe el
caso de estudio, y en la Sección 4 se realiza el análisis de
resultados. Finalmente, la Sección 5 presenta las
principales conclusiones.
2. MODELO DE OPTIMIZACIÓN
Para determinar el dimensionamiento óptimo de los
DERs en entornos residenciales y reducir la dependencia
de la infraestructura eléctrica centralizada, se propone un
modelo MILP. Este modelo permite seleccionar los
componentes clave, como el número de paneles
fotovoltaicos (FV), el sistema de almacenamiento en
61
Villamarín et al. / Dimensionamiento Óptimo de Sistemas Fotovoltaicos y Baterías en Entornos Residenciales
baterías (BESS, por sus siglas en inglés) y la capacidad
del inversor, para satisfacer de manera eficiente las
necesidades energéticas de una urbanización residencial
a lo largo de un año.
El enfoque del modelo está en minimizar tanto los
costos de inversión inicial como los costos operativos de
los DERs durante el horizonte de evaluación, con el
objetivo de promover una mayor autosuficiencia
energética y reducir la carga sobre la red de distribución
centralizada. A través de este dimensionamiento óptimo,
el modelo no solo prioriza la rentabilidad y la
sostenibilidad del sistema, sino que también asegura un
funcionamiento confiable y adaptable, ya sea en modo
conectado a la red o en operación autónoma. Este
enfoque fomenta un uso más eficiente de los recursos
renovables, integrando de manera efectiva las
tecnologías DERs para lograr una solución energética
rentable y menos dependiente de la infraestructura
central.
2.1 Función objetivo
La función objetivo (1) busca minimizar el costo total
de los DERs, compuesto por los costos operativos
anuales y los costos de inversión anualizados asociados a
los componentes principales, como paneles
fotovoltaicos, el BESS y el inversor:
󰇛 󰇛󰇜 󰇛󰇜

 󰇛󰇜 󰇛󰇜󰇜

󰇛  
 󰇜
(1)
donde , , ,  representan los costos de
operación de descarga del BESS, la energía comprada de
la red de distribución, la demanda no servida y el
vertimiento de energía del sistema fotovoltaico,
respectivamente. La inclusión de un costo para la
descarga del BESS permite que este sistema solo se
active cuando sea realmente necesario, como en horas sin
generación solar o en momentos de alta demanda,
optimizando su uso. El costo de vertimiento de la energía
fotovoltaica se incorpora para evitar sobredimensionar la
capacidad del sistema fotovoltaico. No se consideran
costos operativos para el sistema fotovoltaico, ya que se
consideran despreciables.
Con respecto a los costos de inversión,  es la
capacidad total del sistema fotovoltaico (es decir, este
costo debe representar el precio de cada panel
fotovoltaico a instalar).  el costo por kWh instalado
en almacenamiento de energía en baterías y  el costo
por kW instalado del inversor.
2.2 Modelo del sistema solar fotovoltaico
El modelo para el sistema fotovoltaico se formula
según las ecuaciones utilizadas en [16], como se muestra
en (2).
󰇛󰇜  󰇛󰇜

󰇛󰇛󰇜󰇜
󰇛󰇜
(2)
donde 󰇛󰇜 es la inyección de potencia activa del
sistema fotovoltaico, es una variable de decisión entera
que representa el número de paneles a instalar,  es la
potencia nominal del panel, 󰇛󰇜 es la irradiancia solar
disponible, 󰇛󰇜es la temperatura de las celdas,  es
el coeficiente de reducción de eficiencia por temperatura
del sistema fotovoltaico,  es la eficiencia del inversor
y 󰇛󰇜 corresponde a la potencia vertida o energía no
utilizada.
La temperatura de las celdas solares es un factor clave
para calcular la potencia generada, ya que influye en la
eficiencia del sistema. Se calcula mediante (3):
󰇛󰇜󰇛󰇜󰇛󰇜
󰇛󰇜
(3)
donde 󰇛󰇜 es la temperatura ambiente y  es la
temperatura del sistema fotovoltaico en condiciones
normales.
Finalmente, la cantidad de paneles fotovoltaicos a
instalar se limita mediante la restricción de espacio en
(4):
 
(4)
donde  representa el área máxima disponible para la
instalación de paneles y  es el área ocupada por cada
panel fotovoltaico.
2.3 Modelo del sistema de almacenamiento
de energía en baterías
Para determinar el tamaño óptimo del BESS, se
utiliza el modelo desarrollado en [17]. La energía
disponible en el BESS está definida por (5) y (6). Las
restricciones de carga y descarga del sistema,
establecidas en (7) y (8), utilizan el método de desacople
Big M, lo cual permite gestionar los límites de operación
del BESS de forma eficiente. La restricción (9) define el
estado de carga (SOC, por sus siglas en inglés) mínimo y
máximo, con valores del 20% y 90%, respectivamente, lo
cual optimiza la vida útil del BESS al prevenir
sobrecargas o descargas profundas. Adicionalmente, La
restricción de balance energético al final del periodo de
simulación T se expresa en (10), asegurando que la
62
Edición No. 21, Issue II, Enero 2025
cantidad de energía cargada y descargada sea
equivalente. Este equilibrio garantiza que el BESS
mantenga una reserva energética adecuada para cada
intervalo temporal del análisis, ya sea diario, mensual o
anual. Finalmente, la variable binaria de decisión 󰇛󰇜,
definida en (11), indica el estado de la batería en cada
momento: 󰇛󰇜 cuando la batería está descargando,
y 󰇛󰇜 cuando está en proceso de carga. Este
esquema de operación asegura que el BESS funcione de
manera óptima, alineando sus ciclos de carga y descarga
con la disponibilidad de recursos y las demandas
energéticas. La nomenclatura completa de los parámetros
y las variables de decisión utilizadas en este modelo se
detalla en el Apéndice.
󰇛󰇜󰇛󰇜󰇛󰇜
  󰇛󰇜
(5)
󰇛󰇜󰇛󰇜󰇛󰇜
  󰇛󰇜;
(6)
󰇛󰇜󰇛󰇜
(7)
󰇛󰇜󰇛󰇜
(8)
 󰇛󰇜
(9)
󰇧󰇛󰇜
 󰇨
 󰇛󰇛󰇜󰇜

(10)
󰇛󰇜󰇝󰇞
(11)
2.4 Modelo del inversor
Para dimensionar el inversor en el problema de
optimización, la restricción (12) garantiza que la potencia
total disponible en el sistema de generación y
almacenamiento sea limitada por la capacidad máxima
del inversor, evitando sobrecargas.
󰇛󰇜󰇛󰇜󰇛󰇜
(12)
donde 󰇛󰇜 representa la potencia inyectada por la
generación fotovoltaica y 󰇛󰇜 es la capacidad
instalada del inversor. 󰇛󰇜 y 󰇛󰇜 representan la
potencia de carga y descarga de las baterías,
respectivamente.
2.5 Ecuación de balance
La ecuación (13) describe el balance de potencia que
garantizar el equilibrio de la potencia suministrada desde
la red eléctrica de distribución (󰇛󰇜), con el sistema
fotovoltaico 󰇛󰇜, la carga y descarga de los BESS
(󰇛󰇜󰇛󰇜) y la demanda 󰇛󰇜 en cada
período de tiempo Nótese que 󰇛󰇜, representa la
energía no servida del sistema.
󰇛󰇜󰇛󰇜󰇛󰇜󰇛󰇜
󰇛󰇜󰇛󰇜
(13)
2.6 Restricción de demanda no servida
La restricción (14) establece que la demanda no
servida debe ser un valor positivo y menor que la
demanda requerida en cada periodo de tiempo. Esta
condición asegura que cualquier déficit de energía sea
mínimo y controlado, garantizando que el sistema cubra
la mayor parte de la demanda sin interrupciones
significativas.
󰇛󰇜󰇛󰇜
(14)
3. CASOS DE ESTUDIO
Para dimensionar los sistemas fotovoltaicos y de
almacenamiento en baterías en entornos residenciales, se
analizaron dos casos de estudio. El primer caso considera
sistemas conectados a la red de distribución, permitiendo
que el suministro externo forme parte de la optimización.
En el segundo caso, los sistemas se diseñan para operar
de forma completamente autónoma, sin conexión a la red,
simulando un entorno aislado.
Este estudio se basa en datos reales sobre recursos
energéticos, demanda de un condominio residencial en
un entorno urbano, ubicado en la ciudad de Machala,
provincia de El Oro (latitud: -3.2816, longitud: -
79.9511). La urbanización incluye 39 edificios tipo
condominio con usuarios residenciales, con un área total
en azoteas de 1,683.75 m², disponible para la instalación
de paneles solares, como se muestra en la Fig. 1.
El dimensionamiento óptimo de los sistemas
fotovoltaicos y de almacenamiento en baterías, así como
su impacto en la reducción de la dependencia de la red
centralizada, se evalúan en un horizonte de planificación
anual que considera perfiles de demanda y radiación
solar.
Figura 1: Área disponible para la instalación de paneles solares en
las azoteas de un condominio residencial
La demanda eléctrica de los edificios se caracteriza a
partir de los datos de consumo energético obtenidos del
Geoportal de CNEL EP [18], incluyendo el sistema de
iluminación de la urbanización. Se utiliza un perfil diario
representativo que captura las variaciones horarias en el
63
Villamarín et al. / Dimensionamiento Óptimo de Sistemas Fotovoltaicos y Baterías en Entornos Residenciales
consumo residencial (ver Fig. 2). Para reflejar la
variabilidad estacional del recurso solar, se emplean
curvas horarias de irradiación mensual específicas del
sitio de estudio, extraídas de PVGIS [19] (ver Fig. 3).
Figura 2: Perfil de demanda de energía eléctrica en un día típico
Figura 3: Curvas características de irradiancia mensual para el
sitio de estudio. Los números en la leyenda representan cada mes
del año
Los costos de inversión considerados en el modelo
incluyen el costo unitario de los paneles fotovoltaicos
( 293 USD/unidad), almacenamiento en baterías
( 218.33 USD/kWh), y el inversor (
910.54 USD/kW). El cálculo del factor de recuperación
de capital se basa en un plazo de amortización de 5 años
a una tasa de interés del 5%. Los paneles solares
utilizados en el dimensionamiento son de 420 W y cubren
un área de 1.95 m² cada uno, mientras que el inversor
tiene una eficiencia del 95%.
El modelo propuesto se ha implementado utilizando
FICO Xpress [20], y todas las simulaciones se llevan a
cabo en una computadora portátil con una CPU Core i9-
13900H a 2,60 GHz y 16 GB de RAM.
4. RESULTADOS Y DISCUSIÓN
La Tabla 1 presenta los resultados de dimensionamiento
para los sistemas fotovoltaicos y BESS, junto con los
costos de inversión asociados en cada caso (conectados
con la red y autónoma). Los resultados muestran que los
costos de inversión en el caso de los sistemas conectada
a la red son significativamente menores en comparación
con los del caso de los DERs operados en forma
autónoma. Esto se debe a que, en Ecuador, el costo
promedio del servicio eléctrico público, considerando
subsidios, es de 9.18 ¢USD/kWh [21]. Sin embargo, para
este estudio se ha adoptado un costo de servicio no
subsidiado, lo cual permite una comparación más
competitiva entre los costos de la red y las tecnologías de
inversión en DERs. De este modo, los resultados
demuestran que la conexión a la red reduce
considerablemente la inversión requerida en paneles
solares y baterías, haciéndola una opción más rentable.
Tabla 1: Capacidad instalada y costos de inversión de los DERs
Conectados a la red
Autónomos
FV
BESS
FV
BESS
Número de
unidades
18
7
108
52
Potencia
instalada
(kW)
7.6
16.8
45.4
124.8
Costo de
Inversión*
(USD)
5,274.0
3,555.7
31,644.0
27,086.0
Costo total
(USD)
8,830.0
58,730.0
* Precio referencial de equipos conforme a cotizaciones en el mercado local,
no considera costos de instalación y puesta en marcha
Es importante destacar que, los subsidios estatales
representan un desafío para la adopción de tecnologías de
autoabastecimiento, ya que pueden desincentivar a los
usuarios a optar por sistemas de generación distribuida y
almacenamiento. Este aspecto sugiere que, aunque la
conectividad a la red ofrece ventajas en términos de
inversión, los incentivos actuales no fomentan
suficientemente la autosuficiencia energética. Además,
otro obstáculo en la adopción de estas tecnologías son los
costos asociados al mantenimiento y la puesta en marcha.
Si estos costos son elevados, pueden incrementar
significativamente la inversión inicial, lo que podría
convertirse en una barrera para su implementación.
Además, la Tabla 2 muestra los porcentajes de
participación en el suministro eléctrico para la red, los
sistemas fotovoltaicos, y el BESS, desglosados por mes
para cada caso. Estos valores reflejan cómo la integración
o independencia de la red afecta la participación de cada
fuente en el suministro de energía, destacando el impacto
de los DERs conectados a la red frente a estos sistemas
operados de forma autónoma en entornos residenciales.
En las Figs. 4 y 5 se muestra el suministro de energía
en el sistema conectado a la red durante el mes de menor
irradiación solar (junio) y el mes de mayor irradiación
solar (noviembre), respectivamente. En ambos casos, se
observa que la mayor parte de la demanda se cubre
mediante el suministro de la red de distribución durante
las horas sin disponibilidad de recurso solar, como se
indica en la Tabla 2. Sin embargo, entre las 6:00 a.m. y
las 6:00 p.m., cuando hay irradiación solar, la demanda
se abastece a partir de los paneles fotovoltaicos y,
simultáneamente, las baterías se cargan para
proporcionar energía en las horas sin recurso solar. En
64
Edición No. 21, Issue II, Enero 2025
noviembre, el mes de mayor irradiación, como se muestra
en la Fig. 5, la contribución de los paneles fotovoltaicos
aumenta considerablemente, lo cual reduce la
dependencia de la red.
Figura 4: Suministro de energía del sistema conectado a la red de
distribución durante el mes de menor irradiación solar
Figura 5: Suministro de energía del sistema conectado a la red de
distribución durante el mes de mayor irradiación solar
Es notable que en los meses con alta irradiación,
como noviembre, la participación de las baterías en el
suministro de energía (ver Fig.) es mayor que en los
meses con baja irradiación, como junio (ver Fig. 4). Esto
se debe a que en los meses de bajo recurso solar no se
dispone de suficiente energía para cargar las baterías de
manera óptima, lo que reduce su participación en el
suministro, como se refleja en los valores de porcentaje
de participación en la Tabla 2.
En el caso del sistema autónomo equipada con
sistemas fotovoltaicos y BESS operando
independientemente de la red de distribución, las Figs. 6
y 7 presentan el suministro de energía tanto en junio
como en noviembre. Durante el mes de menor irradiación
solar, el sistema de almacenamiento (BESS) se convierte
en la principal fuente de energía, como se muestra en la
Fig. 6. En cambio, en noviembre, los paneles
fotovoltaicos suministran la mayor parte de la energía
requerida durante las horas de disponibilidad solar,
reduciendo la carga sobre las baterías.
Tabla 2: Porcentajes de participación de las fuentes de suministro
de energía de los DERs.
Mes
Conectados a la red
Autónomos
Red
FV
BESS
FV
BESS
Enero
63%
28%
9%
26%
74%
Febrero
66%
26%
8%
26%
74%
Marzo
69%
25%
6%
25%
75%
Abril
73%
22%
5%
24%
76%
Mayo
78%
19%
3%
23%
77%
Junio
80%
18%
2%
23%
77%
Julio
78%
19%
3%
23%
77%
Agosto
71%
23%
6%
24%
76%
Septiembre
64%
27%
9%
25%
75%
Octubre
63%
28%
9%
27%
73%
Noviembre
61%
29%
10%
27%
73%
Dic
62%
29%
9%
27%
73%
Figura 6: Suministro de energía del sistema autónomo durante el
mes de menor irradiación solar
Figura 7: Suministro de energía del sistema autónomo durante el
mes de mayor irradiación solar
En el sitio de estudio, los sistemas fotovoltaicos y el
BESS contribuyen con un 23% y un 77% al suministro
65
Villamarín et al. / Dimensionamiento Óptimo de Sistemas Fotovoltaicos y Baterías en Entornos Residenciales
de energía, respectivamente, en los meses de baja
irradiación. En los meses de mayor irradiación, los
porcentajes de participación alcanzan un 27% para los
sistemas FV y un 73% para el BESS, como se muestra en
la Tabla 2. Esto demuestra la capacidad del sistema con
DERs operados de forma autónoma para cubrir la
demanda energética de la urbanización residencial
incluso en condiciones de menor recurso solar, con las
baterías desempeñando un papel fundamental en la
continuidad del suministro.
Estos resultados destacan la capacidad del sistema
autónomo para proporcionar un suministro continuo de
energía a las edificaciones residenciales durante todo el
año, independientemente de la variabilidad estacional en
la irradiación solar o de posibles interrupciones en la red
eléctrica convencional.
5. CONCLUSIONES
Este trabajo demuestra que los DERs, integrando
energía solar fotovoltaica y sistemas de almacenamiento
en baterías, ofrecen una solución efectiva para reducir la
dependencia de la infraestructura eléctrica centralizada y
fortalecer la autosuficiencia energética en entornos
urbanos. A través de un modelo de optimización MILP,
se ha dimensionado un sistema de DERs capaz de operar
tanto conectado a la red como de forma autónoma,
evaluando su rendimiento en escenarios de alta y baja
irradiación solar.
Los resultados indican que, en el caso conectado a la
red, se requieren 18 paneles solares y 7 unidades de
BESS, con un costo total de 8,830 USD. Este sistema
satisface entre el 61% y el 80% de la demanda mediante
suministro proveniente de la red, lo que refleja una alta
dependencia de esta a lo largo del período evaluado, en
gran parte favorecida por los subsidios aplicados al costo
del servicio eléctrico público. En contraste, el sistema
autónomo necesita 108 paneles y 52 unidades de BESS,
elevando el costo a 58,730 USD. Estos resultados
demuestran que los DERs conectados a la red permiten
minimizar los costos de inversión y operar de manera
eficiente, aprovechando el suministro de la red
convencional durante los periodos de baja disponibilidad
solar. Por otro lado, la configuración autónoma garantiza
un suministro energético constante a lo largo del año,
incluso en periodos de irradiación limitada, debido a la
capacidad del sistema de almacenamiento en baterías de
cubrir la demanda en esos momentos. Esto destaca la
capacidad del sistema autónomo para proporcionar
autosuficiencia energética y asegurar un suministro
ininterrumpido, incluso ante posibles interrupciones en la
red centralizada.
Esta solución descentralizada y adaptable a diversos
contextos urbanos contribuye a una transición energética
más limpia, segura y sostenible. Además, el análisis de
políticas públicas, como los subsidios y las regulaciones
existentes, es crucial para fomentar la implementación de
DERs y garantizar su viabilidad económica a largo plazo.
Los resultados obtenidos pueden servir como referencia
para la implementación de proyectos similares, ayudando
a otras comunidades residenciales a reducir su
dependencia de la red convencional y a mejorar su
capacidad de respuesta ante vulnerabilidades y crisis
energéticas.
6. APÉNDICE
Índices
Índice de tiempo
Parámetros

Área de instalación de los
paneles solares
(m2)

Área máxima disponible
en el sitio
(m2)

Costo de batería
(USD/kW)

Costo de descarga de la
batería
(USD/kWh)

Costo de la demanda no
suministrada
(USD/kWh)

Costo de paneles solares
(USD/kW)

Costo del inversor
(USD/kW)

Costo de servicio de
energía eléctrica de la red
de distribución
(USD/kW)

Costo de vertimiento
(USD/kWh)

Factor de recuperación de
capital
󰇛󰇜
Irradiación solar para
cada hora
(W/m2)
Big-M
󰇛󰇜
Demanda para cada hora
(kW)

Potencia nominal del
panel fotovoltaico
(kW)

Potencia nominal del
inversor
(kW)

Rendimiento térmico del
panel fotovoltaico

Eficiencia del inversor
Variables
󰇛󰇜
Variable binaria de
estado de batería en cada
ϵ [0,1]
66
Edición No. 21, Issue II, Enero 2025
hora t
󰇛󰇜
Energía inicial de la
batería
(kWh)
󰇛󰇜
Energía de la batería para
cada hora
(kWh)

Capacidad instalada de la
batería
(kW)
󰇛󰇜
Carga de la batería para
cada hora
(kWh)
󰇛󰇜
Descarga de la batería
para cada hora
(kWh)
󰇛󰇜
Demanda no servida para
cada hora
(kW)
󰇛󰇜
Potencia inyectada por el
sistema fotovoltaico para
cada hora
(kW)
󰇛󰇜
Potencia suministrada por
la red de distribución
para cada hora
(kW)
󰇛󰇜
Vertimiento de potencia
por el sistema
fotovoltaico para cada
hora
(kW)
Número de paneles a
instalar
7. AGRADECIMIENTOS
Los autores agradecen el apoyo de la Secretaría de
Educación Superior, Ciencia, Tecnología e Innovación
SENESCYT de Ecuador, a través de la Beca
SENESCYT/ARSEQ-BEC-006295-2018, para la
realización de este trabajo.
REFERENCIAS BIBLIOGRÁFICAS
[1] International Energy Agency (IEA), “World Energy
Outlook 2022” 2022, [Online]. Available:
https://iea.blob.core.windows.net/assets/830fe099-
5530-48f2-a7c1-
11f35d510983/WorldEnergyOutlook2022.pdf
[2] Central Intelligence Agency (CIA), “World Factbook
Urbanization.” 2023, [Online]. Available:
https://www.cia.gov/the-world-
factbook/field/urbanization/
[3] CNN, “Apagones por la sequía en Ecuador.” 2023,
[Online]. Available:
https://cnnespanol.cnn.com/2023/10/26/ecuador-
apagones-sequia-cuando-empiezan-horarios-orix/.
[4] World Meteorological Organization (WMO), “State
of the Climate in Latin America and the Caribbean
2022” 2023, [Online]. Available:
https://wmo.int/publication-series/state-of-climate-
latin-america-and-caribbean-2022
[5] Energy Information Administration (EIA),
“Residential Energy Consumption Survey (RECS)”
2024, [Online]. Available:
https://www.eia.gov/consumption/residential/
[6] M. Saltos, A. Velásquez, M. Aguirre, A. Villamarín,
D. Ortíz, y R. Haro, «Planificación Óptima de
Recursos Energéticos Distribuidos para Mejorar la
Resiliencia de Sistemas de Distribución de Energía
Eléctrica frente a Desastres Naturales: Caso en
Lahares Volcánicos», re, vol. 18, n.º 2, pp. PP. 13–
24, ene. 2022.
[7] T. Sidnell, F. Clarke, B. Dorneanu, E. Mechleri and
H. Arellano-Garcia, "Optimal design and operation
of distributed energy resources systems for
residential neighbourhoods," in Smart Energy, vol.
4, pp. 100049, Nov. 2021.
[8] N. S. Kelepouris, A. I. Nousdilis, A. S. Bouhouras and
G. C. Christoforidis, "Cost-Effective Hybrid PV-
Battery Systems in Buildings Under Demand Side
Management Application," in IEEE Transactions on
Industry Applications, vol. 58, no. 5, pp. 6519-6528,
Sept.-Oct. 2022.
[9] R. Khezri, A. Mahmoudi and H. Aki, " Optimal
planning of solar photovoltaic and battery storage
systems for grid-connected residential sector:
Review, challenges and new perspectives," in
Renewable and Sustainable Energy Reviews, vol.
153, pp. 111763, Jan. 2022.
[10] J. Koskela, A. Rautiainen and P. Järventausta, "
Using electrical energy storage in residential
buildings – Sizing of battery and photovoltaic panels
based on electricity cost optimization," in Applied
Energy, vol. 239, pp. 1175-1189, Apr. 2019.
[11] Ministerio de Energía y Minas, "Plan Maestro de
Electricidad 2023-2032", 2024. [Online]. Available:
https://www.recursosyenergia.gob.ec/plan-maestro-
de-electricidad/
[12] ARCERNNR, “REGULACIÓN Nro. ARCERNNR
001/2021, Marco normativo de la Generación
Distribuida para autoabastecimiento de
consumidores regulados de energía eléctrica.” 2021,
[Online]. Available:
https://www.controlrecursosyenergia.gob.ec/wpcon
tent/uploads/downloads/2021/06/res_nro__arcer
nnr-013-2021.pdf
[13] S. Mashayekh, M. Stadler, G. Cardoso and M.
Heleno, "A mixed integer linear programming
approach for optimal DER portfolio, sizing, and
placement in multi-energy microgrids," in Applied
Energy, vol. 187, pp. 154-168, Feb. 2017.
[14] A. Scalfati, D. Iannuzzi, M. Fantauzzi and M.
Roscia, "Optimal sizing of distributed energy
resources in smart microgrids: A mixed integer
linear programming formulation," 2017 IEEE 6th
67
Villamarín et al. / Dimensionamiento Óptimo de Sistemas Fotovoltaicos y Baterías en Entornos Residenciales
International Conference on Renewable Energy
Research and Applications (ICRERA), San Diego,
CA, USA, 2017, pp. 568-573.
[15] A. Cosic, M. Stadler, M. Mansoor and M. Zellinger,
"Mixed-integer linear programming based
optimization strategies for renewable energy
communities," in Energy, vol. 237, pp. 121559, Dec.
2021.
[16] A. Velásquez-Lozano et al., "Practical Framework
for Optimal Planning of Isolated Rural Microgrids,"
in Recent Advances in Electrical Engineering,
Electronics and Energy, vol 931, pp. 227-241, 2022.
[17] H. Mehrjerdi and R. Hemmati, “Modeling and
optimal scheduling of battery energy storage
systems in electric power distribution networks,"
Journal of Cleaner Production, vol. 234, pp. 810-
821, 2019.
[18] CNEL EP, “Geoportal.” 2023, [Online]. Available:
https://geoportal.cnelep.gob.ec/cnel/#.
[19] “PVGIS,” 2021, [Online]. Available:
https://re.jrc.ec.europa.eu/pvg_tools/es/.
[20] “FICO XPRESS Optimization Suite,” 2023,
[Online]. Available:
http://www.fico.com/en/products/.
[21] Agencia de Regulación y Control de Energía,
“Resolución Nro. ARCONEL-034/19” 2019,
[Online]. Available:
https://www.controlrecursosyenergia.gob.ec/wp-
content/uploads/downloads/2021/02/Res-
ARCONEL-034-19.pdf
Alex Villamarín.- Obtuvo su título
de Ingeniero en Electromecánica en
la Universidad de las Fuerzas
Armadas – ESPE, Ecuador, en
2014. En 2020, obtuvo el grado de
Magíster en Ciencias de la
Ingeniería Eléctrica en la
Universidad de Chile, donde
actualmente es candidato a Doctor en Ingeniería
Eléctrica. Trabajó en CELEC EP – UN Transelectric en
el área de subestaciones de 500 kV. Actualmente es
profesor en el área de sistemas eléctricos de potencia en
la Universidad de las Fuerzas Armadas - ESPE, Ecuador,
e investigador en el Instituto Sistemas Complejos de
Ingeniería (ISCI), Chile. Su campo de investigación
incluye la planificación y operación de sistemas
eléctricos resilientes, la optimización de sistemas de
energía eléctrica y la integración de energías renovables.
Miguel Saltos.- Obtuvo su título
de Ingeniero en Electromecánica
en la Universidad de las Fuerzas
Armadas ESPE sede Latacunga en
2021, Ecuador. Actualmente cursa
sus estudios de postgrado en la
Universidad Técnica Federico
Santa María, Valparaíso, Chile.
Sus intereses de investigación incluyen la planificación y
operación de sistemas de potencia, confiabilidad, riesgo
y resiliencia en sistemas eléctricos y la optimización de
recursos energéticos para redes de distribución y DERs
resilientes.
Juan Echever.- Obtuvo su título
de Ingeniero en Electromecánica
en la Universidad de las Fuerzas
Armadas ESPE sede Latacunga en
2016, Ecuador. Actualmente
trabaja como docente investigador
del Instituto Superior Tecnológico
Ismael Pérez Pazmiño. Sus
intereses de investigación se encuentran relacionados con
proyectos de energías renovables.
68