Flujo de potencia probabilístico: desarrollos actuales
Trabajo de grado - Pregrado
2024
Escuela Colombiana de Ingeniería
Este documento examina la relevancia y los avances en el análisis de flujo de potencia probabilístico (PLF) demás de una breve explicación de este, en el contexto de sistemas eléctricos con una alta integración de energías renovables como la solar y la eólica. La investigación destaca la necesidad de métodos avanzados para manejar la variabilidad e incertidumbre introducidas por estas fuentes de energía, con el fin de garantizar la estabilidad y eficiencia del sistema eléctrico. Se realiza una exhaustiva revisión del estado del arte, centrándose en métodos históricos y contemporáneos para la solución del PLF, incluyendo la Simulación Montecarlo (SMC), técnicas de aprendizaje automático y métodos basados en cumulantes. Además, el documento compara diversas herramientas computacionales actuales como DigSilent, PowerFactory, ETAP, NEPLAN y MATPOWER, evaluando su eficacia en términos de métodos y modelos. Las conclusiones subrayan la importancia de continuar el desarrollo de técnicas avanzadas y proporcionan recomendaciones para futuras investigaciones en el ámbito del flujo de potencia probabilístico, destacando la importancia de estas metodologías para la integración eficiente de la generación distribuida y la gestión de incertidumbres en sistemas eléctricos modernos This paper examines the relevance and advances in probabilistic power flow (PLF) analysis and a brief explanation of it, in the context of power systems with a high integration of renewable energies such as solar and wind. The research highlights the need for advanced methods to handle the variability and uncertainty introduced by these energy sources, in order to guarantee the stability and efficiency of the power system. A comprehensive review of the state of the art is conducted, focusing on historical and contemporary methods for PLF solution, including Monte Carlo Simulation (MCS), machine learning techniques and cumulant-based methods. In addition, the paper compares various current computational tools such as DigSilent, PowerFactory, ETAP, NEPLAN and MATPOWER, evaluating their effectiveness in terms of methods, models and computational speed. The conclusions underline the importance of continuing the development of advanced techniques and provide recommendations for future research in the field of probabilistic power flow, highlighting the importance of these methodologies for the efficient integration of distributed generation and uncertainty management in modern power systems.
Descripción:
FLUJO_DE_POTENCIA_PROBABILÍSTICO_DESARROLLOS_ACTUALES.pdf
Título: FLUJO_DE_POTENCIA_PROBABILÍSTICO_DESARROLLOS_ACTUALES.pdf
Tamaño: 742.8Kb
PDFLEER EN FLIP
Descripción: Autorización de publicación.pdf
Título: Autorización de publicación.pdf
Tamaño: 397.0Kb
PDF
Título: FLUJO_DE_POTENCIA_PROBABILÍSTICO_DESARROLLOS_ACTUALES.pdf
Tamaño: 742.8Kb
PDFLEER EN FLIP
Descripción: Autorización de publicación.pdf
Título: Autorización de publicación.pdf
Tamaño: 397.0Kb