english Icono del idioma   español Icono del idioma  

Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/39736 Cómo citar
Título: Métodos de flujo de carga probabilístico aplicados al sistema de transmisión uruguayo.
Autor: Artenstein, Michel
Scopelli, Vittorio
Garabedián, Santiago
Porteiro, Rodrigo
Pena, Pablo
Morales Pignatta, Nicolás Marcos
Tipo: Ponencia
Palabras clave: Flujo de carga probabilístico, Flujo holomorfo, Point estimation, Redes neuronales, Montecarlo, Planificación de la expansión de transmisión
Fecha de publicación: 2023
Resumen: Se presentan tres métodos de flujo de carga probabilístico orientados a la planificación de la expansión de transmisión en un sistema eléctrico con gran penetración de energías renovables no convencionales: flujos de carga holomorfos multidimensionales, point estimation y redes neuronales. Se compara el desempeño de los métodos aplicados al sistema de transmisión uruguayo, contrastando los resultados con una simulación Montecarlo basada en flujo de cargas AC. Los tres métodos resultaron viables, al menos para redes del tamaño similar a la de Uruguay, obteniendo resultados con una precisión razonable, y en tiempos de cómputo uno a dos órdenes de magnitud menor que el método Montecarlo.
Editorial: CIGRE
EN: XIX ERIAC – Encontro Regional Ibero-americano do CIGRE, Foz do Iguaçu, Brasil, 21-25 mai 2023, p. 1-9.
Citación: Artenstein, M., Scopelli, V., Garabedián, S. y otros. Métodos de flujo de carga probabilístico aplicados al sistema de transmisión uruguayo[en línea]. EN: XIX ERIAC – Encontro Regional Ibero-americano do CIGRE, Foz do Iguaçu, Brasil, 21-25 mai 2023, p. 1-9.
Licencia: Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
Aparece en las colecciones: Publicaciones académicas y científicas - Instituto de Ingeniería Eléctrica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato   
ASGPPM23.pdfVersión publicada379,42 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons