Resumen

Este capítulo presenta dos herramientas de planificación probabilística desarrolladas para el análisis a largo plazo de las redes de distribución. El primero se centra en el nivel de baja tensión (LV) y el segundo se ocupa de los problemas que se producen en la red de media tensión (MV). Ambas herramientas utilizan algoritmos de Monte Carlo para simular la red de distribución, teniendo en cuenta la naturaleza estocástica de los parámetros de carga en sus nodos. En la sección 1 se presenta el marco probabilístico que se centra en el análisis de los alimentadores de BT con generación fotovoltaica distribuida (PV) utilizando datos de medición inteligente trimestrales de carga y generación en cada nodo de un alimentador. Este marco probabilístico se evalúa simulando un alimentador de BT real en Bélgica considerando sus parámetros de carga y componentes reales. Para demostrar el interés del marco presentado por los operadores de sistemas de distribución (DSOs), se simula el mismo alimentador considerando futuros escenarios de mayor integración fotovoltaica así como la aplicación de soluciones de mitigación (control de potencia reactiva, control de caída de P / V Gracias a una gestión local de los inversores fotovoltaicos, etc.) a los problemas operativos reales de la red LV que surgen de la integración de la generación fotovoltaica distribuida. La Sección 2 presenta la segunda herramienta de planificación diseñada para ayudar al DSO, haciendo la mejor inversión para aliviar las condiciones de tensión de la red MV. Prácticamente, esta herramienta tiene como objetivo encontrar el posicionamiento y dimensionamiento óptimos de los dispositivos diseñados para mejorar el funcionamiento de la red de distribución. Luego se implementa un control centralizado de estas instalaciones para evaluar la efectividad del enfoque propuesto. La simulación se realiza bajo diversos perfiles de carga y generación, mientras que los criterios de evaluación de la metodología son las probabilidades de violación de tensión, la presencia de congestiones y las pérdidas totales de línea.

• Materias:Recursos energéticos renovables Energía Generación de energía Métodos de simulación
• Subjects:Renewable energy sources Energy Power generation Simulation methods
• Palabras claves:Diseño de experimentos, generación dispersa, sistemas de distribución, simulación monte carlo, medición inteligente
• Keywords:Design of experiments, dispersed generation, distribution systems, monte carlo simulation, smart metering