IEEE Power & Energy Magazine - Spanish - March/April 2022 - 46

que los impactos futuros de las cargas que hacen los clientes,
más allá de los ya reflejados en la serie de datos históricos
de cargas, no están incluidos en el pronóstico de cargas. La
carga gestionada, por otra parte, incluye el comportamiento
influenciado por los clientes, como los pronósticos de eficiencia
energética, la respuesta a la demanda, las fuentes
solares FV y las baterías ubicadas en sus sitios. La práctica
de utilizar el pronóstico no gestionado se vuelve problemática
cuando muchos de nuestros impulsores esperados de
crecimiento y forma de la carga no se encuentran en el registro
histórico, como la aceleración de la eficiencia energética
y la respuesta a la demanda, la adopción de VE y la electrificación
de los usos públicos de la energía. Por lo tanto, un
pronóstico gestionado sofisticado es esencial para reflejar
estos impactos de la carga.
Carga neta y su variabilidad
La suma de la base que sustenta la demanda de electricidad
y los impactos emergentes de la respuesta a la demanda, la
eficiencia energética, los VE, la energía solar y el almacenamiento
de baterías forman, en conjunto, la carga neta en
un alimentador y el sistema. En el sistema de gran porte,
el concepto de la curva de pato es bien conocido; en que la
energía solar y eólica pueden generar disminuciones significativas
de la carga neta durante el día y desencadenar una
rampa drástica de la carga a medida que la generación solar
disminuye de forma simultánea con aumentos en la demanda
de electricidad. Se aplica el mismo concepto también para
los alimentadores y circuitos de distribución, pero dado que
cada circuito o alimentador es más pequeño que todo el sistema,
los impactos individuales de las FED podrían tener
relación potencialmente con la capacidad del alimentador o
circuito debido a que la adopción de FED de un circuito a
otro puede variar de forma considerable. La variabilidad de
la carga en los alimentadores también podría aumentar. La
planificación de esta variabilidad e incertidumbre requiere
una investigación minuciosa de la carga neta y su variabilidad
por cada circuito en lugar de promediar la variabilidad
del sistema hacia los alimentadores individuales de manera
uniforme.
Enfoque de modelado: modelos deterministas
de una sola hora y probabilísticos o
estocásticos de varias horas
El crecimiento de FED en circuitos y alimentadores cambiará
la forma de la carga neta y, al igual que en el sistema
de mayor porte, las rampas y la gestión de la carga máxima
serán más importantes. Además, con el crecimiento de la
electrificación, como en los VE, el tiempo de los máximos
locales y a nivel de sistema podría cambiar a un tiempo distinto
en el día o incluso en el año. Por ejemplo, con un nivel
importante de electrificación y, al mismo tiempo, un crecimiento
significativo de la energía solar y el almacenamiento,
muchas empresas de servicios públicos de California podrían
pasar de un máximo de verano a uno de invierno.
46
ieee power & energy magazine
Para planificarlo de manera adecuada y reflejar tanto los
costos como los valores de las FED, debemos modelar más
horas que la mera hora máxima anual. Dependiendo del sistema,
esto podría traducirse en el modelado de las 8,760 horas
del año o una parte del mismo. Además, la introducción de
más FED y sistemas de gestión de carga en los sitios de los
clientes acarrea nuevas fuentes de incertidumbre que deben
considerarse. En la carga subyacente en sí existe incertidumbre
sobre si nuevas FED, como las baterías, la respuesta a la
demanda y sus sistemas de control, rendirán según lo que
sea necesario. Hay incertidumbre a nivel de la generación
distribuida disponible para descargar el transformador del
alimentador por un nivel de carga dado. Por lo tanto, además
del modelado ampliado secuencial en el tiempo, debe incorporarse
la incertidumbre de manera adecuada, idealmente
aplicando técnicas de modelado estocástico y probabilístico.
Continuar confiando en reglas y márgenes simplificados
es conveniente, pero esto podría generar una sobreestimación
de la incertidumbre en la carga neta, lo que, a su vez,
podría producir una sobreinversión en el sistema de distribución.
Una técnica de modelado estocástico puede incorporar
la variabilidad de cada elemento de carga neta, su función
de distribución de probabilidades y su covarianza con otros
elementos de carga neta. Debido a las distintas características
de las diferentes FED y su extensión geográfica, hay una
covarianza entre elementos que provocarán que la variabilidad
de la carga neta sea significativamente menor a la suma
de las incertidumbres asociadas con cada FED. Esta es una
razón importante de por qué es necesario utilizar las técnicas
de modelado probabilístico que consideran la variabilidad de
la carga neta para reflejar el valor de las FED (figura 3).
Planificación con incertidumbre
El crecimiento de las FED no eliminará la necesidad de
realizar actualizaciones convencionales del sistema de distribución.
Por el contrario, dado que muchas FED agregan
carga neta, necesitaremos seguir aumentando la capacidad
de nuestros sistemas de distribución a medida que estas
crezcan. No obstante, el uso de las funciones de gestión de
carga y tensión de las FED pueden servir para aplazar las
inversiones en actualizaciones. Esto es lo que se mostró en el
estudio del IDRP (véase la figura 2). Sin embargo, el proceso
de planificación de la distribución suele requerir tiempos
de elaboración largos para completar las actualizaciones,
como el reemplazo de las subestaciones o la reconducción
de las líneas a tiempo para cubrir el aumento esperado en
la demanda. Esto crea un dilema para los planificadores: si
invertimos demasiado pronto en actualizaciones convencionales,
no se podrá obtener el valor de las FED debido a que
el valor de aplazamiento se eliminaría con la actualización.
Por otra parte, el crecimiento de FED toma tiempo y, si
no damos en el pronóstico, existe el riesgo de sobrecargar el
alimentador y comprometer la confiabilidad. Este dilema se
ilustra en la figura 4, donde en el tiempo t1, las técnicas convencionales
de planificación en distribución identificarían la
marzo/abril 2022
IEEE Power & Energy Magazine - Spanish - March/April 2022

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - March/April 2022
