Modelo de Simulación Jerárquico para la Proyección Espacio Temporal de la Demanda Eléctrica: caso de estudio en CENTROSUR

Resumen

Este artículo propone un modelo de Proyección Espacial de la Demanda (PED) aplicado a un sistema eléctrico de distribución para el corto, mediano y largo plazo, lo cual incluye la estimación de la magnitud y la ubicación geográfica de la demanda de energía eléctrica de nuevos clientes.

El modelo propuesto es un híbrido tendencia-simulación y utiliza una estructura jerárquica: desde abajo hacia arriba para adicionar y analizar datos; y, desde arriba hacia abajo para asignar el crecimiento de carga en sub-áreas y micro-áreas. El enfoque de pequeñas áreas es combinado con modelos de regresión de series espacio-tiempo y análisis de tendencia, en grandes regiones. Se utilizan factores locales, de proximidad y contorno para crear un mapa de preferencias. En cada región, se asigna el crecimiento de clientes en función de los valores del mapa de preferencias y una técnica autómata celular, luego se combina este uso del suelo con los datos de la curva de carga y así se obtiene las cargas en estas pequeñas áreas.

Hemos probado el modelo de PED con el sistema de distribución de CENTROSUR; el resultado es un mapa de densidad de demanda que muestra las áreas más probables donde se asignaron los nuevos clientes, proporcionando así información sobre dónde, cuánto y cuándo cambiará la demanda, con el suficiente detalle y precisión requerida.

Este artículo propone un modelo de Proyección Espacial de la Demanda (PED) aplicado a un sistema eléctrico de distribución para el corto, mediano y largo plazo, lo cual incluye la estimación de la magnitud y la ubicación geográfica de la demanda de energía eléctrica de nuevos clientes.

El modelo propuesto es un híbrido tendencia-simulación y utiliza una estructura jerárquica: desde abajo hacia arriba para adicionar y analizar datos; y, desde arriba hacia abajo para asignar el crecimiento de carga en sub-áreas y micro-áreas. El enfoque de pequeñas áreas es combinado con modelos de regresión de series espacio-tiempo y análisis de tendencia, en grandes regiones. Se utilizan factores locales, de proximidad y contorno para crear un mapa de preferencias. En cada región, se asigna el crecimiento de clientes en función de los valores del mapa de preferencias y una técnica autómata celular, luego se combina este uso del suelo con los datos de la curva de carga y así se obtiene las cargas en estas pequeñas áreas.

Hemos probado el modelo de PED con el sistema de distribución de CENTROSUR; el resultado es un mapa de densidad de demanda que muestra las áreas más probables donde se asignaron los nuevos clientes, proporcionando así información sobre dónde, cuánto y cuándo cambiará la demanda, con el suficiente detalle y precisión requerida.