Inversión en redes de transmisión considerando fallas en cascada y seguridad probabilística
Professor Advisor
dc.contributor.advisor
Moreno Vieyra, Rodrigo Andrés
Author
dc.contributor.author
Rivera Muñoz, Daniel Sebastián
Associate professor
dc.contributor.other
Rahmann Zúñiga, Claudia Andrea
Associate professor
dc.contributor.other
Negrete Pincetic, Matías
Admission date
dc.date.accessioned
2021-11-22T14:49:12Z
Available date
dc.date.available
2021-11-22T14:49:12Z
Publication date
dc.date.issued
2021
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/182798
Abstract
dc.description.abstract
Las fallas en cascada son la principal causa de grandes apagones. Estas se han incrementado en los últimos años provocando graves impactos económicos y sociales. Por tanto, es primordial considerar el riesgo de fallas en cascada en la planificación del sistema eléctrico.
En este contexto, planteamos un marco de seguridad probabilístico para incorporar el riesgo de fallas en cascada en problemas de planificación de la expansión de la transmisión (TEP). Como no existe una representación algebraica (lineal) de fallas en cascada que pueda incorporarse en un modelo de optimización, proponemos un enfoque basado en datos. Reglas derivadas de un árbol de decisión (DT) se incorporan al problema TEP mediante una formulación big-M. DTs se utilizan para predecir la energía esperada no suministrada (EENS) debido a fallas en cascada. Para encontrar un DT con predicciones precisas de EENS, presentamos un algoritmo donde el problema TEP se resuelve iterativamente. En cada iteración, ejecutamos un simulador de fallas en cascada para ajustar el DT.
Mediante varios casos de estudio, demostramos la importancia de considerar fallas en cascada en el problema TEP y las ventajas de nuestro enfoque sobre las soluciones de inversión clásicas obtenidas con los criterios de seguridad determinista n-1 y probabilística.
es_ES
Lenguage
dc.language.iso
es
es_ES
Publisher
dc.publisher
Universidad de Chile
es_ES
Type of license
dc.rights
Attribution-NonCommercial-NoDerivs 3.0 United States