Metodología para determinar la contribución a la suficiencia de las baterías mediante modelos probabilísticos
Professor Advisor
dc.contributor.advisor
Moreno Vieyra, Rodrigo
Author
dc.contributor.author
Álvarez Valdés, Luis Hernán
Associate professor
dc.contributor.other
Mendoza Araya, Patricio
Associate professor
dc.contributor.other
Muñoz Espinoza, Francisco
Admission date
dc.date.accessioned
2025-04-07T21:26:41Z
Available date
dc.date.available
2025-04-07T21:26:41Z
Publication date
dc.date.issued
2024
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/204151
Abstract
dc.description.abstract
La integración de las baterías en los sistemas eléctricos modernos está creciendo constantemente. Estas pueden contribuir a mejorar la suficiencia del sistema al proporcionar flexibilidad para
adaptarse a la variabilidad de la generación y prevenir las interrupciones de los sistemas eléctricos. En ese contexto, se propone un modelo para la evaluación del aporte a la suficiencia de las baterías mediante la capacidad efectiva de carga (ELCC), utilizando métricas como la energía no suministrada (EENS) y la pérdida de carga esperada (LOLE). En un sistema eléctrico uninodal, se emplea el método de muestreo Importance Sampling para eventos de baja probabilidad. Además, se compara el uso de la Métrica EENS y LOLE en el cálculo de ELCC de la batería, considerando sensibilidades como aumento en la penetración renovable, duración y penetración de la batería, y dependencia de máquinas térmicas con su fuente de energía. Mediante varios casos de estudio, demostramos que el uso de las métricas EENS y LOLE se comportan de manera similar en los primeros niveles de penetración de las baterías. Sin embargo, cuando la penetración de las baterías es alta y la tasa de indisponibilidad de la generación convencional aumenta, el cálculo de ELCC varía entre la métrica LOLE y la métrica EENS.
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