Gestión de la confiabilidad por medio del indicador de Energía no Suministrada en el sistema IEEE 39 nodos para un escenario de tiempo de mediano plazo, usando el método de Monte Carlo y considerando el impacto de la generación distribuida

Abstract

En el presente estudio, se lleva a cabo un análisis del indicador de confiabilidad de Energía No Suministrada (ENS) utilizando el método de Monte Carlo, una herramienta poderosa de inteligencia computacional, para evaluar el comportamiento del sistema a lo largo de un horizonte temporal de diez años. Este enfoque permite modelar la incertidumbre y la variabilidad inherente al sistema eléctrico, proporcionando resultados precisos y robustos. El análisis se desarrolla sobre el sistema de prueba New England IEEE 39 nodos, incorporando la modelación estocástica de los tiempos de falla y reparación de los activos, lo que permite capturar la variabilidad inherente a la operación del sistema eléctrico. Como parte del estudio, se diseña una metodología específica para la evaluación de ENS, optimizando la simulación de eventos aleatorios y verificando el impacto en la confiabilidad del sistema. Adicionalmente, se integra el método de Bootstrap con el propósito de mejorar la eficiencia computacional, reduciendo la carga de procesamiento. Este enfoque permite obtener estimaciones de la ENS mediante la generación de una muestra representativa más reducida, agilizando la obtención de los resultados y las conclusiones del estudio. (Texto tomado de la fuente).

In this study, an analysis of the Energy Not Supplied Index (ENS) is carried out using the Monte Carlo method, a powerful computational intelligence tool, to evaluate the system's behavior over a ten-year time horizon. This approach allows for modeling the uncertainty and variability inherent in the electrical system, providing accurate and robust results. The analysis is conducted on the IEEE 39-bus New England test system, incorporating stochastic modeling of asset failure and repair times, which enables capturing the variability inherent in the operation of the electrical system. As part of the study, a specific methodology is developed for ENS assessment, optimizing the simulation of random events and evaluating their impact on system reliability. Additionally, the Bootstrap method is integrated to enhance computational efficiency by reducing processing demands. This approach enables accurate ENS estimations through the generation of a smaller yet representative sample, streamlining result computation and facilitating the derivation of study conclusions