Estimación de Hosting Capacity en un nodo de bajo voltaje basada en datos sin modelo de red
DOI:
https://doi.org/10.37431/conectividad.v5i3.134Palabras clave:
Hosting Capacity, Análisis de datos, Modelo de regresión lineal, Recursos energéticos distribuidosResumen
En la actualidad, los sistemas de generación distribuida han sido desarrollados para incrementar el potencial energético en las redes eléctricas, sin embargo, la introducción de esta forma de generación de energía puede ocasionar efectivos negativos, como sobrevoltajes, que exceden los niveles permitidos por el operador local. Por este motivo, es necesario establecer un límite para la inyección de generación distribuida en la red. Este parámetro, denominado Hosting Capacity, ha sido desarrollado para limitar la potencia de fuentes distribuidas manteniendo el funcionamiento apropiado de la red. Algunas investigaciones han definido y calculado el Hosting Capacity mediante simulaciones de escenarios, esto implica definir modelos de red detallados y precisos que a niveles de bajo voltaje son difíciles obtener. El presente trabajo se enfoca en determinar el valor de Hosting Capacity en un nodo de bajo voltaje, utilizando datos obtenidos de un medidor inteligente. En la metodología propuesta se implementa un modelo de regresión lineal que considera parámetros de voltaje y potencia consumida. Los resultados se validaron mediante un modelo de red obteniendo valores inferiores al límite, lo que permite concluir que el modelo implementado es útil para el cálculo de Hosting Capacity sin utilizar modelo de red.
Citas
Bassi, V., Jaglal, D., Ochoa, L., Alpcan, T., & Leckie, C. (2022a). Deliverable 0 «Concept, Smart Meter Data, and Initial Findings». https://doi.org/10.13140/RG.2.2.29492.94089/1
Bassi, V., Jaglal, D., Ochoa, L., Alpcan, T., & Leckie, C. (2022b). Deliverable 0 «Concept, Smart Meter Data, and Initial Findings».
Bassi, V., Ochoa, L., & Alpcan, T. (2021a). Model-Free Voltage Calculations for PV-Rich LV Networks: Smart Meter Data and Deep Neural Networks. https://doi.org/10.1109/PowerTech46648.2021.9494847
Bassi, V., Ochoa, L., & Alpcan, T. (2021b). Model-Free Voltage Calculations for PV-Rich LV Networks: Smart Meter Data and Deep Neural Networks. 2021 IEEE Madrid PowerTech, 1-6. https://doi.org/10.1109/PowerTech46648.2021.9494847
Castelo de Oliveira, T. E., Ribeiro, P. F., Zobaa, A. F., Abdel Aleem, S. H. E., & Ismael, S. M. (2020). An Overview of Hosting Capacity for Modern Power Grids. En A. F. Zobaa, S. H. E. Abdel Aleem, S. M. Ismael, & P. F. Ribeiro (Eds.), Hosting Capacity for Smart Power Grids (pp. 1-9). Springer International Publishing. https://doi.org/10.1007/978-3-030-40029-3_1
Cunha, V. C., Freitas, W., Trindade, F. C. L., & Santoso, S. (2020). Automated Determination of Topology and Line Parameters in Low Voltage Systems Using Smart Meters Measurements. IEEE Transactions on Smart Grid, 11(6), 5028-5038. https://doi.org/10.1109/TSG.2020.3004096
e Silva, L. E. S., & Vieira, J. P. A. (2022). Combined PV-PEV Hosting Capacity Analysis in Low-Voltage Distribution Networks. Electric Power Systems Research, 206, 107829. https://doi.org/10.1016/j.epsr.2022.107829
Esau, Z., Ryoichi, H., & Hiroyuki, K. (2023). A flexible stochastic PV hosting capacity framework considering network over-voltage tolerance. Energy Reports, 9, 529-538. https://doi.org/10.1016/j.egyr.2022.11.101
Fatima, S., Püvi, V., & Lehtonen, M. (2020). Review on the PV Hosting Capacity in Distribution Networks. Energies, 13(18), Article 18. https://doi.org/10.3390/en13184756
Guo, Y., Yuan, Y., & Wang, Z. (2022). Distribution Grid Modeling Using Smart Meter Data. IEEE Transactions on Power Systems, 37(3), 1995-2004. https://doi.org/10.1109/TPWRS.2021.3118004
Huo, Y., Li, P., Ji, H., Yu, H., Yan, J., Wu, J., & Wang, C. (2023). Data-Driven Coordinated Voltage Control Method of Distribution Networks With High DG Penetration. IEEE Transactions on Power Systems, 38(2), 1543-1557. https://doi.org/10.1109/TPWRS.2022.3172667
Ismael, S. M., Abdel Aleem, S. H. E., Abdelaziz, A. Y., & Zobaa, A. F. (2019). State-of-the-art of hosting capacity in modern power systems with distributed generation. Renewable Energy, 130, 1002-1020. https://doi.org/10.1016/j.renene.2018.07.008
Munikoti, S., Abujubbeh, M., Jhala, K., & Natarajan, B. (2022). A novel framework for hosting capacity analysis with spatio-temporal probabilistic voltage sensitivity analysis. International Journal of Electrical Power & Energy Systems, 134, 107426. https://doi.org/10.1016/j.ijepes.2021.107426
Procopiou, A., Liu, M., Ochoa, L., Langstaff, T., & Harding, J. (2020). Smart meter-driven estimation of PV hosting capacity. https://doi.org/10.1049/oap-cired.2021.0287
Procopiou, A. T., Liu, M. Z., Ochoa, L. F., Langstaff, T., & Harding, J. (2020). Smart meter-driven estimation of PV hosting capacity. CIRED 2020 Berlin Workshop (CIRED 2020), 2020, 128-131. https://doi.org/10.1049/oap-cired.2021.0287
Qamar, N., Arshad, A., Mahmoud, K., & Lehtonen, M. (2023a). Hosting Capacity in Distribution Grids: A Review of Definitions, Performance Indices, Determination Methodologies, and Enhancement Techniques. Energy Science & Engineering, 11. https://doi.org/10.1002/ese3.1389
Qamar, N., Arshad, A., Mahmoud, K., & Lehtonen, M. (2023b). Hosting capacity in distribution grids: A review of definitions, performance indices, determination methodologies, and enhancement techniques. Energy Science & Engineering, 11(4), 1536-1559. https://doi.org/10.1002/ese3.1389
Rajabi, A., Elphick, S., David, J., Pors, A., & Robinson, D. (2022). Innovative approaches for assessing and enhancing the hosting capacity of PV-rich distribution networks: An Australian perspective. Renewable and Sustainable Energy Reviews, 161, 112365. https://doi.org/10.1016/j.rser.2022.112365
Taheri, S., Jalali, M., Kekatos, V., & Tong, L. (2021). Fast Probabilistic Hosting Capacity Analysis for Active Distribution Systems. IEEE Transactions on Smart Grid, 12(3), 2000-2012. https://doi.org/10.1109/TSG.2020.3038651
Wu, J., Yuan, J., Weng, Y., & Ayyanar, R. (2023). Spatial-Temporal Deep Learning for Hosting Capacity Analysis in Distribution Grids. IEEE Transactions on Smart Grid, 14(1), 354-364. https://doi.org/10.1109/TSG.2022.3196943
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Instituto Superior Tecnológico Universitario Rumiñahui

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los originales publicados en la edición electrónica bajo derechos de primera publicación de la revista son del Instituto Superior Tecnológico Universitario Rumiñahui, por ello, es necesario citar la procedencia en cualquier reproducción parcial o total. Todos los contenidos de la revista electrónica se distribuyen bajo una licencia de Creative Commons Reconocimiento-NoComercial-4.0 Internacional.