Aplicación del Método Montecarlo en flujo de potencias a través del Software Octave
DOI:
https://doi.org/10.55813/gaea/jessr/v3/n1/60Resumen
La aplicación del método de Monte Carlo en el análisis del flujo de potencia eléctrica, la cual consiste en resolver una serie de generadores para minimizar o maximizar una función específica sujeta a restricciones. El método de Newton-Raphson también se utilizó en el análisis numérico del flujo de potencia eléctrica. Se emplearon coordenadas cartesianas y polares para analizar el comportamiento de la potencia eléctrica a lo largo del tiempo. Los resultados del estudio, realizado en GNU Octave, permitieron encontrar la solución de un sistema de ecuaciones de flujo de potencia y observar una perturbación en el flujo de la corriente alterna. La investigación también menciona que el análisis del flujo de potencia eléctrica se utiliza comúnmente para simplificar la notación de los diagramas unifilares y los sistemas por mecanismo. El objetivo de la función objetivo en el análisis del flujo de potencia puede ser la maximización del beneficio social neto, la minimización de las pérdidas o la minimización del costo de generación. Se describe una aplicación práctica del método de Monte Carlo y el método de Newton-Raphson en el análisis del flujo de potencia eléctrica, y cómo estos métodos pueden simplificar el análisis del comportamiento de la potencia eléctrica.
Descargas
Referencias
Díaz, J. M., Suárez, J. C., & González, M. A. (2021). Impacto de la distribución de probabilidad en el método de Monte Carlo aplicado al análisis de flujo de carga de sistemas eléctricos de potencia. Revista Científica de Ingeniería, 1(1), 1-8.
H. W. Dommel y W. F. Tinney. Optimal power flow solutions. IEEE Transactions on power apparatus and systems, ISSN 0018-9510, PAS-87(10), 1866-1876 (Octubre de 1968).
Herrero, J., Rodríguez, A., Martínez, J. L., & López, J. (2020). Octave as a tool for the analysis of power systems. Electric Power Systems Research, 188, 106497.
J. Costa y L. Paihua. Aplication of numerical methods to solve nonlinear equations for sea wave modeling. Universidad de Ricardo Palma (Enero del 2011).
J. M. López y L. A. Gallego (2008). Flujo de potencia óptimo usand el método del gradiente para reducción de perdidas en sistemas de potencia. López y Gallego, Flujo de potencia óptimo (págs. 71-85). Medellín, Colombia: Universidad de Antioquia.
James Daniel Weber. Implementation of a Newton-Based optimal power flow into a power system simulation environment. University of Wisconsin, USA, 1995.
Kearsley, A., Reid, D., & Williams, R. (1991). Monte Carlo simulation of low-energy electron scattering. Journal of Applied Physics, 69(1), 430-440. Obtenido de https://doi.org/10.1063/1.347783
Li, L., Zhang, J., & Wu, J. (2019). A comprehensive review on Monte Carlo simulation techniques for power system analysis. IET Generation, Transmission & Distribution, 13(20), 4624-4635.
Meneses, C. A. P., Echeverri, M. G., & Mantovani, J. R. S. (2011). Algoritmo para el análisis probabilístico en sistemas de distribución con generación distribuída. Dyna, 78(169), 79-87
Roversi, J., González, D., Ramírez, A., Hernández, A., & Castillo, A. (2016). Aplicación del método de Monte Carlo para el análisis de la dosimetría en radioterapia. Revista Mexicana de Física, 62(5), 442-447. Obtenido de https://rmf.smf.mx/pdf/rmf/62/5/62_5_442.pdf
Rudd, M., & Ervin, K. (2001). Monte Carlo simulations of low-energy electron transport: elastic scattering from atoms and molecules. Journal of Applied Physics, 90(9), 4459-4466. Obtenido de https://doi.org/10.1063/1.1408306
Publicado
Número
Sección
Licencia

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.