El modelo de programación lineal de operación (PLO) considera desde el suministro de energía hasta los consumidores finales. Al resolver el PLO de un sistema eléctrico de potencia (SEP), el objetivo es encontrar la asignación óptima o despacho económico (DE) de la potencia de salida entre las tecnologías de generación convencional y la generación de energía renovable (específicamente la eólica) para cubrir carga del sistema a un mínimo costo operacional. En el modelo propuesto se ha empleado un enfoque determinista-lineal con relaciones matemáticas que utilizan variables como: estado de operación de la unidad de generación en función del tiempo, despacho de potencia de centrales eólicas y convencionales, déficit eléctrico, transferencia de potencia entre las barras, pérdidas en las líneas de transmisión. Adicionalmente, se incluyen factores y ecuaciones matemáticas para enfrentar la variabilidad del viento. Se presenta un caso de estudio didáctico para explicar la estructura propuesta.
El aprovechamiento de la energía solar como una fuente de energía renovable depende de nuestra capacidad de estimar la cantidad de energía que procede del sol. Por esta razón, numerosos estudios han sido propuestos con la intención de establecer métodos para el pronóstico de la energía recibida del cielo, por lo que fue necesario estandarizar el amplio rango de cielos del mundo por medio del estándar ISO 15469 CIE 011/2003. Este trabajo ha comparado los resultados de la clasificación de cielos CIE obtenidos por medio de dos métodos de clasificación: por comparación de las funciones de gradación e indicatriz teóricas y los grupos homónimos observados y por comparación del error medio cuadrático RMSE entre las distribuciones de luminancia de la bóveda celeste y las luminancias teóricas definidas por el estándar CIE. Los datos de distribución de luminancias empleados proceden de imágenes de alto rango dinámico (HDR).Se ha comprobado que aproximadamente la mitad de las imágenes analizadas coinciden en la clasificación, no obstante, se ha observado que un gran porcentaje de las imágenes que no muestran coincidencias difieren un máximo de dos tipos de clasificación.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2025 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.