logo móvil
Contáctanos

Un resumen de las estrategias de modelado de carga de vehículos eléctricos para estudios de integración en la red

Autores: Huaman-Rivera, Anny; Calloquispe-Huallpa, Ricardo; Luna Hernandez, Adriana C.; Irizarry-Rivera, Agustin

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Un resumen de las estrategias de modelado de carga de vehículos eléctricos para estudios de integración en la red


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Vehículos eléctricos
Emisiones de gases de efecto invernadero
Políticas públicas
Demanda de energía
Calidad de la energía
Patrones de carga de vehículos eléctricos

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 33

Citaciones: Sin citaciones


Descripción
La adopción de vehículos eléctricos (VE) ha surgido como una solución para reducir las emisiones de gases de efecto invernadero en el sector del transporte, lo que ha motivado la implementación de políticas públicas para promover su uso en varios países. Sin embargo, la alta adopción de VE plantea desafíos para el sector eléctrico, ya que implicaría un aumento en la demanda de energía y posibles impactos en la calidad de la energía de la red eléctrica. Por lo tanto, es importante llevar a cabo estudios de integración de VE en la red eléctrica para determinar la cantidad que se puede incorporar sin causar problemas e identificar las áreas del sector eléctrico que requerirán refuerzos. Se requieren patrones de carga precisos de VE para este tipo de estudio que, a través de modelado matemático, reflejen tanto el comportamiento dinámico como los factores que influyen en la decisión de recargar los VE. Este artículo tiene como objetivo presentar una visión general de los VE, examinar los diferentes factores considerados en la literatura para modelar patrones de carga de VE y revisar los métodos de modelado. Los métodos de modelado de carga de VE se clasifican en deterministas, estadísticos y de aprendizaje automático. El artículo muestra que cada método de modelado tiene sus ventajas, desventajas y requisitos de datos, que van desde modelos de carga simples hasta modelos más precisos que requieren grandes conjuntos de datos.

Otros recursos que podrían interesarte

Temas Virtualpro