Estrategias de planificación en el sector de la energía: Integración de redes neuronales bayesianas y cuantificación...

Área de la Ciencia:

• Análisis de los sistemas energéticos
• Optimización bajo incertidumbre
• Integración de las energías renovables

Sus antecedentes:

• El mercado mundial de la energía se enfrenta a desafíos como el aumento de la demanda, la competencia y la transición a las energías renovables.
• La toma de decisiones eficaz requiere métodos avanzados para gestionar la incertidumbre en las inversiones y las operaciones.
• Los enfoques existentes pueden no reflejar plenamente las complejas incertidumbres futuras de los sistemas energéticos.

Objetivo del estudio:

• Desarrollar un marco flexible basado en escenarios para la planificación de la capacidad y la inversión en sistemas energéticos mixtos (solar, eólico, gas natural).
• Integrar las redes neuronales bayesianas (BNNs) para la generación de escenarios probabilísticos basados en datos que aborden las incertidumbres de los pronósticos.
• Mejorar la toma de decisiones para inversiones y operaciones rentables en entornos energéticos complejos.

Principales métodos:

• Integración de redes neuronales bayesianas (BNNs) para modelar las incertidumbres en las previsiones de generación y demanda de energía.
• Desarrollo de un modelo estocástico de optimización lineal de enteros mixtos en dos etapas.
• Generación de escenarios probabilísticos basados en datos a partir de distribuciones posteriores de BNN para una planificación sólida.

Principales resultados:

• El marco proporciona estrategias detalladas de expansión de la capacidad y de inversión para las centrales eléctricas de gas natural, eólica y solar.
• Aplicabilidad demostrada a través de un estudio de caso en Texas, abordando la creciente demanda de energía.
• El modelo incorpora efectivamente las limitaciones del mundo real, como los retrasos de construcción y las demandas dependientes de los escenarios.

Conclusiones:

• El marco propuesto mejora la flexibilidad del sistema energético y permite tomar decisiones operacionales y de inversión rentables y sólidas.
• Ofrece ventajas significativas sobre los métodos tradicionales al capturar distribuciones de incertidumbre matizadas.
• Este enfoque apoya la planificación estratégica en el panorama energético moderno en evolución.