David Isaías Tituaña, Universidad Politécnica Salesiana, Quito - Ecuador
Óptima Respuesta a la demanda y con métodos
heurísticos

Resumen – En el presente documento
trataremos temas relacionados con la
respuesta a la demanda así como métodos
para gestionar la energía en el Ecuador. En estudio también
se aborda el tema de la inserción de vehículos eléctricos así y
como sus efectos negativos y positivos al sistema nacional
interconectado.
I. DESARROLLO
Los vehículos eléctricos en el Ecuador entran libre de
impuestos sin embargo sus costos siguen siendo elevados
Ecuador como visión a futuro creo centrales de generación
para satisfacer la demanda eléctrica de estos vehículos.
Además estos afectan directamente a la curva de demanda por
lo cual se establecerán parámetros para realizar la recarga de
dichos vehículos.
Dando como prioridad que los mismos se carguen en horas de
la madrugada ya que en esos horarios la demanda de energía
eléctrica disminuirá y con esto tendríamos la disponibilidad
de energía eléctrica.
Baterías
Su objetivo es disminuir o atenuar la curva de demanda por lo
que se ve la necesidad de utilizar baterías cuando existe un
pico en la curva de demanda al necesitar potencia reactiva.
La respuesta de la demanda de energía es nuestro caso de
estudio donde optimizaremos la demanda de energía con
métodos heurísticos y probabilísticos como lo son los métodos
de Montecarlo y Markov.[1]
La transformada de wavelet la utilizaremos para modelar el
envió de información y la adquisición de datos desde los
clientes hasta las centrales de generación y subestaciones.[2]
Este modelo matemático es nuevo y será aplicado a la
compresión y descompresión de señales, esta transformada
presenta una descompresión de señales de 99.97% por lo cual
presenta una gran ventaja al momento de enviar la
información al centro de control con un nivel de confiabilidad
y sobre todo en tiempo real.
La optimización de la demanda también se la realiza para
baterías ya que estas pueden ser una gran ayuda al sistema
porque se puede programar para entregar energía en horas
pico así aliviando al sistema eléctrico. Y cuando la demanda
está en valle o donde no exista mucha demanda podrá
programarse para cargarse la batería reduciendo costos ya que
al cargarse en horas pico esta puede aumentar el costo de
carga.[3]
El principio de Markov se basa en tomar datos aleatorios ya
que varía en el tiempo, el método de Markov se le conoce
como de regresión ya que para un estado actual necesita de un
estado anterior o un registro de datos anteriores. En cambio el
método de Montecarlo permite modelar tomando valores

M. García, es Profesor Principal Diseño III en la Facultad de Ingeniería
Eléctrica de La Universidad Politécnica Salesiana, Quito-Ecuador, (e-mail:
mgarcia@ups.edu.ec).
razonable o una estimación de valores para un grupo de
cargas flexibles o también puede poseer un gran cantidad de
datos almacenados o dados.[4]
Para clientes residenciales o industriales se les aplica un
modelo matemático para estimar u optimizar su respuesta a la
demanda para el caso de usuarios residenciales se utiliza el
sistema multi objetivo que básicamente es proponer una serie
de variable y condiciones para aplicar una única solución a
los demás casos con esto se hace que un grupo de elementos
electrónicos tenga un control directo de las cargas.[5] Para el
caso de usuarios industriales se utiliza el modelo de alta
incertidumbre y este a su vez utiliza método estocásticos
como los mencionados anteriormente.[1]
El objetivo de la respuesta a la demanda es básicamente
atenuar o aplanar la curva de demanda con modelos
matemáticos como ya mencionamos las baterías y aún más
importante los vehículos eléctricos ya que por su batería
pueden entregar energía a la red.[4]
II. REFERENCIAS
[1] J. Barahona and M. Garcia, “Respuesta a la demanda
de electricidad de una red aerea industrial en alta
certidumbre.” 2017.
[2] “Optimizacion de las comunicaciones para
subestaciones y centrales de generacion aplicando
wavelet.”
[3] E. Garcia and I. Isaac, “Demand response systems for
integrating energy storage batteries for residential
users,” 2016 IEEE Ecuador Tech. Chapters Meet.
ETCM 2016, 2016.
[4] E. M. Garcia, B. D. B. Lopez, and I. A. I. Millan,
“Analysis of the Voltage Profile by the Insertion of
Electric Vehicles in the Distribution Network
Considering Response to Demand,” 2017 Int. Conf.
Inf. Syst. Comput. Sci., pp. 7–13, 2017.
[5] E. M. Garcia and I. A. I. Millan, “Multi-objective
Optimization for the Management of the Response to
the Electrical Demand in Commercial Users,” 2017
Int. Conf. Inf. Syst. Comput. Sci., pp. 14–20, 2017.
III. BIOGRAFÍA
David I. Tituaña, nació en Quito-Ecuador el 7 de Febrero de 1992.
Realizó sus estudios primarios en la escuela Robert Kennedy en la
cuidad de Santo Domingo de los Tsáchilas luego sus estudios en el
unidad educativa Andino de la ciudad de Quito se graduó en el 2009
en la especialidad de Físico matemático. Actualmente cursa el
octavo semestre de ingeniería eléctrica en la universidad politécnica
salesiana se a desempañado en el área laboral como técnico de
telecomunicaciones.