El pasado 15 de mayo, DIgSILENT emitió el segundo paquete de mejoras (Service Pack - SP2) para PowerFactory. Como novedad increíble para la versión 2018, el nuevo Análisis Probabilístico que todo el mundo estaba esperando.

Con esta funcionalidad, PowerFactory tiene en cuenta las tendencias más recientes en el sector eléctrico, donde la evaluación estocástica se considera como una alternativa a la evaluación de las capacidades de la red eléctrica en el peor de los casos. En términos generales, una evaluación probabilística procesa los datos de entrada y produce resultados estocásticos, es decir, cada resultado no será un número fijo sino una distribución, a partir de la cual se pueden derivar las cantidades estadísticas (como valores promedios, desviaciones estándares, mínimos, máximos...).

El nuevo enfoque de PowerFactory para la introducción de datos probabilísticos es bastante genérico, lo que significa que las curvas de distribución pueden asignarse a cualquier parámetro de entrada. En este sentido, el concepto de distribuciones es muy similar al de características. Por ahora, se ofrece el Análisis Probabilístico para:

• Análisis de Flujo de Carga
• Flujo Óptimo de Potencia.

El Análisis Probabilístico de Flujo de Carga podría ser utilizado, por ejemplo, para determinar la distribución de probabilidad de sobrecarga de las líneas, teniendo en cuenta errores de predicción de una situación meteorológica predefinida. El Flujo Óptimo de Potencia puede ser interpretado como una estrategia de despacho bajo un objetivo dado. En este sentido, el Análisis Probabilístico del OPF permite calcular la distribución de los controles de la función objetivo.

Las funciones fundamentales de este NUEVO módulo de análisis son:

• Procesamiento de datos de entrada a partir de distribuciones de probabilidad predefinidas como distribución normal, normal logarítmica, Weibull, etc. También es posible convertir una serie de datos medidos desde los SmartMeters o simulados en distribuciones de forma automática.
• Ejecución de una simulación Monte Carlo o Quasi-Monte Carlo.
  
• Definición de variables de resultados para el análisis:
  
• Media, desviación típica
• Intervalos de confianza
• Probabilidades empíricas
• Momentos más altos
• Investigación detallada de los casos extremos, incluyendo la visualización a través de gráficos estocásticos.

No hemos olvidado la importancia de las correlaciones entre cantidades aleatorias en el análisis estadístico. Desde sencillas correlaciones hasta ajustes muy finos, por ejemplo:

• Correlación entre velocidad de viento y radiación solar
  
• Correlación horaria de cargas domésticas
  
• Etc.
  

La mayoría de usuarios de PowerFactory 2018 estarán emocionados de saber que si no se conocen por ejemplo las correlaciones entre cantidades aleatorias, aún así, DIgSILENT propone herramientas para estimarlas a partir de series de datos temporales con un histórico suficientemente largo.

Esta es una de las nuevas funciones de PowerFactory 2018 pero hay muchas más mejoras y nuevas aplicaciones que podrás encontrar en el documento "What's new in PowerFactory 2018" , disponible en el área de descargas de DIgSILENT GmbH.