Caracterización del estado actual de la generación de seguridad en la región caribe colombiana

Security Generation (SG) is defined by CREG 015 of 2018 as the imposed generation required to supply the restrictions of the National Interconnected System (SIN) and operational areas, these restrictions are associated to the assets that make use of the SIN, regional interconnection and local distri...

Full description

Autores:: Figueredo Barrios, Kineereth Juliana
Simmonds Mendoza, Armando Javier

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2020

Institución:: Corporación Universidad de la Costa

Repositorio:: REDICUC - Repositorio CUC

Idioma:: spa

id	RCUC2_f1dac1fa0ea74c4a8868df4f27c252dc
oai_identifier_str	oai:repositorio.cuc.edu.co:11323/8951
network_acronym_str	RCUC2
network_name_str	REDICUC - Repositorio CUC
repository_id_str
dc.title.spa.fl_str_mv	Caracterización del estado actual de la generación de seguridad en la región caribe colombiana
title	Caracterización del estado actual de la generación de seguridad en la región caribe colombiana
spellingShingle	Caracterización del estado actual de la generación de seguridad en la región caribe colombiana Security generation Grid constraints ARIMA Forecasting Generación de seguridad Restricciones de la red Pronóstico
title_short	Caracterización del estado actual de la generación de seguridad en la región caribe colombiana
title_full	Caracterización del estado actual de la generación de seguridad en la región caribe colombiana
title_fullStr	Caracterización del estado actual de la generación de seguridad en la región caribe colombiana
title_full_unstemmed	Caracterización del estado actual de la generación de seguridad en la región caribe colombiana
title_sort	Caracterización del estado actual de la generación de seguridad en la región caribe colombiana
dc.creator.fl_str_mv	Figueredo Barrios, Kineereth Juliana Simmonds Mendoza, Armando Javier
dc.contributor.advisor.spa.fl_str_mv	Silva Ortega, Jorge I Grimaldo Guerrero, John William
dc.contributor.author.spa.fl_str_mv	Figueredo Barrios, Kineereth Juliana Simmonds Mendoza, Armando Javier
dc.subject.spa.fl_str_mv	Security generation Grid constraints ARIMA Forecasting Generación de seguridad Restricciones de la red Pronóstico
topic	Security generation Grid constraints ARIMA Forecasting Generación de seguridad Restricciones de la red Pronóstico
description	Security Generation (SG) is defined by CREG 015 of 2018 as the imposed generation required to supply the restrictions of the National Interconnected System (SIN) and operational areas, these restrictions are associated to the assets that make use of the SIN, regional interconnection and local distribution, which are classified as technical and operational restrictions (Resolución CREG 015 del 2018, 2018). Currently, different methods are used to forecast the SG that may be presented in the future taking into account the restrictions presented by the distribution networks with the purpose of creating alternatives to reduce the charges caused by the same. Based on the above, the objective of this work is to propose a prioritization scheme for the projects of the national expansion plan 2019 - 2032 to have an impact on the reduction of SG in the Caribbean Region of Colombia. Initially, a sweep was made of the technical and operational guidelines of Security Generation, the regulations in force to date were consulted, the generation forecast models were identified, as well as the studies aimed at the Security Generation forecast taking into account the restrictions in the network. Then, data was downloaded from XM's website from 2018 to 2020 in order to carry out a Security Generation forecast using ARIMA models As a result, a new linear model is obtained. The Colombian Caribbean Region was considered as a case study. Finally, the generation and transmission projects proposed by the UPME were identified, with the purpose of prioritizing those that can contribute the most to the reduction of Safety Generation in the Colombian Caribbean Region.
publishDate	2020
dc.date.issued.none.fl_str_mv	2020
dc.date.accessioned.none.fl_str_mv	2021-12-07T16:12:19Z
dc.date.available.none.fl_str_mv	2021-12-07T16:12:19Z
dc.type.spa.fl_str_mv	Trabajo de grado - Pregrado
dc.type.coar.spa.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv	Text
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/TP
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/acceptedVersion
format	http://purl.org/coar/resource_type/c_7a1f
status_str	acceptedVersion
dc.identifier.uri.spa.fl_str_mv	https://hdl.handle.net/11323/8951
dc.identifier.instname.spa.fl_str_mv	Corporación Universidad de la Costa
dc.identifier.reponame.spa.fl_str_mv	REDICUC - Repositorio CUC
dc.identifier.repourl.spa.fl_str_mv	https://repositorio.cuc.edu.co/
url	https://hdl.handle.net/11323/8951 https://repositorio.cuc.edu.co/
identifier_str_mv	Corporación Universidad de la Costa REDICUC - Repositorio CUC
dc.language.iso.none.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	Adriana Ariza Ramírez. (2013). Métodos utilizados para el pronóstico de demanda de energía eléctrica en sistemas de distribución. [Universidad Tecnológica de Pereira]. In Applied Microbiology and Biotechnology (Issue 1). https://doi.org/10.1016/j.bbapap.2013.06.007 Akouemo, H. N., & Povinelli, R. J. (2014). Time series outlier detection and imputation. IEEE Power and Energy Society General Meeting, 1–5. https://doi.org/10.1109/PESGM.2014.6939802 Al-saba T, I. E.-A. (1999). Artificial Neural Networks as applied to long term demand forescasting. Artificial Intelligence in Engineering, 189–197. Arce. (2010). Modelos arima. U.D.I. Econometría E Informática. 31. http://www.uam.es/personal_pdi/economicas/eva/ecoii.html Arroyo, Jose. Conejo, A. all. (2002). ARIMA models to predict next-day electricity prices. 57. https://ieeexplore.ieee.org/abstract/document/1216141 Borthakur, P., & Goswami, B. (2020). Short Term Load Forecasting: A Hybrid Approach Using Data Mining Methods. IEEE, 1-6. Cadavid Mazo, E. (2008). Seguimiento a las restricciones del mercado eléctrico colombiano. 1–20. https://repository.eafit.edu.co/handle/10784/521#.WZotcSgjE6Q Cepeda, J., & Sierra, A. (2016). Aspectos que afectan la eficiencia en los paneles fotovoltaicos y sus potenciales soluciones. Universidad Santo Tomas, 10. Chakrabarti, S., & Baldick, R. (2020). Look-Ahead SCOPF (LASCOPF) for Tracking Demand Variation via Auxiliary. 116. Comisión de Regulación de Energía y Gas. (1995). Resolución Número 025. Resolución CREG 015 del 2018, Resolución 015 239 (2018). Resolución No. 062 de 1994, (1994). Resolución N° 040 de 2000, (2000). Resolución No. 063 de 2000, 1 (2000). Resolución No . 014 de 2004, 1 (2004). CREG. (1999). REG. Resolucion O38 de 1999. Resolución CREG 073 de 1999, (1999). Resolución CREG 074 de 1999, (1999). Resolución CREG N°038 de 1999, 1 (1999). Resolución No. 061 de 2000, 1 (2000). Documento CREG 078 de 2014, 1 (2014). Resolución No. 022 de 2019, (2019). Daza-Guzman, J. Rueda-Lopez, J. (2015). Análisis del desempeño en estado estable y transitorio del sistema de transmisión regional del departamento del Atlántico. [Universidad de la Costa]. https://doi.org/10.5897/ERR2015 de Arce, R., & Mahía, R. (2001). Modelos ARIMA. Media, 31. http://www.uam.es/personal_pdi/economicas/eva/ecoii.html Eliseo Robledo Soto. (2012). Contingencias dobles y simples para corrientes en el Sistema eléctrico de Pereira. Universidad Tecnológica de Pereira. Energía., M. de M. y. (2018). Ministerio de Minas y Energía. Fayos Álvarez, A. (2009). Líneas eléctricas y transporte de energía eléctrica (Universitat Politècnica de València (ed.)). Fiondella, L., & Gokhale, S. S. (2008). Importance measures for a modular software system. Proceedings - International Conference on Quality Software, 338–343. https://doi.org/10.1109/QSIC.2008.42 Fu, Y. Shahidehpour, M. Li, Z. (2006). AC Contingency dispatch based on securityconstrained unit commitment. IEEE, 897–908. https://doi.org/10.1109/TPWRS.2006.873407 Ganguly, A., Goswami, K., & Sil, A. K. (2020). WANN and ANN based Urban Load Forecasting for Peak Load Management. IEEE, 402-406. https://doi.org/10.1109/CALCON49167.2020.9106520 Georgina-González. (2019). Pronóstico de generación eléctrica de corto plazo en parques eólicos utilizando técnicas de predicción de clima de microescala. Universidad Autónoma del estado de Morelos. González, C. D. (2017). Despacho económico de cargas en sistemas eléctricos de potencia: modelado, simulación y análisis. 4–5. González, M. P. C. (2009). Análisis de series temporales económicas: Modelos ARIMA. In Universidad del País Vasco. https://addi.ehu.es/bitstream/handle/10810/12492/04- 09gon.pdf;jsessionid=DBED3DDDAD5E8807059F6551F1A9D16D?sequence=1%0A https://books.google.com.co/books?id=ftqrKnA7dTMC Grubb, M. B., & Twomey., P. (2006). Diversity and security in UK electricity generation: The influence of low-carbon objectives. Energy Policy, 18, 1–13. https://doi.org/10.1016/j.enpol.2005.09.004 Hemberth Suarez Lozano. (2019). Energía: restricciones y generación por seguridad. OGE Legal Services. https://www.asuntoslegales.com.co/analisis/hemberth-suarez-lozano2596363/energia-restricciones-y-generacion-por-seguridad-2921098 Hong, Y., Zhou, Y., Li, Q., Xu, W., & Zheng, X. (2020). A Deep Learning Method for ShortTerm Residential Load Forecasting in Smart Grid. IEEE, 8, 55785–55797. Hou, H. (2020). Short Term Load Forecasting Based on Bayesian Forecasting Model. IEEE, 200-203. IEEE. (2007). 493-2007 - IEEE Recommended Practice for the Design of Reliable Industrial and Commercial Power Systems. IEEE. JL Pollock. (2007). Razonamiento y probabilidad. Ley, Probabilidad y Riesgo, 6(1–4), 43–58. https://doi.org/1093 / lpr / mgm014 Karangelos, E., Wehenkel, L. (2019). An iterative ac-scopf approach managing the contingency and corrective control failure uncertainties with a probabilistic guarantee. IEEE, 34(5), 3780 - 3790. https://doi.org/10.1109/TPWRS.2019.2902486 Kuo, P. H., & Huang, C. J. (2018). A high precision artificial neural networks model for short-Term energy load forecasting. Energies, 11(1), 1–13. https://doi.org/10.3390/en11010213 Lee, D. J., & Wang, L. (2008). Small-signal stability analysis of an autonomous hybrid renewable energy power generation/energy storage system part I: Time-domain simulations. IEEE Transactions on Energy Conversion, 23(1), 311–320. https://doi.org/10.1109/TEC.2007.914309 Lin, B., & Chen, Y. (2020). Transportation infrastructure and efficient energy services: A perspective of China’s manufacturing industry. Energy Economics, 1–11. https://doi.org/10.1016/j.eneco.2020.104809 Martínez Orozco, M. A., Guzmán Aguilar, D. S., Pérez Ramírez, F. O., & Marín Rodríguez, N. J. (2018). Modelo cuantitativo ARIMAX- EGARCH para la predicción de la tasa de cambio colombiana (COP/USD). Espacios, 39(7). Mejia Villegas. (2003). Subestaciones de Alta y Extra Alta Tensión (HMV; MEJIA VILLEGAS (ed.)). Mejia Villegas S.A. (1991). subestaciones de alta y extra alta tension (segunda). Resolución CREG 055 de 1994, 451 (1994). Resolución CREG N° 035 de 1999, (1999). Resolución CREG N° 074 de 1999, (1999). Resolución N° 073 de 1999, (1999). Resolución N° 080 de 1999, (1999). Resolución N°072 de 1999, (1999). Resolución N°062 de 2000, (2000). Mitchell, J.V., Beck, P., Grubb, M. . (1996). The New Geopolitics of Energy. Royal Institute of International Affairs/Earthscan, London. Mori, H. Kobayashi, H. (1996). Optimal Fuzzy Inference for Short Term Load Forecasting. 390–396. NERA. (2002). Security in gas and electricity markets. Report to UK Department of Trade and Industry. NYISO Energy Market Operations. (2018). Transmission and Dispatch Operations Manual Prepared. 12. Ortiz, M., & Garcia, E. (2015). Pronóstico de la demanda eléctrica residencial basado en el modelo de regresión adaptativa multivariante spline (MARS) [Universidad Politécnica Salesiana Ecuador]. http://dspace.ups.edu.ec/handle/123456789/11290 Osorio, D. (2018). Evaluación de Confiabilidad de la Red Eléctrica de Sub-transmisión del Departamento del Atlántico Basado en el Método de Cortes Mínimos Considerando las Conexiones Existentes Entre Cada Configuración. Pacué, F. J. G., & Zuluaga, A. E. (2012). Analisis de contingencias simples, dobles y triples en el sistema electrico de pereira. 71. R. Egbert, M. Tammimi. (2000). Short term electric load forecasting via fuzzy neural collaboration. Electric Power Substations Engineering, 243–248. S, Medina-Hurtado. J, G. (2005). Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. Energética, 33, 15–24. https://revistas.unal.edu.co/index.php/energetica/article/view/24008 Shabanzadeh, M. et al. (2017). Risk-based medium-term trading strategy for a virtual power plant with first-order stochastic dominance constraints. IEEE, 520–529. https://doi.org/10.1049/iet-gtd.2016.1072 Tarifa, E., & Martínez, S. (2007). Diagnóstico de fallas con redes neuronales. Parte I: Reconocimiento de trayectorias. 27(1), 65–71. Tautiva, C. (2018). Cargo por restricciones garantiza generación de seguridad: Minminas. Ministerio de Minas y Energía. Tengah, P. K. J. (2018). Pronostico del Crecimiento de Demanda de Energía Eléctrica en el área Caribe Colombiana para proyectar la Generación por Seguridad de 2018 a 2032. Universidad de la Costa. Una Visión del Mercado Eléctrico Colombiano, Mercado de Energía Eléctrica en Colombia - Análisis Comercial y de Estrategias 1 (2004). Unidad de Planeación Minero Energética. (n.d.). Plan Energético Nacional - Colombia: Ideario Energético 2050. https://www1.upme.gov.co/Paginas/Plan-EnergeticoNacional-Ideario-2050.aspx Unidad de Planeación Minero Energética. (2002). Proyecciones de Demanda de energía Eléctrica y potencia máxima 2002-2011. Unidad de Planeación Minero Energética. (2010). Proyección de demanda de energía en Colombia. Informe Grupo de Demanda Energética. UPME. (2008). Plan de Expansión de Referencia Generación - Transmisión 2008-2022 (pp. 1–188). UPME. (2015). Plan Energetico Nacional Colombia: Ideario Energético 2050. In Unidad de Planeación Minero Energética, Republica de Colombia (p. 184). UPME. (2019). Proyección Regional de Demanda de Energía Eléctrica y Potencia Máxima en Colombia. Revisión Abril de 2019. (pp. 13–23). www.upme.gov.co Vargas Cordero, Z. R. (2009). La Investigación aplicada: Una forma de conocer las realidades con evidencia científica. Revista Educación, 33(1), 155. https://doi.org/10.15517/revedu.v33i1.538 Vega–González L.R. (2011). Seven Myths of the University Applied Research and Technology Development. Scielo. Weinhold, R., & Mieth, R. (n.d.). Fast Security-Constrained Optimal Power Flow Through Low-Impact and Redundancy Screening. IEEE, 4574–4584. https://doi.org/10.1109/TPWRS.2020.2994764 Wollenberg, Bruce F. Sheblé, G. B. (2013). Electrical Power Systems. Wood, A. Wollenberg, G. (2014). Power Generation, Operation, and Control (Third Edit). Yin, L., & Gao, H. (2019). Moving horizon estimation for ARMAX processes with additive output noise. Journal of the Franklin Institute, 4, 2090–2110. https://doi.org/10.1016/j.jfranklin.2018.11.019 Zapata, C., Garcés, L., & Gómez, O. (2004). Modelamiento de componentes de 83 sistemas compuestos generación – transmisión para estudios de confiabilidad. Sciencia et Technica, 25, 53–58. Zeng, P., Jin, M., & Elahe, F. (2020). Short-Term Power Load Forecasting Based on Cross Multi-Model and Second Decision Mechanism. IEEE, 8.
dc.rights.spa.fl_str_mv	Attribution-NonCommercial-ShareAlike 4.0 International
dc.rights.uri.spa.fl_str_mv	http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Attribution-NonCommercial-ShareAlike 4.0 International http://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Corporación Universidad de la Costa
dc.publisher.program.spa.fl_str_mv	Ingeniería Eléctrica
institution	Corporación Universidad de la Costa
bitstream.url.fl_str_mv	https://repositorio.cuc.edu.co/bitstreams/fd62d80c-9aa6-4839-9a06-646fabe458d4/download https://repositorio.cuc.edu.co/bitstreams/6d6b3d35-1f96-454e-89f2-80de19c66b5e/download https://repositorio.cuc.edu.co/bitstreams/834e5ca6-b8a8-492d-970f-7bb86e95d1d3/download https://repositorio.cuc.edu.co/bitstreams/46192fc1-4b38-493a-8460-df14aea8ef7b/download https://repositorio.cuc.edu.co/bitstreams/788ec3a1-e2e9-4004-83f6-874145c8d73c/download
bitstream.checksum.fl_str_mv	1059391b1f0cc863592c6bf4aad0aa46 934f4ca17e109e0a05eaeaba504d7ce4 e30e9215131d99561d40d6b0abbe9bad a6ae743fe83db2c6be3b89832c9f0cac acaa530481804d4048c5f0f1330fee2c
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio de la Universidad de la Costa CUC
repository.mail.fl_str_mv	repdigital@cuc.edu.co
_version_	1831932210209357824
spelling	Silva Ortega, Jorge IGrimaldo Guerrero, John WilliamFigueredo Barrios, Kineereth JulianaSimmonds Mendoza, Armando Javier2021-12-07T16:12:19Z2021-12-07T16:12:19Z2020https://hdl.handle.net/11323/8951Corporación Universidad de la CostaREDICUC - Repositorio CUChttps://repositorio.cuc.edu.co/Security Generation (SG) is defined by CREG 015 of 2018 as the imposed generation required to supply the restrictions of the National Interconnected System (SIN) and operational areas, these restrictions are associated to the assets that make use of the SIN, regional interconnection and local distribution, which are classified as technical and operational restrictions (Resolución CREG 015 del 2018, 2018). Currently, different methods are used to forecast the SG that may be presented in the future taking into account the restrictions presented by the distribution networks with the purpose of creating alternatives to reduce the charges caused by the same. Based on the above, the objective of this work is to propose a prioritization scheme for the projects of the national expansion plan 2019 - 2032 to have an impact on the reduction of SG in the Caribbean Region of Colombia. Initially, a sweep was made of the technical and operational guidelines of Security Generation, the regulations in force to date were consulted, the generation forecast models were identified, as well as the studies aimed at the Security Generation forecast taking into account the restrictions in the network. Then, data was downloaded from XM's website from 2018 to 2020 in order to carry out a Security Generation forecast using ARIMA models As a result, a new linear model is obtained. The Colombian Caribbean Region was considered as a case study. Finally, the generation and transmission projects proposed by the UPME were identified, with the purpose of prioritizing those that can contribute the most to the reduction of Safety Generation in the Colombian Caribbean Region.La Generación de Seguridad (GS) es definida por la CREG 015 de 2018 como la generación impuesta requerida para suplir las restricciones del Sistema Interconectado Nacional (SIN) y áreas operativas, estas restricciones están asociadas a los activos que hacen uso del SIN, interconexión regional y distribución local, las cuales son clasificadas como restricciones técnicas y operativas (Resolución CREG 015 del 2018, 2018). En la actualidad se utilizan diferentes métodos para pronosticar la GS que se puede presentar a futuro teniendo en cuenta las restricciones que presentan las redes de distribución con la finalidad de crear alternativas para reducir los cargos causados por la misma. Basado en lo anterior, el objetivo del presente trabajo es proponer un esquema de priorización de los proyectos del plan de nacional de expansión 2019 – 2032 para impactar en la reducción de la GS en la Región Caribe de Colombia.Inicialmente, se hizo un barrido de los lineamientos técnicos y operativos de la GS, se consultaron las normativas vigentes a la fecha, se identificaron los modelos de pronóstico de generación, así como los estudios encaminados al pronóstico de GS teniendo en cuenta las restricciones en la red. Luego, se descargaron los datos de la página web de XM del año 2018 al 2020 para poder llevar a cabo un pronóstico de GS utilizando modelos ARIMA como resultado se obtiene un nuevo modelo lineal. Se consideró como caso de estudio la Región Caribe Colombiana. Finalmente, se identificaron los proyectos de generación y transmisión planteados por la UPME, con el propósito de priorizar aquellos que pueden aportar en mayor cantidad a la reducción de la GS en la Región Caribe Colombiana.application/pdfspaCorporación Universidad de la CostaIngeniería EléctricaAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Security generationGrid constraintsARIMAForecastingGeneración de seguridadRestricciones de la redPronósticoCaracterización del estado actual de la generación de seguridad en la región caribe colombianaTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionAdriana Ariza Ramírez. (2013). Métodos utilizados para el pronóstico de demanda de energía eléctrica en sistemas de distribución. [Universidad Tecnológica de Pereira]. In Applied Microbiology and Biotechnology (Issue 1). https://doi.org/10.1016/j.bbapap.2013.06.007Akouemo, H. N., & Povinelli, R. J. (2014). Time series outlier detection and imputation. IEEE Power and Energy Society General Meeting, 1–5. https://doi.org/10.1109/PESGM.2014.6939802Al-saba T, I. E.-A. (1999). Artificial Neural Networks as applied to long term demand forescasting. Artificial Intelligence in Engineering, 189–197.Arce. (2010). Modelos arima. U.D.I. Econometría E Informática. 31. http://www.uam.es/personal_pdi/economicas/eva/ecoii.htmlArroyo, Jose. Conejo, A. all. (2002). ARIMA models to predict next-day electricity prices. 57. https://ieeexplore.ieee.org/abstract/document/1216141Borthakur, P., & Goswami, B. (2020). Short Term Load Forecasting: A Hybrid Approach Using Data Mining Methods. IEEE, 1-6.Cadavid Mazo, E. (2008). Seguimiento a las restricciones del mercado eléctrico colombiano. 1–20. https://repository.eafit.edu.co/handle/10784/521#.WZotcSgjE6QCepeda, J., & Sierra, A. (2016). Aspectos que afectan la eficiencia en los paneles fotovoltaicos y sus potenciales soluciones. Universidad Santo Tomas, 10.Chakrabarti, S., & Baldick, R. (2020). Look-Ahead SCOPF (LASCOPF) for Tracking Demand Variation via Auxiliary. 116.Comisión de Regulación de Energía y Gas. (1995). Resolución Número 025.Resolución CREG 015 del 2018, Resolución 015 239 (2018).Resolución No. 062 de 1994, (1994).Resolución N° 040 de 2000, (2000).Resolución No. 063 de 2000, 1 (2000).Resolución No . 014 de 2004, 1 (2004).CREG. (1999). REG. Resolucion O38 de 1999.Resolución CREG 073 de 1999, (1999).Resolución CREG 074 de 1999, (1999).Resolución CREG N°038 de 1999, 1 (1999).Resolución No. 061 de 2000, 1 (2000).Documento CREG 078 de 2014, 1 (2014).Resolución No. 022 de 2019, (2019).Daza-Guzman, J. Rueda-Lopez, J. (2015). Análisis del desempeño en estado estable y transitorio del sistema de transmisión regional del departamento del Atlántico. [Universidad de la Costa]. https://doi.org/10.5897/ERR2015de Arce, R., & Mahía, R. (2001). Modelos ARIMA. Media, 31. http://www.uam.es/personal_pdi/economicas/eva/ecoii.htmlEliseo Robledo Soto. (2012). Contingencias dobles y simples para corrientes en el Sistema eléctrico de Pereira. Universidad Tecnológica de Pereira.Energía., M. de M. y. (2018). Ministerio de Minas y Energía.Fayos Álvarez, A. (2009). Líneas eléctricas y transporte de energía eléctrica (Universitat Politècnica de València (ed.)).Fiondella, L., & Gokhale, S. S. (2008). Importance measures for a modular software system. Proceedings - International Conference on Quality Software, 338–343. https://doi.org/10.1109/QSIC.2008.42Fu, Y. Shahidehpour, M. Li, Z. (2006). AC Contingency dispatch based on securityconstrained unit commitment. IEEE, 897–908. https://doi.org/10.1109/TPWRS.2006.873407Ganguly, A., Goswami, K., & Sil, A. K. (2020). WANN and ANN based Urban Load Forecasting for Peak Load Management. IEEE, 402-406. https://doi.org/10.1109/CALCON49167.2020.9106520Georgina-González. (2019). Pronóstico de generación eléctrica de corto plazo en parques eólicos utilizando técnicas de predicción de clima de microescala. Universidad Autónoma del estado de Morelos.González, C. D. (2017). Despacho económico de cargas en sistemas eléctricos de potencia: modelado, simulación y análisis. 4–5.González, M. P. C. (2009). Análisis de series temporales económicas: Modelos ARIMA. In Universidad del País Vasco. https://addi.ehu.es/bitstream/handle/10810/12492/04- 09gon.pdf;jsessionid=DBED3DDDAD5E8807059F6551F1A9D16D?sequence=1%0A https://books.google.com.co/books?id=ftqrKnA7dTMCGrubb, M. B., & Twomey., P. (2006). Diversity and security in UK electricity generation: The influence of low-carbon objectives. Energy Policy, 18, 1–13. https://doi.org/10.1016/j.enpol.2005.09.004Hemberth Suarez Lozano. (2019). Energía: restricciones y generación por seguridad. OGE Legal Services. https://www.asuntoslegales.com.co/analisis/hemberth-suarez-lozano2596363/energia-restricciones-y-generacion-por-seguridad-2921098Hong, Y., Zhou, Y., Li, Q., Xu, W., & Zheng, X. (2020). A Deep Learning Method for ShortTerm Residential Load Forecasting in Smart Grid. IEEE, 8, 55785–55797.Hou, H. (2020). Short Term Load Forecasting Based on Bayesian Forecasting Model. IEEE, 200-203.IEEE. (2007). 493-2007 - IEEE Recommended Practice for the Design of Reliable Industrial and Commercial Power Systems. IEEE.JL Pollock. (2007). Razonamiento y probabilidad. Ley, Probabilidad y Riesgo, 6(1–4), 43–58. https://doi.org/1093 / lpr / mgm014Karangelos, E., Wehenkel, L. (2019). An iterative ac-scopf approach managing the contingency and corrective control failure uncertainties with a probabilistic guarantee. IEEE, 34(5), 3780 - 3790. https://doi.org/10.1109/TPWRS.2019.2902486Kuo, P. H., & Huang, C. J. (2018). A high precision artificial neural networks model for short-Term energy load forecasting. Energies, 11(1), 1–13. https://doi.org/10.3390/en11010213Lee, D. J., & Wang, L. (2008). Small-signal stability analysis of an autonomous hybrid renewable energy power generation/energy storage system part I: Time-domain simulations. IEEE Transactions on Energy Conversion, 23(1), 311–320. https://doi.org/10.1109/TEC.2007.914309Lin, B., & Chen, Y. (2020). Transportation infrastructure and efficient energy services: A perspective of China’s manufacturing industry. Energy Economics, 1–11. https://doi.org/10.1016/j.eneco.2020.104809Martínez Orozco, M. A., Guzmán Aguilar, D. S., Pérez Ramírez, F. O., & Marín Rodríguez,N. J. (2018). Modelo cuantitativo ARIMAX- EGARCH para la predicción de la tasa de cambio colombiana (COP/USD). Espacios, 39(7).Mejia Villegas. (2003). Subestaciones de Alta y Extra Alta Tensión (HMV; MEJIA VILLEGAS (ed.)).Mejia Villegas S.A. (1991). subestaciones de alta y extra alta tension (segunda).Resolución CREG 055 de 1994, 451 (1994).Resolución CREG N° 035 de 1999, (1999).Resolución CREG N° 074 de 1999, (1999).Resolución N° 073 de 1999, (1999).Resolución N° 080 de 1999, (1999).Resolución N°072 de 1999, (1999).Resolución N°062 de 2000, (2000).Mitchell, J.V., Beck, P., Grubb, M. . (1996). The New Geopolitics of Energy. Royal Institute of International Affairs/Earthscan, London.Mori, H. Kobayashi, H. (1996). Optimal Fuzzy Inference for Short Term Load Forecasting. 390–396.NERA. (2002). Security in gas and electricity markets. Report to UK Department of Trade and Industry.NYISO Energy Market Operations. (2018). Transmission and Dispatch Operations Manual Prepared. 12.Ortiz, M., & Garcia, E. (2015). Pronóstico de la demanda eléctrica residencial basado en el modelo de regresión adaptativa multivariante spline (MARS) [Universidad Politécnica Salesiana Ecuador]. http://dspace.ups.edu.ec/handle/123456789/11290Osorio, D. (2018). Evaluación de Confiabilidad de la Red Eléctrica de Sub-transmisión del Departamento del Atlántico Basado en el Método de Cortes Mínimos Considerando las Conexiones Existentes Entre Cada Configuración.Pacué, F. J. G., & Zuluaga, A. E. (2012). Analisis de contingencias simples, dobles y triples en el sistema electrico de pereira. 71.R. Egbert, M. Tammimi. (2000). Short term electric load forecasting via fuzzy neural collaboration. Electric Power Substations Engineering, 243–248.S, Medina-Hurtado. J, G. (2005). Predicción de demanda de energía en colombia mediante un sistema de inferencia difuso neuronal. Energética, 33, 15–24. https://revistas.unal.edu.co/index.php/energetica/article/view/24008Shabanzadeh, M. et al. (2017). Risk-based medium-term trading strategy for a virtual power plant with first-order stochastic dominance constraints. IEEE, 520–529. https://doi.org/10.1049/iet-gtd.2016.1072Tarifa, E., & Martínez, S. (2007). Diagnóstico de fallas con redes neuronales. Parte I: Reconocimiento de trayectorias. 27(1), 65–71.Tautiva, C. (2018). Cargo por restricciones garantiza generación de seguridad: Minminas. Ministerio de Minas y Energía.Tengah, P. K. J. (2018). Pronostico del Crecimiento de Demanda de Energía Eléctrica en el área Caribe Colombiana para proyectar la Generación por Seguridad de 2018 a 2032. Universidad de la Costa.Una Visión del Mercado Eléctrico Colombiano, Mercado de Energía Eléctrica en Colombia - Análisis Comercial y de Estrategias 1 (2004).Unidad de Planeación Minero Energética. (n.d.). Plan Energético Nacional - Colombia: Ideario Energético 2050. https://www1.upme.gov.co/Paginas/Plan-EnergeticoNacional-Ideario-2050.aspxUnidad de Planeación Minero Energética. (2002). Proyecciones de Demanda de energía Eléctrica y potencia máxima 2002-2011.Unidad de Planeación Minero Energética. (2010). Proyección de demanda de energía en Colombia. Informe Grupo de Demanda Energética.UPME. (2008). Plan de Expansión de Referencia Generación - Transmisión 2008-2022 (pp. 1–188).UPME. (2015). Plan Energetico Nacional Colombia: Ideario Energético 2050. In Unidad de Planeación Minero Energética, Republica de Colombia (p. 184).UPME. (2019). Proyección Regional de Demanda de Energía Eléctrica y Potencia Máxima en Colombia. Revisión Abril de 2019. (pp. 13–23). www.upme.gov.coVargas Cordero, Z. R. (2009). La Investigación aplicada: Una forma de conocer las realidades con evidencia científica. Revista Educación, 33(1), 155. https://doi.org/10.15517/revedu.v33i1.538Vega–González L.R. (2011). Seven Myths of the University Applied Research and Technology Development. Scielo.Weinhold, R., & Mieth, R. (n.d.). Fast Security-Constrained Optimal Power Flow Through Low-Impact and Redundancy Screening. IEEE, 4574–4584. https://doi.org/10.1109/TPWRS.2020.2994764Wollenberg, Bruce F. Sheblé, G. B. (2013). Electrical Power Systems.Wood, A. Wollenberg, G. (2014). Power Generation, Operation, and Control (Third Edit).Yin, L., & Gao, H. (2019). Moving horizon estimation for ARMAX processes with additive output noise. Journal of the Franklin Institute, 4, 2090–2110. https://doi.org/10.1016/j.jfranklin.2018.11.019Zapata, C., Garcés, L., & Gómez, O. (2004). Modelamiento de componentes de 83 sistemas compuestos generación – transmisión para estudios de confiabilidad. Sciencia et Technica, 25, 53–58.Zeng, P., Jin, M., & Elahe, F. (2020). Short-Term Power Load Forecasting Based on Cross Multi-Model and Second Decision Mechanism. IEEE, 8.PublicationORIGINALCaracterizacion del Estado Actual de la Generacion de Seguridad en la Region Caribe Colombiana.pdfCaracterizacion del Estado Actual de la Generacion de Seguridad en la Region Caribe Colombiana.pdfapplication/pdf2383002https://repositorio.cuc.edu.co/bitstreams/fd62d80c-9aa6-4839-9a06-646fabe458d4/download1059391b1f0cc863592c6bf4aad0aa46MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81031https://repositorio.cuc.edu.co/bitstreams/6d6b3d35-1f96-454e-89f2-80de19c66b5e/download934f4ca17e109e0a05eaeaba504d7ce4MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-83196https://repositorio.cuc.edu.co/bitstreams/834e5ca6-b8a8-492d-970f-7bb86e95d1d3/downloade30e9215131d99561d40d6b0abbe9badMD53THUMBNAILCaracterizacion del Estado Actual de la Generacion de Seguridad en la Region Caribe Colombiana.pdf.jpgCaracterizacion del Estado Actual de la Generacion de Seguridad en la Region Caribe Colombiana.pdf.jpgimage/jpeg23544https://repositorio.cuc.edu.co/bitstreams/46192fc1-4b38-493a-8460-df14aea8ef7b/downloada6ae743fe83db2c6be3b89832c9f0cacMD54TEXTCaracterizacion del Estado Actual de la Generacion de Seguridad en la Region Caribe Colombiana.pdf.txtCaracterizacion del Estado Actual de la Generacion de Seguridad en la Region Caribe Colombiana.pdf.txttext/plain167710https://repositorio.cuc.edu.co/bitstreams/788ec3a1-e2e9-4004-83f6-874145c8d73c/downloadacaa530481804d4048c5f0f1330fee2cMD5511323/8951oai:repositorio.cuc.edu.co:11323/89512024-09-17 14:17:17.385http://creativecommons.org/licenses/by-nc-sa/4.0/Attribution-NonCommercial-ShareAlike 4.0 Internationalopen.accesshttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.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

Caracterización del estado actual de la generación de seguridad en la región caribe colombiana

Publicaciones similares