Optimización basada en la teoría del barril para la integración estocástica de PV-DG en redes de distribución radiales bajo incertidumbres de carga y solar

Por qué la energía solar en tejados necesita planificación más inteligente

A medida que más hogares y comercios instalan paneles solares en los tejados, nuestras líneas eléctricas de barrio deben gestionar de forma discreta la luz solar que va y viene y las demandas eléctricas que cambian constantemente. Si estos sistemas se planifican mal, pueden desperdiciar energía, forzar los equipos y provocar problemas de tensión que afectan a los clientes cotidianos. Este estudio explora una nueva forma de decidir dónde y de qué tamaño deben ser las unidades solares en las redes locales para que la red se mantenga eficiente, fiable y preparada para un futuro energético más limpio.

De un flujo de energía unidireccional a centrales eléctricas de barrio

Los sistemas eléctricos tradicionales se diseñaron para que la electricidad fluyera en una sola dirección: desde grandes centrales lejanas hacia hogares y fábricas. Hoy en día, pequeños generadores como los paneles solares en tejados y las plantas fotovoltaicas comunitarias se conectan cada vez más directamente a las líneas de distribución locales. Este cambio trae grandes beneficios: puede reducir las pérdidas de energía en cables largos, aliviar la congestión en los alimentadores, mejorar la calidad de la tensión y aumentar la resiliencia durante cortes. Pero también genera nuevos problemas. Cuando muchos sistemas solares inyectan energía de vuelta en las líneas, las tensiones pueden elevarse por encima de niveles seguros, las corrientes pueden invertir su sentido y los equipos pueden funcionar fuera de su zona de confort. Por tanto, aprovechar al máximo la energía solar requiere una planificación cuidadosa sobre dónde ubicar estas unidades y cuál debe ser su tamaño.

Por qué la incertidumbre importa en el mundo real

Muchos estudios de planificación anteriores hicieron una suposición simplificadora: trataron los niveles de radiación solar y la demanda de los consumidores como fijos, o usaron solo unos pocos escenarios seleccionados. En realidad, las nubes se mueven, las estaciones cambian y la gente enciende y apaga electrodomésticos en patrones que están lejos de ser constantes. Ignorar esta variabilidad puede llevar a decisiones que parecen buenas sobre el papel pero que rinden mal en la práctica. Otros enfoques intentaron manejar la incertidumbre con simulaciones intensivas como ensayos de Monte Carlo, que son precisos pero consumen mucho tiempo. Este artículo busca un punto intermedio: un método que capture la aleatoriedad más relevante en la producción solar y la demanda de carga manteniendo manejable el número de cálculos necesarios.

Una forma inspirada en el barril para buscar mejores soluciones

Para abordar este reto, los autores combinan dos ideas clave. Primero, emplean una herramienta estadística compacta llamada método de estimación puntual para representar los altibajos de la irradiación y la demanda con apenas un puñado de escenarios elegidos con cuidado. Estos escenarios representan miles de condiciones diarias posibles. Segundo, aplican una nueva técnica de búsqueda denominada Optimizador basado en la Teoría del Barril. Inspirado en la imagen de un barril de madera cuya capacidad está limitada por la tabla más corta, este algoritmo trata cada plan posible de ubicación de paneles como un barril y cada variable de decisión (como tamaño o localización) como una tabla. En lugar de solo pulir los mejores barriles, el método busca específicamente los puntos débiles y los mejora, mientras aprende de las soluciones más prometedoras. Este equilibrio entre exploración y refinamiento le ayuda a navegar el complejo paisaje de opciones en redes eléctricas de gran tamaño.

Pruebas en redes eléctricas realistas

El marco se probó en dos sistemas de distribución de referencia: una red de tamaño medio de 85 barras y otra mayor de 118 barras, cada una representando un enredo realista de líneas y clientes. En el caso de 85 barras, los investigadores estudiaron escenarios con tres, cuatro y cinco unidades solares. En cada caso, el objetivo fue elegir ubicaciones, tamaños y condiciones de operación que minimizaran las pérdidas de potencia esperadas y mantuvieran las tensiones dentro de límites seguros, en todos los escenarios de incertidumbre. Compararon su optimizador basado en el barril con varios métodos de búsqueda bien conocidos, incluido un clásico algoritmo de evolución diferencial y dos técnicas recientes inspiradas en la naturaleza. El nuevo enfoque alcanzó pérdidas más bajas, convergió más rápido y produjo resultados más consistentes entre ejecuciones, especialmente a medida que aumentaba el número de unidades solares y el tamaño del sistema.

Qué significan los resultados para redes locales más limpias

En ambas redes, las distribuciones solares optimizadas redujeron drásticamente las pérdidas de energía—más de dos tercios en comparación con no tener solar bajo cargas elevadas—y elevaron las tensiones mínimas de nuevo a rangos aceptables en todo el sistema. El optimizador basado en el barril no solo encontró soluciones con las pérdidas esperadas más bajas, sino que lo hizo con poca variación entre ejecuciones repetidas, lo que sugiere una fuerte fiabilidad. También requirió menos tiempo de cálculo y memoria que algunos de sus rivales, un punto clave para los planificadores que necesitan estudiar muchos escenarios futuros. En términos sencillos, el estudio muestra que con una mezcla inteligente de modelado simplificado de la incertidumbre y una estrategia de búsqueda cuidadosamente diseñada, las utilities pueden ubicar unidades solares de manera que extraigan mucho más valor de la misma radiación solar manteniendo las redes de barrio estables y eficientes.

Cita: Alqahtani, M.H., Aljumah, A.S., Shaheen, A.M. et al. A barrel theory-based optimization of stochastic PV-DG integration in radial distribution networks under load and solar uncertainties. Sci Rep 16, 14040 (2026). https://doi.org/10.1038/s41598-026-49415-0

Palabras clave: solar en tejados, redes de distribución eléctrica, integración de renovables, optimización de la red, variabilidad solar