Microrredes
Dilan Ávila, Universidad Técnica Luis Vargas Torres (UTELVT), Esmeraldas – Ecuador
Resumen – Se entiende como microrred eléctrica a aquel
"sistema de generación eléctrica bidireccional que permite la
distribución de electricidad desde los proveedores hasta los
consumidores, utilizando tecnología digital y favoreciendo la
integración de las fuentes de generación de origen renovable, con
el objetivo de ahorrar energía, reducir costes e incrementar la
fiabilidad". Los elementos de los que consta una micro red
inteligente son: sistemas de generación distribuida; sistemas de
almacenamiento de energía; técnicas para la gestión de cargas;
sistemas de monitorización y control del flujo de potencia; y
técnicas y procedimientos de mantenimiento preventivo.
Índices – microrred, generación eléctrica, tecnología digital,
renovable, mantenimiento, flujo de potencia.
I. ¿QUÉ SON LAS MICRORREDES?
El CERTS define la microrred como una agregación de
cargas y micro generadores operando como un sistema único
que provee tanto energía eléctrica como energía térmica. Una
definición más exhaustiva es la que se da dentro del proyecto
“Microgrids” del VI Programa Marco: “Las microrredes
comprenden sistemas de distribución en baja tensión junto con
fuentes de generación distribuida, así como dispositivos de
almacenamiento. La microrred puede ser operada tanto en
modo no autónomo como autónomo.
La operación de sus elementos puede proporcionar
beneficios globales al sistema si se gestionan y coordinan de
manera eficiente”. Dentro de la óptica de la red principal una
microrred puede observarse como una entidad controlada que
puede ser operada como sí de una única carga o generador
agregado se tratase y que, si fuera económicamente viable,
podría funcionar como fuente de energía a incorporar a la red
o como un medio para proporcionar servicios auxiliares que
contribuyese a la estabilidad y regulación de la red principal.
Fig. 1 Esquema básico de una microred eléctrica.
Además el impacto externo de la microrred en la red de
distribución externa es mínimo siempre que dentro de la
microrred se consiga el equilibrio entre generación y consumo,
a pesar de disponer de un nivel de generación potencialmente
significativo de fuentes de energía intermitentes. Así pues, con
la adopción del sistema de microrredes se incrementa la
penetración de las energías renovables dentro del sistema de
distribución.
Las microrredes se componen básicamente de los siguientes
elementos:
 Una red de distribución en baja tensión en la que se
conectan una serie de fuentes de energía distribuidas
para proporcionar electricidad y calor a un conjunto
de consumidores.
 Una infraestructura de comunicación local.
 Un sistema jerárquico de control y gestión.
 Sistemas de almacenamiento de energía.
 Controladores inteligentes para cargas y consumos.
II. ¿QUÉ ES EL PROGRAMA 6AMS-SCENRE02?
El Espectrómetro Magnético Alpha, también designado AMS-
02, es un módulo experimental de física de partículas  que será
instalado en la Estación Espacial Internacional. Fue diseñado
para detectar varias clases de materia exótica mediante la
medición de rayos cósmicos. Sus instrumentos ayudarán a los
científicos a estudiar la formación del Universo y a
detectar materia oscura y antimateria.
III. ¿EN QUÉ CONSISTE UN MODELO HEURÍSTICO?
El modelo heurísticos es el modelo matemático que es
considerado como el proceso que viene como resultado de los
diferentes métodos empíricos (modelos matemáticos), los
cuales casi siempre brindan una solución que es capaz de
poder resolver el problema planteado. El modelo heurístico es
conocido también como proceso heurístico, el cual se realiza a
diario en cualquier acción que se haga durante todo el tiempo
diariamente, como por ejemplo el tomar la decisión de que
camino se escogerá para llegar al centro de labores.
Dentro de un modelo matemático de este tipo no es
necesario analizar la información completa, así como tampoco
es necesario obtener al final la respuesta óptima, ya que este
modelo solo se encuentra basado en la previa experiencia y el
conocimiento anterior que se llega a tener.
En sí, para tener más claro un modelo heurístico es aquel
modelo que se llega a plantear a partir de la clase de
comportamiento de las distintas variables intertemporales o a
las diferentes series de datos, siendo así que todos los modelos
de regresión son considerados como modelos matemáticos
heurísticos. Por ejemplo se tiene que:
 Yt = A + B*Xt (1)
Donde:
Yt= Es la variable dependiente que se va a explicar a partir de
otra.
Xt= Es la variable independiente.
A= Es la constante del modelo en el hipotético evento de que
Xt = 0.
B= Es la pendiente o cociente de apalancamiento del modelo.  introductorios de Investigación de Operaciones y donde la
Se tiene entendido que existen dos modelos matemáticos
heurísticos, estos son:
A. - El modelo matemático heurístico.
Que cuenta con determinaciones distintas (como las
internas y las externas), ambas bajo el concepto de matriz
disciplinaria de Kuhn, la cual se basa en la articulación de tres
modalidades de prácticas académicas:  diferentes del promedio.
 Las modalidades de investigación, académica y
empresarial.
 Las modalidades de aplicación, conocidas como las
del conocimiento o de la profesión.
 Las modalidades de reproducción del conocimiento o
de la formación universitaria. 
 Las modalidades prácticas, se dividen en los
subcampos que son los científicos, profesionales
y educativos.
B. - El segundo modelo heurístico
Propone nueve procesos para estructurar operaciones dentro
de un contexto de tres dimensiones, los cuales son el cultural,
la política y la económica, así como también en tres diferentes
escalas que vienen a ser la sociocultural, la institucional y la
individual. 
 La escala sociocultural, que comprenden procesos de
asimilación/acomodación del sentido del campo y de
las prácticas. 
 La escala institucional, anticipa los procesos de
especialización de la producción científica.  en modelos de programación matemática afecta la factibilidad
 La escala individual, planea los procesos de
profesionalización, de formación/conformación.
Fig. 2 ciclo heurístico.
IV. ¿QUÉ ES UN MODELO DE PROGRAMACIÓN ESTOCÁSTICA?
La Programación Estocástica reúne aquellos modelos de
optimización en donde uno o más parámetros del problema
son modelados a través de variables aleatorias. Una manera de
enfrentar esta aleatoriedad consiste en reemplazar los
parámetros aleatorios por su valor esperado, lo cual lleva a
resolver un problema determinístico de programación
matemática, los cuales son de especial interés en cursos
variabilidad inherente a los parámetros se aborda a través
del Análisis de Sensibilidad o Post-optimal.
No obstante, la solución obtenida de esta manera puede no
ser representativa de la realidad, al no considerar la dispersión
de los valores que toman los parámetros en torno al valor
esperado, lo cual entre otras cosas puede invalidar su
implementación al resultar finalmente escenarios muy
De este modo y en general, una forma de incorporar esta
situación de incertidumbre es considerar un número finito de
posibles realizaciones o escenarios para los parámetros
aleatorios.
Fig. 3 divisiones de la programación matemática.
El impacto de la incorporación explicita de la incertidumbre
y optimalidad del sistema en estudio. En efecto, la solución
que entrega la resolución de un modelo determinista que
considera reemplazar los parámetros aleatorios por su valor
esperado, puede ser infactible para un escenario en particular.
En este contexto la connotación que tiene el
término factibilidad en programación estocástica es más
extensa que en el caso determinista, debido a que no se puede
garantizar que la solución del modelo estocástico sea factible
para todas las posibles realizaciones de la variable aleatoria.
Frecuentemente se incluye términos de penalización en la
función objetivos que castigan estas posibles infactibilidades
ponderada por un cierto costo según se constata.
En cuanto al impacto que tiene la incertidumbre sobre
la optimalidad del modelo formulado se puede observar que a
mayor variabilidad de los parámetros aleatorios, el valor que
alcanza la función objetivo varía en torno a una media en
mayor magnitud. En este sentido la literatura reúne una serie
de indicadores que cuantifica este impacto de la incorporación
explícita de la incertidumbre en la formulación del modelo y
permite al tomador de decisiones dilucidar el real impacto de
ésta.
C. Clasificación de los modelos de Programación
Estocástica.
Los modelos de optimización estocástica se dividen en dos
grandes categorías, estos son: Modelos con Restricciones
Probabilísticas y Modelos con Recurso. Una referencia
general al respecto lo constituye un tutorial desarrollado por
Sen y Higle (1999) sobre programación estocástica para el
caso lineal y libros como el de Birge y Louveaux (1997).
horas de baja tensión, incluyendo el despacho de las baterías
en las barras aguas arriba y aguas abajo.
Quizás el punto más importante al desarrollar el presente
modelo y algoritmo, es la determinación y cumplimiento de
las restricciones para lograr minimizar la función objetivo.
VI. REFERENCIAS.
Libro:
[1] Sen, S. and Higle, J.L. (1999). Introductory Tutorial on Stochastic
Linear Programming Models. Interfaces 29, No.2, 33-61.
[2] (Birge, J and Louveaux, F (1997). Introduction to Stochastic
Programming, Springer – Verlag, New York, USA).

[3] A. Elrayyah, Y. Sozer, and M. E. Elbuluk, “A novel load-flow analysis

for stable and optimized microgrid operation,” IEEE Trans. Power
Deliv., vol. 29, no. 4, pp. 1709–1717, 2014.

Fig. 4 divisiones de la programación estocástica.

D. Modelos con Recursos en 2 Etapas.

En un modelo con recurso en dos etapas se pueden
distinguir aquellas variables de decisión que son
implementadas antes de la realización particular del parámetro
aleatorio denominadas de primera etapa o here and now, que
se debe tomar antes de conocer la realización de la variable
aleatoria, es decir que se escoge tomando en cuenta la
aleatoriedad de los parámetros, pero cuyo valor es
independiente de la realización particular que finalmente vaya
a tomar dicha variable aleatoria. Las variables de primera
etapa pueden ser vistas como decisiones proactivas y están
asociadas frecuentemente a decisiones estratégicas como la
planificación  y expansión de sistemas de producción.
En tanto las variables que son determinadas una vez
conocida la realización particular de la variable aleatoria son
llamadas de segunda etapa o de recurso, es decir, su valor es
tomado en respuesta al medio. En este sentido las variables de
segunda etapa son de naturaleza reactiva y generalmente están
asociadas a decisiones operativas.

V. CONCLUSIONES.
La metodología de solución utilizada es la programación
dinámica, es decir, incluye el método iterativo de resolución
de flujos de potencia. Consecuentemente, el modelo incorpora
pérdidas, en ventaja a otros modelos detallados en artículos
científicos de la sección referencias.
En relación a la regulación de voltaje, el modelo
efectivamente controla y corrige los niveles de voltaje en las