El creciente uso de fuentes renovables para la generación de energía eléctrica plantea nuevos desafíos para la estabilidad de los sistemas eléctricos de potencia. Este trabajo estudia el impacto de la incorporación de generación renovable (fotovoltaica y eólica) sobre las estabilidades transitoria y de tensión de corto plazo. Para lograrlo, se evalúa la respuesta del sistema obtenida mediante simulación dinámica en una gran cantidad de escenarios operativos ante contingencias n-1 y bajo distintas condiciones de carga y despacho de generación renovable. Se clasifica cada escenario en estable o inestable empleando una metodología basada en el análisis de la evolución del ángulo de los generadores sincrónicos para detectar condición de pérdida de paso y se diferencia el tipo de inestabilidad a través de la acción de control que logra salvar al sistema de la inestabilidad. Este estudio se realiza sobre el sistema IEEE New England de 39 barras en 10.000 estados operativos ante contingencias severas. Los resultados obtenidos muestran que la incorporación de generación renovable aumenta la cantidad de escenarios inestables de corto plazo del sistema eléctrico tanto por tensión como por estabilidad transitoria.
The massive integration of renewable energy sources, such as wind and photovoltaic power, has altered the dynamics of Power Systems (PS), reduced rotational inertia and affected transient stability. To address this challenge, this work applies to an Adaptive Generation Tripping Scheme (AGTS) based on deep learning and PMU measurements to adaptively identify and disconnect in real time the critical generators responsible for instability in a system with high renewable energy penetration. The proposed methodology employs a dynamic database encompassing various operational scenarios and n-1 contingencies to train a hybrid Recurrent Convolutional Neural Network (RCNN) that identifies the generators whose disconnection allows the system to recover stability. The results demonstrate that the model enables the recovery of transient stability with minimal disconnection of conventional generation and response times below 0.5 s, achieving accuracy and effectiveness above 97%, thus confirming its potential for real-time application in systems with high renewable penetration.