En el presente artículo se presenta el estudio de la estimación de demanda de una estación de carga de vehículos eléctricos basado en el uso de simulación de Montecarlo. La modelación del sistema eléctrico se lo realiza a través del software de PowerFactory, por otra parte, para el desarrollo de las simulaciones de Montecarlo y el procesamiento de la información, se lo realiza a través del uso del software de Python. El análisis en general está enfocado en determinar el impacto de la integración de vehículos eléctricos en la red eléctrica, de forma que se generan escenarios que emulen la operación de la electrolinera, teniendo en cuenta la demanda de vehículos eléctricos dentro de sus puntos de carga, de forma que se generan escenarios aleatorios considerando el número de vehículos conectados y el porcentaje de carga de los vehículos. Otro aspecto que se considera es la integración de sistemas de generación fotovoltaica, de forma que se realiza el análisis de su impacto en la operación de la red eléctrica teniendo en cuenta la operación aleatoria de la electrolinera.

This paper presents an optimal sizing strategy for a hybrid generation system combining photovoltaic (PV) and energy storage systems. To achieve this, the optimization problem is solved using the simplex method for linear programming, implemented through Python. The model considers test data on electrical energy demand and solar irradiation, alongside battery operating conditions such as state of charge (SOC) and upper and lower charge limits as key decision variables. Conventional PV system sizing serves as a benchmark to assess the effectiveness of the optimization, with particular attention given to the computational resources required for problem solving.The results obtained from the optimization method demonstrate a substantial improvement in the utilization of energy resources, both from the photovoltaic system and the energy storage system. This approach enabled the design of an optimized system based on the proposed model, which was further refined using Matlab/Simulink.

Optimal scheduling of charging and discharging in V2G systems constitutes a highly complex optimization problem due to its nonlinear, mixed-integer, and multi-objective nature. This article proposes a hybrid local-global optimization methodology for scheduling charging/discharging processes in the context of Vehicle-to-Grid (V2G). The proposed methodology integrates a global convex optimization stage, which guarantees feasibility and optimization with respect to the constraints of the entire system (charging limits and energy cost minimization), with a local optimization stage, which adjusts the charging schedules of each vehicle based on personalized constraints (individual battery status and user preferences). The methodology explicitly incorporates scalability for short-term scheduling horizons relevant to daily and intraday operation. A comparative analysis is conducted across local and global methods under an operating scenario.

El presente artículo se enfoca en el uso de la herramienta de co-simulación a través del Protocolo de comunicación OPC en su variante de data adquisition (DA), para integrar los modelos de Matlab/Simulink y PowerFactory. De manera que en el entorno de Matlab se modela un enlace HVDC y en PowerFactory se dispone del modelo de 39 barras. Teniendo operativo este entorno de co-simulación se procede a realizar pruebas dinámicas de funcionamiento del enlace, consecuentemente se puede determinar el rendimiento de los controladores sobre cada una de las estaciones del enlace.