“…En un sistema eléctrico, el consumidor final o carga del sistema puede estar relacionado con un cliente individual o grupo de clientes, los cuales tienen un comportamiento variante en el tiempo dentro de la red de distribución [6].…”
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.
“…En un sistema eléctrico, el consumidor final o carga del sistema puede estar relacionado con un cliente individual o grupo de clientes, los cuales tienen un comportamiento variante en el tiempo dentro de la red de distribución [6].…”
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.
“…Sensitivity analysis evaluates the effect of different parameters on the modeling of the volumetric SWC with the LEACHM model [21,40,41]. Sánchez-de-Óleo [21] found that the most highly influencing parameter was the b coefficient of the Campbell equation, and he gave less importance to the a coefficient of the equation. According to this author, the saturated hydraulic conductivity was not a sensitive parameter.…”
Section: Model Calibration and Validationmentioning
confidence: 99%
“…The a coefficient calibration values ranged from −5 to −2 kPa only for the upper layer. The variation ranges chosen for parameters a and b were similar to those used in other calibrations of the LEACHM model [21,41]. The second and the third layer were manually adjusted, according to the a upper coefficient.…”
Section: Model Calibration and Validationmentioning
confidence: 99%
“…Additionally, other statistical parameters were used. The root mean square error (RMSE) evaluated the differences between observed and simulated SWC, the normalized root mean square error (NRMSE) set the differences and compared differences between years, and the agreement index (d) evaluated the model fitting [21,43]:…”
Section: Model Calibration and Validationmentioning
Rainfed Mediterranean agriculture is characterized by low water input and by soil water content below its field capacity during most of the year. However, erratic rainfall distribution can lead to deep drainage. The understanding of soil-water dynamics is essential to prevent collateral impacts in subsuperficial waters by leached pollutants and to implement suitable soil management (e.g., agronomic measures to avoid nitrate leaching). Soil water dynamics during two fallow years and three barley crop seasons was evaluated using the Leaching estimation and chemistry model in a semiarid Mediterranean agricultural system. Model calibration was carried out using soil moisture data from disturbed soil samples and from capacitance probes installed at three depths. Drainage of water from the plots occurred in the fall and winter periods. The yearly low drainage values obtained (<15 mm) indicate that the estimated annual nitrate leaching is also small, regardless of the nature of the fertilizer applied (slurries or minerals). In fallow periods, there is a water recharge in the soil, which does not occur under barley cropping. However, annual fallow included in a winter cereal rotation, high nitrate residual soil concentrations (~80 mg NO3−-N L−1) and a period with substantial autumn-winter rains (70–90 mm) can enhance nitrate leaching, despite the semiarid climate.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.