Probabilistic reliability analysis of future power systems - survey and example

Evaluación del consumo de energía eléctrica de acuerdo a la arquitectura bioclimático mediante el Modelo ASHRAE y Gauss T-Student

“…A partir de los datos experimentales de temperatura se predicen los coeficientes de tiempo y con qué frecuencia pueda ocurrir el evento. Se puede suponer una función de distribución de densidad que se puede usar para aproximar el valor de tiempo exacto observado [5], [6], [9], [38]. La función de densidad de probabilidad gaussiano con respecto a un valor medio y una deviación estándar se define con la ecuación (1) para modelar la incertidumbre a partir de la variación de temperatura.…”

“…Probabilidad de éxito La ecuación (6), describe la cantidad de muestras están contenidas por la probabilidad de éxito. Conociendo el tamaño de la muestra de temperaturas, y la probabilidad de éxito, se puede estimar el tiempo de que ocurra el evento de temperaturas [5]- [7], si se encuentran dentro del mismo intervalo, se obtiene con certeza la cantidad de tiempo dentro de una región de aceptación. Esta región de aceptación viene determinada por valores extremos de confianza, que corresponden a valores limites dados por:…”

“…La presente investigación se estudia el consumo de energía eléctrica de acuerdo a la arquitectura bioclimática de la región, además esta investigación es parte de la unidad de titulación y se presentan resultados a fondo, donde se propone el modelo Gauss T-Student, para sistemas óptimos de confort en función a la arquitectura bioclimática y el uso de acondicionadores de aire dentro del sectores comerciales [1]- [4]. Los métodos probabilísticos proporcionan información real sobre el comportamiento de un sistema y manejan gran cantidad de datos, como una forma de manejar incertidumbres [5], [6], además se aplica en distribuciones de variables continuas como temperatura y tiempo. Otros autores proponen como métodos para estimar el consumo de energía eléctrica por efecto de datos climáticos como cuadratura de Gauss, regresión lineal, regresión polinomial, probabilidad Kullback-Leibler, calculo integral bajo la curva y mecanismos de predicted Mean Vote para determinar el aumento de la demanda eléctrica para satisfacer las necesidades de confort [7]- [9].…”