Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia

En los últimos años, Colombia ha avanzado en un proceso de transición energética orientado hacia fuentes renovables a gran escala. Sin embargo, la expansión y desarrollo de los sistemas eléctricos, tradicionalmente basados en estas soluciones de generación y en sistemas de transmisión para manejar e...

Full description

Autores:
Cantillo Luna, Sergio Alejandro
Tipo de recurso:
Doctoral thesis
Fecha de publicación:
2024
Institución:
Universidad Autónoma de Occidente
Repositorio:
RED: Repositorio Educativo Digital UAO
Idioma:
spa
OAI Identifier:
oai:red.uao.edu.co:10614/15979
Acceso en línea:
https://hdl.handle.net/10614/15979
https://red.uao.edu.co/
Palabra clave:
Doctorado en Ingeniería
Descentralización
Mercados de energía
Pronóstico
Recursos Energéticos Distribuidos
Toma de decisiones
Transición energética
Decentralization
Decision making
Distributed energy resources
Energy markets
Energy transition
Forecasting
Rights
openAccess
License
Derechos reservados - Universidad Autónoma de Occidente, 2024
id REPOUAO2_0cfc9b41425dbb69779f909c73f818db
oai_identifier_str oai:red.uao.edu.co:10614/15979
network_acronym_str REPOUAO2
network_name_str RED: Repositorio Educativo Digital UAO
repository_id_str
dc.title.spa.fl_str_mv Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia
title Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia
spellingShingle Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia
Doctorado en Ingeniería
Descentralización
Mercados de energía
Pronóstico
Recursos Energéticos Distribuidos
Toma de decisiones
Transición energética
Decentralization
Decision making
Distributed energy resources
Energy markets
Energy transition
Forecasting
title_short Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia
title_full Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia
title_fullStr Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia
title_full_unstemmed Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia
title_sort Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia
dc.creator.fl_str_mv Cantillo Luna, Sergio Alejandro
dc.contributor.advisor.none.fl_str_mv Moreno Chuquen, Ricardo
Celeita Rodríguez, David, asesor
dc.contributor.author.none.fl_str_mv Cantillo Luna, Sergio Alejandro
dc.contributor.corporatename.spa.fl_str_mv Universidad Autónoma de Occidente
dc.contributor.jury.none.fl_str_mv Pozo Cámara, David
Oliveros Pantoja, Ingrid
Muñoz Maldonado, Yesid Alfonso
dc.subject.proposal.spa.fl_str_mv Doctorado en Ingeniería
Descentralización
Mercados de energía
Pronóstico
Recursos Energéticos Distribuidos
Toma de decisiones
Transición energética
topic Doctorado en Ingeniería
Descentralización
Mercados de energía
Pronóstico
Recursos Energéticos Distribuidos
Toma de decisiones
Transición energética
Decentralization
Decision making
Distributed energy resources
Energy markets
Energy transition
Forecasting
dc.subject.proposal.eng.fl_str_mv Decentralization
Decision making
Distributed energy resources
Energy markets
Energy transition
Forecasting
description En los últimos años, Colombia ha avanzado en un proceso de transición energética orientado hacia fuentes renovables a gran escala. Sin embargo, la expansión y desarrollo de los sistemas eléctricos, tradicionalmente basados en estas soluciones de generación y en sistemas de transmisión para manejar estas cantidades de energía, han migrado hacia nuevas formas de producción y consumo de energía, a pequeña escala, y cercanas a los centros de consumo, como el caso de los recursos energéticos distribuidos (DER). La integración efectiva de estos recursos en todos los niveles del sector eléctrico en el país aun representa desafíos técnicos, económicos y regulatorios significativos. Esta tesis doctoral aborda estos desafíos, identificando oportunidades y requisitos que faciliten la incorporación de los DER en el sector energético, a través de los mercados de energía como mecanismo de integración. El propósito principal de esta investigación es desarrollar un conjunto integral de herramientas computacionales para la participación de varios tipos de DER y nuevos actores en los mercados de energía, promoviendo una transición energética más descentralizada en el país. La metodología empleada combina distintos enfoques de investigación (analítico, experimental, mixto), dada la naturaleza de la información y actividades a desarrollar, abordando estos desafíos desde múltiples perspectivas. Se utilizan técnicas avanzadas de inteligencia artificial, optimización, análisis de big data, así como de modelado y simulación de sistemas complejos para capturar la dinámica de los DER y su interacción con el sistema eléctrico. Además, se incorporan consideraciones regulatorias y tecnológicas que garantizar la viabilidad y sostenibilidad de las soluciones propuestas. Los resultados incluyen un marco tecnológico y normativo integral para la participación de los DER en distintas modalidades de mercados energéticos en el país, de acuerdo con los grados de madurez de cada tecnología DER, así como el diseño y desarrollo de herramientas computacionales en distintas tareas identificadas como el pronóstico, el manejo de la incertidumbre, y la toma de decisiones para la gestión de los DER, buscando maximizar los beneficios asociados a esta integración. Esta tesis sienta un precedente valioso, abriendo el camino para futuros desarrollos innovadores en este campo de acción en el contexto colombiano.
publishDate 2024
dc.date.issued.none.fl_str_mv 2024-09-27
dc.date.accessioned.none.fl_str_mv 2025-02-21T16:28:28Z
dc.date.available.none.fl_str_mv 2025-02-21T16:28:28Z
dc.type.spa.fl_str_mv Trabajo de grado - Doctorado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.eng.fl_str_mv http://purl.org/coar/resource_type/c_db06
dc.type.content.eng.fl_str_mv Text
dc.type.driver.eng.fl_str_mv info:eu-repo/semantics/doctoralThesis
dc.type.redcol.eng.fl_str_mv http://purl.org/redcol/resource_type/TD
dc.type.version.eng.fl_str_mv info:eu-repo/semantics/publishedVersion
format http://purl.org/coar/resource_type/c_db06
status_str publishedVersion
dc.identifier.citation.spa.fl_str_mv Cantillo Luna, S. A. (2024). Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15979
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/10614/15979
dc.identifier.instname.spa.fl_str_mv Universidad Autónoma de Occidente
dc.identifier.reponame.spa.fl_str_mv Respositorio Educativo Digital UAO
dc.identifier.repourl.none.fl_str_mv https://red.uao.edu.co/
identifier_str_mv Cantillo Luna, S. A. (2024). Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15979
Universidad Autónoma de Occidente
Respositorio Educativo Digital UAO
url https://hdl.handle.net/10614/15979
https://red.uao.edu.co/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv [1] M. Asif, “Introduction to the four-dimensional energy transition,” The 4Ds of Energy Transition: Decarbonization, Decentralization, Decreasing Use and Digitalization, pp. 1–10, 2022. [En línea]. Disponible en: https://doi.org/10.1002/9783527831425.ch1 [2] K. Rajendran et al., “Energy transition landscape: Landscape approach for pollution-generating large-scale industries,” in Handbook of Research on Issues, Challenges, and Opportunities in Sustainable Architecture. IGI Global, 2022, pp. 248–282. [En línea]. Disponible en: https://doi.org/10.4018/978-1-6684-5119-9.ch012 [3] F. Bellizio, W. Xu, D. Qiu, Y. Ye, D. Papadaskalopoulos, J. L. Cremer, F. Teng, and G. Strbac, “Transition to digitalized paradigms for security control and decentralized electricity market,” Proceedings of the IEEE, 2022. [En línea]. Disponible en: https://doi.org/10.1109/JPROC.2022.3161053 [4] P. F. Borowski, “Digital transformation and prosumers activities in the energy sector,” in Intelligent Systems in Digital Transformation: Theory and Applications. Springer, 2022, pp. 129–150. [En línea]. Disponible en: https://doi.org/10.1007/978-3-031-16598-6_6 [5] D. Çelık, M. E. Meral, and M. Waseem, “A new area towards to digitalization of energy systems: Enables, challenges and solutions,” in 2022 14th International Conference on Electronics, Computers and Artificial Intelligence (ECAI). IEEE, 2022, pp. 1–6. [En línea]. Disponible en: https://doi.org/10.1109/ECAI54874.2022.9847313 [6] K. Hargroves, B. James, J. Lane, and P. Newman, “The role of distributed energy resources and associated business models in the decentralised energy transition: A review,” Energies, vol. 16, no. 10, p. 4231, 2023. [En línea]. Disponible en: https://doi.org/10.3390/en16104231 [7] K. Christakou, “A unified control strategy for active distribution networks via demand response and distributed energy storage systems,” Sustainable Energy, Grids and Networks, vol. 6, pp. 1–6, 2016. [En línea]. Disponible en: https://doi.org/10.1016/j.segan.2016.01.001 [8] A. Anisie, E. Ocenic, and F. Boshell, “Market integration of distributed energy resources: Innovation landscape brief,” IRENA Innovation and Technology Centre, Abu Dhabi, UAE, 2019. [En línea]. Disponible en: https://www.irena.org/-/media/ Files/IRENA/Agency/Publication/2019/Feb/IRENA_Market_integration_distributed_syste m_2019.pdf [9] J. Benavides, A. Cadena, and J. J. González, Mercado eléctrico en Colombia: transición hacia una arquitectura descentralizada. Bogotá: Fedesarrollo, Oct 2018. [En línea]. Disponible en: https://www.repository.fedesarrollo.org.co/bitstream/handle/ 11445/3673/Repor_Octubre_2018_Benavides_y_Cadena.pdf [10] Congreso de Colombia, “Integración de las energías renovables no convencionales al sistema energético nacional,” Ley 1715, 13 May 2014. [En línea]. Disponible en: https://www.upme.gov.co/Normatividad/Nacional/2014/LEY_1715_2014.pdf [11] ——, “Transición energética, dinamización del mercado energético y reactivación económica del país,” Ley 2099, 20 Jul 2021. [En línea]. Disponible en: https://dapre.presidencia.gov.co/normativa/normativa/LEY%202099%20DEL% 20 10%20DE%20JULIO%20DE%202021.pdf [12] M. A. Planas-Marti, “Colombia, un ejemplo regional de transición energética,” Feb 2021. [En línea]. Disponible en: https://blogs.iadb.org/energia/es/colombia-unejemplo-regional-de-transicion-energetica/ [13] Ministerio de Minas y Energía, “Lineamientos de Política de Recursos Energéticos Distribuidos y Areneras Regulatorias,” Ministerio de Minas y Energía, Bogotá. Anexo técnico de la memoria justificativa, Nov 2021. [En línea]. Disponible en: https://www.minenergia.gov.co/documents/6322/11261121_MJ1_Lineamientos_i ncorporaci%C3% B3n_de_los_recursos_energ%C3%A9ticos_distribuidos.pdf [14] ——, “Lineamientos para la incorporación de los recursos energéticos distribuidos,” Resolución 40283, 3 Ago 2022. [En línea]. Disponible en: https: //normativame.minenergia.gov.co/normatividad/6224/norma/ [15] P. Corredor, U. Helman, D. Jara, and F. A. Wolak, “Informe final foco 1 – competencia, participación y estructura del mercado eléctrico,” Banco Interamericano de Desarrollo, Reporte Técnico, Abr 2020. [En línea]. Disponible en: https://www.minenergia.gov.co/documents/10192/24202647/Foco +1++Espa%C3 %B1ol+Informe+Final.pdf [16] J. Garcia, V. Giraldo, and S. Montoya, “Principales barreras para la generación distribuida: Evidencia a partir de una revisión de literatura (main barriers for the distributed generation: Evidence from a review),” SSRN 3770244, 2021. [En línea]. Disponible en: https://dx.doi.org/10.2139/ssrn.3770244 [17] R. Ahmed, V. Sreeram, Y. Mishra, and M. Arif, “A review and evaluation of the state-of-the-art in PV solar power forecasting: Techniques and optimization,” Renewable and Sustainable Energy Reviews, vol. 124, p. 109792, 2020. [En línea]. Disponible en: https://doi.org/10.1016/j.rser.2020.109792 [18] P. Gupta and R. Singh, “PV power forecasting based on data-driven models: a review,” International Journal of Sustainable Engineering, vol. 14, no. 6, pp. 1733–1755, 2021. [En línea]. Disponible en: https://doi.org/10.1080/19397038.2021.1986590 [19] P. K. Tiwari and M. K. Yadav, “Design simulation and review of solar PV power forecasting using computing techniques,” International Journal on Recent Technologies in Mechanical and Electrical Engineering, vol. 9, no. 5, pp. 18–27, 2022. [En línea]. Disponible en: https://doi.org/10.17762/ijrmee.v9i3.370 [20] Y.-K. Wu, C.-L. Huang, Q.-T. Phan, and Y.-Y. Li, “Completed review of various solar power forecasting techniques considering different viewpoints,” Energies, vol. 15, no. 9, p. 3320, 2022. [En línea]. Disponible en: https://doi.org/10.3390/en15093320 [21] W.-C. Tsai, C.-S. Tu, C.-M. Hong, and W.-M. Lin, “A review of state-of-the-art and short-term forecasting models for solar PV power generation,” Energies, vol. 16, no. 14, p. 5436, 2023. [En línea]. Disponible en: https://doi.org/10.3390/en16145436 [22] P. N. L. Mohamad Radzi, M. N. Akhter, S. Mekhilef, and N. Mohamed Shah, “Review on the application of photovoltaic forecasting using machine learning for very short-to long-term forecasting,” Sustainability, vol. 15, no. 4, p. 2942, 2023.[En línea]. Disponible en: https://doi.org/10.3390/su15042942 [23] S. Atique, S. Noureen, V. Roy, V. Subburaj, S. Bayne, and J. Macfie, “Forecasting of total daily solar energy generation using arima: A case study,” in 2019 IEEE 9th annual computing and communication workshop and conference (CCWC). IEEE, 2019, pp. 0114–0119. [En línea]. Disponible en: https://doi.org/10.1109/CCWC.2019.8666481 [24] D.-H. Lee, A. Jung, J.-Y. Kim, C. K. Kim, H.-G. Kim, and Y.-S. Lee, “Solar power generation forecast model using seasonal arima,” Journal of the Korean Solar Energy Society, vol. 39, no. 3, pp. 59–66, 2019. [En línea]. Disponible en: http://dx.doi.org/10.7836/kses.2019.39.3.059 [25] A. Shadab, S. Ahmad, and S. Said, “Spatial forecasting of solar radiation using arima model,” Remote Sensing Applications: Society and Environment, vol. 20, p. 100427, 2020. [En línea]. Disponible en: https://doi.org/10.1016/j.rsase.2020.100427 [26] S. Pasari and A. Shah, “Time series auto-regressive integrated moving average model for renewable energy forecasting,” in Enhancing Future Skills and Entrepreneurship: 3rd Indo-German Conference on Sustainability in Engineering. Springer International Publishing Cham, 2020, pp. 71–77. [En línea]. Disponible en: https://doi.org/10.1007/978-3-030-44248-4_7 [27] B. Singh and D. Pozo, “A guide to solar power forecasting using arma models,” in 2019 IEEE PES Innovative Smart Grid Technologies Europe (ISGT-Europe). IEEE, 2019, pp. 1–4. [En línea]. Disponible en: https://doi.org/10.1109/ ISGTEurope.2019.8905430 [28] J. Boland, M. David, and P. Lauret, “Short term solar radiation forecasting: Island versus continental sites,” Energy, vol. 113, pp. 186–192, 2016. [En línea]. Disponible en: https://doi.org/10.1016/j.energy.2016.06.139 [29] P. De Falco, L. P. Di Noia, and R. Rizzo, “Exponential smoothing model for photovoltaic power forecasting,” in 2021 9th International Conference on Modern Power Systems (MPS). IEEE, 2021, pp. 1–5. [En línea]. Disponible en: https://doi.org/10.1109/MPS52805.2021.9492538 [30] V. Margaret and J. Jose, “Exponential smoothing models for prediction of solar irradiance,” International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering, vol. 4, no. 2, pp. 1133–1139, 2015. [En línea]. Disponible en: http://www.ijareeie.com/upload/2015/february/83_Exponential.pdf [31] D. Yang, V. Sharma, Z. Ye, L. I. Lim, L. Zhao, and A. W. Aryaputera, “Forecasting of global horizontal irradiance by exponential smoothing, using decompositions,” Energy, vol. 81, pp. 111–119, 2015. [En línea]. Disponible en: https://doi.org/10.1016/j.energy.2014.11.082 [32] C. Yang and L. Xie, “A novel arx-based multi-scale spatio-temporal solar power forecast model,” in 2012 North American Power Symposium (NAPS). IEEE, 2012, pp. 1–6. [En línea]. Disponible en: https://doi.org/10.1109/NAPS.2012.6336383 [33] V. L. G. d. Silva, D. Oliveira Filho, J. C. Carlo, and P. N. Vaz, “An approach to solar radiation prediction using arx and armax models,” Frontiers in Energy Research, vol. 10, p. 822555, 2022. [En línea]. Disponible en: https://doi.org/10.3389/fenrg.2022.822555 [34] O. Doelle, I. Kalysh, A. Amthor, and C. Ament, “Comparison of intraday probabilistic forecasting of solar power using time series models,” in 2021 International Conference on Smart Energy Systems and Technologies (SEST). IEEE, 2021, pp. 1–6. [En línea]. Disponible en: https://doi.org/10.1109/SEST50973.2021.9543286 [35] I. Sansa, Z. Boussaada, and N. M. Bellaaj, “Solar radiation prediction using a novel hybrid model of arma and narx,” Energies, vol. 14, no. 21, p. 6920, 2021. [En línea]. Disponible en: https://doi.org/10.3390/en14216920 [36] F. Wang, Z. Zhen, B. Wang, and Z. Mi, “Comparative study on knn and svm based weather classification models for day ahead short term solar PV power forecasting,” Applied Sciences, vol. 8, no. 1, p. 28, 2017. [En línea]. Disponible en: https://doi.org/10.3390/app8010028 [37] H. Zhou, Y. Zhang, L. Yang, and Q. Liu, “Short-term photovoltaic power forecasting based on stacking-svm,” in 2018 9th International Conference on Information Technology in Medicine and Education (ITME). IEEE, 2018, pp. 994– 998. [En línea]. Disponible en: https://doi.org/10.1109/ITME.2018.00221 [38] L. Wang, Y. Liu, T. Li, X. Xie, and C. Chang, “The short-term forecasting of asymmetry photovoltaic power based on the feature extraction of PV power and svm algorithm,” Symmetry, vol. 12, no. 11, p. 1777, 2020. [En línea]. Disponible en: https://doi.org/10.3390/sym12111777 [39] H. Mo, Y. Zhang, Z. Xian, and H. Wang, “Photovoltaic (PV) power prediction based on abc-svm,” in IOP Conference Series: Earth and Environmental Science, vol. 199, no. 5. IOP Publishing, 2018, p. 052031. [En línea]. Disponible en: https://iopscience.iop.org/article/10.1088/1755-1315/199/5/052031/pdf [40] W. VanDeventer, E. Jamei, G. S. Thirunavukkarasu, M. Seyedmahmoudian, T. K. Soon, B. Horan, S. Mekhilef, and A. Stojcevski, “Short-term PV power forecasting using hybrid gasvm technique,” Renewable energy, vol. 140, pp. 367–379, 2019.[En línea]. Disponible en: https://doi.org/10.1016/j.renene.2019.02.087 [41] M. W. Ahmad, M. Mourshed, and Y. Rezgui, “Tree-based ensemble methods for predicting PV power generation and their comparison with support vector regression,” Energy, vol. 164, pp. 465–474, 2018. [En línea]. Disponible en: https://doi.org/10.1016/j.energy.2018.08.207 [42] I. Arora, J. Gambhir, and T. Kaur, “Solar irradiance forecasting using decision tree and ensemble models,” in 2020 Second International Conference on Inventive Research in Computing Applications (ICIRCA). IEEE, 2020, pp. 675– 681. [En línea]. Disponible en: https://doi.org/10.1109/ICIRCA48905.2020.9182876 [43] J. Wang, P. Li, R. Ran, Y. Che, and Y. Zhou, “A short-term photovoltaic power prediction model based on the gradient boost decision tree,” Applied Sciences, vol. 8, no. 5, p. 689, 2018. [En línea]. Disponible en: https://doi.org/10.3390/app8050689 [44] N. A. Ramli, M. F. A. Hamid, N. H. Azhan, and M. A. A.-S. Ishak, “Solar power generation prediction by using k-nearest neighbor method,” in AIP Conference Proceedings, vol. 2129, no. 1. AIP Publishing, 2019. [En línea]. Disponible en: http://dx.doi.org/10.1063/1.5118124 [45] N. Tang, S. Mao, Y. Wang, and R. Nelms, “Solar power generation forecasting with a lasso-based approach,” IEEE Internet of Things Journal, vol. 5, no. 2, pp. 1090–1099, 2018. [En línea]. Disponible en: https://doi.org/10.1109/JIOT.2018.2812155 [46] K. Mahmud, S. Azam, A. Karim, S. Zobaed, B. Shanmugam, and D. Mathur, “Machine learning based PV power generation forecasting in alice springs,” IEEE Access, vol. 9, pp. 46 117–46 128, 2021. [En línea]. Disponible en: https://doi.org/10.1109/ACCESS.2021.3066494 [47] M. K. Park, J. M. Lee, W. H. Kang, J. M. Choi, and K. H. Lee, “Predictive model for PV power generation using rnn (lstm),” Journal of Mechanical Science and Technology, vol. 35, no. 2, p. 795–803, feb 2021. [En línea]. Disponible en: https://doi.org/10.1007/s12206-021-0140-0 [48] V. Kusuma, A. Privadi, A. L. Setya Budi, and V. L. Budiharto Putri, “Photovoltaic power forecasting using recurrent neural network based on bayesian regularization algorithm,” in 2021 IEEE International Conference in Power Engineering Application (ICPEA), mar 2021, p. 109–114. [En línea]. Disponible en: 10.1109/ICPEA51500.2021.9417833 [49] H. Chen and X. Chang, “Photovoltaic power prediction of lstm model based on pearson feature selection,” Energy Reports, vol. 7, pp. 1047–1054, 2021. [Online]. Disponible en: https://doi.org/10.1016/j.egyr.2021.09.167 [50] H. K. Ahn and N. Park, “Deep rnn-based photovoltaic power short-term forecast using power iot sensors,” Energies, vol. 14, no. 2, p. 436, 2021. [En línea]. Disponible en: https://doi.org/10.3390/en14020436 [51] M. Beigi, H. Beigi Harchegani, M. Torki, M. Kaveh, M. Szymanek, E. Khalife, and J. Dziwulski, “Forecasting of power output of a pvps based on meteorological data using rnn approaches,” Sustainability, vol. 14, no. 5, p. 3104, 2022. [En línea]. Disponible en: https://doi.org/10.3390/su14053104 [52] C.-H. Liu, J.-C. Gu, and M.-T. Yang, “A simplified lstm neural networks for one day-ahead solar power forecasting,” IEEE Access, vol. 9, p. 17174–17195, 2021. [En línea]. Disponible en: https://doi.org/10.1109/ACCESS.2021.3053638 [53] M. Konstantinou, S. Peratikou, and A. G. Charalambides, “Solar photovoltaic forecasting of power output using lstm networks,” Atmosphere, vol. 12, no. 1, p. 124, 2021. [En línea]. Disponible en: https://doi.org/10.3390/atmos12010124 [54] G. Etxegarai, A. López, N. Aginako, and F. Rodríguez, “An analysis of different deep learning neural networks for intra-hour solar irradiation forecasting to compute solar photovoltaic generators’ energy production,” Energy for Sustainable Development, vol. 68, p. 1–17, jun 2022. [En línea]. Disponible en: https://www.sciencedirect.com/science/article/pii/S0973082622000230 [55] J. Sharma, S. Soni, P. Paliwal, S. Saboor, P. K. Chaurasiya, M. Sharifpur, N. Khalilpoor, and A. Afzal, “A novel long term solar photovoltaic power forecasting approach using lstm with nadam optimizer: A case study of india,” Energy Science & Engineering, vol. 10, no. 8, pp. 2909–2929, 2022. [En línea]. Disponible en: https://doi.org/10.1002/ese3.1178 [56] S.-C. Lim, J.-H. Huh, S.-H. Hong, C.-Y. Park, and J.-C. Kim, “Solar power forecasting using cnn-lstm hybrid model,” Energies, vol. 15, no. 21, p. 8233,2022. [En línea]. Disponible en: https://doi.org/10.3390/en15218233 [57] T. Limouni, R. Yaagoubi, K. Bouziane, K. Guissi, and E. H. Baali, “Univariate and multivariate lstm models for one step and multistep PV power forecasting,”International Journal of Renewable Energy Development, vol. 11, no. 3, p. 815, 2022.[En línea]. Disponible en: https://doi.org/10.14710/ijred.2022.43953 [58] M. N. Akhter, S. Mekhilef, H. Mokhlis, Z. M. Almohaimeed, M. A. Muhammad, A. S. M. Khairuddin, R. Akram, and M. M. Hussain, “An hour-ahead PV power forecasting method based on an rnn-lstm model for three different PV plants,” Energies, vol. 15, no. 6, p. 2243, 2022. [En línea]. Disponible en: https://doi.org/10.3390/en15062243 [59] M. Elsaraiti and A. Merabet, “Solar power forecasting using deep learning techniques,” IEEE access, vol. 10, pp. 31 692–31 698, 2022. [En línea]. Disponible en: https://doi.org/10.1109/ACCESS.2022.3160484 [ 60] J. Zhang, L. Hong, S. N. Ibrahim, and Y. He, “Short-term prediction of behind-the-meter PV power based on attention-lstm and transfer learning,” IET Renewable Power Generation, vol. 18, no. 3, pp. 321–330, 2024. [Online]. Disponible en: https://doi.org/10.1049/rpg2.12829 [61] V. Suresh, P. Janik, J. Rezmer, and Z. Leonowicz, “Forecasting solar PV output using convolutional neural networks with a sliding window algorithm,” Energies, vol. 13, p. 723, feb 2020. [En línea]. Disponible en: https://doi.org/10.3390/en13030723 [62] A. Agga, A. Abbou, M. Labbadi, and Y. El Houm, “Convolutional neural network (CNN) extended architectures for photovoltaic power production forecasting,” in 2021 9th International Conference on Smart Grid and Clean Energy Technologies (ICSGCE). IEEE, 2021, pp. 104–108. [En línea]. Disponible en: https://doi.org/10.1109/ICSGCE52779.2021.9621717 [63] J. Heo, K. Song, S. Han, and D.-E. Lee, “Multi-channel convolutional neural network for integration of meteorological and geographical features in solar power forecasting,” Applied Energy, vol. 295, p. 117083, aug 2021. [En línea]. Disponible en: https://www.sciencedirect.com/science/article/pii/S0306261921005353 [64] D. Korkmaz, “Solarnet: A hybrid reliable model based on convolutional neural network and variational mode decomposition for hourly photovoltaic power forecasting,” Applied Energy, vol. 300, p. 117410, 2021. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2021.117410 [65] D. Kothona, K. Spyropoulos, C. Valelis, C. Sarigiannidis, K. C. Chatzisavvas, and G. C. Christoforidis, “Efficient 24-hour ahead PV energy production forecasting employing a transformer-based model,” in 2022 2nd International Conference On Energy Transition In The Mediterranean Area (SyNERGY MED). IEEE, 2022, pp. 1–6.[En línea]. Disponible en: https://doi.org/10.1109/SyNERGYMED55767.2022.9941461 [66] Q.-T. Phan, Y.-K. Wu, and Q.-D. Phan, “An approach using transformer-based model for short-term PV generation forecasting,” in 2022 8th International Conference on Applied System Innovation (ICASI). IEEE, 2022, pp. 17–20. [En línea]. Disponible en: https://doi.org/10.1109/ICASI55125.2022.9774491 [67] J. Pospíchal, M. Kubovcík, and I. Dirgová Luptáková, “Solar irradiance forecasting" with transformer model,” Applied Sciences, vol. 12, no. 17, p. 8852, 2022. [En línea]. Disponible en: https://doi.org/10.3390/app12178852 [68] J. Sherozbek, J. Park, M. S. Akhtar, and O.-B. Yang, “Transformers-based encoder model for forecasting hourly power output of transparent photovoltaic module systems,” Energies, vol. 16, no. 3, p. 1353, 2023. [En línea]. Disponible en: https://doi.org/10.3390/en16031353 [69] J. Lago, G. Marcjasz, B. De Schutter, and R. Weron, “Forecasting day-ahead electricity prices: A review of state-of-the-art algorithms, best practices and an open-access benchmark,” Applied Energy, vol. 293, p. 116983, jul 2021. [En línea]. Disponible en: https://www.sciencedirect.com/science/article/pii/S030626192100452 9 [70] A. Pourdaryaei, M. Mohammadi, M. Muhammad, J. B. F. Islam, M. Karimi, and A. Shahriari, “An efficient framework for short-term electricity price forecasting in deregulated power market,” IEEE Access, 2021. [En línea]. Disponible en: https://doi.org/10.1109/ACCESS.2021.3129449 [71] E. Viviani, L. Di Persio, and M. Ehrhardt, “Energy markets forecasting. from inferential statistics to machine learning: The german case,” Energies, vol. 14, no. 2, p. 364, 2021. [En línea]. Disponible en: https://doi.org/10.3390/en14020364 [72] L. Tschora, E. Pierre, M. Plantevit, and C. Robardet, “Electricity price forecasting on the day-ahead market using machine learning,” Applied Energy, vol. 313, p. 118752, 2022. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2022.118752 [73] M. Hernández Rodríguez, L. G. Baca Ruiz, D. Criado Ramón, and M. d. C. Pegalajar Jiménez, “Artificial intelligence-based prediction of spanish energy pricing and its impact on electric consumption,” Machine Learning and Knowledge Extraction, vol. 5, no. 2, pp. 431–447, 2023. [En línea]. Disponible en: https://doi.org/10.3390/make5020026 [74] A. Poggi, L. Di Persio, and M. Ehrhardt, “Electricity price forecasting via statistical and deep learning approaches: The german case,” AppliedMath, vol. 3, no. 2, pp. 316–342, 2023. [En línea]. Disponible en: https://doi.org/10.3390/ appliedmath3020018 [75] L. A. A. Barragán, “Agente integrador de recursos energéticos distribuidos en el nivel de distrbución del sistema eléctrico colombiano,” Tesis de Doctorado, Universidad Distrital Francisco José de Caldas, Bogotá, 2019. [En línea]. Disponible en: http://repository.udistrital.edu.co/bitstream/11349/22085/1/AriasBarraganLuis Alejandro2019.pdf [76] N. D. Hatziargyriou and G. E. Asimakopoulou, “Der integration through a monopoly der aggregator,” Energy Policy, vol. 137, p. 111124, feb 2020. [En línea]. Disponible en: https://linkinghub.elsevier.com/retrieve/pii/S0301421519307116 [77] K. Utkarsh, F. Ding, X. Jin, M. Blonsky, H. Padullaparti, and S. P. Balamurugan, “A network-aware distributed energy resource aggregation framework for flexible, cost-optimal, and resilient operation,” IEEE Transactions on Smart Grid, vol. 13, no. 2, pp. 1213–1224, 2021. [En línea]. Disponible en: https: //doi.org/10.1109/TSG.2021.3124198 [78] X. Wang, Z. Liu, H. Zhang, Y. Zhao, J. Shi, and H. Ding, “A review on virtual power plant concept, application and challenges,” 2019 IEEE Innovative Smart Grid Technologies-Asia (ISGT Asia), pp. 4328–4333, 2019. [En línea]. Disponible en: https://doi.org/10.1109/ISGT-Asia.2019.8881433 [79] J. C. Sarmiento-Vintimilla, E. Torres, D. M. Larruskain, and M. J. PérezMolina, “Applications, operational architectures and development of virtual power plants as a strategy to facilitate the integration of distributed energy resources,” Energies, vol. 15, no. 3, p. 775, 2022. [En línea]. Disponible en: https://doi.org/10.3390/en15030775 [80] Y. Li, K. Li, Z. Yang, Y. Yu, R. Xu, and M. Yang, “Stochastic optimal scheduling of demand response-enabled microgrids with renewable generations: An analytical-heuristic approach,” Journal of Cleaner Production, vol. 330, p. 129840, 2022. [En línea]. Disponible en: https://doi.org/10.1016/j.jclepro.2021.129840 [81] M. Shafiekhani, A. Ahmadi, O. Homaee, M. Shafie-khah, and J. P. Catalão, “Optimal bidding strategy of a renewable-based virtual power plant including wind and solar units and dispatchable loads,” Energy, vol. 239, p. 122379, 2022. [En línea]. Disponible en: https://doi.org/10.1016/j.energy.2021.122379 [82] Z. Ullah, Arshad, and H. Hassanin, “Modeling, optimization, and analysis of a virtual power plant demand response mechanism for the internal electricity market considering the uncertainty of renewable energy sources,” Energies, vol. 15, no. 14, p. 5296, 2022. [En línea]. Disponible en: https://doi.org/10.3390/en15145296 [83] J. Liu, H. Hu, S. S. Yu, and H. Trinh, “Virtual power plant with renewable energy sources and energy storage systems for sustainable power grid-formation, control techniques and demand response,” Energies, vol. 16, no. 9, p. 3705, 2023. [En línea]. Disponible en: https://doi.org/10.3390/en16093705 [84] D. Falabretti, F. Gulotta, and D. Siface, “Scheduling and operation of res-based virtual power plants with e-mobility: A novel integrated stochastic model,” International Journal of Electrical Power & Energy Systems, vol. 144, p. 108604, 2023. [En línea]. Disponible en: https://doi.org/10.1016/j.ijepes.2022.108604 [85] M. Shabanzadeh, M.-K. Sheikh-El-Eslami, and M.-R. Haghifam, “A medium-term coalition-forming model of heterogeneous ders for a commercial virtual power plant,” Applied Energy, vol. 169, pp. 663–681, 2016. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2016.02.058 [86] J. C. do Prado and W. Qiao, “A stochastic decision-making model for an electricity retailer with intermittent renewable energy and short-term demand response,” IEEE Transactions on Smart Grid, vol. 10, no. 3, p. 2581–2592, may 2019. [En línea]. Disponible en: https://ieeexplore.ieee.org/document/8290716/ [87] M. Jafari and A. A. Foroud, “A medium/long-term auction-based coalition-forming model for a virtual power plant based on stochastic programming,” International Journal of Electrical Power & Energy Systems, vol. 118, p. 105784, 2020. [En línea]. Disponible en: https://doi.org/10.1016/j.ijepes.2019.105784 [88] F. Ghasemi-Olanlari, M. Moradi-Sepahvand, and T. Amraee, “Two-stage risk-constrained stochastic optimal bidding strategy of virtual power plant considering distributed generation outage,” IET Generation, Transmission & Distribution, vol. 17, no. 8, pp. 1884–1901, 2023. [En línea]. Disponible en: https://doi.org/10.1049/gtd2.12826 [89] L. Ying, F. Ma, X. Cui, and T. Shusheng, “Research on bidding strategy of virtual power plant considering risk preference,” in 2023 3rd Power System and Green Energy Conference (PSGEC). IEEE, 2023, pp. 311–317. [En línea]. Disponible en: https://doi.org/10.1016/j.ijepes.2021.107891 [90] H. Yang, X. Tian, F. Liu, L. Liu, L. Li, and Q. Wang, “A multi-objective dispatching model for a novel virtual power plant considering combined heat and power units, carbon recycling utilization, and flexible load response,” Frontiers in Energy Research, vol. 11, p. 1332474, 2024. [En línea]. Disponible en: https://doi.org/10.3389/fenrg.2023.1332474 [91] A. Rosso-Cerón, D. León-Cardona, and V. Kafarov, “Soft computing tool for aiding the integration of hybrid sustainable renewable energy systems, case of putumayo, colombia,” Renewable Energy, vol. 174, p. 616–634, aug 2021. [En línea]. Disponible en: https://linkinghub.elsevier.com/retrieve/pii/S0960148121006261 [92] XM, “Reporte integral de sostenibilidad, operación y mercado,” https://www.xm.com.co/sites/default/files/documents/Reporte%20Integral%20de%20Sostenibilidad%2C%20Operaci%C3%B3n%20y%20Mercado%202023_XM.pdf, Fecha de Acceso: Mayo 27, 2024. [93] SER Colombia, “Informe sobre los proyectos de energías renovables no convencionales (fncer) para 2024,” https://ser-colombia.org/wp-content/uploads/2024/01/PORTAFOLIO_2024.pdf, Fecha de Acceso: Mayo 27, 2024. [94] Ministerio de Minas y Energía, “Hoja de ruta misión de transformación energética,” [En línea]. Disponible en: https://www.minenergia.gov.co/cartilla-misiontransformacion-energetica, 2020. Fecha de Acceso: 10 Jul 2023. [95] M. Asif, The 4Ds of Energy Transition: Decarbonization, Decentralization, Decreasing Use, and Digitalization. John Wiley & Sons, 2022. [96] Unidad de Planeación Minero Energética, “Plan energético nacional colombia: Ideario energético 2050,” Ministerio de Minas y Energía, Reporte Técnico, 2015. [En línea]. Disponible en: http://www.upme.gov.co/docs/pen/pen_idearioenergetico2050.pdf [97] M. Chang, J. Z. Thellufsen, B. Zakeri, B. Pickering, S. Pfenninger, H. Lund, and P. A. Østergaard, “Trends in tools and approaches for modelling the energy transition,” Applied Energy, vol. 290, p. 116731, 2021. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2021.116731 [98] P. O’Connor, “Energy transitions,” Pardee School of Global Studies, no. 12, p. 50, Nov 2010. [En línea]. Disponible en: https://www.bu.edu/pardee/files/2010/11/12-PP-N ov2010.pdf [99] B. Shen, F. Kahrl, and A. J. Satchwell, “Facilitating power grid decarbonization with distributed energy resources: Lessons from the united states,” Annual Review of Environment and Resources, vol. 46, pp. 349–375, 2021. [En línea]. Disponible en: https://doi.org/10.1146/annurev-environ-111320-071618 [100] S. Groh, L. Barner, G. Heinemann, and C. von Hirschhausen, Electricity Access, Decarbonization, and Integration of Renewables: Insights and Lessons from the Energy Transformation in Bangladesh, South Asia, and Sub-Sahara Africa. Springer Fachmedien Wiesbaden, 2023. [En línea]. Disponible en: http://dx.doi.org/10.1007/978-3-658-38215-5 [101] R. K. R. Karduri and C. Ananth, “Decarbonizing the grid: Pathways to sustainable energy storage,” This paper has been published in International Journal of Advanced Research In Basic Engineering Sciences and Technology (IJARBEST) DOI, vol. 10, 2023. [En línea]. Disponible en: https://ijarbest.com/journal/v6i2/2344 [102] A. M. Abdelbary, L. Manglicmot, O. Kanwhen, and A. A. Mohamed, “Community-centric distributed energy resources for energy justice and decarbonization in dense urban regions,” Energy Reports, vol. 11, pp. 1742–1751, 2024. [En línea]. Disponible en: https://doi.org/10.1016/j.egyr.2024.01.023 [103] P. Valkering, A. Moglianesi, L. Godon, J. Duerinck, D. Huber, and D. Costa, “Representing decentralized generation and local energy use flexibility in an energy system optimization model,” Applied Energy, vol. 348, p. 121508, 2023. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2023.121508 [104] A. Idries, J. Krogstie, and J. Rajasekharan, “Challenges in platforming and digitizing decentralized energy services,” Energy Informatics, vol. 5, no. 1, p. 8, 2022. [En línea]. Disponible en: https://doi.org/10.1186/s42162-022-00193-9 [105] A. Umar, D. Kumar, and T. Ghose, “Blockchain-based decentralized energy intra-trading with battery storage flexibility in a community microgrid system,” Applied energy, vol. 322, p. 1
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Autónoma de Occidente, 2024
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.eng.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.eng.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Derechos reservados - Universidad Autónoma de Occidente, 2024
https://creativecommons.org/licenses/by-nc-nd/4.0/
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 211 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.coverage.country.spa.fl_str_mv Colombia
dc.publisher.spa.fl_str_mv Universidad Autónoma de Occidente
dc.publisher.program.spa.fl_str_mv Doctorado en Ingeniería
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería y Ciencias Básicas
dc.publisher.place.spa.fl_str_mv Cali
institution Universidad Autónoma de Occidente
bitstream.url.fl_str_mv https://red.uao.edu.co/bitstreams/6d8983b6-4c78-4350-9121-9fda512f30a1/download
https://red.uao.edu.co/bitstreams/8f507767-7755-4770-af22-c64321b950fc/download
https://red.uao.edu.co/bitstreams/ddd997d8-3039-44ca-ad2b-810c0e27ddca/download
https://red.uao.edu.co/bitstreams/a32e20f6-f831-4ac4-b97e-8810d6d0e460/download
https://red.uao.edu.co/bitstreams/da68c629-5494-4c89-8819-939aed1e61e7/download
https://red.uao.edu.co/bitstreams/9a05cbfb-2c80-49cb-b1dd-195dfe527031/download
https://red.uao.edu.co/bitstreams/b8d2ba56-4e20-4017-a13e-6b89e8dd9fe9/download
bitstream.checksum.fl_str_mv 1060dbb8fe30fb3d159331c0c96f8082
605c605542a48d0d0ac576b08da2d48e
6987b791264a2b5525252450f99b10d1
66fb61728530ca922d6bc07f66c29857
68720d8acb94455d39fe107a620f8ab6
f495f23ef8296d593fa3766efc432331
a9bd64e15e3b109edb60bb011fcdacc5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Digital Universidad Autonoma de Occidente
repository.mail.fl_str_mv repositorio@uao.edu.co
_version_ 1831928708406968320
spelling Moreno Chuquen, RicardoCeleita Rodríguez, David, asesorCantillo Luna, Sergio AlejandroUniversidad Autónoma de OccidentePozo Cámara, DavidOliveros Pantoja, IngridMuñoz Maldonado, Yesid Alfonso2025-02-21T16:28:28Z2025-02-21T16:28:28Z2024-09-27Cantillo Luna, S. A. (2024). Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15979https://hdl.handle.net/10614/15979Universidad Autónoma de OccidenteRespositorio Educativo Digital UAOhttps://red.uao.edu.co/En los últimos años, Colombia ha avanzado en un proceso de transición energética orientado hacia fuentes renovables a gran escala. Sin embargo, la expansión y desarrollo de los sistemas eléctricos, tradicionalmente basados en estas soluciones de generación y en sistemas de transmisión para manejar estas cantidades de energía, han migrado hacia nuevas formas de producción y consumo de energía, a pequeña escala, y cercanas a los centros de consumo, como el caso de los recursos energéticos distribuidos (DER). La integración efectiva de estos recursos en todos los niveles del sector eléctrico en el país aun representa desafíos técnicos, económicos y regulatorios significativos. Esta tesis doctoral aborda estos desafíos, identificando oportunidades y requisitos que faciliten la incorporación de los DER en el sector energético, a través de los mercados de energía como mecanismo de integración. El propósito principal de esta investigación es desarrollar un conjunto integral de herramientas computacionales para la participación de varios tipos de DER y nuevos actores en los mercados de energía, promoviendo una transición energética más descentralizada en el país. La metodología empleada combina distintos enfoques de investigación (analítico, experimental, mixto), dada la naturaleza de la información y actividades a desarrollar, abordando estos desafíos desde múltiples perspectivas. Se utilizan técnicas avanzadas de inteligencia artificial, optimización, análisis de big data, así como de modelado y simulación de sistemas complejos para capturar la dinámica de los DER y su interacción con el sistema eléctrico. Además, se incorporan consideraciones regulatorias y tecnológicas que garantizar la viabilidad y sostenibilidad de las soluciones propuestas. Los resultados incluyen un marco tecnológico y normativo integral para la participación de los DER en distintas modalidades de mercados energéticos en el país, de acuerdo con los grados de madurez de cada tecnología DER, así como el diseño y desarrollo de herramientas computacionales en distintas tareas identificadas como el pronóstico, el manejo de la incertidumbre, y la toma de decisiones para la gestión de los DER, buscando maximizar los beneficios asociados a esta integración. Esta tesis sienta un precedente valioso, abriendo el camino para futuros desarrollos innovadores en este campo de acción en el contexto colombiano.In recent years, Colombia has advanced in an energy transition process oriented towards large-scale renewable sources. However, the expansion and development of electricity systems, traditionally based on these generation solutions and transmission systems to handle these amounts of energy, have migrated towards new forms of energy production and consumption, on a small scale, and close to the centers of consumption, as in the case of distributed energy resources (DER). The effective integration of these resources at all levels of the electricity sector in the country still represents significant technical, economic, and regulatory issues. This thesis addresses the aforementioned challenges by identifying opportunities and requirements that facilitate the incorporation of DERs in the energy sector through energy markets as an integration mechanism. The main purpose of this research is to develop a comprehensive set of computational tools for the participation of various types of DER and new actors in energy markets, thereby promoting a more decentralized energy transition in Colombia. The methodology employed combines different research approaches (analytical, experimental, and mixed), given the nature of the information and activities to be developed. This approach addresses the challenges at hand from multiple perspectives. Advanced techniques of artificial intelligence, optimization, big data analysis, as well as modeling and simulation of complex systems are used to capture the dynamics of DERs and their interaction with the power system. In addition, regulatory and technological considerations are incorporated to ensure the viability and sustainability of the proposed solutions. The results include a comprehensive technological and regulatory framework for the participation of DER in different modalities of energy markets in Colombia, according to the maturity levels of each DER technology. Additionally, the thesis outlines the design and development of computational tools in different identified tasks, such as forecasting, uncertainty management, and decision making for DER management, with the objective of maximizing the benefits associated with this integration. This thesis sets a valuable precedent, opening the way for future innovative developments in this areaTesis (Doctor en Ingeniería)-- Universidad Autónoma de Occidente, 2024DoctoradoDoctor(a) en Ingeniería211 páginasapplication/pdfspaUniversidad Autónoma de OccidenteDoctorado en IngenieríaFacultad de Ingeniería y Ciencias BásicasCaliDerechos reservados - Universidad Autónoma de Occidente, 2024https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en ColombiaTrabajo de grado - Doctoradohttp://purl.org/coar/resource_type/c_db06Textinfo:eu-repo/semantics/doctoralThesishttp://purl.org/redcol/resource_type/TDinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Colombia [1] M. Asif, “Introduction to the four-dimensional energy transition,” The 4Ds of Energy Transition: Decarbonization, Decentralization, Decreasing Use and Digitalization, pp. 1–10, 2022. [En línea]. Disponible en: https://doi.org/10.1002/9783527831425.ch1 [2] K. Rajendran et al., “Energy transition landscape: Landscape approach for pollution-generating large-scale industries,” in Handbook of Research on Issues, Challenges, and Opportunities in Sustainable Architecture. IGI Global, 2022, pp. 248–282. [En línea]. Disponible en: https://doi.org/10.4018/978-1-6684-5119-9.ch012 [3] F. Bellizio, W. Xu, D. Qiu, Y. Ye, D. Papadaskalopoulos, J. L. Cremer, F. Teng, and G. Strbac, “Transition to digitalized paradigms for security control and decentralized electricity market,” Proceedings of the IEEE, 2022. [En línea]. Disponible en: https://doi.org/10.1109/JPROC.2022.3161053 [4] P. F. Borowski, “Digital transformation and prosumers activities in the energy sector,” in Intelligent Systems in Digital Transformation: Theory and Applications. Springer, 2022, pp. 129–150. [En línea]. Disponible en: https://doi.org/10.1007/978-3-031-16598-6_6 [5] D. Çelık, M. E. Meral, and M. Waseem, “A new area towards to digitalization of energy systems: Enables, challenges and solutions,” in 2022 14th International Conference on Electronics, Computers and Artificial Intelligence (ECAI). IEEE, 2022, pp. 1–6. [En línea]. Disponible en: https://doi.org/10.1109/ECAI54874.2022.9847313 [6] K. Hargroves, B. James, J. Lane, and P. Newman, “The role of distributed energy resources and associated business models in the decentralised energy transition: A review,” Energies, vol. 16, no. 10, p. 4231, 2023. [En línea]. Disponible en: https://doi.org/10.3390/en16104231 [7] K. Christakou, “A unified control strategy for active distribution networks via demand response and distributed energy storage systems,” Sustainable Energy, Grids and Networks, vol. 6, pp. 1–6, 2016. [En línea]. Disponible en: https://doi.org/10.1016/j.segan.2016.01.001 [8] A. Anisie, E. Ocenic, and F. Boshell, “Market integration of distributed energy resources: Innovation landscape brief,” IRENA Innovation and Technology Centre, Abu Dhabi, UAE, 2019. [En línea]. Disponible en: https://www.irena.org/-/media/ Files/IRENA/Agency/Publication/2019/Feb/IRENA_Market_integration_distributed_syste m_2019.pdf [9] J. Benavides, A. Cadena, and J. J. González, Mercado eléctrico en Colombia: transición hacia una arquitectura descentralizada. Bogotá: Fedesarrollo, Oct 2018. [En línea]. Disponible en: https://www.repository.fedesarrollo.org.co/bitstream/handle/ 11445/3673/Repor_Octubre_2018_Benavides_y_Cadena.pdf [10] Congreso de Colombia, “Integración de las energías renovables no convencionales al sistema energético nacional,” Ley 1715, 13 May 2014. [En línea]. Disponible en: https://www.upme.gov.co/Normatividad/Nacional/2014/LEY_1715_2014.pdf [11] ——, “Transición energética, dinamización del mercado energético y reactivación económica del país,” Ley 2099, 20 Jul 2021. [En línea]. Disponible en: https://dapre.presidencia.gov.co/normativa/normativa/LEY%202099%20DEL% 20 10%20DE%20JULIO%20DE%202021.pdf [12] M. A. Planas-Marti, “Colombia, un ejemplo regional de transición energética,” Feb 2021. [En línea]. Disponible en: https://blogs.iadb.org/energia/es/colombia-unejemplo-regional-de-transicion-energetica/ [13] Ministerio de Minas y Energía, “Lineamientos de Política de Recursos Energéticos Distribuidos y Areneras Regulatorias,” Ministerio de Minas y Energía, Bogotá. Anexo técnico de la memoria justificativa, Nov 2021. [En línea]. Disponible en: https://www.minenergia.gov.co/documents/6322/11261121_MJ1_Lineamientos_i ncorporaci%C3% B3n_de_los_recursos_energ%C3%A9ticos_distribuidos.pdf [14] ——, “Lineamientos para la incorporación de los recursos energéticos distribuidos,” Resolución 40283, 3 Ago 2022. [En línea]. Disponible en: https: //normativame.minenergia.gov.co/normatividad/6224/norma/ [15] P. Corredor, U. Helman, D. Jara, and F. A. Wolak, “Informe final foco 1 – competencia, participación y estructura del mercado eléctrico,” Banco Interamericano de Desarrollo, Reporte Técnico, Abr 2020. [En línea]. Disponible en: https://www.minenergia.gov.co/documents/10192/24202647/Foco +1++Espa%C3 %B1ol+Informe+Final.pdf [16] J. Garcia, V. Giraldo, and S. Montoya, “Principales barreras para la generación distribuida: Evidencia a partir de una revisión de literatura (main barriers for the distributed generation: Evidence from a review),” SSRN 3770244, 2021. [En línea]. Disponible en: https://dx.doi.org/10.2139/ssrn.3770244 [17] R. Ahmed, V. Sreeram, Y. Mishra, and M. Arif, “A review and evaluation of the state-of-the-art in PV solar power forecasting: Techniques and optimization,” Renewable and Sustainable Energy Reviews, vol. 124, p. 109792, 2020. [En línea]. Disponible en: https://doi.org/10.1016/j.rser.2020.109792 [18] P. Gupta and R. Singh, “PV power forecasting based on data-driven models: a review,” International Journal of Sustainable Engineering, vol. 14, no. 6, pp. 1733–1755, 2021. [En línea]. Disponible en: https://doi.org/10.1080/19397038.2021.1986590 [19] P. K. Tiwari and M. K. Yadav, “Design simulation and review of solar PV power forecasting using computing techniques,” International Journal on Recent Technologies in Mechanical and Electrical Engineering, vol. 9, no. 5, pp. 18–27, 2022. [En línea]. Disponible en: https://doi.org/10.17762/ijrmee.v9i3.370 [20] Y.-K. Wu, C.-L. Huang, Q.-T. Phan, and Y.-Y. Li, “Completed review of various solar power forecasting techniques considering different viewpoints,” Energies, vol. 15, no. 9, p. 3320, 2022. [En línea]. Disponible en: https://doi.org/10.3390/en15093320 [21] W.-C. Tsai, C.-S. Tu, C.-M. Hong, and W.-M. Lin, “A review of state-of-the-art and short-term forecasting models for solar PV power generation,” Energies, vol. 16, no. 14, p. 5436, 2023. [En línea]. Disponible en: https://doi.org/10.3390/en16145436 [22] P. N. L. Mohamad Radzi, M. N. Akhter, S. Mekhilef, and N. Mohamed Shah, “Review on the application of photovoltaic forecasting using machine learning for very short-to long-term forecasting,” Sustainability, vol. 15, no. 4, p. 2942, 2023.[En línea]. Disponible en: https://doi.org/10.3390/su15042942 [23] S. Atique, S. Noureen, V. Roy, V. Subburaj, S. Bayne, and J. Macfie, “Forecasting of total daily solar energy generation using arima: A case study,” in 2019 IEEE 9th annual computing and communication workshop and conference (CCWC). IEEE, 2019, pp. 0114–0119. [En línea]. Disponible en: https://doi.org/10.1109/CCWC.2019.8666481 [24] D.-H. Lee, A. Jung, J.-Y. Kim, C. K. Kim, H.-G. Kim, and Y.-S. Lee, “Solar power generation forecast model using seasonal arima,” Journal of the Korean Solar Energy Society, vol. 39, no. 3, pp. 59–66, 2019. [En línea]. Disponible en: http://dx.doi.org/10.7836/kses.2019.39.3.059 [25] A. Shadab, S. Ahmad, and S. Said, “Spatial forecasting of solar radiation using arima model,” Remote Sensing Applications: Society and Environment, vol. 20, p. 100427, 2020. [En línea]. Disponible en: https://doi.org/10.1016/j.rsase.2020.100427 [26] S. Pasari and A. Shah, “Time series auto-regressive integrated moving average model for renewable energy forecasting,” in Enhancing Future Skills and Entrepreneurship: 3rd Indo-German Conference on Sustainability in Engineering. Springer International Publishing Cham, 2020, pp. 71–77. [En línea]. Disponible en: https://doi.org/10.1007/978-3-030-44248-4_7 [27] B. Singh and D. Pozo, “A guide to solar power forecasting using arma models,” in 2019 IEEE PES Innovative Smart Grid Technologies Europe (ISGT-Europe). IEEE, 2019, pp. 1–4. [En línea]. Disponible en: https://doi.org/10.1109/ ISGTEurope.2019.8905430 [28] J. Boland, M. David, and P. Lauret, “Short term solar radiation forecasting: Island versus continental sites,” Energy, vol. 113, pp. 186–192, 2016. [En línea]. Disponible en: https://doi.org/10.1016/j.energy.2016.06.139 [29] P. De Falco, L. P. Di Noia, and R. Rizzo, “Exponential smoothing model for photovoltaic power forecasting,” in 2021 9th International Conference on Modern Power Systems (MPS). IEEE, 2021, pp. 1–5. [En línea]. Disponible en: https://doi.org/10.1109/MPS52805.2021.9492538 [30] V. Margaret and J. Jose, “Exponential smoothing models for prediction of solar irradiance,” International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering, vol. 4, no. 2, pp. 1133–1139, 2015. [En línea]. Disponible en: http://www.ijareeie.com/upload/2015/february/83_Exponential.pdf [31] D. Yang, V. Sharma, Z. Ye, L. I. Lim, L. Zhao, and A. W. Aryaputera, “Forecasting of global horizontal irradiance by exponential smoothing, using decompositions,” Energy, vol. 81, pp. 111–119, 2015. [En línea]. Disponible en: https://doi.org/10.1016/j.energy.2014.11.082 [32] C. Yang and L. Xie, “A novel arx-based multi-scale spatio-temporal solar power forecast model,” in 2012 North American Power Symposium (NAPS). IEEE, 2012, pp. 1–6. [En línea]. Disponible en: https://doi.org/10.1109/NAPS.2012.6336383 [33] V. L. G. d. Silva, D. Oliveira Filho, J. C. Carlo, and P. N. Vaz, “An approach to solar radiation prediction using arx and armax models,” Frontiers in Energy Research, vol. 10, p. 822555, 2022. [En línea]. Disponible en: https://doi.org/10.3389/fenrg.2022.822555 [34] O. Doelle, I. Kalysh, A. Amthor, and C. Ament, “Comparison of intraday probabilistic forecasting of solar power using time series models,” in 2021 International Conference on Smart Energy Systems and Technologies (SEST). IEEE, 2021, pp. 1–6. [En línea]. Disponible en: https://doi.org/10.1109/SEST50973.2021.9543286 [35] I. Sansa, Z. Boussaada, and N. M. Bellaaj, “Solar radiation prediction using a novel hybrid model of arma and narx,” Energies, vol. 14, no. 21, p. 6920, 2021. [En línea]. Disponible en: https://doi.org/10.3390/en14216920 [36] F. Wang, Z. Zhen, B. Wang, and Z. Mi, “Comparative study on knn and svm based weather classification models for day ahead short term solar PV power forecasting,” Applied Sciences, vol. 8, no. 1, p. 28, 2017. [En línea]. Disponible en: https://doi.org/10.3390/app8010028 [37] H. Zhou, Y. Zhang, L. Yang, and Q. Liu, “Short-term photovoltaic power forecasting based on stacking-svm,” in 2018 9th International Conference on Information Technology in Medicine and Education (ITME). IEEE, 2018, pp. 994– 998. [En línea]. Disponible en: https://doi.org/10.1109/ITME.2018.00221 [38] L. Wang, Y. Liu, T. Li, X. Xie, and C. Chang, “The short-term forecasting of asymmetry photovoltaic power based on the feature extraction of PV power and svm algorithm,” Symmetry, vol. 12, no. 11, p. 1777, 2020. [En línea]. Disponible en: https://doi.org/10.3390/sym12111777 [39] H. Mo, Y. Zhang, Z. Xian, and H. Wang, “Photovoltaic (PV) power prediction based on abc-svm,” in IOP Conference Series: Earth and Environmental Science, vol. 199, no. 5. IOP Publishing, 2018, p. 052031. [En línea]. Disponible en: https://iopscience.iop.org/article/10.1088/1755-1315/199/5/052031/pdf [40] W. VanDeventer, E. Jamei, G. S. Thirunavukkarasu, M. Seyedmahmoudian, T. K. Soon, B. Horan, S. Mekhilef, and A. Stojcevski, “Short-term PV power forecasting using hybrid gasvm technique,” Renewable energy, vol. 140, pp. 367–379, 2019.[En línea]. Disponible en: https://doi.org/10.1016/j.renene.2019.02.087 [41] M. W. Ahmad, M. Mourshed, and Y. Rezgui, “Tree-based ensemble methods for predicting PV power generation and their comparison with support vector regression,” Energy, vol. 164, pp. 465–474, 2018. [En línea]. Disponible en: https://doi.org/10.1016/j.energy.2018.08.207 [42] I. Arora, J. Gambhir, and T. Kaur, “Solar irradiance forecasting using decision tree and ensemble models,” in 2020 Second International Conference on Inventive Research in Computing Applications (ICIRCA). IEEE, 2020, pp. 675– 681. [En línea]. Disponible en: https://doi.org/10.1109/ICIRCA48905.2020.9182876 [43] J. Wang, P. Li, R. Ran, Y. Che, and Y. Zhou, “A short-term photovoltaic power prediction model based on the gradient boost decision tree,” Applied Sciences, vol. 8, no. 5, p. 689, 2018. [En línea]. Disponible en: https://doi.org/10.3390/app8050689 [44] N. A. Ramli, M. F. A. Hamid, N. H. Azhan, and M. A. A.-S. Ishak, “Solar power generation prediction by using k-nearest neighbor method,” in AIP Conference Proceedings, vol. 2129, no. 1. AIP Publishing, 2019. [En línea]. Disponible en: http://dx.doi.org/10.1063/1.5118124 [45] N. Tang, S. Mao, Y. Wang, and R. Nelms, “Solar power generation forecasting with a lasso-based approach,” IEEE Internet of Things Journal, vol. 5, no. 2, pp. 1090–1099, 2018. [En línea]. Disponible en: https://doi.org/10.1109/JIOT.2018.2812155 [46] K. Mahmud, S. Azam, A. Karim, S. Zobaed, B. Shanmugam, and D. Mathur, “Machine learning based PV power generation forecasting in alice springs,” IEEE Access, vol. 9, pp. 46 117–46 128, 2021. [En línea]. Disponible en: https://doi.org/10.1109/ACCESS.2021.3066494 [47] M. K. Park, J. M. Lee, W. H. Kang, J. M. Choi, and K. H. Lee, “Predictive model for PV power generation using rnn (lstm),” Journal of Mechanical Science and Technology, vol. 35, no. 2, p. 795–803, feb 2021. [En línea]. Disponible en: https://doi.org/10.1007/s12206-021-0140-0 [48] V. Kusuma, A. Privadi, A. L. Setya Budi, and V. L. Budiharto Putri, “Photovoltaic power forecasting using recurrent neural network based on bayesian regularization algorithm,” in 2021 IEEE International Conference in Power Engineering Application (ICPEA), mar 2021, p. 109–114. [En línea]. Disponible en: 10.1109/ICPEA51500.2021.9417833 [49] H. Chen and X. Chang, “Photovoltaic power prediction of lstm model based on pearson feature selection,” Energy Reports, vol. 7, pp. 1047–1054, 2021. [Online]. Disponible en: https://doi.org/10.1016/j.egyr.2021.09.167 [50] H. K. Ahn and N. Park, “Deep rnn-based photovoltaic power short-term forecast using power iot sensors,” Energies, vol. 14, no. 2, p. 436, 2021. [En línea]. Disponible en: https://doi.org/10.3390/en14020436 [51] M. Beigi, H. Beigi Harchegani, M. Torki, M. Kaveh, M. Szymanek, E. Khalife, and J. Dziwulski, “Forecasting of power output of a pvps based on meteorological data using rnn approaches,” Sustainability, vol. 14, no. 5, p. 3104, 2022. [En línea]. Disponible en: https://doi.org/10.3390/su14053104 [52] C.-H. Liu, J.-C. Gu, and M.-T. Yang, “A simplified lstm neural networks for one day-ahead solar power forecasting,” IEEE Access, vol. 9, p. 17174–17195, 2021. [En línea]. Disponible en: https://doi.org/10.1109/ACCESS.2021.3053638 [53] M. Konstantinou, S. Peratikou, and A. G. Charalambides, “Solar photovoltaic forecasting of power output using lstm networks,” Atmosphere, vol. 12, no. 1, p. 124, 2021. [En línea]. Disponible en: https://doi.org/10.3390/atmos12010124 [54] G. Etxegarai, A. López, N. Aginako, and F. Rodríguez, “An analysis of different deep learning neural networks for intra-hour solar irradiation forecasting to compute solar photovoltaic generators’ energy production,” Energy for Sustainable Development, vol. 68, p. 1–17, jun 2022. [En línea]. Disponible en: https://www.sciencedirect.com/science/article/pii/S0973082622000230 [55] J. Sharma, S. Soni, P. Paliwal, S. Saboor, P. K. Chaurasiya, M. Sharifpur, N. Khalilpoor, and A. Afzal, “A novel long term solar photovoltaic power forecasting approach using lstm with nadam optimizer: A case study of india,” Energy Science & Engineering, vol. 10, no. 8, pp. 2909–2929, 2022. [En línea]. Disponible en: https://doi.org/10.1002/ese3.1178 [56] S.-C. Lim, J.-H. Huh, S.-H. Hong, C.-Y. Park, and J.-C. Kim, “Solar power forecasting using cnn-lstm hybrid model,” Energies, vol. 15, no. 21, p. 8233,2022. [En línea]. Disponible en: https://doi.org/10.3390/en15218233 [57] T. Limouni, R. Yaagoubi, K. Bouziane, K. Guissi, and E. H. Baali, “Univariate and multivariate lstm models for one step and multistep PV power forecasting,”International Journal of Renewable Energy Development, vol. 11, no. 3, p. 815, 2022.[En línea]. Disponible en: https://doi.org/10.14710/ijred.2022.43953 [58] M. N. Akhter, S. Mekhilef, H. Mokhlis, Z. M. Almohaimeed, M. A. Muhammad, A. S. M. Khairuddin, R. Akram, and M. M. Hussain, “An hour-ahead PV power forecasting method based on an rnn-lstm model for three different PV plants,” Energies, vol. 15, no. 6, p. 2243, 2022. [En línea]. Disponible en: https://doi.org/10.3390/en15062243 [59] M. Elsaraiti and A. Merabet, “Solar power forecasting using deep learning techniques,” IEEE access, vol. 10, pp. 31 692–31 698, 2022. [En línea]. Disponible en: https://doi.org/10.1109/ACCESS.2022.3160484 [ 60] J. Zhang, L. Hong, S. N. Ibrahim, and Y. He, “Short-term prediction of behind-the-meter PV power based on attention-lstm and transfer learning,” IET Renewable Power Generation, vol. 18, no. 3, pp. 321–330, 2024. [Online]. Disponible en: https://doi.org/10.1049/rpg2.12829 [61] V. Suresh, P. Janik, J. Rezmer, and Z. Leonowicz, “Forecasting solar PV output using convolutional neural networks with a sliding window algorithm,” Energies, vol. 13, p. 723, feb 2020. [En línea]. Disponible en: https://doi.org/10.3390/en13030723 [62] A. Agga, A. Abbou, M. Labbadi, and Y. El Houm, “Convolutional neural network (CNN) extended architectures for photovoltaic power production forecasting,” in 2021 9th International Conference on Smart Grid and Clean Energy Technologies (ICSGCE). IEEE, 2021, pp. 104–108. [En línea]. Disponible en: https://doi.org/10.1109/ICSGCE52779.2021.9621717 [63] J. Heo, K. Song, S. Han, and D.-E. Lee, “Multi-channel convolutional neural network for integration of meteorological and geographical features in solar power forecasting,” Applied Energy, vol. 295, p. 117083, aug 2021. [En línea]. Disponible en: https://www.sciencedirect.com/science/article/pii/S0306261921005353 [64] D. Korkmaz, “Solarnet: A hybrid reliable model based on convolutional neural network and variational mode decomposition for hourly photovoltaic power forecasting,” Applied Energy, vol. 300, p. 117410, 2021. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2021.117410 [65] D. Kothona, K. Spyropoulos, C. Valelis, C. Sarigiannidis, K. C. Chatzisavvas, and G. C. Christoforidis, “Efficient 24-hour ahead PV energy production forecasting employing a transformer-based model,” in 2022 2nd International Conference On Energy Transition In The Mediterranean Area (SyNERGY MED). IEEE, 2022, pp. 1–6.[En línea]. Disponible en: https://doi.org/10.1109/SyNERGYMED55767.2022.9941461 [66] Q.-T. Phan, Y.-K. Wu, and Q.-D. Phan, “An approach using transformer-based model for short-term PV generation forecasting,” in 2022 8th International Conference on Applied System Innovation (ICASI). IEEE, 2022, pp. 17–20. [En línea]. Disponible en: https://doi.org/10.1109/ICASI55125.2022.9774491 [67] J. Pospíchal, M. Kubovcík, and I. Dirgová Luptáková, “Solar irradiance forecasting" with transformer model,” Applied Sciences, vol. 12, no. 17, p. 8852, 2022. [En línea]. Disponible en: https://doi.org/10.3390/app12178852 [68] J. Sherozbek, J. Park, M. S. Akhtar, and O.-B. Yang, “Transformers-based encoder model for forecasting hourly power output of transparent photovoltaic module systems,” Energies, vol. 16, no. 3, p. 1353, 2023. [En línea]. Disponible en: https://doi.org/10.3390/en16031353 [69] J. Lago, G. Marcjasz, B. De Schutter, and R. Weron, “Forecasting day-ahead electricity prices: A review of state-of-the-art algorithms, best practices and an open-access benchmark,” Applied Energy, vol. 293, p. 116983, jul 2021. [En línea]. Disponible en: https://www.sciencedirect.com/science/article/pii/S030626192100452 9 [70] A. Pourdaryaei, M. Mohammadi, M. Muhammad, J. B. F. Islam, M. Karimi, and A. Shahriari, “An efficient framework for short-term electricity price forecasting in deregulated power market,” IEEE Access, 2021. [En línea]. Disponible en: https://doi.org/10.1109/ACCESS.2021.3129449 [71] E. Viviani, L. Di Persio, and M. Ehrhardt, “Energy markets forecasting. from inferential statistics to machine learning: The german case,” Energies, vol. 14, no. 2, p. 364, 2021. [En línea]. Disponible en: https://doi.org/10.3390/en14020364 [72] L. Tschora, E. Pierre, M. Plantevit, and C. Robardet, “Electricity price forecasting on the day-ahead market using machine learning,” Applied Energy, vol. 313, p. 118752, 2022. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2022.118752 [73] M. Hernández Rodríguez, L. G. Baca Ruiz, D. Criado Ramón, and M. d. C. Pegalajar Jiménez, “Artificial intelligence-based prediction of spanish energy pricing and its impact on electric consumption,” Machine Learning and Knowledge Extraction, vol. 5, no. 2, pp. 431–447, 2023. [En línea]. Disponible en: https://doi.org/10.3390/make5020026 [74] A. Poggi, L. Di Persio, and M. Ehrhardt, “Electricity price forecasting via statistical and deep learning approaches: The german case,” AppliedMath, vol. 3, no. 2, pp. 316–342, 2023. [En línea]. Disponible en: https://doi.org/10.3390/ appliedmath3020018 [75] L. A. A. Barragán, “Agente integrador de recursos energéticos distribuidos en el nivel de distrbución del sistema eléctrico colombiano,” Tesis de Doctorado, Universidad Distrital Francisco José de Caldas, Bogotá, 2019. [En línea]. Disponible en: http://repository.udistrital.edu.co/bitstream/11349/22085/1/AriasBarraganLuis Alejandro2019.pdf [76] N. D. Hatziargyriou and G. E. Asimakopoulou, “Der integration through a monopoly der aggregator,” Energy Policy, vol. 137, p. 111124, feb 2020. [En línea]. Disponible en: https://linkinghub.elsevier.com/retrieve/pii/S0301421519307116 [77] K. Utkarsh, F. Ding, X. Jin, M. Blonsky, H. Padullaparti, and S. P. Balamurugan, “A network-aware distributed energy resource aggregation framework for flexible, cost-optimal, and resilient operation,” IEEE Transactions on Smart Grid, vol. 13, no. 2, pp. 1213–1224, 2021. [En línea]. Disponible en: https: //doi.org/10.1109/TSG.2021.3124198 [78] X. Wang, Z. Liu, H. Zhang, Y. Zhao, J. Shi, and H. Ding, “A review on virtual power plant concept, application and challenges,” 2019 IEEE Innovative Smart Grid Technologies-Asia (ISGT Asia), pp. 4328–4333, 2019. [En línea]. Disponible en: https://doi.org/10.1109/ISGT-Asia.2019.8881433 [79] J. C. Sarmiento-Vintimilla, E. Torres, D. M. Larruskain, and M. J. PérezMolina, “Applications, operational architectures and development of virtual power plants as a strategy to facilitate the integration of distributed energy resources,” Energies, vol. 15, no. 3, p. 775, 2022. [En línea]. Disponible en: https://doi.org/10.3390/en15030775 [80] Y. Li, K. Li, Z. Yang, Y. Yu, R. Xu, and M. Yang, “Stochastic optimal scheduling of demand response-enabled microgrids with renewable generations: An analytical-heuristic approach,” Journal of Cleaner Production, vol. 330, p. 129840, 2022. [En línea]. Disponible en: https://doi.org/10.1016/j.jclepro.2021.129840 [81] M. Shafiekhani, A. Ahmadi, O. Homaee, M. Shafie-khah, and J. P. Catalão, “Optimal bidding strategy of a renewable-based virtual power plant including wind and solar units and dispatchable loads,” Energy, vol. 239, p. 122379, 2022. [En línea]. Disponible en: https://doi.org/10.1016/j.energy.2021.122379 [82] Z. Ullah, Arshad, and H. Hassanin, “Modeling, optimization, and analysis of a virtual power plant demand response mechanism for the internal electricity market considering the uncertainty of renewable energy sources,” Energies, vol. 15, no. 14, p. 5296, 2022. [En línea]. Disponible en: https://doi.org/10.3390/en15145296 [83] J. Liu, H. Hu, S. S. Yu, and H. Trinh, “Virtual power plant with renewable energy sources and energy storage systems for sustainable power grid-formation, control techniques and demand response,” Energies, vol. 16, no. 9, p. 3705, 2023. [En línea]. Disponible en: https://doi.org/10.3390/en16093705 [84] D. Falabretti, F. Gulotta, and D. Siface, “Scheduling and operation of res-based virtual power plants with e-mobility: A novel integrated stochastic model,” International Journal of Electrical Power & Energy Systems, vol. 144, p. 108604, 2023. [En línea]. Disponible en: https://doi.org/10.1016/j.ijepes.2022.108604 [85] M. Shabanzadeh, M.-K. Sheikh-El-Eslami, and M.-R. Haghifam, “A medium-term coalition-forming model of heterogeneous ders for a commercial virtual power plant,” Applied Energy, vol. 169, pp. 663–681, 2016. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2016.02.058 [86] J. C. do Prado and W. Qiao, “A stochastic decision-making model for an electricity retailer with intermittent renewable energy and short-term demand response,” IEEE Transactions on Smart Grid, vol. 10, no. 3, p. 2581–2592, may 2019. [En línea]. Disponible en: https://ieeexplore.ieee.org/document/8290716/ [87] M. Jafari and A. A. Foroud, “A medium/long-term auction-based coalition-forming model for a virtual power plant based on stochastic programming,” International Journal of Electrical Power & Energy Systems, vol. 118, p. 105784, 2020. [En línea]. Disponible en: https://doi.org/10.1016/j.ijepes.2019.105784 [88] F. Ghasemi-Olanlari, M. Moradi-Sepahvand, and T. Amraee, “Two-stage risk-constrained stochastic optimal bidding strategy of virtual power plant considering distributed generation outage,” IET Generation, Transmission & Distribution, vol. 17, no. 8, pp. 1884–1901, 2023. [En línea]. Disponible en: https://doi.org/10.1049/gtd2.12826 [89] L. Ying, F. Ma, X. Cui, and T. Shusheng, “Research on bidding strategy of virtual power plant considering risk preference,” in 2023 3rd Power System and Green Energy Conference (PSGEC). IEEE, 2023, pp. 311–317. [En línea]. Disponible en: https://doi.org/10.1016/j.ijepes.2021.107891 [90] H. Yang, X. Tian, F. Liu, L. Liu, L. Li, and Q. Wang, “A multi-objective dispatching model for a novel virtual power plant considering combined heat and power units, carbon recycling utilization, and flexible load response,” Frontiers in Energy Research, vol. 11, p. 1332474, 2024. [En línea]. Disponible en: https://doi.org/10.3389/fenrg.2023.1332474 [91] A. Rosso-Cerón, D. León-Cardona, and V. Kafarov, “Soft computing tool for aiding the integration of hybrid sustainable renewable energy systems, case of putumayo, colombia,” Renewable Energy, vol. 174, p. 616–634, aug 2021. [En línea]. Disponible en: https://linkinghub.elsevier.com/retrieve/pii/S0960148121006261 [92] XM, “Reporte integral de sostenibilidad, operación y mercado,” https://www.xm.com.co/sites/default/files/documents/Reporte%20Integral%20de%20Sostenibilidad%2C%20Operaci%C3%B3n%20y%20Mercado%202023_XM.pdf, Fecha de Acceso: Mayo 27, 2024. [93] SER Colombia, “Informe sobre los proyectos de energías renovables no convencionales (fncer) para 2024,” https://ser-colombia.org/wp-content/uploads/2024/01/PORTAFOLIO_2024.pdf, Fecha de Acceso: Mayo 27, 2024. [94] Ministerio de Minas y Energía, “Hoja de ruta misión de transformación energética,” [En línea]. Disponible en: https://www.minenergia.gov.co/cartilla-misiontransformacion-energetica, 2020. Fecha de Acceso: 10 Jul 2023. [95] M. Asif, The 4Ds of Energy Transition: Decarbonization, Decentralization, Decreasing Use, and Digitalization. John Wiley & Sons, 2022. [96] Unidad de Planeación Minero Energética, “Plan energético nacional colombia: Ideario energético 2050,” Ministerio de Minas y Energía, Reporte Técnico, 2015. [En línea]. Disponible en: http://www.upme.gov.co/docs/pen/pen_idearioenergetico2050.pdf [97] M. Chang, J. Z. Thellufsen, B. Zakeri, B. Pickering, S. Pfenninger, H. Lund, and P. A. Østergaard, “Trends in tools and approaches for modelling the energy transition,” Applied Energy, vol. 290, p. 116731, 2021. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2021.116731 [98] P. O’Connor, “Energy transitions,” Pardee School of Global Studies, no. 12, p. 50, Nov 2010. [En línea]. Disponible en: https://www.bu.edu/pardee/files/2010/11/12-PP-N ov2010.pdf [99] B. Shen, F. Kahrl, and A. J. Satchwell, “Facilitating power grid decarbonization with distributed energy resources: Lessons from the united states,” Annual Review of Environment and Resources, vol. 46, pp. 349–375, 2021. [En línea]. Disponible en: https://doi.org/10.1146/annurev-environ-111320-071618 [100] S. Groh, L. Barner, G. Heinemann, and C. von Hirschhausen, Electricity Access, Decarbonization, and Integration of Renewables: Insights and Lessons from the Energy Transformation in Bangladesh, South Asia, and Sub-Sahara Africa. Springer Fachmedien Wiesbaden, 2023. [En línea]. Disponible en: http://dx.doi.org/10.1007/978-3-658-38215-5 [101] R. K. R. Karduri and C. Ananth, “Decarbonizing the grid: Pathways to sustainable energy storage,” This paper has been published in International Journal of Advanced Research In Basic Engineering Sciences and Technology (IJARBEST) DOI, vol. 10, 2023. [En línea]. Disponible en: https://ijarbest.com/journal/v6i2/2344 [102] A. M. Abdelbary, L. Manglicmot, O. Kanwhen, and A. A. Mohamed, “Community-centric distributed energy resources for energy justice and decarbonization in dense urban regions,” Energy Reports, vol. 11, pp. 1742–1751, 2024. [En línea]. Disponible en: https://doi.org/10.1016/j.egyr.2024.01.023 [103] P. Valkering, A. Moglianesi, L. Godon, J. Duerinck, D. Huber, and D. Costa, “Representing decentralized generation and local energy use flexibility in an energy system optimization model,” Applied Energy, vol. 348, p. 121508, 2023. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2023.121508 [104] A. Idries, J. Krogstie, and J. Rajasekharan, “Challenges in platforming and digitizing decentralized energy services,” Energy Informatics, vol. 5, no. 1, p. 8, 2022. [En línea]. Disponible en: https://doi.org/10.1186/s42162-022-00193-9 [105] A. Umar, D. Kumar, and T. Ghose, “Blockchain-based decentralized energy intra-trading with battery storage flexibility in a community microgrid system,” Applied energy, vol. 322, p. 119544, 2022. [En línea]. Disponible en: https: //doi.org/10.1016/j.apenergy.2022.119544 [106] M. Pau, M. Mirz, J. Dinkelbach, P. Mckeever, F. Ponci, and A. Monti, “A service oriented architecture for the digitalization and automation of distribution grids,” IEEE Access, vol. 10, pp. 37 050–37 063, 2022. [En línea]. Disponible en: https://doi.org/10.1109/ACCESS.2022.3164393 [107] Y. Yakovenko, N. Grishko, and O. Maslak, “Digitalization as a catalyst for smart grid development in ukraine: Status and prospects of implementation,” in 2023 IEEE 5th International Conference on Modern Electrical and Energy System (MEES). IEEE, 2023, pp. 1–5. [En línea]. Disponible en: http://dx.doi.org/10.1109/MEES61502.2023.10402547 [108] M. Chebbo, “Digitalization and smart energy devices,” Technologies for Integrated Energy Systems and Networks, 2022. [En línea]. Disponible en: https://doi.org/10.1002/9783527833634.ch6 [109] C. Kang, D. Kirschen, and T. C. Green, “The evolution of smart grids,” Proceedings of the IEEE, vol. 111, no. 7, pp. 691–693, 2023. [En línea]. Disponible en: https://doi.org/10.1109/JPROC.2023.3284213 [110] M. Jayachandran, K. P. Rao, R. K. Gatla, C. Kalaivani, C. Kalaiarasy, and C. Logasabarirajan, “Operational concerns and solutions in smart electricity distribution systems,” Utilities Policy, vol. 74, p. 101329, 2022. [En línea]. Disponible en: https://doi.org/10.1016/j.jup.2021.101329 [111] A. Anisie, F. Boshell, and E. Ocenic, “Innovation landscape brief: Future role of distribution system operators,” International Renewable Energy Agency, Abu Dhabi,Reporte Técnico, 2019. [En línea]. Disponible en: https://www.irena.org/-/media/Files/IRENA/Agency/Publication/2020/Jul/IRENA_System_Operation_Collection_2020.p df [112] C. de Regulación de Energía y Gas, “Regulación de las actividades de autogeneración a pequeña escala y de generación distribuida en el sistema interconectado nacional,” Resolución CREG 174, 7 Oct 2021. [En línea]. Disponible en: https://gestornormativo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05256eee 00709c02/c99b2f316a59fffb052587950077d9d1/$FILE/Creg174-2021.pdf [113] Á. Arcos-Vargas, D. Canca, and F. Núñez, “Business opportunities in the day ahead markets by storage integration: An application to the german case,” in Mathematical Modelling of Contemporary Electricity Markets. Elsevier, 2021, pp. 209–224.[En línea]. Disponible en: https://doi.org/10.1016/B978-0-12-821838-9.00012-8 [114] J. Rosero Garcia, R. García Sierra, A. F. Cerón, and A. F. Zuñiga, “Una propuesta metodológica para la evaluación de la condición en sistemas de almacenamiento de energía con baterías (bess) utilizando kpis,” Ingeniería y desarrollo, vol. 40, no. 2, pp. 204–223, 2022. [En línea]. Disponible en: https://doi.org/10.14482/inde.40.02.627.001 [115] C. de Regulación de Energía y Gas, “Definición de mecanismos para incorporar sistemas de alacenamiento para mitigar inconvenientes presentados por la falta o insuficiencia de redes de transporte de energía en el sin,” Resolución CREG 098, 30 Ago 2019. [En línea]. Disponible en: https: //gestornormativo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05256eee00709c02 /28669c6087eb69be0525846c0 06e9690/$FILE/Creg098-2019.pdf [116] A. P. Torres Luna, “Definición de lineamientos de política y regulación energética para incentivar mecanismos de respuesta de la demanda en el mercado de energía de colombia,” Tesis de Maestría, Universidad Nacional de Colombia - Sede Manizales, 2022. [En línea]. Disponible en: https://repositorio.unal.edu.co/bitstream/handle/unal/83015/1022357870.2022.pdf [117] R. L. Castañeda Hernández, G. A. Marulanda García, G. A. Díaz Flórez, D. F. Echeverry, and J. A. Zapata Gaitán, Respuesta de la Demanda: Experiencias internacionales y perspectivas para su integración en el mercado eléctrico colombiano. Programa editorial Universidad del Valle, 2024. [118] C. de Regulación de Energía y Gas, “Finalización del esquema de tarifas diferenciales adoptado mediante la resolución creg 029 de 2016,” Resolución CREG 029, 23 Abr 2016. [En línea]. Disponible en: https://gestornormativo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05256eee00709c02/53113c40bc8dc7e505257fa0004ce 004/$FILE/Creg051-2016.pdf [119] ——, “Regulación del anillo de seguridad del cargo por confiabilidad denominado Demanda Desconectable Voluntariamente,” Resolución CREG 063, 27 Abr 2010. [En línea]. Disponible en: https://gestornormativo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05256eee00709c02/1b8ad1b4ea9d21660525785a007a72b3/$FILE/Creg63-2010.pdf [120] ——, “Respuesta de la demanda en el sistema interconectado nacional - hoja de ruta,” Documento CREG 001, 18 Ene 2022. [En línea]. Disponible en: http://www.secretariasenado.gov.co/index.php/cuatrienio-2022-2026/ legislatura-2 022-2023/informes-y-publicaciones-2/proposicion-no-36-debate-decontrol-politic o-crisis-energetica-del-pais-alza-en-las-tarifas-y-deficiencia-de-laprestacion-del -servicio/7924-respuesta-de-la-demanda-en-el-sin-hoja-de-ruta/file [121] N-Sci Technologies, “What are virtual power plants?” [En línea]. Disponible en:https: //nsci.ca/2019/12/20/what-are-virtual-power-plants/, Fecha de Acceso: Marzo 25, 2024. [122] S. Yu, F. Fang, Y. Liu, and J. Liu, “Uncertainties of virtual power plant: Problems and countermeasures,” Applied energy, vol. 239, pp. 454–470, 2019. [En línea]. Disponible en: https://doi.org/10.1016/j.apenergy.2019.01.224 [123] G. Zhang, C. Jiang, and X. Wang, “Comprehensive review on structure and operation of virtual power plant in electrical system,” IET generation, transmission & distribution, vol. 13, no. 2, pp. 145–156, 2019. [En línea]. Disponible en: https://doi.org/10.1049/iet-gtd.2018.5880 [124] L. Yavuz, A. Önen, S. Muyeen, and I. Kamwa, “Transformation of microgrid to virtual power plant–a comprehensive review,” IET generation, transmission & distribution, vol. 13, no. 11, pp. 1994–2005, 2019. [En línea]. Disponible en: https://doi.org/10.1049/iet-gtd.2018.5649 [125] A. Perez and J. J. Garcia-Rendon, “Integration of non-conventional renewable energy and spot price of electricity: A counterfactual analysis for Colombia,” Renewable Energy, vol. 167, pp. 146–161, 2021. [En línea]. Disponible en: https://doi.org/10.1016/j.renene.2020.11.067 [126] C. de Regulación de Energía y Gas, “Reglamentación de los aspectos comerciales del mercado mayorista de energía en el sistema interconectado nacional, que hacen parte del reglamento de operación.” Resolución CREG 024, 13 Jul 1995. [En línea]. Disponible en: https://gestornormativo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b 05256eee00709c02/ e866f2ef5b7823380525785a007a611d/$FILE/Cr024-95.pdf [127] D. M. Cely Garzón, “Analisis regulatorio y normativo papara los generadores y operadores de red en relación con la incorporación de sistemas de almacenamiento energético en el sistema interconectado nacional,” Tesis de Maestría, Universidad Nacional de Colombia, 2021. [En línea]. Disponible en: https://repositorio.unal.edu.co/bitstream/handle/ unal/79308/1020749284.2021.pdf [128] F. M. Gamboa, E. G. F. Serrano, and G. G. Gómez, Mercados de energía en Colombia, una introducción. Editorial [129] Comisión de Regulación de Energía y Gas, “Extensión de la opción de acceso al despacho central, a plantas menores a 20 mw conectadas al sistema interconectado nacional,” Resolución CREG 096, 28 Ago 2019. [En línea]. Disponible en: https://gestornormativo.creg.gov.co/gestor/entorno/docs/resolucion_creg_0096_2019.htm#INICIO [130] R. L. C. Hernández, G. A. M. García, G. A. D. Flórez, D. F. Echeverry, and J. A. Z. Gaitán, Respuesta de la demanda: Experiencias internacionales y perspectivas para su integración en el mercado eléctrico colombiano. Universidad del Valle, 2024. [131] OCDE and FECYT-Fundación Española, “Manual de frascati 2015: Guía para la recopilación y presentación de información sobre la investigación y el desarrollo experimental,” 2015. [132] R. Hernández-Sampieri and C. Mendoza, Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta. Mcgraw-hill, 2020. [133] R. Kumar, Research methodology: A step-by-step guide for beginners. SAGE publications Ltd, 2018. [134] Y. Rodríguez Sánchez, Metodología de la investigación. México: Editorial Klik soluciones Educativas, 2020. [135] National Renewable Energy Laboratory (NREL), “National solar radiation database - NSRDB,” [En línea]. Disponible en: https://registry.opendata.aws/nrel-pds-nsrdb, Fecha de Acceso: 14 Dic 2023. [136] Y. Villota Rivera, “Almacenamiento de energía en colombia,” Tesis de Maestría, Universidad Externado de Colombia, 2021. [En línea]. Disponible en: https://bdigital.uexternado.edu.co/server/api/core/bitstreams/cd704a5bed89-48d 4-9a75-ed9a9bace807/content [137] S. Cantillo-Luna, R. Moreno-Chuquen, H. R. Chamorro, V. K. Sood, S. Badsha, and C. Konstantinou, “Blockchain for distributed energy resources management and integration,” IEEE Access, 2022. [En línea]. Disponible en: https://doi.org/10.1109/AC CESS.2022.3184704 [138] S. Cantillo-Luna, R. Moreno-Chuquen, J. Lopez-Sotelo, and D. Celeita, “An intraday electricity price forecasting based on a probabilistic transformer neural network architecture,” Energies, vol. 16, no. 19, p. 6767, 2023. [En línea]. Disponible en: https://doi.org/10.3390/en16196767 [139] XM Colombia, “"portal de variables del mercado eléctrico colombiano sinergox",” [En línea]. Disponible en: "https://sinergox.xm.com.co/trpr/Paginas/Historicos/Historicos.aspx", Fecha de Acceso: Marzo 15, 2023. [140] S. Cantillo-Luna, R. Moreno-Chuquen, D. Celeita, and G. J. Anders, “A stochastic decision-making tool suite for distributed energy resources integration in energy markets,” Energies, vol. 17, no. 10, p. 2419, 2024. [En línea]. Disponible en: https://doi.org/10.3390/en17102419 [141] G. Narvaez, L. F. Giraldo, M. Bressan, C. A. Guillen, M. A. Pabón, N. Díaz, M. F. Porras, B. H. Medina, F. Jiménez, G. Jiménez-Estévez et al., “An interactive tool for visualization and prediction of solar radiation and photovoltaic generation in colombia,” Big Earth Data, pp. 1–26, 2023. [En línea]. Disponible en: https://doi.org/10.1080/20964471.2023.2185920 [142] M. Sengupta, Y. Xie, A. Lopez, A. Habte, G. Maclaurin, and J. Shelby, “The National Solar Radiation Data Base (nsrdb),” Renewable and sustainable energy reviews, vol. 89, pp. 51–60, 2018. [En línea]. Disponible en: https: //doi.org/10.1016/j.rser.2018.03.003 [143] S. Cantillo-Luna, R. Moreno-Chuquen, D. Celeita, and G. Anders, “Deep and machine learning models to forecast photovoltaic power generation,” Energies, vol. 16, no. 10,p. 4097, 2023. [En línea]. Disponible en: https://doi.org/10.3390/en16104097 [144] M. Shabanzadeh, M.-K. Sheikh-El-Eslami, and M.-R. Haghifam, “Decision making tool for virtual power plants considering midterm bilateral contracts,”in Iranian Regulation CIRED Conf. and Exhibition on Electricity Distribution, 2015, pp. 1–6.[En línea]. Disponible en: http://dx.doi.org/10.13140/2.1.5086.4969 [145] XM, “Sistema de Información para el Mercado de Energía Mayorista (SIMEM),” [En línea]. Disponible en: https://www.simem.co, Fecha de Acceso: Diciembre 10, 2023Doctorado en IngenieríaDescentralizaciónMercados de energíaPronósticoRecursos Energéticos DistribuidosToma de decisionesTransición energéticaDecentralizationDecision makingDistributed energy resourcesEnergy marketsEnergy transitionForecastingComunidad generalPublicationORIGINALT11318_Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia.pdfT11318_Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia.pdfArchivo texto completo del trabajo de grado, PDFapplication/pdf16843927https://red.uao.edu.co/bitstreams/6d8983b6-4c78-4350-9121-9fda512f30a1/download1060dbb8fe30fb3d159331c0c96f8082MD51TA1318_Autorización trabajo de grado.pdfTA1318_Autorización trabajo de grado.pdfAutorización para publicación del trabajo de gradoapplication/pdf598802https://red.uao.edu.co/bitstreams/8f507767-7755-4770-af22-c64321b950fc/download605c605542a48d0d0ac576b08da2d48eMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81672https://red.uao.edu.co/bitstreams/ddd997d8-3039-44ca-ad2b-810c0e27ddca/download6987b791264a2b5525252450f99b10d1MD53TEXTT11318_Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia.pdf.txtT11318_Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia.pdf.txtExtracted texttext/plain101820https://red.uao.edu.co/bitstreams/a32e20f6-f831-4ac4-b97e-8810d6d0e460/download66fb61728530ca922d6bc07f66c29857MD54TA1318_Autorización trabajo de grado.pdf.txtTA1318_Autorización trabajo de grado.pdf.txtExtracted texttext/plain5353https://red.uao.edu.co/bitstreams/da68c629-5494-4c89-8819-939aed1e61e7/download68720d8acb94455d39fe107a620f8ab6MD56THUMBNAILT11318_Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia.pdf.jpgT11318_Integración de recursos energéticos distribuidos (DER) en el mercado de energía eléctrica: contribución a la descentralización en la transición energética en Colombia.pdf.jpgGenerated Thumbnailimage/jpeg7274https://red.uao.edu.co/bitstreams/9a05cbfb-2c80-49cb-b1dd-195dfe527031/downloadf495f23ef8296d593fa3766efc432331MD55TA1318_Autorización trabajo de grado.pdf.jpgTA1318_Autorización trabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg13225https://red.uao.edu.co/bitstreams/b8d2ba56-4e20-4017-a13e-6b89e8dd9fe9/downloada9bd64e15e3b109edb60bb011fcdacc5MD5710614/15979oai:red.uao.edu.co:10614/159792025-02-24 08:19:42.975https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos reservados - Universidad Autónoma de Occidente, 2024open.accesshttps://red.uao.edu.coRepositorio Digital Universidad Autonoma de Occidenterepositorio@uao.edu.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

Publicaciones similares