El Ing. Julio Alcides Benítez Chaparro es el nuevo egresado de la Maestría en Ingeniería Eléctrica 2026

El viernes 4 de septiembre de 2026, el Ing. Julio Alcides Benítez Chaparro realizó la defensa de su tesis en el marco de la Maestría en Ingeniería Eléctrica con énfasis en Sistemas de Potencia y Distribución, edición 2023-2025. El trabajo de investigación, titulado «Estrategias de resiliencia para la localización óptima de recursos energéticos distribuidos basadas en la sensibilidad del vector tangente y en la optimización por enjambre de partículas: caso Subestación Pilar», contó con la tutoría del Prof. Msc. Rodney Fariña.

El Tribunal examinador estuvo conformado por los docentes:

• Msc Rodney Fariña
• Dr. David Franco León
• Dr. Renan Souza Moura (externo)
• Dr. Cristian Adolfo Álvez (externo)

El aumento de la demanda de electricidad plantea desafíos significativos para la operación segura, eficiente y resiliente de los sistemas de potencia, particularmente en el control del perfil de voltaje, la gestión de carga y la continuidad del suministro en condiciones normales y de contingencia. Este trabajo propone una metodología integrada para mejorar el desempeño operativo de sistemas de transmisión y distribución altamente radiales mediante la integración eficiente de recursos energéticos distribuidos. En primer lugar, se realiza un análisis de estabilidad de tensión mediante el cálculo del vector tangente utilizando el método de acoplamiento implícito reactivo con restricciones, a partir del cual se obtienen índices de sensibilidad para describir el comportamiento del sistema en condiciones de aumento de carga. Estos índices se utilizan posteriormente en un proceso de optimización basado en la optimización por enjambre de partículas para determinar el dimensionamiento óptimo de la generación fotovoltaica distribuida. El dimensionamiento de los sistemas de almacenamiento de energía en baterías se obtiene mediante la gestión de carga prioritaria basada en aprendizaje automático, mientras que un algoritmo genético programa los ciclos de carga y descarga. El método se aplica a un subsistema real de transmisión y distribución altamente radial, mostrando resultados favorables en perfiles de voltaje y resiliencia operativa.

Objetivo fue desarrollar y validar un enfoque basado en índices de estabilidad de tensión utilizando la sensibilidad de VT para evaluar la criticidad de los nodos. Para la integración de DER se aplica PSO para optimizar el dimensionamiento de PVDG, GCP con soporte de IA-AM para determinar el dimensionamiento de BESS y GA para programar el SOC de BESS, basándose en criterios GCP de los niveles de carga supervivientes N1 y N2, con el objetivo de mejorar el perfil de voltaje, la distribución de carga, la estabilidad y la resiliencia en condiciones normales, contingencias y operación aislada, validado en una red eléctrica real.

Objetivos Específicos

• Caracterizar el sistema eléctrico real en estudio mediante modelado de redes y análisis de flujo de potencia para obtener perfiles representativos de voltaje y carga bajo diferentes condiciones de operación.
• Evaluar la estabilidad de la tensión del sistema utilizando el método CRIC para calcular las curvas P-V y el VT, determinando la sensibilidad del sistema e identificando los nodos
  candidatos para la integración de DER.
• Determinar los niveles de carga prioritarios N1 y N2 a partir de datos energéticos comerciales reales de SE-PIL utilizando la metodología GCP-IA-AM, integrando variables eléctricas y criterios de criticidad (C1, C2, C3) para calcular un índice de resiliencia a nivel de alimentador.
• Optimizar el dimensionamiento del PVDG utilizando PSO, basándose en N1 definido a través de la metodología GCP-IA-AM, considerando los buses candidatos y las restricciones técnicas tales como límites de voltaje, capacidad térmica y estabilidad operativa.
• Dimensionar e integrar el sistema BESS en función del nivel de carga residual N2 derivado de la metodología GCP-IA-AM, y gestionar el estado de carga (SOC) del BESS utilizando un marco híbrido IA-AM-GA, mejorando la gestión de la energía en condiciones normales y de contingencia.
• Validar el rendimiento del sistema mediante simulaciones cuasiestáticas de series temporales, evaluando los perfiles de voltaje, la distribución de carga, la reducción de pérdidas y la resiliencia del sistema en condiciones de funcionamiento normal, de contingencia y aislado.