A medida que los sistemas de energía crecen en complejidad, el tamaño de los problemas de optimización supera lo que los flujos de trabajo tradicionales fueron diseñados para manejar. Este artículo examina cómo los algoritmos basados en GPU pueden ampliar el alcance computacional para la optimización energética a gran escala, con benchmarks aplicados al PL de despacho de Brasil.

El SDDP ha sido la herramienta central para la planificación del despacho hidrotérmico durante más de tres décadas, pero sus supuestos estructurales condicionan las opciones de modelación disponibles en la práctica. Este artículo explora qué es posible cuando el aprendizaje por refuerzo se combina con la optimización para relajar esas restricciones.

Traducir un artículo de investigación en software de producción suele requerir meses de esfuerzo de ingeniería. Este artículo presenta un experimento deliberado en desarrollo asistido por IA, utilizando un solver estocástico de expansión de la generación como caso de prueba para evaluar lo que los agentes de programación de frontera son capaces de entregar hoy.

Compreender quais restrições operativas hidráulicas geram os maiores custos para o sistema é fundamental para um planejamento mais eficiente. Uma metodologia desenvolvida em parceria com o Operador Nacional do Sistema Elétrico (ONS) quantifica seu impacto econômico, apoiando a priorização objetiva de medidas de flexibilidade e orientando decisões de investimento mais eficientes.

El marco SINAIS, desarrollado en colaboración con ONS (Operador Nacional del Sistema Eléctrico), introduce un enfoque multidimensional para la evaluación de la salud de la red. Mediante el uso de un conjunto de cinco modelos, cuantifica la confiabilidad energética, la flexibilidad de rampa y la resiliencia en picos de demanda. Al capturar los riesgos de cola a través del Valor en Riesgo Condicional (CVaR) y simular ajustes de reservas en tiempo real, SINAIS ofrece una hoja de ruta basada en datos para la transición energética.