IEEE Power & Energy Magazine - Spanish - November/December 2022 - 61

Texas, entre todos los estados perjudicados, se vio muy afectado
sobre todo por una interrupción del suministro eléctrico en
todo el estado que duró más de tres días, y que afectó a más de
4.5 millones de clientes.
frecuencia de visitas a los establecimientos minoristas). Es
preciso tener en cuenta estos factores de influencia porque
reflejan actividades sociales muy relacionadas con el consumo
de electricidad desde diferentes perspectivas. Aprovechamos
un modelo de vectores autorregresivos (VAR)
restringido para analizar la correlación compleja y multidimensional
entre múltiples variables, como el número de
casos de la COVID-19, la población de trabajadores in situ,
la población que se queda en casa, la movilidad en el sector
minorista y el consumo de electricidad. Un modelo VAR
restringido es básicamente un modelo de regresión lineal,
que es una función que asigna los valores históricos de múltiples
variables a sus valores actuales. Los parámetros del
modelo se pueden utilizar para comprender la correlación
lineal entre las series temporales de estas variables. Obsérvese
que, aunque el modelo VAR restringido puede explicar
cómo interactúan múltiples variables, solo nos centramos
en la parte de los parámetros del modelo relacionada
con el modo en que otros factores de influencia afectan al
proceso dinámico del consumo de electricidad. Utilizamos
el análisis de desglose de la varianza [figura 4(a), (c) y (e)]
que aprovecha los parámetros correspondientes de los factores
de influencia actuales o históricos para cuantificar la
contribución de los factores de influencia a los cambios en
el consumo de electricidad. También utilizamos el análisis
de respuesta al impulso [figura 4(b), (d) y (f)] para reflejar
cómo evoluciona el consumo de electricidad en respuesta a
un cambio de unidad de un factor de influencia.
A partir de los resultados del análisis, tenemos varios
resultados clave:
✔ La movilidad en el sector minorista es el factor más
significativo que explica una mayor proporción del
cambio en el consumo de electricidad, lo que se ve
apoyado por una proporción consistente en las diferentes
ciudades tanto en el análisis de desglose de la
varianza [figura 4(a), (c) y (e)] como en el análisis de
respuesta al impulso [figura 4(b), (d) y (f)].
✔ El número de casos de la COVID-19 no es un factor
clave, como lo demuestra la baja sensibilidad en el
análisis de la respuesta al impulso [figura 4(b), (d) y
(f)].
✔ El consumo de electricidad en ciudades con una reducción
leve, como Houston, puede ser muy sensible a
algunos factores que influyen, como el nivel de actividad
comercial [figura 4(f)].
Enfoque basado en datos de varios
dominios para analizar el impacto de la
tormenta invernal extrema de 2021 en
Texas
La fuerte tormenta invernal Uri, en febrero de 2021, afectó
a los estados del sur de Estados Unidos y provocó niveles
40
50
60
70
80
02/14
Récord de carga máxima en invierno
Inicio de la tercera fase de alivio
por carga de la EEA
Capacidad real de generación en línea
Carga total real
Pico de la interrupción de generación
Pico del alivio de carga
02/15
02/16
02/17
Fecha
figura 5. La capacidad de generación real en línea y la carga en la interconexión de Texas entre el 14 y el 18 de febrero
de 2021. EEA: Energy Emergency Alert (Alerta de emergencia de energía).
noviembre/diciembre 2022
ieee power & energy magazine
61
02/18
Capacidad de generación y carga (GW)
IEEE Power & Energy Magazine - Spanish - November/December 2022

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - November/December 2022
