Resumen
Las redes energéticas modernas constituyen sistemas dinámicos complejos caracterizados por incertidumbre operativa y comportamientos no lineales. El objetivo de esta investigación fue desarrollar un marco físico-computacional para analizar la estabilidad y capacidad de adaptación de redes energéticas sometidas a perturbaciones estocásticas. Se empleó un modelo dinámico no lineal basado en ecuaciones diferenciales ordinarias, integrando simulación Monte Carlo, muestreo Latin Hypercube, un Índice de Antifragilidad Energética (EAI), análisis de sensibilidad mediante índices de Sobol y análisis de bifurcaciones. Los resultados evidenciaron comportamientos frágiles, resilientes y antifrágiles, con predominio de escenarios resilientes. La intensidad de acoplamiento y la magnitud de las perturbaciones fueron los parámetros de mayor influencia sobre el sistema. Asimismo, se identificó un umbral crítico asociado con la aparición de múltiples estados de equilibrio y transiciones dinámicas. Se concluye que la integración de dinámica no lineal y simulación probabilística permite comprender el comportamiento de sistemas energéticos complejos bajo incertidumbre.
Citas
O. P. Ovidiu, B. Dragos, and C. Emil, “Fractal and Markov-Based Load Modeling for Multi-Generator Dispatch and Protection in Urban Networks,” Annals of the West University of Timisoara. Physics Series, vol. 67, no. 1, pp. 13–34, 2025.
C. Axenie, O. López-Corona, M. A. Makridis, M. Akbarzadeh, M. Saveriano, A. Stancu, and J. West, “Antifragility in complex dynamical systems,” npj Complexity, vol. 1, no. 1, Art. no. 12, 2024.
X. Gao, M. Peng, K. T. Chi, and H. Zhang, “A stochastic model of cascading failure dynamics in cyber-physical power systems,” IEEE Systems Journal, vol. 14, no. 3, pp. 4626–4637, 2020.
H. Liang, B. Moya, F. Chinesta, and E. Chatzi, “A multi-model probabilistic framework for seismic risk assessment and retrofit planning of electric power networks,” Reliability Engineering & System Safety, Art. Volume 268, no. 112001, 2025. Doi: 10.1016/j.ress.2025.112001
P. Saisridhar, M. Thuerer, and B. Avittathur, “Assessing supply chain responsiveness, resilience and robustness (Triple-R) by computer simulation: a systematic review of the literature,” International Journal of Production Research, vol. 62, no. 4, pp. 1458–1488, 2024.
D. Coppitters and F. Contino, “Optimizing upside variability and antifragility in renewable energy system design,” Scientific Reports, vol. 13, no. 1, Art. no. 9138, 2023.
Z. Hu, J. Hou, Y. Su, Y. Wang, W. Dai, and J. Yang, “Public Health Safety Governance and System Resilience in Petrochemical Plants Based on STAMP/STPA and Complex Networks: A Case Study from China,” Sustainability, vol. 18, Art. no. 3754, 2026, doi: 10.3390/su18083754.
M. A. Polo-González, A. P. Riascos, and L. K. Eraso-Hernandez, “Antifragility and response to damage in the synchronization of oscillators on networks,” Journal of Physics A: Mathematical and Theoretical, vol. 58, no. 22, Art. no. 225002, 2025.
X. Wu, Y. Cao, H. Wu, S. Qi, M. Zhao, Y. Feng, and Q. Yu, “Hybrid learning-based fault prediction and cascading failure mitigation in multi-network energy systems,” Scientific Reports, vol. 15, no. 1, Art. no. 33938, 2025, doi: 10.1038/s41598-025-10304-7.
[10] C. Zhang, Y. Xu, Y. Chen, and Y. Gan, “Coupling modelling and fault propagation simulation method for power grid-centric urban lifeline systems under extreme disasters,” Energy Internet, vol. 2, no. 3, pp. 255–273, 2025, doi: 10.1049/ein2.70010.
B. Li, D. Liu, J. Fang, X. Zhang, and C. K. Tse, “Failure propagation graphs for studying cascading failure propagation in power networks,” IEEE Systems Journal, vol. 19, no. 1, pp. 258–269, Mar. 2025, doi: 10.1109/JSYST.2024.3524246.
