Abstract
This paper presents an integrated approach for assessing the impact that distributed energy resources (DERs), mostly intermittent in nature, might have on the reliability performance of distribution networks. A test distribution system based on a typical MV/LV urban distribution network in the UK is fully modelled and controlled to investigate the potential benefits that local renewables and energy storage can offer to the quality of power supply to customers. In this analysis, the conventional Monte Carlo method is further developed to include the time-variation of electricity demand profiles and failure rates of network components. Additionally, a theoretical interruption model is employed to assess more accurately the moment in time when interruptions to electricity customers are likely to occur. Accordingly, the impact of the spatio-temporal variation of DERs, with photovoltaic (PV) systems as key enablers, is quantified in terms of the effect of network outages. A range of smart grid functionalities is analysed and their benefits are assessed through standard reliability indices, with special attention to energy not supplied to customers, as well as frequency and duration of supply interruptions.

Abstract

Abstract
In this paper a small-signal and noise modeling approach is developed and applied to GaN HEMTs. The main advantage of the proposed method is its simplicity and dependency on only pinch-off S-parameter measurements. The achieved model shows good fitting with microwave experiments performed on nonlinear solid-state devices with different sizes. The model reliability is further confirmed by the observed scaling of the extracted parameters.

Abstract
This paper presents an efficient parameter extraction method applied to GaN high electron mobility transistors. The procedure only relies on S-parameter measurements at cold bias conditions to extract the extrinsic parameters of a 19-element small-signal model. Hybrid technique of particle-swarm-optimization and direct fitting has been developed and implemented. The extraction procedure has been optimized to consider measurements uncertainty and improve the reliability of the extraction. The procedure has been validated by multibias extraction for different device sizes. A very good agreement between simulations and measurements has been obtained.

Abstract
Este artículo propone un modelo de Proyección Espacial de la Demanda (PED) aplicado a un sistema eléctrico de distribución para el corto, mediano y largo plazo, lo cual incluye la estimación de la magnitud y la ubicación geográfica de la demanda de energía eléctrica de nuevos clientes. El modelo propuesto es un híbrido tendencia-simulación y utiliza una estructura jerárquica: desde abajo hacia arriba para adicionar y analizar datos; y, desde arriba hacia abajo para asignar el crecimiento de carga en sub-áreas y micro-áreas. El enfoque de pequeñas áreas es combinado con modelos de regresión de series espacio-tiempo y análisis de tendencia, en grandes regiones. Se utilizan factores locales, de proximidad y contorno para crear un mapa de preferencias. En cada región, se asigna el crecimiento de clientes en función de los valores del mapa de preferencias y una técnica autómata celular, luego se combina este uso del suelo con los datos de la curva de carga y así se obtiene las cargas en estas pequeñas áreas. Hemos probado el modelo de PED con el sistema de distribución de CENTROSUR; el resultado es un mapa de densidad de demanda que muestra las áreas más probables donde se asignaron los nuevos clientes, proporcionando así información sobre dónde, cuánto y cuándo cambiará la demanda, con el suficiente detalle y precisión requerida. Este artículo propone un modelo de Proyección Espacial de la Demanda (PED) aplicado a un sistema eléctrico de distribución para el corto, mediano y largo plazo, lo cual incluye la estimación de la magnitud y la ubicación geográfica de la demanda de energía eléctrica de nuevos clientes. El modelo propuesto es un híbrido tendencia-simulación y utiliza una estructura jerárquica: desde abajo hacia arriba para adicionar y analizar datos; y, desde arriba hacia abajo para asignar el crecimiento de carga en sub-áreas y micro-áreas. El enfoque de pequeñas áreas es combinado con modelos de regresión de series espacio-tiempo y análisis de tendencia, en grandes regiones. Se utilizan factores locales, de proximidad y contorno para crear un mapa de preferencias. En cada región, se asigna el crecimiento de clientes en función de los valores del mapa de preferencias y una técnica autómata celular, luego se combina este uso del suelo con los datos de la curva de carga y así se obtiene las cargas en estas pequeñas áreas. Hemos probado el modelo de PED con el sistema de distribución de CENTROSUR; el resultado es un mapa de densidad de demanda que muestra las áreas más probables donde se asignaron los nuevos clientes, proporcionando así información sobre dónde, cuánto y cuándo cambiará la demanda, con el suficiente detalle y precisión requerida.

Abstract
 Debido a la incursión de nuevos electrodomésticos con alto consumo de energía, la demanda del sector residencial de una Empresa Eléctrica de Distribución puede ser incrementada de forma repentina, afectando la operación de la red eléctrica y, consecuentemente, cambiando los requerimientos de inversión para la expansión de la red. En este trabajo se utilizó una metodología compuesta por un modelo espacio temporal y un método de análisis del impacto en los circuitos de bajo voltaje de la red eléctrica. El modelo caracteriza la intención de los habitantes de la ciudad en comprar esta clase de electrodomésticos. Por otro lado, el método determina los nuevos valores de operación, voltajes y la sobrecarga que puede provocar el suministro de la demanda para estos electrodomésticos. Los resultados obtenidos proporcionan información valiosa del estado actual de las instalaciones de la Empresa Eléctrica y la tendencia del impacto, que puede causar el suministro de demanda para este tipo de cargas, en los circuitos secundarios del sistema eléctrico.