SciELO - Scientific Electronic Library Online

 
vol.17 issue37Vision systems modelling in 2D and 3D: An approach to the control of manipulator robotsAplication of Schrodinger equation in low-dimensionality semiconducting heterostructures author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Tecnura

Print version ISSN 0123-921X

Abstract

LOPEZ SEPULVEDA, Gloria Patricia; SEPULVEDA LONDONO, Christian David  and  MOLINA CABRERA, Alexander. Estimación de los márgenes de estabilidad de tensión en un sistema de potencia usando redes neuronales artificiales. Tecnura [online]. 2013, vol.17, n.37, pp.22-32. ISSN 0123-921X.

Resumen Debido al aumento de la carga y al creciente uso de energías alternativas en el sistema de potencia, este se ha vuelto más sensible a problemas de estabilidad de tensión. Si se considera que los métodos de análisis estático como el flujo de carga no evalúan de manera correcta la estabilidad de tensión, debido a que usan modelos simples para describir las componentes del sistema, y que los modelos dinámicos para el análisis de estabilidad de tensión son complejos y tienen un alto costo computacional, se evidencia la necesidad de desarrollar una metodología más precisa y eficiente. Se presenta un modelo basado en Redes Neurona-les Artificiales (ANN, del inglés Artificial Neural Networks); estas tienen la capacidad de aprender y extraer las principales características de un conjunto de datos. Pueden ofrecer respuestas correctas para aquellas entradas que presentan variaciones causadas por los efectos del ruido o por las distorsiones del medio. Debido a que las ANN tienen habilidad para cambiar su estructura interna durante el entrenamiento han sido utilizadas para el desarrollo de este trabajo como máquinas de estimación del margen de estabilidad de tensión del sistema de potencia a partir su estado. Los datos de entrenamiento se obtienen por medio de un flujo de carga que entrega las condiciones iníciales o las también conocidas variables de entrada a la red y luego, mediante funciones de energía, se obtienen los márgenes de estabilidad que para este caso son las salidas deseadas. Se muestran resultados para un sistema de prueba de cuatro nodos, donde la RN estima de forma cercana las estimaciones efectuadas mediante el uso de márgenes de estabilidad determinísticos.

Keywords : estabilidad de tensión; flujo de carga; margen de energía; redes neuronales.

        · abstract in English     · text in Spanish     · Spanish ( pdf )