Minería de Datos para Reconocimiento de Patrones en el Análisis de Seguridad Estática de Sistemas de Potencia ante Eventos de Contingencia
Data Mining for Patterns Recognition of Power Systems Static Security Assessment with Contingency Events
Cómo citar
Descargar cita
Mostrar biografía de los autores
Artículos similares
- Xavier Proaño, Paúl Potes, Diego Jiménez, Gabriel Pesántez, Evaluación de Eficiencia Energética del Sistema Eléctrico para Mejorar los Indicadores de Desempeño IDEn en la Finca “La Cordillera” Perteneciente al Cantón Mejía, Provincia de Pichincha , Revista Técnica "energía": Vol. 19 Núm. 1 (2022): Revista Técnica "energía", Edición No. 19, ISSUE I
- Roberto Salazar, Diego Monga, Cristian Changoluisa, Diego Jiménez, Xavier Proaño, Determinación de los parámetros de un sistema de puesta a tierra y apantallamiento eléctrico planteando un caso de expansión en una central de generación distribuida , Revista Técnica "energía": Vol. 19 Núm. 1 (2022): Revista Técnica "energía", Edición No. 19, ISSUE I
- Armando Freire, Luis Toapanta, Carlos Quinatoa, Control orientado de voltaje del sistema de generación de energía eólica conectado a la red , Revista Técnica "energía": Vol. 19 Núm. 1 (2022): Revista Técnica "energía", Edición No. 19, ISSUE I
- Cristian Cuji, Roberto Galarza, Gestión Óptima De La Energía En Un Proceso Paulatino Y Controlado Para Contribuir A La Descarbonización Del Sector Eléctrico , Revista Técnica "energía": Vol. 19 Núm. 1 (2022): Revista Técnica "energía", Edición No. 19, ISSUE I
- Jonathan Riofrio, Csaba Farkas, Auto – Conversores Sincrónicos: Emulación de Generadores Sincrónicos con Conversores para la Inyección de Inercia Virtual en Sistemas de Potencia de 60 Hz Considerando Auto-sincronización , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
- Nelson Granda, Jenny Monga, Cristian Barreno, Franklin Quilumba, Desarrollo de una estación meteorológica y una herramienta computacional para la evaluación de los recursos eólico y solar , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
- Diego Arias , Patricia Gavela, Jonathan Riofrio, Estado del Arte: Incentivos y Estrategias para la Penetración de Energía Renovable , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
- Felipe Riascos, Jaime Cepeda , Modelación Matemática de los Sistemas de Control de Velocidad de Unidades de la Central Hidroeléctrica Coca Codo Sinclair , Revista Técnica "energía": Vol. 18 Núm. 1 (2021): Revista Técnica "energía", Edición No. 18, ISSUE I
- Joffre Constante, Graciela Colomé, Estado del Arte y Tendencias en el Modelamiento de Carga , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
- Víctor Rueda , Auditoría energética a un bloque de aulas en Quito, Ecuador como estrategia de reducción de emisiones de CO2 , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
También puede Iniciar una búsqueda de similitud avanzada para este artículo.
Artículos más leídos del mismo autor/a
- Cristian Fabara, Diego Maldonado, Mauricio Soria, Antonio Tovar, Predicción de la Generación para un Sistema Fotovoltaico mediante la aplicación de técnicas de Minería de Datos , Revista Técnica "energía": Vol. 16 Núm. 1 (2019): Revista Técnica "energía", Edición No. 16
El presente artículo busca analizar la seguridad estática del sistema, aplicando técnicas avanzadas de minería de datos que permitan evaluar los patrones de seguridad de un sistema eléctrico de potencia en un análisis de estado estacionario ante eventos de contingencia N-1. Los datos son obtenidos a través de flujos de potencia, para efectuar simulaciones de Monte Carlo con scripts desarrollados en Python. Usando el software de simulación DIgSILENT PowerFactory se analizan 10000 escenarios, lo que permite considerar la incertidumbre del sistema según la naturaleza probabilística del mismo. Se calculan los índices de seguridad estática del sistema para clasificar los tipos de contingencias como segura, críticamente segura, insegura y altamente insegura. La minería de datos es desarrollada mediante un algoritmo programado en lenguaje Python con el cual se realiza el diseño del clasificador tipo máquina de soporte vectorial multiclase (SVM Multiclass) el cual es entrenado para determinar si una contingencia es segura o insegura. Los parámetros del SVM fueron obtenidos mediante una optimización con un algoritmo de evolución diferencial (Differential Evolution). Los resultados de la validación del clasificador demostraron que la técnica es muy efectiva para clasificar nuevas contingencias. La metodología se aplica a un sistema de prueba IEEE de 39 barras.
Visitas del artículo 1066 | Visitas PDF 401
Descargas
Semestral: Publicaciones en enero y julio
