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
- Marcelo Monteros , Modelo predictivo de recomendación para el despacho energético del complejo Hidroeléctrico Paute , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
- Alejandro Trejo , Patricia Gavela, Diego Salinas, Análisis de Energía Firme en Autogeneradores Hidroeléctricos Considerando la Red de Transmisión , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
- Luis Tipán, David Fiallos, Manuel Jaramillo, Determination of the optimum power point in photovoltaic panels using the Liu &Jordan model considering fuzzy variables , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
- Cristian Cuji, Ernesto Mediavilla, Controlador Difuso Para Gestión De La Energía En Un Proceso De Transición De Central De Generación Térmica A Renovables , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
- Cristian Cuji, Diego Polanco , Estimación Del Tiempo De Recuperación De Energía Aplicado En Producción De Hidrogeno Con Fines De Generación Eléctrica , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
- Diego Arias , Patricia Gavela, Walter Intriago, Subastas de Recursos Energéticos Distribuidos para Empresas Eléctricas de Distribución , Revista Técnica "energía": Vol. 18 Núm. 2 (2022): Revista Técnica "energía", Edición No. 18, ISSUE II
- Marlon Callacando, Wilson Pavón, Leony Ortíz, Multilevel inverter D-STATCOM for reducing total harmonic distortion in a non-linear loads electrical distribution system , Revista Técnica "energía": Vol. 19 Núm. 1 (2022): Revista Técnica "energía", Edición No. 19, ISSUE I
- Pablo Tupiza, Wilson Pavón, Manuel Jaramillo, Reducción de la distorsión armónica total a través de generación fotovoltaica y el filtro activo unificado (UAPF) , Revista Técnica "energía": Vol. 19 Núm. 1 (2022): Revista Técnica "energía", Edición No. 19, ISSUE I
- Nelson Granda, Christian Mancero, Módulo de Software en Lenguaje Python para Estudios de Flujo de Potencia Inercial , Revista Técnica "energía": Vol. 19 Núm. 2 (2023): Revista Técnica "energía", Edición No. 19, ISSUE II
- Nelson Granda, Vinicio Jácome, Esquema Automático de Alivio de Carga para Sistemas Eléctricos que sirven a Plataformas Petroleras , Revista Técnica "energía": Vol. 19 Núm. 2 (2023): Revista Técnica "energía", Edición No. 19, 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
