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
- Carlos Lozada, David Panchi, Implementación de Hardware In The Loop para el Análisis de Escenarios de Control de Frecuencia en una Microrred Utilizando WAMS , Revista Técnica "energía": Vol. 19 Núm. 2 (2023): Revista Técnica "energía", Edición No. 19, ISSUE II
- Cristopher Izquierdo, Braulio Pezántes, Edy Ayala, Predicción de la Dosis Óptima de Policloruro de Aluminio para el Proceso de Coagulación en el Tratamiento de Agua Potable mediante Redes Neuronales Artificiales , Revista Técnica "energía": Vol. 20 Núm. 1 (2023): Revista Técnica "energía", Edición No. 20, ISSUE I
- Juan Carlos Ríos, Carlos Quinatoa, Germán Casillas, Ubicación Óptima de Reconectadores en Redes de Distribución con Generación Distribuida Utilizando Algoritmos Genéticos e Índices de Calidad de Servicio , Revista Técnica "energía": Vol. 20 Núm. 1 (2023): Revista Técnica "energía", Edición No. 20, ISSUE I
- Diego Monga, Determinación de los Indicadores de Calidad Energética para el Caso de un Usuario Conectado en Media Tensión , Revista Técnica "energía": Vol. 20 Núm. 1 (2023): Revista Técnica "energía", Edición No. 20, ISSUE I
- Fernando Arias, Armando Freire, Estudio de Indicadores de Desempeño Energético (IDEn) de un Hospital Básico en el Ecuador , Revista Técnica "energía": Vol. 20 Núm. 1 (2023): Revista Técnica "energía", Edición No. 20, ISSUE I
- William Quitiaquez, Christian Cholca, Erika Pilataxi, Fernando Toapanta, Evaluación de Redes de Tuberías con Configuración Flexible para el Transporte de Hidrocarburo , Revista Técnica "energía": Vol. 20 Núm. 1 (2023): Revista Técnica "energía", Edición No. 20, ISSUE I
- Jorge Paredes, Jaime Cepeda, Jorge Lozada, Parámetros para el Proceso de Molienda en Molinos Verticales Usando Métodos de Optimización , Revista Técnica "energía": Vol. 20 Núm. 2 (2024): Revista Técnica "energía", Edición No. 20, ISSUE II
- Wilian Guamán, John Calle, Análisis Estadístico de Sobretensiones por Maniobra de energización en Líneas de Transmisión de Extra Alta Tensión , Revista Técnica "energía": Vol. 19 Núm. 2 (2023): Revista Técnica "energía", Edición No. 19, ISSUE II
- Manuel Cuesta, Jessica Constante, Diego Jijón, Modelos de Predicción de Radiación Solar y Temperatura Ambiente mediante Redes Neuronales Recurrentes , Revista Técnica "energía": Vol. 19 Núm. 2 (2023): Revista Técnica "energía", Edición No. 19, ISSUE II
- Sergio Vargas, Patricia Gavela, Leonardo Moncada, Análisis de Indicadores de Calidad para la Actualización de la Regulación No. CONELEC – 003/08 Calidad del Transporte de Electricidad y del Servicio de Transmisión y Conexión en el Sistema Nacional Interconectado , 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
