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
- Luis Chiza , Jaime Cepeda, Predicción del Margen de Estabilidad de Corredores de Transmisión Aplicando Criterios de Minería de datos y Algoritmos de Machine Learning , Revista Técnica "energía": Vol. 18 Núm. 1 (2021): Revista Técnica "energía", Edición No. 18, ISSUE I
- Jorge Cepeda, Primer Laboratorio de Ensayos Estructurales Virtuales de Autobuses en Latinoamérica: Innovación y Acreditación , Revista Técnica "energía": Vol. 16 Núm. 2 (2020): Revista Técnica "energía", Edición No. 16
- Luis Tipán, Juan Carlos Muela, Simulación causal para el consumo eléctrico residencial , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Diego Arias, Optimización Multi-objetivo de Potencia Activa y Reactiva para crear la Curva PQ en las Barras del SEP , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Erick Tipanguano, Luis Dután, Fabián Pérez, Adecuaciones al Modelo de Relé de Distancia (ANSI tipo 21) de ATPDraw para Viabilizar el Análisis del Desempeño Dinámico de esta Protección en Esquemas de Apertura y Recierre Monopolar para Líneas de Transmisión , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Santiago Vargas, Wilson Pavón, Óptimo dimensionamiento y ubicación de generación fotovoltaica en una microred georeferenciada utilizando generación de columnas , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Carlos Maigua, William Quitiaquez, Isaac Simbaña, Patricio Quitiaquez, Fernando Toapanta, César Isaza, Diseño de un Sistema de Monitoreo de Vibraciones Mecánicas en Generadores Hidroeléctricos de Media Potencia , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Jonnathan Morales, William Quitiaquez, Isaac Simbaña, Modelos de optimización matemática aplicables al sector downstream y midstream del petróleo. Revisión de la literatura y dirección de investigaciones futuras , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Daniel Vallejo , Ricardo Dávila, Rafael Soria, Freddy Ordóñez, Evaluación del potencial técnico y económico de la tecnología solar fotovoltaica para la microgeneración eléctrica en el sector residencial del Distrito Metropolitano de Quito , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Luis Paredes, Benjamín Serrano, Marcelo Molina, Modeling of DSTATCOM Devices to Improve Dynamic Voltage Stability in a Microgrid with High Penetration of Motor Loads , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
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
