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
- Patricia Otero, Robinson Ayala, Víctor Calle, Metodología de cálculo de pérdidas de potencia y energía en el sistema de alumbrado público del Ecuador , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Paúl Guacán, Nelson Granda, Evaluación de Coherencia en el Sistema Nacional Interconectado Ecuatoriano empleando Mediciones Sincrofasoriales , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Stanislao Pinzón, Wilson Pavón, Diseño de Sistemas de Control Basados en el Análisis del Dominio en Frecuencia , Revista Técnica "energía": Vol. 15 Núm. 2 (2019): Revista Técnica "energía", Edición No. 15
- Luis Tipán, José Rumipamba, Determinación del factor de potencia mediante el uso de SBC en clientes , Revista Técnica "energía": Vol. 15 Núm. 2 (2019): Revista Técnica "energía", Edición No. 15
- Paulina Vásquez, Michelle Nieto, Jaime Cepeda, Propuesta metodológica para gestionar la Transferencia de Conocimiento individual a la organización, caso: CENACE , Revista Técnica "energía": Vol. 16 Núm. 2 (2020): Revista Técnica "energía", Edición No. 16
- Emérita Delgado, Juan Peralta, Aleyda Quinteros, Galo Durazno, Alexis Calle, Fausto Maldonado, Enseñanza para el desarrollo de la sostenibilidad energética en el hogar en zonas urbano – marginales de la ciudad de Guayaquil , Revista Técnica "energía": Vol. 16 Núm. 2 (2020): Revista Técnica "energía", Edición No. 16
- Augusto Riofrío, Marlon Chamba, Jaime Cepeda, Yirabel Lecaro, Franklin Chimarro, Miguel Mora, Evaluación Probabilística y Gestión del Riesgo de la Cargabilidad de la Red por la Puesta en Servicio del Metro de Quito considerando el Movimiento Estocástico de los Trenes Eléctricos , Revista Técnica "energía": Vol. 15 Núm. 2 (2019): Revista Técnica "energía", Edición No. 15
- José Suntaxi, Yasmín Salazar, Rosanna Loor, Pronóstico de la demanda en energía y potencia del Sistema Eléctrico Quito , Revista Técnica "energía": Vol. 15 Núm. 2 (2019): Revista Técnica "energía", Edición No. 15
- Edy Ayala, Análisis de la Evolución de las Generaciones de Reactores de Fisión Nuclear , Revista Técnica "energía": Vol. 15 Núm. 2 (2019): Revista Técnica "energía", Edición No. 15
- Sebastián Guamán, Aurelio Pesántez, Juan Espinoza, Rodrigo Sempértegui, Registrador local de parámetros eléctricos para determinar el comportamiento de la demanda residencial en la ciudad de Cuenca , Revista Técnica "energía": Vol. 15 Núm. 2 (2019): Revista Técnica "energía", Edición No. 15
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
