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
- Óscar De Lima, Gabriel Rivera, Lourdes Farinango, Bases Conceptuales para la Utilización del Análisis de Contingencias en Tiempo Real con Criterios de Consciencia Situacional, Caso Centro de Control de CENACE-Ecuador , Revista Técnica "energía": Vol. 15 Núm. 2 (2019): Revista Técnica "energía", Edición No. 15
- José Campo, Mauricio Boada, Implementación de modelo hidrológico para mejora de la operación de la Central Hidroeléctrica Baba , Revista Técnica "energía": Vol. 15 Núm. 2 (2019): Revista Técnica "energía", Edición No. 15
- Marcelo Toapanta, Plan de control y aseguramiento de la calidad para la recuperación de un rodete de turbina Francis de una central hidroeléctrica , Revista Técnica "energía": Vol. 15 Núm. 2 (2019): Revista Técnica "energía", Edición No. 15
- Roberto Rodríguez, Danilo Avilés, Diseño para la Conversión a un Sistema Subterráneo de la Red de Distribución de Energía Eléctrica en el Sector del Campus Centenario de la Universidad Politécnica Salesiana , Revista Técnica "energía": Vol. 17 Núm. 1 (2020): Revista Técnica "energía", Edición No. 17, ISSUE I
- Luis Lechón , Mauricio Samper, Gustavo Barón, Aplicación para la evaluación técnica de la “capacidad de inserción de generación distribuida” en redes eléctricas de distribución , Revista Técnica "energía": Vol. 17 Núm. 2 (2021): Revista Técnica "energía", Edición No. 17, ISSUE II
- Gabriel Pesantez, Nelson Ugsha, Willian Guamán, Xavier Proaño, Germán Casillas, Rendimiento del Sistema Primario de Distribución por interrupciones , Revista Técnica "energía": Vol. 18 Núm. 1 (2021): Revista Técnica "energía", Edición No. 18, ISSUE I
- Carlos Del Hierro, Jaime Cepeda, Caracterización y simulación de fenómenos dinámicos relacionados con la actuación de un horno de arco eléctrico conectado al sistema eléctrico de potencia de Ecuador , Revista Técnica "energía": Vol. 17 Núm. 2 (2021): Revista Técnica "energía", Edición No. 17, ISSUE II
- Alex Villamarín , Ricardo Haro, Mauricio Aguirre, Diego Ortíz, Evaluación de Resiliencia en el Sistema Eléctrico Ecuatoriano frente a Eventos Sísmicos , Revista Técnica "energía": Vol. 17 Núm. 2 (2021): Revista Técnica "energía", Edición No. 17, ISSUE II
- José Enríquez , Carlos Del Hierro, Roberto Sánchez, David Panchi, Integración de un Sistema de Monitoreo de Condiciones Climáticas al Sistema de Gestión de Energía Nacional , Revista Técnica "energía": Vol. 17 Núm. 2 (2021): Revista Técnica "energía", Edición No. 17, ISSUE II
- William Quitiaquez, Jorge Chimarro, John Valarezo, Patricio Quitiaquez, César Melendrez, Fernando Toapanta, Validación de un Prototipo de Medidor de Energía Trifásico como Apoyo para una Auditoría Energética , Revista Técnica "energía": Vol. 17 Núm. 2 (2021): Revista Técnica "energía", Edición No. 17, 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
