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
- 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
- Vladimir Burbano , Ricardo Narváez, Evaluación de la pre factibilidad para la generación de energía eléctrica mediante la sinergia entre las energías eólica y almacenamiento por bombeo de agua en la isla San Cristóbal - Galápagos , Revista Técnica "energía": Vol. 17 Núm. 2 (2021): Revista Técnica "energía", Edición No. 17, ISSUE II
- Daniela Romo, Diego Morales , Eficiencia Energética en la Universidad Católica sede Azogues un enfoque de implementación técnico – económico basado en energía solar , Revista Técnica "energía": Vol. 17 Núm. 2 (2021): Revista Técnica "energía", Edición No. 17, ISSUE II
- Carlos Solís , Hugo Arcos, Planificación Óptima de Alimentadores Primarios en Redes de Distribución Subterráneas empleando Algoritmos Heurísticos , 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
- Paulina Vásquez, Michelle Nieto, Roberto Sánchez, Jaime Cepeda, Propuesta metodológica para la exploración de redes de conocimiento mediante una base de datos orientada a grafos de los datos del Sistema de Gestión de Conocimiento de CENACE , Revista Técnica "energía": Vol. 17 Núm. 2 (2021): Revista Técnica "energía", Edición No. 17, ISSUE II
- Angel Gallo , Fabián Pérez, Diego Salinas, Minería de Datos y Proyección a Corto Plazo de la Demanda de Potencia en el Sistema Eléctrico Ecuatoriano , Revista Técnica "energía": Vol. 18 Núm. 1 (2021): Revista Técnica "energía", Edición No. 18, ISSUE I
- Xavier Proaño , Cristian Castillo , Geovanny Rosales, Wilian Guamán , Gabriel Pesantez, Desarrollo de una Aplicación Informática para la Calibración y Coordinación del Relevador de Sobre Corriente 50/51 , Revista Técnica "energía": Vol. 18 Núm. 1 (2021): Revista Técnica "energía", Edición No. 18, 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 1623 | Visitas PDF 445
Descargas
Semestral: Publicaciones en enero y julio
