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
- J. Martínez-Gómez, E. Urresta, D. Gaona, G. Guerrón, Selection of Phase Change Materials for Latent Heat Storage , Revista Técnica "energía": Vol. 13 Núm. 1 (2017): Revista Técnica "energía", Edición No. 13
- J.A. Oscullo, Evolución de las Emisiones de CO2 Producido por el Parque Generador del Sistema Nacional Interconectado del Ecuador para el Periodo 2010-2015 , Revista Técnica "energía": Vol. 13 Núm. 1 (2017): Revista Técnica "energía", Edición No. 13
- R. Barreto, Generación de Árboles de Escenarios en forma Analítica, para Modelar Recursos Energéticos Renovables , Revista Técnica "energía": Vol. 13 Núm. 1 (2017): Revista Técnica "energía", Edición No. 13
- J.A. Oscullo , E.P. Pichucho, Impacto del Cambio de la Matriz Eléctrica en el Factor de Emisión de CO2 del Sistema Nacional Interconectado para el período 2016-2025 , Revista Técnica "energía": Vol. 13 Núm. 1 (2017): Revista Técnica "energía", Edición No. 13
- A.A. Eras, C.B. Coronel, R.H. Chumbi, Movilidad Eléctrica para Galápagos: Determinación de Parámetros Técnicos , Revista Técnica "energía": Vol. 13 Núm. 1 (2017): Revista Técnica "energía", Edición No. 13
- P.K. Vásquez, J.C. Cepeda, D.E. Echeverría, V. Ramos, Diagnóstico Situacional para la implementación de un proceso de Gestión de Conocimiento en el Operador Nacional de Electricidad CENACE , Revista Técnica "energía": Vol. 13 Núm. 1 (2017): Revista Técnica "energía", Edición No. 13
- R. Cela, M. Chamba , R. Sanguil , M. Solís , Análisis de la Energización de la Línea Eléctrica Enterrada de 69 kV entre CPF (Bloque 15) y Sacha (Bloque 60) en el Sistema Eléctrico Interconectado Petrolero - Extendido , Revista Técnica "energía": Vol. 12 Núm. 1 (2016): Revista Técnica "energía", Edición No. 12
- J.C. Herrera, Análisis del Recurso Eólico mediante la Transformada Wavelet con Aplicación a la Estimación de la Producción Eléctrica en Aerogeneradores , Revista Técnica "energía": Vol. 12 Núm. 1 (2016): Revista Técnica "energía", Edición No. 12
- M.A. Toledo, Aplicación de Técnicas de Análisis Multivariante en la Asignación Presupuestaría para la Reducción de Pérdidas de Energía Eléctrica en Ecuador , Revista Técnica "energía": Vol. 12 Núm. 1 (2016): Revista Técnica "energía", Edición No. 12
- N. Granda , D. Colomé , E. Agüero , Determinación de la Respuesta Dinámica y Estacionaria de la Frecuencia frente a Desbalances de Potencia Producidos por Perturbaciones en la Red , Revista Técnica "energía": Vol. 12 Núm. 1 (2016): Revista Técnica "energía", Edición No. 12
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
