Partición de una Red Eléctrica de Distribución Aplicando Algoritmos de Agrupamiento K-means y DBSCAN

José Castro; Paúl Soto; Ruth Reategui; Tuesman Castillo

doi:10.37116/revistaenergia.v20.n1.2023.572

Partición de una Red Eléctrica de Distribución Aplicando Algoritmos de Agrupamiento K-means y DBSCAN

Partitioning of an Electrical Distribution Systems Using K-Means and DBSCAN Clustering Algorithms

Publicado 2023-07-27

https://doi.org/10.37116/revistaenergia.v20.n1.2023.572

Abrir | Descargar

PDF FLIP HTML XML EPUB

Número

Vol. 20 Núm. 1 (2023): Revista Técnica "energía", Edición No. 20, ISSUE I

Sección

TECNOLÓGICOS E INNOVACIÓN

Cómo citar

Partición de una Red Eléctrica de Distribución Aplicando Algoritmos de Agrupamiento K-means y DBSCAN. (2023). Revista Técnica "energía", 20(1), PP. 73-81. https://doi.org/10.37116/revistaenergia.v20.n1.2023.572

DOI

https://doi.org/10.37116/revistaenergia.v20.n1.2023.572

Dimensions

PlumX

Cómo citar

Partición de una Red Eléctrica de Distribución Aplicando Algoritmos de Agrupamiento K-means y DBSCAN. (2023). Revista Técnica "energía", 20(1), PP. 73-81. https://doi.org/10.37116/revistaenergia.v20.n1.2023.572

Descargar cita

Licencia

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

José Castro

Universidad Técnica Particular Loja - UTPL

Perfil Google Scholar

https://orcid.org/0000-0001-9888-469X

Paúl Soto

Perfil Google Scholar

Ruth Reategui

Perfil Google Scholar

Tuesman Castillo

Perfil Google Scholar

https://orcid.org/0000-0002-3677-7781

Mostrar biografía de los autores

Artículos similares

Anterior 111-120 de 487 Siguiente

También puede Iniciar una búsqueda de similitud avanzada para este artículo.

Minería de Datos

Redes de Distribución

Partición Eléctrica

Agrupación

En este artículo se propone la metodología para realizar la partición eléctrica de una red de distribución utilizando algoritmos de agrupamiento de datos como K-means y DBSCAN. Los datos se obtienen generando variaciones en los parámetros de la red y simulando el perfil de voltaje con el software OpenDSS. La metodología propuesta se implementa en redes de distribución estándar de prueba IEEE de 34 y 123 barras. Los resultados obtenidos son comparados con métodos obtenidos de la literatura.

Visitas del artículo 1187 | Visitas PDF 362

Descargas

Los datos de descarga todavía no están disponibles.

“Community-detection-based approach to distribution network partition,” CSEE Journal of Power and Energy Systems, 2022, doi: 10.17775/cseejpes.2020.04150.
Y. Chai, L. Guo, C. Wang, Z. Zhao, X. Du, and J. Pan, “Network Partition and Voltage Coordination Control for Distribution Networks With High Penetration of Distributed PV Units,” IEEE Transactions on Power Systems, vol. 33, no. 3, pp. 3396–3407, May 2018, doi: 10.1109/TPWRS.2018.2813400.
B. Zhao, Z. Xu, C. Xu, C. Wang, and F. Lin, “Network Partition-Based Zonal Voltage Control for Distribution Networks with Distributed PV Systems,” IEEE Trans Smart Grid, vol. 9, no. 5, pp. 4087–4098, 2018, doi: 10.1109/TSG.2017.2648779.
Y. Chen, M. G. Fadda, and A. Benigni, “Decentralized Load Estimation for Distribution Systems Using Artificial Neural Networks,” IEEE Trans Instrum Meas, vol. 68, no. 5, pp. 1333–1342, 2019, doi: 10.1109/TIM.2018.2890052.
M. Bahramipanah, M. Nick, R. Cherkaoui, and M. Paolone, “Network clustering for voltage control in active distribution network including energy storage systems,” in 2015 IEEE Power & Energy Society Innovative Smart Grid Technologies Conference (ISGT), IEEE, Feb. 2015, pp. 1–5. doi: 10.1109/ISGT.2015.7131916.
M. Mao, Z. Wu, D. Xu, and J. Xu, “Community-Detection-Based Approach to Distribution Network Partition,” pp. 1–11, 2015, doi: 10.17775/CSEEJPES.2020.04150.
Z. M. Ali, A. M. Galal, S. Alkhalaf, and I. Khan, “An Optimized Algorithm for Renewable Energy Forecasting Based on Machine Learning,” Intelligent Automation & Soft Computing, vol. 35, no. 1, pp. 755–767, 2022, doi: 10.32604/iasc.2023.027568.
Z. Ernesto Jaramillo, J. R. Castro, T. Castillo, and R. Reategui, “Data Mining in Electrical Distribution Networks: Optimal Location of Pilot Bus,” in 2021 IEEE Fifth Ecuador Technical Chapters Meeting (ETCM), IEEE, Oct. 2021, pp. 1–5. doi: 10.1109/ETCM53643.2021.9590646.
K. P. Schneider, “IEEE PES Test Feeders,” IEEE Transactions on Power Systems, p. 99, 2017, [Online]. Available: https://cmte.ieee.org/pes-testfeeders/resources/
A. Marot, S. Tazi, B. Donnot, and P. Panciatici, “Guided Machine Learning for Power Grid Segmentation,” Proceedings - 2018 IEEE PES Innovative Smart Grid Technologies Conference Europe, ISGT-Europe 2018, Dec. 2018, doi: 10.1109/ISGTEurope.2018.8571843.
H. Gu, X. Chu, and Y. Liu, “Partitioning Active Distribution Networks by Using Spectral Clustering,” iSPEC 2020 - Proceedings: IEEE Sustainable Power and Energy Conference: Energy Transition and Energy Internet, no. 202008150000004, pp. 510–515, 2020, doi: 10.1109/iSPEC50848.2020.9351132.
Y. Zou and H. Li, “Study on Power Grid Partition and Attack Strategies Based on Complex Networks,” Front Phys, vol. 9, no. January, pp. 1–8, 2022, doi: 10.3389/fphy.2021.790218.
F. Liu, B. Gu, S. Qin, K. Zhang, L. Cui, and G. Xie, “Power grid partition with improved biogeography-based optimization algorithm,” Sustainable Energy Technologies and Assessments, vol. 46, Aug. 2021, doi: 10.1016/j.seta.2021.101267.
Y. Wang, Y. G. Li, H. Xie, B. Y. Wu, and Y. N. Yang, “Cluster division in wind farm through ensemble modelling,” IET Renewable Power Generation, vol. 16, no. 7, pp. 1299–1315, 2022, doi: 10.1049/rpg2.12276.