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

Alberto Ríos, Jesús Guamán, Carlos Vargas, Análisis de la Implementación de una Estrategia de Reducción del Consumo Energético en el Sector Residencial del Ecuador: Evaluación del Impacto en la Matriz Energética , Revista Técnica "energía": Vol. 15 Núm. 1 (2018): Revista Técnica "energía", Edición No. 15
Luis Bonilla, Raúl Cubillo, Determinación de límites de seguridad estática de ángulo en el SNI a partir de mediciones sincrofasoriales , Revista Técnica "energía": Vol. 15 Núm. 1 (2018): Revista Técnica "energía", Edición No. 15
Rubén Nogales, Jesús Guamán, Carlos Vargas, Alberto Ríos, Plataforma Cloud de Monitoreo del Funcionamiento de una Electrolinera Solar Fotovoltaica , Revista Técnica "energía": Vol. 15 Núm. 1 (2018): Revista Técnica "energía", Edición No. 15
Gabriel Rivera, Análisis Comparativo de las Funciones de Estimación de Estado de los Sistemas Spider y Network Manager de la Corporación Centro Nacional de Control de Energía , Revista Técnica "energía": Vol. 2 Núm. 1 (2006): Revista Técnica "energía", Edición No. 2
Marlon Chamba, Walter Vargas, Jaime Cepeda, Evaluación probabilística de la estabilidad transitoria considerando la incertidumbre de la demanda y gestión del riesgo , Revista Técnica "energía": Vol. 15 Núm. 1 (2018): Revista Técnica "energía", Edición No. 15
Luis Pazmiño, Diego Echeverría, Jaime Cepeda, Análisis de transitorios electromagnéticos en el Sistema Nacional Interconectado (S.N.I.) a nivel de 230 kV y 500 kV usando el simulador digital en tiempo real HYPERsim , Revista Técnica "energía": Vol. 15 Núm. 1 (2018): Revista Técnica "energía", Edición No. 15
Boris German, Karolina Toapanta, Sebastián Espinoza, Ricardo Narváez, Edward Jiménez , Andrés Chico, Optimización de Centros de Almacenamiento de Jatropha Curcas en Manabí Ecuador , Revista Técnica "energía": Vol. 15 Núm. 1 (2018): Revista Técnica "energía", Edición No. 15
Byron Chiguano, Juan Ramírez, Franklin Quilumba, Carlos Gallardo, Estimación de los Parámetros Eléctricos de un Generador Sincrónico basada en Mediciones de Laboratorio usando Métodos de Optimización No Lineal , Revista Técnica "energía": Vol. 15 Núm. 1 (2018): Revista Técnica "energía", Edición No. 15
Roberto Sanchez, Patricio Barrera, Metodología basada en Cadenas de Markov para la Predicción de la Demanda y Toma de Decisiones en el corto plazo. Caso de Estudio: Empresa Eléctrica Quito , Revista Técnica "energía": Vol. 15 Núm. 1 (2018): Revista Técnica "energía", Edición No. 15
Javier Fontalvo, Paola Ramírez, Joffre Constante, Prospectiva de Autogeneración en el Ecuador mediante uso de Modelo LEAP , Revista Técnica "energía": Vol. 15 Núm. 1 (2018): Revista Técnica "energía", Edición No. 15

Anterior 71-80 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.