Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Estimación Paramétrica del Modelo de Carga de Recuperación Exponencial Utilizando Mediciones Sincrofasoriales

Estimation of Exponential Recovery Load Model Parameters Using Synchrophasor Measurements




Sección
SISTEMAS ELÉCTRICOS DE POTENCIA

Cómo citar
Estimación Paramétrica del Modelo de Carga de Recuperación Exponencial Utilizando Mediciones Sincrofasoriales. (2026). Revista Técnica "energía", 22(2), PP. 65-74. https://doi.org/10.37116/revistaenergia.v22.n2.2026.735

Dimensions
PlumX

Cómo citar

Estimación Paramétrica del Modelo de Carga de Recuperación Exponencial Utilizando Mediciones Sincrofasoriales. (2026). Revista Técnica "energía", 22(2), PP. 65-74. https://doi.org/10.37116/revistaenergia.v22.n2.2026.735

Descargar cita

Licencia
Creative Commons License

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

Joffre Constante
Robert Quinga
Klever Tigasi
Mauricio Mullo

Artículos similares

51-60 de 485

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

La adecuada representación del comportamiento dinámico de las cargas, así como la captura de la variabilidad temporal de sus parámetros, constituye actualmente un aspecto fundamental en el análisis y operación de los sistemas eléctricos. Para ello, se emplean metodologías de modelamiento de carga automáticas y en línea, modelos de carga dinámicos y, se aprovechan las ventajas de las mediciones sincrofasoriales. Uno de los modelos propuestos en la literatura es el Exponential Recovery Load (ERL), el cual permite representar no solo el comportamiento estático de las cargas, sino también la dinámica de recuperación exponencial de la carga ante perturbaciones en la tensión. No obstante, el proceso de identificación paramétrica de este modelo ha sido superficialmente abordado en estudios previos. Es por ello por lo que en este trabajo se investiga dicho proceso de forma integral, desde la determinación del algoritmo de optimización más adecuado, con enfoque en el modelamiento de carga automático, en línea y basado en mediciones sincrofasoriales, hasta la caracterización de las condiciones mínimas que deben cumplir las mediciones sincrofasoriales con el objeto de garantizar estimaciones precisas del modelo ERL.


Visitas del artículo 8 | Visitas PDF 9


Descargas

Los datos de descarga todavía no están disponibles.
  1. The NERC Model Validation Task Force of the Transmission Issues Subcommittee, “Power System Model Validation, A White Paper by the NERC Model Validation Task Force of the Transmission Issues Subcommittee,” North American Electric Reliability Corporation, no. December, pp. 1–53, 2010.
  2. J. R. Constante and G. Colomé, “Estado del Arte y Tendencias en el Modelamiento de Carga,” Revista Técnica “energía,” vol. 18, no. 2, pp. 1–12, 2022, doi: 10.37116/revistaenergia.v18.n2.2022.475.
  3. J. V. Milanović, K. Yamashita, S. Martínez Villanueva, S. Ž. Djokić, and L. M. Korunović, “International industry practice on power system load modeling,” IEEE Transactions on Power Systems, vol. 28, no. 3, pp. 3038–3046, 2013, doi: 10.1109/TPWRS.2012.2231969.
  4. M. Mohammed, A. Abdulkarim, A. S. Abubakar, A. B. Kunya, and Y. Jibril, “Load modeling techniques in distribution networks: a review,” Journal of Applied Materials and Technology, vol. 1, no. 2, pp. 63–70, 2020.
  5. A. Arif, Z. Wang, J. Wang, B. Mather, H. Bashualdo, and D. Zhao, “Load modeling - A review,” IEEE Trans Smart Grid, vol. 9, no. 6, pp. 5986–5999, 2018, doi: 10.1109/TSG.2017.2700436.
  6. “IEEE Standard for Synchrophasor Measurements for Power Systems,” 2011. doi: 10.1109/IEEESTD.2011.6111219.
  7. Y. Zhu, “Power System Loads and Power System Stability,” Springer Theses, 2020. doi: 10.1007/978-3-030-37786-1.
  8. E. O. Kontis, I. S. Skondrianos, T. A. Papadopoulos, A. I. Chrysochos, and G. K. Papagiannis, “Generic dynamic load models using artificial neural networks,” 2017 52nd International Universities Power Engineering Conference, UPEC 2017, vol. 2017-Janua, pp. 1–6, 2017.
  9. T. A. Papadopoulos, G. A. Barzegkar-Ntovom, V. C. Nikolaidis, P. N. Papadopoulos, and G. M. Burt, “Online parameter identification and generic modeling derivation of a dynamic load model in distribution grids,” 2017 IEEE Manchester PowerTech, Manchester, UK, pp. 1–6, 2017, doi: 10.1109/PTC.2017.7980994.
  10. H. Guo, K. Rudion, H. Abildgaard, P. Komarnicki, and Z. A. Styczynski, “Parameter estimation of dynamic load model using field measurement data performed by OLTC operation,” IEEE Power and Energy Society General Meeting, pp. 1–7, 2012, doi: 10.1109/PESGM.2012.6345563.
  11. Y. Zhu and J. V. Milanović, “Automatic Identification of Power System Load Models Based on Field Measurements,” IEEE Transactions on Power Systems, vol. 33, no. 3, pp. 3162–3171, 2018, doi: 10.1109/TPWRS.2017.2763752.
  12. E. Polykarpou and E. Kyriakides, “Parameter estimation for measurement-based load modeling using the Levenberg-Marquardt algorithm,” Proceedings of the 18th Mediterranean Electrotechnical Conference: Intelligent and Efficient Technologies and Services for the Citizen, MELECON 2016, no. April, pp. 18–20, 2016.
  13. P. Regulski, F. Gonzalez-Longatt, and V. Terzija, “Estimation of load model parameters from instantaneous voltage and current,” IEEE International Conference on Fuzzy Systems, no. 1, pp. 164–169, 2011.
  14. J. R. Constante and D. G. Colome, “Estimación Paramétrica del Modelo de Carga ZIP basada en Técnicas de Optimización y en Mediciones de PMU,” 2022 IEEE Biennial Congress of Argentina (ARGENCON), San Juan, Argentina, pp. 1–8, 2022, doi: 10.1109/ARGENCON55245.2022.9940010.
  15. M. Brown, M. Biswal, S. Brahma, S. J. Ranade, and H. Cao, “Characterizing and quantifying noise in PMU data,” 2016 IEEE Power and Energy Society General Meeting, vol. 2016, no. 2019–07, pp. 1–5, 2016, doi: 10.1109/PESGM.2016.7741972.
  16. J. R. Constante Segura, G. Colome, and D. Echeverria, “Noise Amplitude in Ambient PMU Data and its Impact on Load Models Identification,” IEEE Latin America Transactions, vol. 22, no. 8, pp. 678–685, 2024, doi: 10.1109/TLA.2024.10620390.
  17. S. S. Rao, Engineering optimization: Theory and practice. John Wiley & Sons, Inc., 111 River Street, Hoboken, NJ 07030, USA, 2020.
Sistema OJS 3.4.0.9