Ver PDF

Este artículo propone la utilización de redes neuronales artificiales (RNA) para resolver el problema del flujo de potencia en sistemas de energía eléctrica. El flujo de potencia calcula el estado en régimen permanente de un sistema eléctrico de potencia (SEP) y es una herramienta fundamental para el planeamiento, operación y control de los modernos SEP El modelo matemático del flujo de potencia corresponde a un conjunto de ecuaciones algebraicas no lineales que pueden ser resueltas convencionalmente con el método iterativo Newton-Raphson (NR) o con sus versiones desacopladas. Actualmente se disponen de diversos programas computacionales comerciales que usan tales métodos. Entre los objetivos de la solución del problema flujo de potencia basado en RNA que aquí se propone, destaca su potencial aplicación para resolver problemas que exigen un gran esfuerzo computacional tales ...

En el planeamiento, operación y control de los sistemas eléctricos de potencia así como en el análisis de los mercados eléctricos, parte de la red eléctrica puede ser representada por equivalentes reducidos, lográndose así una disminución de la dimensión del problema, facilitando de ese modo el procesamiento computacional de problemas como el flujo de potencia, análisis de cortocircuito, despacho económico, estabilidad transitoria, entre otros, los cuales son realizados rutinariamente en los centros de control. En el presente artículo se presentan los principales métodos para determinar equivalentes externos utilizados principalmente en el análisis de seguridad de sistemas de potencia interconectados. Se incluyen los resultados de análisis de seguridad utilizando equivalentes externos aplicados al sistema de prueba Ward- Hale de 6 barras, y otra aplicación utilizando dat...

This article proposes the use of artificial neural networks (ANN) to solve the power flow problem in electrical energy systems. Power flow calculates the steady state of an electrical power system (SEP) and is a fundamental tool for the planning, operation and control of modern SEPs. The mathematical model of the power flow corresponds to a set of nonlinear algebraic equations that can be solved conventionally with the iterative Newton-Raphson (NR) method or with its decoupled versions. Currently, there are various commercial computer programs that use such methods. Among the objectives of the solution of the ANN-based power flow problem proposed here, its potential application stands out to solve problems that require a large computational effort such as online static security analysis and contingency analysis. The proposed methodology was applied to the 6-bar Ward-Hale and 14-bar IEEE ...

"Ver PDF"

Ver PDF

En el presente artículo se presenta la descripción y resultados de la aplicación del algoritmo para la simulación e identificación de sistemas dinámicos no lineales mediante redes neuronales artificiales (RNA) entrenadas con el método de retropropagación de errores (BP - back-propagation) y el procedimiento teacher forcing (BPTF). Fueron analizadas varias configuraciones de redes neuronales de dos camadas de neuronas, una escondida y la otra de salida. Las redes neuronales propuestas han sido aplicadas a dos sistemas de prueba, el sistema dinámico del péndulo doble y el motor de inducción de tercer orden. Los resultados obtenidos permiten estimar que las redes neuronales que adoptan BPTF son bastante útiles para la simulación e identificación de sistemas dinámicos no lineales, principal­mente durante los primeros pasos de tiempo posteriores a los períodos con los cuales ...

En este trabajo se investiga la dinámica envuelta en los escenarios de inestabilidad de tensión usando como herramienta de análisis un programa computacional de estabilidad transitoria modificado. Esas modificaciones incluyen modelos de los equipamientos y de las cargas relevantes al fenómeno de estabilidad de tensión, sistemas de control de los transformadores con tap variable, limitadores de sobreexcitación de los generadores y un algoritmo de integración numérica de paso variable para simular fenómenos dinámicos en el largo plazo. Se enfatiza la eficiencia y utilidad del análisis dinámico al investigar los mecanismos involucrados en el proceso de colapso de tensión. La adopción de modelos dinámicos de las cargas permite identificar los parámetros críticos que permitirán el desarrollo e implantación de medidas correctivas y preventivas con la finalidad de garantizar ...

In this work, the dynamics involved in voltage instability scenarios are investigated using a modified transient stability computer program as an analysis tool. These modifications include models of the equipment and loads relevant to the voltage stability phenomenon, transformer control systems with variable tap, generator overexcitation limiters and a variable step numerical integration algorithm to simulate dynamic phenomena in the long term. The efficiency and usefulness of dynamic analysis is emphasized in investigating the mechanisms involved in the stress collapse process. The adoption of dynamic load models allows the identification of critical parameters that will allow the development and implementation of corrective and preventive measures in order to guarantee safe operation of the electric system. The results of computational studies carried out with a real test power system...

This article presents the description and results of the application of the algorithm for the simulation and identification of nonlinear dynamic systems using artificial neural networks (ANN) trained with the error back-propagation method (BP back-propagation) and the teacher procedure. forcing (BPTF). Several configurations of neural networks of two layers of neurons were analyzed, one hidden and the other output. The proposed neural networks have been applied to two test systems, the double pendulum dynamic system and the third order induction motor. The results obtained allow us to estimate that the neural networks that adopt BPTF are quite useful for the simulation and identification of nonlinear dynamic systems, mainly during the first time steps after the periods with which the neural networks under study were trained.