Estimación del Margen de Estabilidad de Voltaje Utilizando Herramientas de Aprendizaje Automático

• Autores: Gabriel Guañuna, Santiago Chamba, Nelson Granda, Jaime Cepeda, Diego Echeverría, Walter Vargas
• Localización: Revista Técnica "energía", ISSN-e 2602-8492, ISSN 1390-5074, Vol. 20, Nº. 1, 2023 (Ejemplar dedicado a: Revista Técnica "energía", Edición No. 20, ISSUE I), págs. 1-8
• Idioma: español
• Títulos paralelos:
  • Voltage Stability Margin Estimation Using Machine Learning Tools
• Enlaces
  • Texto completo
• Resumen
  • español

    La evaluación de la estabilidad de voltaje en tiempo real, mediante métodos convencionales, es una tarea difícil debido a la gran cantidad de información, los elevados tiempos de ejecución y el esfuerzo computacional requerido. Partiendo de estas limitaciones, este trabajo técnico propone un método para la estimación del margen de estabilidad de voltaje a través de la aplicación de algoritmos de inteligencia artificial. Para ello, primero se generan varios escenarios operativos mediante simulaciones Monte Carlo, considerando la variabilidad de la carga y el criterio de seguridad n-1. Posteriormente, se determina, para cada escenario operativo, el margen de estabilidad de voltaje de las curvas PV con la finalidad de obtener una base de datos. Esta información permite estructurar una matriz de datos para entrenar una red neuronal artificial y una máquina vectorial de soporte, en su versión de regresión, para predecir el margen de estabilidad de voltaje, capaz de ser utilizada en tiempo real. El desempeño de las herramientas de predicción es evaluado a través del error cuadrático medio y del coeficiente de determinación. La metodología propuesta se aplica al sistema de prueba IEEE 14 bus, mostrando resultados prometedores.

  • English

    Real-time voltage stability assessment, via conventional methods, is a difficult task due to the required large amount of information, high execution times and computational cost. Based on these limitations, this technical work proposes a method for the estimation of the voltage stability margin through the application of artificial intelligence algorithms. For this purpose, several operation scenarios are first generated via Monte Carlo simulations, considering the load variability and the n-1 security criterion. Afterwards, the voltage stability margin of PV curves is determined for each scenario to obtain a database. This information allows structuring a data matrix for training an artificial neural network and a support vector machine, in its regression version, to predict the voltage stability margin, capable of being used in real time. The performance of the prediction tools is evaluated through the mean square error and the coefficient of determination. The proposed methodology is applied to the IEEE 14 bus test system, showing so promising results.