%0 Journal Article
%T Estimaci¨®n de los m¨¢rgenes de estabilidad de tensi¨®n en un sistema de potencia usando redes neuronales artificiales
%A Alexander Molina Cabrera
%A Christian David Sep¨²lveda Londo£¿o
%A Gloria Patricia L¨®pez Sep¨²lveda
%J -
%D 2013
%R https://doi.org/10.14483/udistrital.jour.tecnura.2013.3.a02
%X Resumen (es_ES) Debido al aumento de la carga y al creciente uso de energ¨ªas alternativas en el sistema de potencia, este se ha vuelto m¨¢s sensible a problemas de estabilidad de tensi¨®n. Si se considera que los m¨¦todos de an¨¢lisis est¨¢tico como el flujo de carga no eval¨²an de manera correcta la estabilidad de tensi¨®n, debido a que usan modelos simples para describir las componentes del sistema, y que los modelos din¨¢micos para el an¨¢lisis de estabilidad de tensi¨®n son complejos y tienen un alto costo computacional,se evidencia la necesidad de desarrollar una metodolog¨ªa m¨¢s precisa y eficiente. Se presenta un modelo basado en Redes Neuronales Artificiales (ANN, del ingl¨¦s Artificial Neural Networks);estas tienen la capacidad de aprender y extraer las principales caracter¨ªsticas de un conjunto de datos. Pueden ofrecer respuestas correctas para aquellas entradas que presentan variaciones causadas por los efectos del ruido o por las distorsiones del medio. Debido a que las ANN tienen habilidad para cambiar su estructura internadurante el entrenamientohan sido utilizadas para el desarrollo de este trabajo comom¨¢quinas de estimaci¨®ndel margen de estabilidad de tensi¨®n del sistema de potencia a partir su estado. Los datos de entrenamiento se obtienen por medio de un flujo de carga que entrega las condiciones in¨ªciales o las tambi¨¦n conocidas variables de entrada a la red y luego, mediante funciones de energ¨ªa, se obtienen los m¨¢rgenes de estabilidad que para este caso son las salidas deseadas. Se muestran resultados para un sistema de prueba de cuatro nodos, donde la RN estima de forma cercana las estimaciones efectuadas mediante el uso de m¨¢rgenes de estabilidad determin¨ªsticos
%K estabilidad de tensi¨®n
%K flujo de carga
%K margen de energ¨ªa
%K redes neuronales.
%U https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/6907