Modelo de simulación soft-computing para la selección de contingencias críticas en la seguridad dinámica de sistemas de potencia soportado en redes neuronales de retropropagación s...

Autores
Schweickardt, Gustavo Alejandro; Casanova Pietroboni, Carlos Antonio; Pérez, Eduardo
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Un importante número de Contingencias simuladas en la Evaluación de la Seguridad Dinámica de un Sistema de Potencia (ESDSP), no afectan de manera significativa las variables de estado. Su exclusión del conjunto que requiere analizarse, permitiría una importante reducción en los tiempos de computación, posibilitando la Evaluación En Línea (Tiempo Real) adoptando acciones correctivas sólo sobre las Contingencias consideradas Críticas. El Método clásico de Selección de Contingencias Críticas resulta de un Análisis Fuera de Línea, que cubre escenarios típicos considerando aspectos tales como: frecuencia del sistema, tensiones de barra y ángulos internos de los generadores. Sobre tal selección, el operador experto implementa las acciones correctivas pertinentes. En este trabajo es propuesto un nuevo Modelo Soft-Computing, que identifica Contingencias Críticas en Línea para la ESDSP, soportado en Redes Neuronales de Retropropagación Simple y Múltiple (RNRS/RNRM), Conjuntos Difusos y MatHeurísticas. Las RNRM presentan la capacidad de fraccionar el espacio de entrada, utilizando neuronas selectivas. Se disminuye el tiempo de entrenamiento y se logra aproximar mejor características no lineales en regiones localizadas, así como la interpolación dentro del rango de entrenamiento. Los resultados obtenidos son presentados y discutidos, para lo cual es utilizada una red reducida del Sistema de Interconexión Argentino (SADI).
An important number of contingencies simulated during Dynamic Security Assessment of a Power System (DSAPS), do not result in unacceptable values of state variables, due to their small influence on system operation. Their exclusion from the Set of Contingencies to be analyzed, would achieve a significant reduction in computation time. The standard Selection Method results from an Off-Line Dynamical Analysis, which covers typical scenarios and various related aspects like frequency, voltage, and internal angles of generators. In this work, a new Soft Computing-based Critical Contingencies Selection Method for On-Line Dynamic Security Assessment, supported in Simple and Multi-Backpropagation Neural Networks (SBNN/MBNN), Fuzzy Sets and MatHeuristics, is presented. The MBNN have the capability of split the input space, using selective neurons, achieving a better adjust in the no linear characteristics over localized regions, improving the computation time and interpolation into the training range. The results of a simulation Model on the reduced network of Interconnected Power System of Argentina (IPS), are presented.
Fil: Schweickardt, Gustavo Alejandro. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina..
Fil: Casanova Pietroboni, Carlos Antonio. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.
Fil: Pérez, Eduardo. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.
Fil: Schweickardt, Gustavo Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Casanova Pietroboni, Carlos Antonio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Pérez, Eduardo. Universidad de Buenos Aires; Argentina.
Peer Reviewed
Fuente
Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXIII(38), 26-46 (2015)
Materia
Simulación
Soft computing
Seguridad dinámica
Sistemas de potencia
Redes neuronales
Retropropagación múltiple
Simulation
Dynamic security
Power systems
Neural networks
Multiple backpropagation
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2021-06-24T13:09:46Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/5279
Acceder
id RIAUTN_e4313750c78b4aeea4d4f4a72c76252f
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/5279
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Modelo de simulación soft-computing para la selección de contingencias críticas en la seguridad dinámica de sistemas de potencia soportado en redes neuronales de retropropagación simple y múltipleSchweickardt, Gustavo AlejandroCasanova Pietroboni, Carlos AntonioPérez, EduardoSimulaciónSoft computingSeguridad dinámicaSistemas de potenciaRedes neuronalesRetropropagación múltipleSimulationDynamic securityPower systemsNeural networksMultiple backpropagationUn importante número de Contingencias simuladas en la Evaluación de la Seguridad Dinámica de un Sistema de Potencia (ESDSP), no afectan de manera significativa las variables de estado. Su exclusión del conjunto que requiere analizarse, permitiría una importante reducción en los tiempos de computación, posibilitando la Evaluación En Línea (Tiempo Real) adoptando acciones correctivas sólo sobre las Contingencias consideradas Críticas. El Método clásico de Selección de Contingencias Críticas resulta de un Análisis Fuera de Línea, que cubre escenarios típicos considerando aspectos tales como: frecuencia del sistema, tensiones de barra y ángulos internos de los generadores. Sobre tal selección, el operador experto implementa las acciones correctivas pertinentes. En este trabajo es propuesto un nuevo Modelo Soft-Computing, que identifica Contingencias Críticas en Línea para la ESDSP, soportado en Redes Neuronales de Retropropagación Simple y Múltiple (RNRS/RNRM), Conjuntos Difusos y MatHeurísticas. Las RNRM presentan la capacidad de fraccionar el espacio de entrada, utilizando neuronas selectivas. Se disminuye el tiempo de entrenamiento y se logra aproximar mejor características no lineales en regiones localizadas, así como la interpolación dentro del rango de entrenamiento. Los resultados obtenidos son presentados y discutidos, para lo cual es utilizada una red reducida del Sistema de Interconexión Argentino (SADI).An important number of contingencies simulated during Dynamic Security Assessment of a Power System (DSAPS), do not result in unacceptable values of state variables, due to their small influence on system operation. Their exclusion from the Set of Contingencies to be analyzed, would achieve a significant reduction in computation time. The standard Selection Method results from an Off-Line Dynamical Analysis, which covers typical scenarios and various related aspects like frequency, voltage, and internal angles of generators. In this work, a new Soft Computing-based Critical Contingencies Selection Method for On-Line Dynamic Security Assessment, supported in Simple and Multi-Backpropagation Neural Networks (SBNN/MBNN), Fuzzy Sets and MatHeuristics, is presented. The MBNN have the capability of split the input space, using selective neurons, achieving a better adjust in the no linear characteristics over localized regions, improving the computation time and interpolation into the training range. The results of a simulation Model on the reduced network of Interconnected Power System of Argentina (IPS), are presented.Fil: Schweickardt, Gustavo Alejandro. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina..Fil: Casanova Pietroboni, Carlos Antonio. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.Fil: Pérez, Eduardo. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.Fil: Schweickardt, Gustavo Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Fil: Casanova Pietroboni, Carlos Antonio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Fil: Pérez, Eduardo. Universidad de Buenos Aires; Argentina.Peer Reviewed2021-06-24T13:09:46Z2021-06-24T13:09:46Z2015-11info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfRevista de la Escuela de Perfeccionamiento en Investigación Operativa XXIII (38): 26-46 (2015)0329-7322https://revistas.unc.edu.ar/index.php/epio/issue/view/1240http://hdl.handle.net/20.500.12272/5279Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXIII(38), 26-46 (2015)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccess2021-06-24T13:09:46Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalSchweickardt, Gustavo ; Casanova Pietroboni, Carlos Antonio ; Pérez, Eduardo.No comercial con fines académicos.2026-10-01T11:57:58Zoai:ria.utn.edu.ar:20.500.12272/5279instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-01 11:57:59.604Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Modelo de simulación soft-computing para la selección de contingencias críticas en la seguridad dinámica de sistemas de potencia soportado en redes neuronales de retropropagación simple y múltiple
title Modelo de simulación soft-computing para la selección de contingencias críticas en la seguridad dinámica de sistemas de potencia soportado en redes neuronales de retropropagación simple y múltiple
spellingShingle Modelo de simulación soft-computing para la selección de contingencias críticas en la seguridad dinámica de sistemas de potencia soportado en redes neuronales de retropropagación simple y múltiple
Schweickardt, Gustavo Alejandro
Simulación
Soft computing
Seguridad dinámica
Sistemas de potencia
Redes neuronales
Retropropagación múltiple
Simulation
Dynamic security
Power systems
Neural networks
Multiple backpropagation
title_short Modelo de simulación soft-computing para la selección de contingencias críticas en la seguridad dinámica de sistemas de potencia soportado en redes neuronales de retropropagación simple y múltiple
title_full Modelo de simulación soft-computing para la selección de contingencias críticas en la seguridad dinámica de sistemas de potencia soportado en redes neuronales de retropropagación simple y múltiple
title_fullStr Modelo de simulación soft-computing para la selección de contingencias críticas en la seguridad dinámica de sistemas de potencia soportado en redes neuronales de retropropagación simple y múltiple
title_full_unstemmed Modelo de simulación soft-computing para la selección de contingencias críticas en la seguridad dinámica de sistemas de potencia soportado en redes neuronales de retropropagación simple y múltiple
title_sort Modelo de simulación soft-computing para la selección de contingencias críticas en la seguridad dinámica de sistemas de potencia soportado en redes neuronales de retropropagación simple y múltiple
dc.creator.none.fl_str_mv Schweickardt, Gustavo Alejandro
Casanova Pietroboni, Carlos Antonio
Pérez, Eduardo
author Schweickardt, Gustavo Alejandro
author_facet Schweickardt, Gustavo Alejandro
Casanova Pietroboni, Carlos Antonio
Pérez, Eduardo
author_role author
author2 Casanova Pietroboni, Carlos Antonio
Pérez, Eduardo
author2_role author
author
dc.subject.none.fl_str_mv Simulación
Soft computing
Seguridad dinámica
Sistemas de potencia
Redes neuronales
Retropropagación múltiple
Simulation
Dynamic security
Power systems
Neural networks
Multiple backpropagation
topic Simulación
Soft computing
Seguridad dinámica
Sistemas de potencia
Redes neuronales
Retropropagación múltiple
Simulation
Dynamic security
Power systems
Neural networks
Multiple backpropagation
dc.description.none.fl_txt_mv Un importante número de Contingencias simuladas en la Evaluación de la Seguridad Dinámica de un Sistema de Potencia (ESDSP), no afectan de manera significativa las variables de estado. Su exclusión del conjunto que requiere analizarse, permitiría una importante reducción en los tiempos de computación, posibilitando la Evaluación En Línea (Tiempo Real) adoptando acciones correctivas sólo sobre las Contingencias consideradas Críticas. El Método clásico de Selección de Contingencias Críticas resulta de un Análisis Fuera de Línea, que cubre escenarios típicos considerando aspectos tales como: frecuencia del sistema, tensiones de barra y ángulos internos de los generadores. Sobre tal selección, el operador experto implementa las acciones correctivas pertinentes. En este trabajo es propuesto un nuevo Modelo Soft-Computing, que identifica Contingencias Críticas en Línea para la ESDSP, soportado en Redes Neuronales de Retropropagación Simple y Múltiple (RNRS/RNRM), Conjuntos Difusos y MatHeurísticas. Las RNRM presentan la capacidad de fraccionar el espacio de entrada, utilizando neuronas selectivas. Se disminuye el tiempo de entrenamiento y se logra aproximar mejor características no lineales en regiones localizadas, así como la interpolación dentro del rango de entrenamiento. Los resultados obtenidos son presentados y discutidos, para lo cual es utilizada una red reducida del Sistema de Interconexión Argentino (SADI).
An important number of contingencies simulated during Dynamic Security Assessment of a Power System (DSAPS), do not result in unacceptable values of state variables, due to their small influence on system operation. Their exclusion from the Set of Contingencies to be analyzed, would achieve a significant reduction in computation time. The standard Selection Method results from an Off-Line Dynamical Analysis, which covers typical scenarios and various related aspects like frequency, voltage, and internal angles of generators. In this work, a new Soft Computing-based Critical Contingencies Selection Method for On-Line Dynamic Security Assessment, supported in Simple and Multi-Backpropagation Neural Networks (SBNN/MBNN), Fuzzy Sets and MatHeuristics, is presented. The MBNN have the capability of split the input space, using selective neurons, achieving a better adjust in the no linear characteristics over localized regions, improving the computation time and interpolation into the training range. The results of a simulation Model on the reduced network of Interconnected Power System of Argentina (IPS), are presented.
Fil: Schweickardt, Gustavo Alejandro. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina..
Fil: Casanova Pietroboni, Carlos Antonio. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.
Fil: Pérez, Eduardo. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería Electromecánica. Grupo de Investigación en Economía Computacional de Regulación de Redes y Energías Renovables; Argentina.
Fil: Schweickardt, Gustavo Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Casanova Pietroboni, Carlos Antonio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Pérez, Eduardo. Universidad de Buenos Aires; Argentina.
Peer Reviewed
description Un importante número de Contingencias simuladas en la Evaluación de la Seguridad Dinámica de un Sistema de Potencia (ESDSP), no afectan de manera significativa las variables de estado. Su exclusión del conjunto que requiere analizarse, permitiría una importante reducción en los tiempos de computación, posibilitando la Evaluación En Línea (Tiempo Real) adoptando acciones correctivas sólo sobre las Contingencias consideradas Críticas. El Método clásico de Selección de Contingencias Críticas resulta de un Análisis Fuera de Línea, que cubre escenarios típicos considerando aspectos tales como: frecuencia del sistema, tensiones de barra y ángulos internos de los generadores. Sobre tal selección, el operador experto implementa las acciones correctivas pertinentes. En este trabajo es propuesto un nuevo Modelo Soft-Computing, que identifica Contingencias Críticas en Línea para la ESDSP, soportado en Redes Neuronales de Retropropagación Simple y Múltiple (RNRS/RNRM), Conjuntos Difusos y MatHeurísticas. Las RNRM presentan la capacidad de fraccionar el espacio de entrada, utilizando neuronas selectivas. Se disminuye el tiempo de entrenamiento y se logra aproximar mejor características no lineales en regiones localizadas, así como la interpolación dentro del rango de entrenamiento. Los resultados obtenidos son presentados y discutidos, para lo cual es utilizada una red reducida del Sistema de Interconexión Argentino (SADI).
publishDate 2015
dc.date.none.fl_str_mv 2015-11
2021-06-24T13:09:46Z
2021-06-24T13:09:46Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXIII (38): 26-46 (2015)
0329-7322
https://revistas.unc.edu.ar/index.php/epio/issue/view/1240
http://hdl.handle.net/20.500.12272/5279
identifier_str_mv Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXIII (38): 26-46 (2015)
0329-7322
url https://revistas.unc.edu.ar/index.php/epio/issue/view/1240
http://hdl.handle.net/20.500.12272/5279
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2021-06-24T13:09:46Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Schweickardt, Gustavo ; Casanova Pietroboni, Carlos Antonio ; Pérez, Eduardo.
No comercial con fines académicos.
eu_rights_str_mv openAccess
rights_invalid_str_mv 2021-06-24T13:09:46Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Schweickardt, Gustavo ; Casanova Pietroboni, Carlos Antonio ; Pérez, Eduardo.
No comercial con fines académicos.
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv Revista de la Escuela de Perfeccionamiento en Investigación Operativa XXIII(38), 26-46 (2015)
reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877862379807571968
score 13.364332

Publicaciones similares