Análisis comparativo de técnicas basadas en máquinas de aprendizaje para predecir la excursión de frecuencia en sistemas eléctricos de potencia.

Abstract

El presente trabajo de titulación desarrolla una metodología con el objetivo de realizar un análisis comparativo de los distintos algoritmos utilizados en las Máquinas de Aprendizaje (MA) para la predicción de la excursión de frecuencia de un Sistema Eléctrico de Potencia luego de ocurrida una perturbación, sin hacer uso de las simulaciones en el dominio del tiempo y así evitar los impactos negativos a consecuencia de dichas perturbaciones, siendo estos sociales o económicos, con el fin de garantizar la continuidad del servicio eléctrico manteniendo al sistema con un servicio confiable y continuo. El proyecto incluye el modelamiento de un test system modificado considerando la inserción de energías renovables no convencionales (ERNC) como la energía eólica y energía solar fotovoltaica. Mediante uso de herramientas computacionales usadas en el campo eléctrico, se obtuvieron los datos sintéticos del sistema, esto mediante el uso de simulaciones en el dominio del tiempo (TDS) considerando como entradas las condiciones operacionales obtenidas del despacho económico previamente desarrollado en un periodo de tiempo definido; estos datos sintéticos del sistema permitieron entrenar las MA para predecir la excursión de frecuencia luego de ocurrida una contingencia. Una vez obtenidos los datos, se procedió a la selección de características relevantes que influyeron en la excursión de frecuencia para obtener información para el correcto entrenamiento de las distintas MA y finalmente se realizó el análisis comparativo entre los resultados obtenidos, verificando cuál de ellas tiene el mejor desempeño en términos de aproximación a los valores obtenidos de manera tradicional.