Evaluación de un algoritmo basado en Machine Learning para un flujo de potencia óptima de corriente alterna ACOPF
Year: 2022
Type: dissertation
Abstract: En este trabajo, se analiza la factibilidad de usar el aprendizaje automático (Machine Learning (ML)) para \nobtener soluciones al problema del flujo de potencia óptimo de corriente alterna (Alternating Current Optimal \nPower Flow (ACOPF)). Debido a que ACOPF es un problema no convexo y con una alta no linealidad, se \nhan realizado numerosos esfuerzos para encontrar métodos eficientes de optimización que puedan reducir \nsustancialmente los tiempos de resolución. Los problemas de Optimal Power Flow (OPF) generalmente se \nresuelven mediante métodos de punto interior [1], también conocidos como métodos de barrera. Uno de los \nenfoques más utilizados es la técnica del punto interior dual primario con una búsqueda de línea de filtro [2]. \nEstos métodos son robustos pero costosos, ya que requieren el cálculo de la segunda derivada del Lagrangiano \nen cada iteración. Una nueva y fructífera dirección de investigación consiste en utilizar técnicas de ML para \nresolver problemas de operación y control de las redes eléctricas. ML ha mostrado reducir significativamente \nel uso de recursos computacionales en muchos problemas del mundo real. Se han utilizado varios métodos \nde solución entre ellos se destacan bosque aleatorio, árbol de decisiones de objetivos múltiples y máquina de \naprendizaje extrema [3, 4]. El funcionamiento de ML en este caso se aplica como un método que predice primero \nmagnitudes y ángulos de voltaje en cada bus. Empleando ecuaciones de red basadas en la física para calcular la \ninyección de potencia en diferentes buses. Para el aprendizaje en general de ML los datos se dividen en tres \nconjuntos: uno de entrenamiento, otro de validación y finalmente, uno de pruebas. Estos algoritmos se centran \nen minimizar su función objetivo y el costo de operación de una red de transmisión de corriente alterna.
Author: Astudillo Astudillo, Walter Ramiro
Language: Spanish
Subfield: Electrical and Electronic Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7056577403