Mejora de la Estabilidad de Pequeña Señal en el Sistema New England utilizando Inteligencia Artificial
Resumen.- Este trabajo muestraun método sencillo para mejorar la estabilidad enpequeña señal del Sistema Nueva Inglaterra, mejorando el punto de operación delsistema a través del uso de inteligencia artificial. El objetivo esutilizar una red neuronal para predecir los valores propios del sistema,tom...
Main Authors: | , |
---|---|
Format: | Article |
Language: | Spanish |
Published: |
Escuela Politécnica Nacional (EPN)
2013-07-01
|
Series: | Revista Politécnica |
Online Access: | https://revistapolitecnica.epn.edu.ec/ojs2/index.php/revista_politecnica2/article/view/71 |
id |
doaj-78d4b0a021754d79838a4ff15505b922 |
---|---|
record_format |
Article |
spelling |
doaj-78d4b0a021754d79838a4ff15505b9222020-11-25T00:43:14ZspaEscuela Politécnica Nacional (EPN)Revista Politécnica1390-01292477-89902013-07-013271Mejora de la Estabilidad de Pequeña Señal en el Sistema New England utilizando Inteligencia ArtificialCarlos Gallardo0Andrés Rosales1Escuela Politécnica Nacional, Departamento de Energía EléctricaEscuela Politécnica Nacional, Departamento de Automatización y Control IndustrialResumen.- Este trabajo muestraun método sencillo para mejorar la estabilidad enpequeña señal del Sistema Nueva Inglaterra, mejorando el punto de operación delsistema a través del uso de inteligencia artificial. El objetivo esutilizar una red neuronal para predecir los valores propios del sistema,tomando como datos de entrada los voltajes en las barras de los generadores, PotenciasActivas y Reactivas, los datos de salida serán los valores propios. Modosinestables y poco amortiguados son identificados, estos modos serán amortiguados.El sistema modifica ciertos parámetros del sistema en tiempo real hasta llegar a un punto de operaciónmás estable. En el caso de un punto de operación estable con un modooscilatorio poco amortiguado, el objetivo es aumentar el amortiguamiento dedicho modo. Es decir, la linealización del sistema de potencia en el punto deoperación es modificada. Las acciones del operador como redespacho degeneración, variación de carga, variación de potencia reactiva (voltaje) con frecuenciamodifican el punto de operación, el efecto de esto es que transitorios cercadel punto de operación decaerá más rápidamente. Sin embargo, el análisis notrata de enfocar la dificultad de estudiar transitorios de gran señal. Laexistencia de un punto de operación estable es necesario para la seguridad delsistema, pero no hay ninguna garantía que los transitorios de gran señal van adisminuir en el punto de operación. Abstract: This paper shows a simple approach to improve small-signal stability in the New EnglandPower Grid, improving the operating point in the power system, using artificial intelligence. The idea is touse a neural network to predict system’s eigenvalues, taking as input data voltage at buses, generated power,reactive load, and the output data are the eigenvalues. Unstable and Poorly damped modes are identified andthen these modes will be damped. The system modifies the parameters in real-time until reach a stable operatingpoint. In the case of a stable operating point with a poorly damped oscillatory mode, the objective is to increasethe damping of that mode. That is, the power system linearization at the operating point is modified. Operatoractions such as redispatch, varying load, varying reactive power (voltage) often modify the operating point to dothis; the effect of this is that transients near enough to the operating point will decay more quickly. However,the analysis does not attempt the more difficult study of large signal transients. The existence of a stableoperating point is of course necessary for system security, but there is no guarantee that large signal transientswill result in operation at that operating point.https://revistapolitecnica.epn.edu.ec/ojs2/index.php/revista_politecnica2/article/view/71 |
collection |
DOAJ |
language |
Spanish |
format |
Article |
sources |
DOAJ |
author |
Carlos Gallardo Andrés Rosales |
spellingShingle |
Carlos Gallardo Andrés Rosales Mejora de la Estabilidad de Pequeña Señal en el Sistema New England utilizando Inteligencia Artificial Revista Politécnica |
author_facet |
Carlos Gallardo Andrés Rosales |
author_sort |
Carlos Gallardo |
title |
Mejora de la Estabilidad de Pequeña Señal en el Sistema New England utilizando Inteligencia Artificial |
title_short |
Mejora de la Estabilidad de Pequeña Señal en el Sistema New England utilizando Inteligencia Artificial |
title_full |
Mejora de la Estabilidad de Pequeña Señal en el Sistema New England utilizando Inteligencia Artificial |
title_fullStr |
Mejora de la Estabilidad de Pequeña Señal en el Sistema New England utilizando Inteligencia Artificial |
title_full_unstemmed |
Mejora de la Estabilidad de Pequeña Señal en el Sistema New England utilizando Inteligencia Artificial |
title_sort |
mejora de la estabilidad de pequeña señal en el sistema new england utilizando inteligencia artificial |
publisher |
Escuela Politécnica Nacional (EPN) |
series |
Revista Politécnica |
issn |
1390-0129 2477-8990 |
publishDate |
2013-07-01 |
description |
Resumen.- Este trabajo muestraun método sencillo para mejorar la estabilidad enpequeña señal del Sistema Nueva Inglaterra, mejorando el punto de operación delsistema a través del uso de inteligencia artificial. El objetivo esutilizar una red neuronal para predecir los valores propios del sistema,tomando como datos de entrada los voltajes en las barras de los generadores, PotenciasActivas y Reactivas, los datos de salida serán los valores propios. Modosinestables y poco amortiguados son identificados, estos modos serán amortiguados.El sistema modifica ciertos parámetros del sistema en tiempo real hasta llegar a un punto de operaciónmás estable. En el caso de un punto de operación estable con un modooscilatorio poco amortiguado, el objetivo es aumentar el amortiguamiento dedicho modo. Es decir, la linealización del sistema de potencia en el punto deoperación es modificada. Las acciones del operador como redespacho degeneración, variación de carga, variación de potencia reactiva (voltaje) con frecuenciamodifican el punto de operación, el efecto de esto es que transitorios cercadel punto de operación decaerá más rápidamente. Sin embargo, el análisis notrata de enfocar la dificultad de estudiar transitorios de gran señal. Laexistencia de un punto de operación estable es necesario para la seguridad delsistema, pero no hay ninguna garantía que los transitorios de gran señal van adisminuir en el punto de operación.
Abstract: This paper shows a simple approach to improve small-signal stability in the New EnglandPower Grid, improving the operating point in the power system, using artificial intelligence. The idea is touse a neural network to predict system’s eigenvalues, taking as input data voltage at buses, generated power,reactive load, and the output data are the eigenvalues. Unstable and Poorly damped modes are identified andthen these modes will be damped. The system modifies the parameters in real-time until reach a stable operatingpoint. In the case of a stable operating point with a poorly damped oscillatory mode, the objective is to increasethe damping of that mode. That is, the power system linearization at the operating point is modified. Operatoractions such as redispatch, varying load, varying reactive power (voltage) often modify the operating point to dothis; the effect of this is that transients near enough to the operating point will decay more quickly. However,the analysis does not attempt the more difficult study of large signal transients. The existence of a stableoperating point is of course necessary for system security, but there is no guarantee that large signal transientswill result in operation at that operating point. |
url |
https://revistapolitecnica.epn.edu.ec/ojs2/index.php/revista_politecnica2/article/view/71 |
work_keys_str_mv |
AT carlosgallardo mejoradelaestabilidaddepequenasenalenelsistemanewenglandutilizandointeligenciaartificial AT andresrosales mejoradelaestabilidaddepequenasenalenelsistemanewenglandutilizandointeligenciaartificial |
_version_ |
1725279636503396352 |