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

Abstract

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.