Resumen
Un simulador de entrenamiento para operadores en tiempo real de un sistema eléctrico de potencia es una herramienta de suma importancia para introducir al operador al comportamiento eléctrico y dinámico de los sistemas de energía basado en modelos matemáticos de los elementos que los conforman ante diferentes perturbaciones. La presente investigación consiste en el desarrollo de una herramienta informática para la sintonización de parámetros de los modelos dinámicos de unidades generadoras utilizando algoritmos genéticos y optimización por enjambre de partículas. Se realiza la sintonización para el modelo de una central térmica e hidroeléctrica y se compara la eficiencia en cada técnica basado en el índice de desempeño de la raíz del error cuadrático medio (RMSE, por sus siglas en inglés) y tiempos de simulación. Con base a los resultados obtenidos entre las técnicas de sintonización se observa que mediante algoritmos genéticos se logra un menor valor del indicador de desempeño, mientras con optimización por enjambre de partículas se tiene menos precisión, pero requiere menores tiempos de simulación.
ILIA: Investigaciones Latinoamericanas en Ingeniería y Arquitectura, No. 01, 2024: 174-180.
Referencias
V. Kola, A. Bose y P. Anderson, “Power Plant Models for Operator Training Simulators,” en IEEE Transactions on Power Systems, 1989, pp. 559-565.
J. Camarillo, A. Saavedra y C. Ramos, "Recomendaciones para Seleccionar Índices para la Validación de Modelos," TecnoLógicas, vol. 1, pp. 109-122, octubre 2013.
A. Arias y A. Zapata, "Evaluación de metodologías de sintonización para controladores PI en microrredes eléctricas," Tesis de pregrado, Universidad de La Salle, 2020.
B. Acevedo, J. Fonseca y J. Gómez, “Desarrollo de una herramienta en MATLAB para Sintonización de Controladores PID utilizando algoritmos genéticos basado en técnicas de optimización multiobjetivo,” SENA, vol. 1, pp. 81-102.
S. Sivanandam y S. Deepa, Introduction to Genetic Algorithms. Berlin: Springer, 2008.
M. Gestal, D. Rivero, J. Rabuñal, J. Dorado y A. Pazos, “Algoritmos Genéticos. Introducción a los Algoritmos Genéticos y la Programación Genética,” Universidad da Coruña: Servizo de Publicacións, España, 2010.
R. Lluiyac, "Sintonización de un controlador PID usando Particle Swarm Optimization para el AGC de un Sistema Eléctrico Multiárea," Tesis de Máster, Universidad de Sevilla, 2014.
A. Engelbrecht, Computational Intelligence: An Introduction. Chichester: John Wiley & Sons Inc, 2007.
M. Clerc, Particle Swarm Optimization. Londres: Wiley-ITSE, 2005.
A. Harb, L. Mili, A. Nayfeh y C. Chin, “On the Effect of the Machine Saturation on SSR in Power System,” en Electric Machines and Power Systems, 2000, pp. 1019-1035.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2024 W. Alguera, W. Berríos, V. Ibarra, J. Vargas, J. Martínez (Autor/a)