Title: | Reducción de espacio de búsqueda usando algoritmos de aprendizaje no supervisado aplicado al problema de la expansión del sistema de transmisión de energía eléctrica |
Authors: | Minchala Naula, Wilson Patricio |
metadata.dc.contributor.advisor: | Torres Contreras, Santiago Patricio |
metadata.dc.description.uri: | 0000-0002-8803-6811 |
metadata.dc.subject.other: | CIUC::Ingenierías::Tecnología Energética::Transmisión de Energía |
Keywords: | Ingeniería Eléctrica Sistemas de transmisión Suministro de energía Sistema eléctrico |
Issue Date: | 2-Aug-2023 |
metadata.dc.format.extent: | 40 páginas |
Publisher: | Universidad de Cuenca |
metadata.dc.type: | submittedVersion |
Abstract: | The current demand for electrical energy requires infrastructure additions to transmission
systems that are becoming larger and larger. A transmission system expansion planning
(TEP) is responsible for identifying necessary additions to the power system. However, this
process is difficult due to the number of variables to deal with. These variables are the result
of the number of candidate lines to consider (search space) in an optimization model. In this
paper, a candidate line clustering strategy is presented with the objective of reducing this
search space. This strategy combines unsupervised learning tools such as clustering and the
analysis of the operation of the Electric Power Supply System (ESS) called optimal power
flows. This combination is used to classify the candidate lines under 3 criteria: overload, least
effort and cost-benefit. These criteria are applied to each study system under analysis: Garver
6 Buses, IEEE 24 Buses and IEEE 188 Buses, to determine the most appropriate in each
case. All this in order to form and identify unrepresentative line groups to discard, resulting in
a new reduced search space for the systems and achieving a significant improvement in the
efficiency of the Transmission System Expansion Planning process. |
Description: | La demanda de energía eléctrica actual requiere de adiciones de infraestructura en los
sistemas de transmisión que se vuelven más grandes cada vez. Una planificación de la
expansión del sistema de transmisión (TEP) se encarga de identificar las adiciones
necesarias en el sistema eléctrico. Sin embargo, ese proceso resulta difícil debido a la
cantidad de variables a tratar. Estas variables son el resultado del número líneas candidatas
que se consideran (espacio de búsqueda) en un modelo de optimización. En este trabajo se
presenta una estrategia de agrupación de líneas candidatas con el objetivo de reducir este
espacio de búsqueda. Esta estrategia combina herramientas del aprendizaje no supervisado
como el clustering y el análisis de la operación del Sistema de Suministro de Energía Eléctrica
(SSEE) llamados flujos óptimos de potencia. Esta combinación sirve para clasificar las líneas
candidatas bajo 3 criterios: sobrecarga, mínimo esfuerzo y costo-beneficio. Estos criterios se
aplican a cada sistema de estudio que se analiza: Garver 6 Barras, IEEE 24 Barras y IEEE
188 Barras, para determinar el más apropiado en cada caso. Esto con el fin de formar e
identificar grupos de líneas poco representativos para descartarlos, dando como resultado un
nuevo espacio de búsqueda reducido para los sistemas y conseguir una mejora significativa
en la eficiencia del proceso de Planificación de la Expansión de Sistemas de Transmisión. |
URI: | http://dspace.ucuenca.edu.ec/handle/123456789/42589 |
metadata.dc.relation.ispartof: | TE;506 |
metadata.dcterms.description: | Ingeniero Eléctrico |
Appears in Collections: | Tesis de Pregrado
|