Aplicaciones de Inteligencia. Dr. Antonio Morán Cárdenas. IEEE Sociedad de Robótica y Automatización

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Aplicaciones de Inteligencia. Dr. Antonio Morán Cárdenas. IEEE Sociedad de Robótica y Automatización"

María Luz Carrizo Río
hace 8 años
Vistas:

1 Aplicaciones de Inteligencia Artificial en Sistemas de Potencia Dr. Antonio Morán Cárdenas IEEE Sociedad de Robótica y Automatización

2 Aplicaciones de la Inteligencia Artificial en Sistemas de Potencia Eléctrica Operación y Control de Sistemas Eléctricos Predicción de Demanda Despacho Económico Diagnóstico y Ubicación de Fallas Evaluación de la Seguridad de la Red Estabilidad de Sistemas de Potencia

Demanda Despacho Económico Diagnóstico y Ubicación de Fallas

3 Técnicas de Inteligencia Artificial Redes Neuronales Lógica Difusa Redes Neuro-Difusas Algoritmos Genéticos

5 Reconocimiento de Caras Maria

6 Reconocimiento de Caras Maria Cerebro Maria

7 Estimación de Función y x y = ax + b y x 2 y = ax + bx + c

8 Entrenamiento de Red Neuronal Datos x 1 x 2 y 1 y 2 * * * * * * * * * * * * * * * * v 11 w 11 x 1 y 1 x 2 y 2 v 23 w 32

9 Auto Conducción de Vehículos

10 Auto Conducción de Vehículos

11 Robot Móvil que Esquiva Obstáculos Posición Final Deseada

12 Tratamiento Médico Presión Sanguínea Pulso Cardiaco Dosis de Medicina

13 Tratamiento Médico Niveles actuales (Presión, Pulso) Niveles deseados (Presión, Pulso) Medicina 1 Medicina 2 Niveles actuales Niveles deseados Cerebro Medicina 1 Medicina 2

14 Tratamiento Médico Problema de Control Niveles Deseados Doctor Medicina Paciente Niveles Actuales

15 Aplicaciones de la Inteligencia Artificial en Sistemas de Potencia Eléctrica Operación y Control de Sistemas Eléctricos Predicción de Demanda Despacho Económico Diagnóstico y Ubicación de Fallas Evaluación de la Seguridad de la Red Estabilidad de Sistemas de Potencia

16 Diagnóstico y Ubicación de Fallas en Sistemas de Transmisión Determinar el tipo de falla y el lugar donde se ha producido

17 Tipos de Fallas Falla Tipo Falla 1 Fase 1 a Tierra Falla 2 Fase 2 a Tierra Falla 3 Fase 3 a Tierra Falla 4 Fase 1 a Fase 2 Falla 5 Fase 2 a Fase 3 Falla 6 Fase 3 a Fase 1 Falla 7 Fases 1 y 2 a Tierra Falla 8 Fases 2 y 3 a Tierra Falla 9 Fases 1 y 3 a Tierra Falla 10 Tres Fases

a Fase 3 Falla 6 Fase 3 a Fase 1 Falla 7 Fases 1 y 2 a Tierra Falla 8

18 Diagnóstico de Fallas Qué Información Usar? Entrada Valor RMS de la corriente de fase después de la falla Salida 1 : Falla del tipo considerado 0 : No falla del tipo considerado I 1 RMS I 2 RMS I 3 RMS Detector de Falla para Cada Tipo 1 0

falla Salida 1 : Falla del tipo considerado 0 : No falla

19 Diagnóstico de Fallas Una Red Neuronal para Cada Tipo de Falla v I 1 RMS w I 2 RMS I 3 RMS 0 1

20 Datos de Entrenamiento de Red Neuronal I 1 RMS Entradas I 1 RMS I 2 RMS I 3 RMS Salida I 2 RMS I 3 RMS Sin Falla Falla 1 Falla 1 Sin Falla Otra Falla

8 12.5 0 Sin Falla 8.8 12.3 12.4 1 8.6 12.6 11.9 1 11.8 12.1 12.

21 Diagnóstico de Fallas Falla 1 I 1 RMS I 2 RMS I 3 RMS Falla 2 Falla 9 La red neuronal con salida = 1 corresponde a una falla. Las salidas de las otras redes neuronales son cercanas a cero. Falla 10

22 Ubicación de Fallas Qué Información Usar? Entrada Valor RMS de la corriente de fase después de la falla Salida Distancia del lugar de la falla Coordenadas del lugar de la falla I 1 RMS I 2 RMS I 3 RMS Determinación del Lugar de la Falla Distancia Coordenadas

23 Ubicación de Fallas I 1 RMS I 2 RMS Distancia I 3 RMS I 1 RMS I 2 RMS I 3 RMS Coordenada X Coordenada Y (Salidas normalizadas)

24 Ubicación de Fallas Falla 1 I 1 RMS I 2 RMS I 3 RMS X Y Falla 2 I 1 RMS I 2 RMS I 3 RMS X Y Una red neuronal para cada tipo de falla Las coordenadas (x,y) pueden ser de un plano de red Falla 9 I 1 RMS I 2 RMS I 3 RMS X Y Falla 10 I 1 RMS I 2 RMS I 3 RMS X Y

25 Datos de Entrenamiento de Red Neuronal Falla 1: Fase 1 a Tierra Entradas Salida I 1 RMS I 2 RMS I 3 RMS X Y I 1 RMS I 2 RMS I 3 RMS Una red neuronal para cada tipo de falla X Y

26 Diagnóstico de Fallas Pruebas y Resultados Identificación del Tipo de Falla: 100% en datos de entrenamiento 92% en datos de validación Determinación de Coordenadas (x,y) 0% de error en datos de entrenamiento 9% de error en datos de validación

27 Predicción de Carga Eléctrica Importante para el adecuado planeamiento y operación de un sistema eléctrico: Despacho eficiente Programación de operación Planificación de inversiones Economía, calidad y seguridad en el suministro de energía eléctrica

28 Predicción de Carga Eléctrica Predicción de Corto Plazo Día, Semana Predicción de Mediano Plazo Mes, Semestre, Año Predicción de Largo Plazo Cinco a mas años

29 Predicción de Corto Plazo Próximas 24 horas Qué información usar? Calendario Mes Día Climatológicos Temperatura max, min y promedio del día anterior Humedad del día anterior Intensidad de lluvia día anterior Económicos Incremento PBI último mes Índice de actividad industrial Índice de actividad minera Demanda en las últimas 24 horas

30 Predicción de Corto Plazo Demanda 24 horas anteriores 1:00 2:00 3:00 4:00 Día Mes Predictor de Demanda Eléctrica 5:00 6:00 Demanda horaria Data climatológica 22:00 Data económica 23:00 24:00

31 Red Neuronal v w 34 Entradas 24 Salidas

32 Red Neuronal Datos de Entrenamiento 34 Entradas * * * * * * * * * * * * * * * * * * * * * * * * * * * * 24 Salidas * * * * * * * * * * * * * * * * * * * *

33 Predicción de Demanda de 24 Horas 300 Potencia (MW) Real Predicción Hora del día

34 Despacho Económico Dado un sistema eléctrico con: Centrales de generación de capacidad y costos de operación Demanda eléctrica en diferentes puntos de la red Determinar la cantidad de potencia a generar en cada central ara satisfacer la demanda al menor costo posible

35 Sistema Eléctrico Interconectado Bus 8 Bus 7 Bus 6 Bus 4 Bus 5 Bus 1 Bus 2 ~ ~ ~ Bus 3

36 Costo de Operación de los Generadores Costo de Operación del Generador C: C = a + b P G + c P G 2 P G : Potencia activa generada Gen Pmax Pmin a b c Bus [MW] [MW] [$/h] [$/MWh] [$/MW 2 h] Bus Bus Bus

37 Distancias e Impedancias entre Barras Línea De A Distancia [Km] R [Ω] X[Ω ]

38 Problema de Despacho Económico Minimizar costo total de generación de N centrales: N N Σ C i = Σ 2) (a i + b i P Gi + c i P Gi Satisfaciendo la demanda de M consumidores y considerando las pérdidas en líneas P L N M Σ P Gi = Σ D i + P L Considerando capacidad de generación de cada central P Gi Min < P Gi < P Gi Max i = 1, 2. N

39 Demanda de Potencia Eléctrica Demanda [MW] Bus 4 Bus 5 Bus 6 Bus 7 Bus 8 Demanda Total [MW]

40 Demanda Generación Demanda [MW] Bus 4 Bus 5 Bus 6 Bus 7 Bus Generación [MW] Bus 1 Bus 2 Bus

41 Despacho Económico Diferentes técnicas para resolver el problemas de despacho eléctrico Programación Lineal Programación Cuadrática Cuando el costo de operación no es una función cuadrática C = a + b P G + c P G 2 + d P G 3 Redes Neuronales

Documentos relacionados

Instrumentos de medida usados en instalaciones solares fotovoltaicas.

Unidad II Instrumentos de medida usados en instalaciones solares fotovoltaicas. 2.1-Instrumentos de medición de radiación solar. 2.2-Medición de la duración del brillo solar. 2.3-Ubicación y exposición