Estimación de los parámetros del modelo de tercer orden de un generador síncrono usando redes neuronales artificiales

Abstract

Con el incremento en la complejidad de los actuales sistemas de potencia, se ha vuelto cada vez más importante y necesario realizar análisis del desempeño de su dinámica y estabilidad, mediante la identificación y obtención de modelos básicos de cada uno de sus componentes, que permitan obtener resultados lo más cercanos posible a las condiciones reales de operación del sistema. Entre dichos elementos se encuentra la máquina síncrona, quien desempeña un papel muy importante en la estabilidad de un sistema de potencia. Por tanto es imprescindible disponer de modelos válidos de la máquina para realizar un adecuado análisis de su desempeño sobre la red. Aunque ya ha pasado más de medio siglo desde las primeras publicaciones relacionadas con diversas metodologías acerca de la obtención de dichos modelos, aún en la actualidad sigue siendo un área de investigación atractiva y en continua evolución. Tradicionalmente los parámetros de la máquina síncrona han sido datos obtenidos mediante ensayos clásicos, los cuales utilizan metodologías invasivas que obligan a la desconexión de la máquina del sistema y por tanto a la interrupción del servicio de energía, situación que se traduce en problemas tanto técnicos como económicos, para el usuario y para la empresa de generación. Como una de las metodologías alternativas a las clásicas en cuanto a la obtención de modelos para sistemas no lineales, se encuentra la estimación de parámetros, la cual ha sido ampliamente utilizada en la identificación de parámetros de la máquina síncrona. En este proyecto se plantea la utilización de una de estas herramientas como son las redes neuronales, para la estimación fuera de línea de los parámetros de una máquina síncrona real del laboratorio, con la ventaja que su estructura y/o configuración es optimizada mediante la utilización de algoritmos genéticos. De esta forma la selección de la arquitectura de la red neuronal deja de ser un proceso empírico definido por la experiencia del diseñador, para convertirse en un sistema de selección óptimo.