Evaluación de la Estabilidad de Tensión Utilizando el Índice |D’| y Redes Neuronales Artificiales bajo Contingencias

Resumen

Enfoques que utilizan Redes Neuronales Artificiales (RNA) han buscado mejorar la precisión y confiabilidad en el cálculo de índices de estabilidad de tensión para garantizar la operación segura de los Sistemas Eléctricos de Potencia (SEP), especialmente en condiciones de colapso inminente. Además, estudios recientes han integrado los modelos dinámicos de transformadores y fuentes renovables, así como el uso de mediciones fasoriales en tiempo real, con el fin de mejorar la precisión de las analisis. A pesar de los avances, aún existe la necesidad de mejorar la precisión y el rendimiento computacional de los índices existentes, particularmente en escenarios de múltiples contingencias. Este artículo propone el uso del índice |D’|, baseado en la matriz Jacobiana del Flujo de Potencia, para mejorar la precisión en la evaluación de la estabilidad de tensión. El método propuesto se evalúa mediante simulaciones que contemplan tres tipos de contingencias: aumento escalonado de potencia activa y reactiva en las cargas, flujo de potencia continuado y desconexión de líneas de transmisión. Pruebas de desempeño del índice |D’|, utilizando RNA, demuestran alta precisión y buena generalización del modelo, con bajos errores medios y desviación estándar, lo que permite identificar eficientemente las barras más críticas del sistema, con un reducido costo computacional. El método propuesto demostró ser eficaz en la reducción de errores y varianza durante las pruebas y validación, especialmente en condiciones de operación cercanas al colapso de tensión, evidenciando su robustez y eficiencia en el análisis de estabilidad en tiempo real.