Professional Documents
Culture Documents
Predicción de Demanda
Despacho Económico
Diagnóstico y Ubicación de Fallas
Evaluación de la Seguridad de la Red
Estabilidad de Sistemas de Potencia
Técnicas de Inteligencia Artificial
Redes Neuronales
Lógica Difusa
Redes Neuro-Difusas
Algoritmos Genéticos
Reconocimiento de Caras
Maria
Reconocimiento de Caras
Maria
Cerebro Maria
Estimación de Función
x
y = ax + b
x
y = ax2 + bx + c
Entrenamiento de Red Neuronal
Datos
x1 x2 y1 y2 v11 w11
* * * * x1 y1
* * * *
* * * * x2 y2
v23 w32
* * * *
Auto Conducción de Vehículos
Auto Conducción de Vehículos
Robot Móvil que Esquiva Obstáculos
Posición Final
Deseada
Tratamiento Médico
Medicina 1
Medicina 2
Predicción de Demanda
Despacho Económico
Diagnóstico y Ubicación de Fallas
Evaluación de la Seguridad de la Red
Estabilidad de Sistemas de Potencia
Diagnóstico y Ubicación de Fallas en
Sistemas de Transmisión
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
Entrada Salida
1 : Falla del tipo
Valor RMS de la
considerado
corriente de fase
0 : No falla del tipo
después de la falla
considerado
I1 RMS
Detector de 1
I2 RMS Falla para
0
I3 RMS Cada Tipo
Diagnóstico de Fallas
Una Red Neuronal para Cada Tipo de Falla
v
I1 RMS w
1
I2 RMS
0
I3 RMS
Datos de Entrenamiento de Red Neuronal
I1 RMS
1
I2 RMS
0
I3 RMS
Entradas
Salida
I1 RMS I2 RMS I3 RMS
12.5 12.8 12.5 0 Sin Falla
Falla 1
La red neuronal
con salida = 1
Falla 2 corresponde a
I1 RMS una falla.
I2 RMS
Las salidas de
I3 RMS las otras redes
neuronales son
cercanas a cero.
Falla 9
Falla 10
Ubicación de Fallas
Qué Información Usar?
Entrada Salida
Distancia del lugar
Valor RMS de la
de la falla
corriente de fase
después de la falla Coordenadas del
lugar de la falla
I1 RMS
Determinación Distancia
I2 RMS del Lugar de la
Falla Coordenadas
I3 RMS
Ubicación de Fallas
I1 RMS
I2 RMS Distancia
I3 RMS
I1 RMS
Coordenada X
I2 RMS
Coordenada Y
I3 RMS
(Salidas normalizadas)
Ubicación de Fallas
I1 RMS X
Falla 1 I2 RMS
Y
I3 RMS
I1 RMS X
Falla 2 I2 RMS Una red neuronal para
Y
I3 RMS cada tipo de falla
I1 RMS X
Falla 10 I2 RMS
Y
I3 RMS
Datos de Entrenamiento de Red Neuronal
I1 RMS
Falla 1: Fase 1 a Tierra X
I2 RMS
Y
I3 RMS
Entradas Salida
I1 RMS I2 RMS I3 RMS X Y
9.1 12.8 12.5 0.25 1.20
8.8 12.3 12.3 1.15 0.55
7.6 12.6 12.9 0.60 1.20 Una red neuronal
para cada tipo de
8.8 13.1 12.9 0.85 2.70 falla
Despacho eficiente
Programación de operación
Planificación de inversiones
1:00
Demanda
24 horas 2:00
anteriores
3:00
4:00
Día Predictor de 5:00
Demanda Eléctrica Demanda
Mes
6:00 horaria
Data
climatológica
22:00
23:00
Data
económica 24:00
Red Neuronal
v
w
34 24
Entradas Salidas
Red Neuronal
Datos de Entrenamiento
34 Entradas 24 Salidas
* * * * * * * * * * * *
* * * * * * * * * * * *
* * * * * * * * * * * *
.. .. ... .. .. .. ... ..
. . . . . .
* * * * * * * * * * * *
Predicción de Demanda de 24 Horas
Potencia
300
(MW)
250
Real
200 Predicción
150
100
50
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Bus 5
Bus 4
Bus 3
Bus 1 Bus 2 ~
~ ~
Costo de Operación de los Generadores
Distancia R [Ω ]
Línea De A X[Ω ]
[Km]
1 1 8 55 0.055 0.210
2 1 6 45 0.020 0.080
3 1 2 3 0.003 0.014
4 2 7 60 0.015 0.115
5 2 5 50 0.050 0.192
6 3 4 16 0.016 0.060
7 4 7 43 0.043 0.165
8 4 6 43 0.043 0.165
9 5 6 16 0.014 0.061
10 7 8 31 0.031 0.119
Problema de Despacho Económico
Programación Lineal
Programación Cuadrática
Redes Neuronales