Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales

Este trabajo de integración curricular aborda el Flujo Óptimo de Potencia (OPF), que representa un problema de optimización complejo de resolver en tiempo real, por su requerimiento de tiempo computacional, debido a su naturaleza no lineal y no convexa, propias de las características físicas de la r...

Full description

Saved in:
Bibliographic Details
Main Author: Quisaguano Paredes, André Hernán (author)
Format: bachelorThesis
Language:spa
Published: 2025
Subjects:
Online Access:https://bibdigital.epn.edu.ec/handle/15000/26905
Tags: Add Tag
No Tags, Be the first to tag this record!
_version_ 1850797106614239232
author Quisaguano Paredes, André Hernán
author_facet Quisaguano Paredes, André Hernán
author_role author
collection Repositorio Escuela Politécnica Nacional
dc.creator.none.fl_str_mv Quisaguano Paredes, André Hernán
dc.date.none.fl_str_mv 2025-10-30T17:30:03Z
2025-10-30T17:30:03Z
2025-10-30
dc.identifier.none.fl_str_mv Quisaguano Paredes, A.H.(2025). Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales. 67 páginas. Quito : EPN.
T-IE 6151/CD CD 15513
https://bibdigital.epn.edu.ec/handle/15000/26905
dc.language.none.fl_str_mv spa
dc.publisher.none.fl_str_mv Quito : EPN, 2025.
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv reponame:Repositorio Escuela Politécnica Nacional
instname:Escuela Politécnica Nacional
instacron:EPN
dc.subject.none.fl_str_mv FLUJO DE POTENCIA
SISTEMAS ELÉCTRICOS DE POTENCIA
REDES NEURONALES
PROGRAMAS COMPUTACIONALES
ALGORITMOS DE OPTIMIZACIÓN
FLUJO ÓPTIMO DE POTENCIA
OPTIMIZACIÓN BINIVEL
PRECIOS MARGINALES LOCALES
MATPOWER
dc.title.none.fl_str_mv Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/bachelorThesis
description Este trabajo de integración curricular aborda el Flujo Óptimo de Potencia (OPF), que representa un problema de optimización complejo de resolver en tiempo real, por su requerimiento de tiempo computacional, debido a su naturaleza no lineal y no convexa, propias de las características físicas de la red eléctrica. Como alternativa, se emplea el modelo OPF-DC, una versión simplificada, que recurre a diversas aproximaciones para facilitar su resolución. No obstante, estas reducciones generan discrepancias importantes con respeto al primero. Para reducir esta brecha, se propone una metodología basada en una programación de dos niveles, llamada binivel, utilizando un código desarrollado en Julia. En el primero, se resuelve un problema aproximado denominado OPF-DC y en el segundo se incorporan restricciones a los parámetros de ajuste de la demanda de potencia activa, que permiten incorporar parte de la información perdida en dichas simplificaciones. Estos parámetros son aprendidos a través del entrenamiento fuera de línea en una red neuronal totalmente supervisada, escrita en lenguaje Python, que utiliza como referencia las soluciones obtenidas del modelo OPF-AC y del problema de optimización binivel. Estos parámetros permiten ajustar de forma subóptima la demanda, mejorando significativamente la precisión del modelo OPF-DC, en términos de costos totales, precios marginales locales y despachos de generación. Esta metodología es aplicada a los sistemas del IEEE, de 30 y 57 barras, cuyos resultados permiten deducir que la aproximación OPF-DC es válida respecto a los proporcionados por el OPF-AC.
eu_rights_str_mv openAccess
format bachelorThesis
id EPN_35732bbf6fdd00c98e4dcfa00018dbe5
identifier_str_mv Quisaguano Paredes, A.H.(2025). Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales. 67 páginas. Quito : EPN.
T-IE 6151/CD CD 15513
instacron_str EPN
institution EPN
instname_str Escuela Politécnica Nacional
language spa
network_acronym_str EPN
network_name_str Repositorio Escuela Politécnica Nacional
oai_identifier_str oai:bibdigital.epn.edu.ec:15000/26905
publishDate 2025
publisher.none.fl_str_mv Quito : EPN, 2025.
reponame_str Repositorio Escuela Politécnica Nacional
repository.mail.fl_str_mv .
repository.name.fl_str_mv Repositorio Escuela Politécnica Nacional - Escuela Politécnica Nacional
repository_id_str 1553
spelling Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronalesQuisaguano Paredes, André HernánFLUJO DE POTENCIASISTEMAS ELÉCTRICOS DE POTENCIAREDES NEURONALESPROGRAMAS COMPUTACIONALESALGORITMOS DE OPTIMIZACIÓNFLUJO ÓPTIMO DE POTENCIAOPTIMIZACIÓN BINIVELPRECIOS MARGINALES LOCALESMATPOWEREste trabajo de integración curricular aborda el Flujo Óptimo de Potencia (OPF), que representa un problema de optimización complejo de resolver en tiempo real, por su requerimiento de tiempo computacional, debido a su naturaleza no lineal y no convexa, propias de las características físicas de la red eléctrica. Como alternativa, se emplea el modelo OPF-DC, una versión simplificada, que recurre a diversas aproximaciones para facilitar su resolución. No obstante, estas reducciones generan discrepancias importantes con respeto al primero. Para reducir esta brecha, se propone una metodología basada en una programación de dos niveles, llamada binivel, utilizando un código desarrollado en Julia. En el primero, se resuelve un problema aproximado denominado OPF-DC y en el segundo se incorporan restricciones a los parámetros de ajuste de la demanda de potencia activa, que permiten incorporar parte de la información perdida en dichas simplificaciones. Estos parámetros son aprendidos a través del entrenamiento fuera de línea en una red neuronal totalmente supervisada, escrita en lenguaje Python, que utiliza como referencia las soluciones obtenidas del modelo OPF-AC y del problema de optimización binivel. Estos parámetros permiten ajustar de forma subóptima la demanda, mejorando significativamente la precisión del modelo OPF-DC, en términos de costos totales, precios marginales locales y despachos de generación. Esta metodología es aplicada a los sistemas del IEEE, de 30 y 57 barras, cuyos resultados permiten deducir que la aproximación OPF-DC es válida respecto a los proporcionados por el OPF-AC.This curricular integration project addresses the Optimal Power Flow (OPF) problem, a complex optimization challenge that is difficult to solve in real time due to its high computational demands, stemming from the nonlinear and non-convex nature of electrical power networks. As an alternative, the DC Optimal Power Flow (DC-OPF) model—a simplified version that relies on various approximations to ease computation—is commonly used. However, such simplifications introduce significant discrepancies compared to the original model. To bridge this gap, a bilevel optimization methodology is proposed, implemented using Julia. At the upper level, the DC-OPF model is solved, while the lower level imposes constraints on parameters that adjust active power demand, allowing the model to recover part of the information lost through simplification. These adjustment parameters are learned offline through a fully supervised neural network, implemented in Python, trained using solutions obtained from both the AC-OPF model and the bilevel optimization problem. The learned parameters enable suboptimal demand adjustments that significantly improve the accuracy of the DC-OPF model in terms of total cost, locational marginal prices (LMPs), and generation dispatch. This methodology is applied to IEEE test systems of 30 and 57 buses, demonstrating that the adjusted DC-OPF approximation yields results that are consistent with those from the more detailed AC-OPF model.Játiva Ibarra, Jesús Amado, director.Quito : EPN, 2025.2025-10-30T17:30:03Z2025-10-30T17:30:03Z2025-10-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisQuisaguano Paredes, A.H.(2025). Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales. 67 páginas. Quito : EPN.T-IE 6151/CD CD 15513https://bibdigital.epn.edu.ec/handle/15000/26905spainfo:eu-repo/semantics/openAccessreponame:Repositorio Escuela Politécnica Nacionalinstname:Escuela Politécnica Nacionalinstacron:EPN2025-10-30T17:30:03Zoai:bibdigital.epn.edu.ec:15000/26905Institucionalhttps://bibdigital.epn.edu.ec/Universidad públicahttps://www.epn.edu.ec/https://bibdigital.epn.edu.ec/oai.Ecuador...opendoar:15532025-10-30T17:30:03Repositorio Escuela Politécnica Nacional - Escuela Politécnica Nacionalfalse
spellingShingle Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales
Quisaguano Paredes, André Hernán
FLUJO DE POTENCIA
SISTEMAS ELÉCTRICOS DE POTENCIA
REDES NEURONALES
PROGRAMAS COMPUTACIONALES
ALGORITMOS DE OPTIMIZACIÓN
FLUJO ÓPTIMO DE POTENCIA
OPTIMIZACIÓN BINIVEL
PRECIOS MARGINALES LOCALES
MATPOWER
status_str publishedVersion
title Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales
title_full Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales
title_fullStr Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales
title_full_unstemmed Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales
title_short Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales
title_sort Aproximación paramétrica del flujo óptimo de potencia usando redes neuronales : programa computacional para estudiar la aproximación paramétrica del flujo óptimo de potencia ac usando redes neuronales
topic FLUJO DE POTENCIA
SISTEMAS ELÉCTRICOS DE POTENCIA
REDES NEURONALES
PROGRAMAS COMPUTACIONALES
ALGORITMOS DE OPTIMIZACIÓN
FLUJO ÓPTIMO DE POTENCIA
OPTIMIZACIÓN BINIVEL
PRECIOS MARGINALES LOCALES
MATPOWER
url https://bibdigital.epn.edu.ec/handle/15000/26905