Evaluación oportuna de la vulnerabilidad dinámica de la red usando técnicas de aprendizaje automático aplicado al caso de estudio peruano

CONDICIONAMIENTO DE PUBLICACION DE PROYECTOS. Este trabajo propone el desarrollo de la predicción de vulnerabilidad del sistema peruano a través del análisis de estabilidad oscilatoria, utilizando elementos de aprendizaje en base a data obtenida de diferentes condiciones de emergencia y/o contingencia del sistema peruano. Si bien ya existen herramientas de software para evaluar dichas contingencias, la idea de predecir con antelación condiciones de vulnerabilidad para ciertas condiciones de un nuevo escenario basado en aprendizaje maquina es una propuesta relativamente nueva. Para ello este trabajo se apoya en herramientas como el análisis de contingencias para generación de data de escenarios aplicados a la red peruana. Además, mediante algunas técnicas de inteligencia artificial y otras de reducción de dimensionalidad, se clasifica los escenarios y entrenan algoritmos para obtener con suficiente precisión estados del sistema que podrían ser vulnerables. Se busca la predicción de estados para escenarios de prueba probables en base a cambios en los niveles de amortiguamiento de la red. Además, se hace notar que el tiempo de procesamiento e identificación de condiciones mediante un modelo bien entrenado de IA es reducido, añadiéndole importancia. Del presente trabajo se desprende que, con un buen entrenamiento y data necesaria, se puede predecir estados vulnerables en el sistema peruano que den pie a la alerta temprana. Además, que algoritmos entrenados ayudan en la identificación en tiempo real. También que no importando la naturaleza de la red (en este caso se hizo uso de la red actualizada con proyectos renovables incluidos), y con data de cierta cantidad de parámetros elegidos se puede identificar condiciones de probable vulnerabilidad. En decir, siendo muy factible la evaluación rápida de la estabilidad oscilatoria del sistema peruano mediante la clasificación de la data, se puede aplicar sin problemas a la data Scada – WAMS del sistema peruano.

• Autore principale: Huaratazo Huallpa, Luis Angel (author)
• Altri autori: Cepeda Campaña, Jaime Cristóbal, Director (author)
• Natura: bachelorThesis
• Pubblicazione: 2025
• Soggetti: Minería de datos; entrenamiento; Redes; Aprendizaje automático
• Accesso online: http://www.dspace.espol.edu.ec/handle/123456789/67393