Modelado de la maquina síncrona mediante redes neuronales

Abstract

En este trabajo de grado se proponen modelos de regresión neuronal, de tipo caja negra, que repliquen el comportamiento de los modelos de la máquina síncrona, basados en ecuaciones de Park, que se utilizan en el estudio de estabilidad transitoria de ángulo ante grandes perturbaciones. Para la implementación de los modelos de regresión neuronal se utilizan redes neuronales del tipo perceptron multicapa (MLP). Los registros obtenidos de simulaciones en el dominio del tiempo realizados sobre un sistema de potencia básico (generador conectado a un barraje infinito), son usados para crear una base de datos de entrenamiento y posteriormente validar la metodología basada en redes neuronales artificiales propuesta para la estimación de las principales variables de la máquina síncrona. Se presentan funciones de regresión para tres modelos de la máquina síncrona: el modelo clásico, un modelo de quinto orden que incluye un regulador de voltaje automático (AVR) como sistema de excitación y un modelo de octavo orden equipado con un sistema de excitación del tipo AVR con sistema estabilizador de potencia (PSS). Según los resultados obtenidos, los modelos neuronales presentan una alta adaptación al modelo clásico de la máquina síncrona y una adaptación aceptable a los modelos de orden superior, lo cual muestra la validez de la estrategia, su posible uso para estudios de estabilidad sobre la máquina síncrona y la posibilidad de adaptar otras de técnicas de inteligencia artificial más elaboradas con el fin de obtener un mejor ajuste de los modelos neuronales.