Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)Malagón Carvajal, Gabriel AlexisBlanco Solano, Yeison Isnardo2024-05-062024-05-062024-04-202024-04-20https://noesis.uis.edu.co/handle/20.500.14071/42314En este trabajo de investigación aplicada se implementa y evalúa el desempeño de un control de tensiónreactiva basado en máquinas de soporte vectorial (SVM) del tipo regresión. El proceso de entrenamiento de las SVMs se realiza con datos de simulación obtenidos de la implementación de un algoritmo PSO para el control de tensiónreactiva y la ejecución de flujos de carga en el sistema de distribución modelado en el software OpenDSS. Los descriptores de entrada corresponden a los valores potencia activa, reactiva, valores eficaces de tensión y corriente en la subestación, así como a los valores eficaces de tensión y corriente en los reconectadores conectados a la red. Posteriormente, se obtienen los ajustes óptimos de los taps de los SC (Capacitores) y el OLTC (On Load Tap Changer) en el sistema de distribución, considerando diferentes escenarios de demanda, junto con los resultados del flujo de cargas en los puntos de medición seleccionados. La evaluación de desempeño del control se realiza con los lineamientos del IEEE Std 1885-2022. Se destaca una disminución del 20% en las pérdidas, así como una reducción del 11% en la potencia suministrada por la subestación del sistema de distribución. En cuanto a las valores de tensión en los nodos de conexión de los usuarios, cuando el control está inactivo se tiene que, para todos los peridos de demanda, el mayor porcentaje encontrado es de 51,3% de los nodos que incumplen las restricciones técnicas. Con el control de tensiónreactiva en funcionamiento, el mayor porcentaje es de 3,66%. Una ventaja destacable en el uso de las SVMs es que en el sistema de distribución bajo estudio, el tiempo de ejecución necesario para obtener los ajustes óptimos de los Taps del SC y OLTC es del orden de 0,15 segundos. Este hallazgo resalta la eficacia de la SVMs como método de control, validando su utilidad en aplicaciones prácticas en el ámbito del control de tensión-reactiva en sistemas de distribución de energía eléctrica.application/pdfspainfo:eu-repo/semantics/openAccessSistemas de distribuciónControl tensión-reactivaMáquinas de soporte vectorialRegresión con aprendizaje automáticoCVROptimización de tensiónUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestríaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coDistribution NetworksVoltage / Var ControlSupport Vector MachineMachine Learning RegressionConservation Voltage ReductionVoltage Optimizationhttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)