GENERACIÓN DE PSEUDOMEDICIONES DE CARGA EN SUBESTACIONES MT/BT DE DISTRIBUIDORES RADIALES UTILIZANDO REDES NEURONALES

R. M. PRINGLES, D. G. COLOMÉ Y O. DÖLLING

Buenos Aires - Argentina

Congreso; CONGRESO INTERNACIONAL DE DISTRIBUCIÓN ELÉCTRICA - CIDEL ARGENTINA 2006; 2006

Comisión de Integración Energética Regional (CIER) - Asociación de Distribuidores de Energía Eléctrica de la Republica Argentina (AADERA)

En el marco del problema de estimación de estado en sistemas de distribución, la escasa disponibilidad de mediciones de tiempo real produce la inobservabilidad de partes de la red, es por ello que prácticamente todos los estimadores para distribución completan el conjunto de mediciones con pseudomediciones.Surge así el objetivo de este trabajo que es la definición y desarrollo de una metodología para generar un conjunto de pseudomediciones representativas de las cargas en cada subestación MT/BT (media tensión/baja tensión) de los distribuidores radiales, para su uso en la Estimación de Estado de Sistemas de Distribución.En este trabajo se presenta la metodología propuesta para generar pseudomediciones de carga en cada subestación (SETA) adaptadas al estado del tiempo. Estas pseudomediciones modelan la carga sobre la base de curvas de carga típicas, de datos de los archivos de facturación de los consumidores y de información geográfica de conectividad de usuarios.La metodología propuesta realiza la aplicación de redes neuronales artificiales (RNA) para incorporar la información sobre el estado del tiempo al cálculo de las pseudomediciones. Con las RNAs se logra modelar en forma aceptable el comportamiento no lineal de la demanda con la temperatura y con otras variables representativas del estado del tiempo.Inicialmente se propone el entrenamiento de RNAs que modelen el comportamiento de la demanda de las SETAs del sistema. Para el entrenamiento de una RNA por cada SETA es necesario medir su demanda en un periodo de tiempo de varios meses, por lo que su aplicación es muy limitada. Esta limitación ha conducido a proponer otra modalidad de aplicación de las RNAs para resolver el problema, la cual consiste en implementar una RNA que modele las curvas de carga representativas de la demanda típica de los diferentes grupos de usuarios, adaptadas a las condiciones del estado del tiempo. Con esta RNA se logra una curva de carga típica más representativa de la curva media de demandas medidas. Se ha entrenado así una RNA que puede simular el comportamiento de la demanda de usuarios pertenecientes a distintas bandas de consumo. Estas curvas típicas adaptadas al estado del tiempo se aplican en la generación de pseudomediciones de carga, obteniendo buenos resultados tanto cuando la temperatura difiere mucho de la media como cuando ésta se encuentra en los valores  medios observadosPara la prueba de la metodología propuesta se ha seleccionado una SETA en la que se observa que las mediciones se apartan de los valores medios esperados porque la temperatura registrada difiere considerablemente de la temperatura promedio. Se seleccionan para entrenar las RNAs las demandas del mes con más variaciones de temperatura, y por lo tanto cuando mayor influencia ejerce el estado del tiempo en la demanda.La incorporación de información del estado del tiempo utilizando RNA mejora la precisión de las pseudomediciones de carga en las subestaciones MT/BT de redes de distribución.Si bien el estudio se ha realizado para una subestación particular con mayoría de usuarios residenciales, la metodología propuesta puede ser aplicada a SETAs con otra composición de usuarios sin ninguna limitación.