Abstract
El objetivo principal de este Trabajo de Fin de Máster (TFM) es realizar un análisis crítico del estado del arte sobre la modelización matemática y las técnicas de optimización para la estimación de estado de los sistemas eléctricos de potencia (SEP). Un SEP es la interconexión de una gran cantidad de elementos eléctricos a través de los cuales se genera y transfiere energía de un punto a otro. Su comportamiento se analiza mediante el estudio numérico del flujo de dicha energía en todo el sistema interconectado. El objetivo de la estimación de estado es analizar la estabilidad del sistema, detectar posibles anomalías, controlar, planificar y optimizar su funcionamiento para garantizar la seguridad de la red, obtener su máxima capacidad y minimizar los costos operativos. Se ha llevado a cabo una revisión de los métodos que modelan la estimación de estado del SEP utilizando diferentes técnicas de optimización y su aporte al conocimiento del sector de manera cronológica. Estos métodos se han clasificado en dos categorías. En una primera categoría, están los que hemos denominado como métodos clásicos, que son modelos basados en regresión lineal (Mínimos Cuadrados Ponderados, MCP) y formulaciones alternativas a ésta, donde se evidencian adelantos computacionales y mejoras significativas respecto a la estabilidad numérica de los cálculos y la eficiencia en el procesamiento de los datos. Por otro lado, hemos también considerado métodos modernos basados en la Inteligencia Artificial, que incluyen el uso de Metaheurísticas y las Redes de Neuronas Artificiales, cuyos beneficios principales respecto al uso de los métodos clásicos son un tiempo de resolución y su estabilidad ante ruidos o perturbaciones; además de redirigir el análisis desde un enfoque totalmente matemático a un enfoque más analítico. Para ambas categorías se he realizado un análisis crítico exponiendo las técnicas utilizadas, la vanguardia en su aplicación en los SEP y su aporte a la materia. En el presente TFM se concluye que el método de MCP es el modelo matemático convencional más eficiente que ha sido implementado y probado hasta la actualidad, siempre que los errores de la medición sean Gaussianos. Los algoritmos genéticos es el método de computación evolutiva remarcable desde el punto de vista de las metaherísticas, aunque presentan cierta sensibilidad al ajuste de los parámetros de la red y sus valores iniciales. Las redes de neuronas artificiales y los enfoques deep learning pueden proporcionar mejores resultados sobre los métodos convencionales en algunas aplicaciones en términos de precisión y velocidad computacional, específicamente en los sistemas de distribución y microgrid.---ABSTRACT---The main objective of this Final Master's Project (TFM) is to carry out a critical analysis of the state of the art on mathematical modeling and optimization techniques for estimating the state of electrical power systems (SEP). A SEP is the interconnection of a large number of electrical elements through which energy is generated and transferred from one point to another. Its behavior is analyzed through the numerical study of the flow of said energy throughout the interconnected system. The objective of the state estimation is to analyze the stability of the system, detect possible anomalies, control, plan and optimize its operation to guarantee network security, obtain its maximum capacity and minimize operating costs. A review of the methods that model SEP status estimation has been carried out using different optimization techniques and their contribution to the knowledge of the sector in a chronological way. These methods have been classified into two categories. In a first category, there are those that we have called as classical methods, which are models based on linear regression (Weighted Least Squares, WLS) and alternative formulations to this one, where computational advances and significant improvements with respect to the numerical stability of the calculations are evident. and efficiency in data processing. On the other hand, we have also considered modern methods based on Artificial Intelligence, which include the use of Metaheuristics and Artificial Neuron Networks, whose main benefits compared to the use of classic methods are a resolution time and its stability against noise or disturbances; in addition to redirecting the analysis from a fully mathematical approach to a more analytical approach. For both categories, a critical analysis was carried out, exposing the techniques used, the vanguard in their application in the SEP and their contribution to the subject. This TFM concludes that WLS method is the most efficient conventional mathematical model that has been implemented and tested to date, provided that the measurement errors are Gaussian. Genetic algorithms is the remarkable evolutionary computation method from the point of view of metaheristics, although they present some sensitivity to the adjustment of the network parameters and their initial values. Artificial neuron networks and deep learning approaches can provide better results over conventional methods in some applications in terms of computational speed and precision, specifically in distribution and microgrid systems.
