Clasificación de riesgos de colapso de tensión basados en el estudio de comportamientos de cargas

Abstract

La inestabilidad de tensión es uno de los principales causantes de los colapsos que han ocurrido en el mundo. Las consecuencias relacionadas a estos apagones generan un gran impacto económico y social en un país. Esto se debido, al incremento de la demanda de energía eléctrica, incursión de tecnologías, generación alejada de los puntos de consumo, topología del sistema, falla en los esquemas de control . Además, estos sistemas son no lineales y complejos ya que la demanda y la generación está compuesta por diversos tipos de elementos que generan comportamientos no lineales y debido a esto no es posible predecir con exactitud su variación. Es importante tener conocimiento del riesgo de colapso de tensión de acuerdo con las variaciones de potencia activa y reactiva, ya que, permite a los operadores tomar acciones oportunas y conocer cuales variaciones en la carga generan más riesgo que otras para evitar llegar al apagón Este trabajo tiene como objetivo identificar los riesgos de colapsos de tensión de acuerdo con la variación de la potencia activa y reactiva en los nodos. Se consideraron distintos tipos de carga y generación para conocer cómo afecta el comportamiento de la carga en un sistema de 4 barras. Luego se implementaron los casos de estudio de IEEE 9 y 14 barras para identificar las condiciones iniciales, nodos sensibles y las variaciones de potencia activa y reactiva críticas del sistema. Finalmente teniendo en cuenta esas condiciones se realizó la clasificación del riesgo usado identificación de patrones con las redes neuronales y un análisis de datos. Con este trabajo se identificó que tipo de generadores generan más vulnerabilidades en el sistema ante cambios de carga. Con las lecturas de las PMU e identificando el patrón de comportamiento de estas frente a múltiples escenarios, es posible establecer índices, como la separación de las trayectorias, para generar criterios de riesgo del sistema.

Abstract: Voltage instability is one of the main causes of the collapses that have occurred in the world. The onsequences associated with these blackouts in a country are a great eco nomic and social impact. This is due to the increase in the demand for electrical energy, the incursion of technologies, generation away from points of consumption, topology of the system and failure in the control schemes. In addition, these systems are nonlinear and complex because of the demand and generation are composed of different types of elements that generate a dynamic behavior and the combination of these causes many uncertainties in the variation to be studied. It is important to be aware of the risk of voltage collapse according to the variations of active and reactive power, since it allows the operators to take timely actions and know what load variations are riskier than others to prevent them from reaching the blackouts. The purpose of this work is to identify the risks of voltage collapses according to the variation of the active and reactive power in the nodes. Different types of load and generation were considered to know how the load behavior affects a simple system of 4 buses . Then the study cases chosen were the IEEE 9 and 14 bus test system. These systems were employed to identify the initial conditions, sensitive nodes and the variations of critical active and reactive power of the system. Finally, with diverse simulations, the risk classification was dade using neural networks and a data analysis. This research identified what type of generators generate more vulnerabilities in the system to load changes. With the lectures of the phasor measurement unit and identifying the behavior pattern of these in front of multiple scenarios, it is possible to establish indexes, such as the separation of trajectories, to generate system risk criteria.