Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico
- Autores
- Valenzuela, Lautaro Emanuel; Antunez, Matias Antonio; Risso, Mariano Angel; Lotito, Pablo Andres; Rubiales, Aldo Jose
- Año de publicación
- 2023
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Este artículo presenta un algoritmo de estimación de estado para redes de distribución basadoen el filtro de Kalman Unscented (UKF). En lugar de voltajes nodales, este método utilizapotencia activa y reactiva nodal como variables de estado en el modelo dinámico. Se probarony compararon diferentes algoritmos de previsión de la demanda para ayudar en el paso de lapredicción. Además, el algoritmo incluye el paquete de software OpenDSS como motor decálculo.Se utilizó la red de distribución IEEE de 13 nodos para probar la metodología mediante lasimulación de varios escenarios de generación de medidas. Para realizar estas simulaciones, setuvieron en cuenta los valores de medicación de una distribuidora de energía local. Losresultados expusieron diferentes niveles de desempeño, dependiendo de la naturaleza delescenario y el método de pronóstico seleccionado.
This paper presents a State Estimation Algorithm for Distribution Networks based on the Unscented Kalman Filter (UKF). Instead of nodal voltages, this method uses nodal active and reactive power as state variables in the dynamic model. Different demand forecast algorithms to assist the prediction step were tested and compared. In addition, the algorithm includes the software package OpenDSS as a calculation engine. We used the 13-node IEEE distribution network to test the methodology by simulating several scenarios of measurement generation. These simulations were based on the measured values of a local energy distribution company. The results exposed different performance levels depending on the nature of the scenario and the selected forecast method.
Fil: Valenzuela, Lautaro Emanuel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina
Fil: Antunez, Matias Antonio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina
Fil: Risso, Mariano Angel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina
Fil: Lotito, Pablo Andres. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina
Fil: Rubiales, Aldo Jose. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina - Materia
-
ESTIMACION DE ESTADOS
REDES
PRONOSTICO - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/224732
Ver los metadatos del registro completo
id |
CONICETDig_e3eee888a5afd9c1fc586eb304079ca6 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/224732 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronósticoA novel dynamic state estimation algorithm for distribution networks using different forecasting methodsValenzuela, Lautaro EmanuelAntunez, Matias AntonioRisso, Mariano AngelLotito, Pablo AndresRubiales, Aldo JoseESTIMACION DE ESTADOSREDESPRONOSTICOhttps://purl.org/becyt/ford/1.1https://purl.org/becyt/ford/1Este artículo presenta un algoritmo de estimación de estado para redes de distribución basadoen el filtro de Kalman Unscented (UKF). En lugar de voltajes nodales, este método utilizapotencia activa y reactiva nodal como variables de estado en el modelo dinámico. Se probarony compararon diferentes algoritmos de previsión de la demanda para ayudar en el paso de lapredicción. Además, el algoritmo incluye el paquete de software OpenDSS como motor decálculo.Se utilizó la red de distribución IEEE de 13 nodos para probar la metodología mediante lasimulación de varios escenarios de generación de medidas. Para realizar estas simulaciones, setuvieron en cuenta los valores de medicación de una distribuidora de energía local. Losresultados expusieron diferentes niveles de desempeño, dependiendo de la naturaleza delescenario y el método de pronóstico seleccionado.This paper presents a State Estimation Algorithm for Distribution Networks based on the Unscented Kalman Filter (UKF). Instead of nodal voltages, this method uses nodal active and reactive power as state variables in the dynamic model. Different demand forecast algorithms to assist the prediction step were tested and compared. In addition, the algorithm includes the software package OpenDSS as a calculation engine. We used the 13-node IEEE distribution network to test the methodology by simulating several scenarios of measurement generation. These simulations were based on the measured values of a local energy distribution company. The results exposed different performance levels depending on the nature of the scenario and the selected forecast method.Fil: Valenzuela, Lautaro Emanuel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; ArgentinaFil: Antunez, Matias Antonio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; ArgentinaFil: Risso, Mariano Angel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; ArgentinaFil: Lotito, Pablo Andres. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; ArgentinaFil: Rubiales, Aldo Jose. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; ArgentinaUniversidad de Tarapacá2023-03info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/224732Valenzuela, Lautaro Emanuel; Antunez, Matias Antonio; Risso, Mariano Angel; Lotito, Pablo Andres; Rubiales, Aldo Jose; Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico; Universidad de Tarapacá; Ingeniare; 31; 3-2023; 1-120718-32910718-3305CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052023000100203info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:42:24Zoai:ri.conicet.gov.ar:11336/224732instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:42:24.715CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico A novel dynamic state estimation algorithm for distribution networks using different forecasting methods |
title |
Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico |
spellingShingle |
Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico Valenzuela, Lautaro Emanuel ESTIMACION DE ESTADOS REDES PRONOSTICO |
title_short |
Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico |
title_full |
Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico |
title_fullStr |
Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico |
title_full_unstemmed |
Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico |
title_sort |
Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico |
dc.creator.none.fl_str_mv |
Valenzuela, Lautaro Emanuel Antunez, Matias Antonio Risso, Mariano Angel Lotito, Pablo Andres Rubiales, Aldo Jose |
author |
Valenzuela, Lautaro Emanuel |
author_facet |
Valenzuela, Lautaro Emanuel Antunez, Matias Antonio Risso, Mariano Angel Lotito, Pablo Andres Rubiales, Aldo Jose |
author_role |
author |
author2 |
Antunez, Matias Antonio Risso, Mariano Angel Lotito, Pablo Andres Rubiales, Aldo Jose |
author2_role |
author author author author |
dc.subject.none.fl_str_mv |
ESTIMACION DE ESTADOS REDES PRONOSTICO |
topic |
ESTIMACION DE ESTADOS REDES PRONOSTICO |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.1 https://purl.org/becyt/ford/1 |
dc.description.none.fl_txt_mv |
Este artículo presenta un algoritmo de estimación de estado para redes de distribución basadoen el filtro de Kalman Unscented (UKF). En lugar de voltajes nodales, este método utilizapotencia activa y reactiva nodal como variables de estado en el modelo dinámico. Se probarony compararon diferentes algoritmos de previsión de la demanda para ayudar en el paso de lapredicción. Además, el algoritmo incluye el paquete de software OpenDSS como motor decálculo.Se utilizó la red de distribución IEEE de 13 nodos para probar la metodología mediante lasimulación de varios escenarios de generación de medidas. Para realizar estas simulaciones, setuvieron en cuenta los valores de medicación de una distribuidora de energía local. Losresultados expusieron diferentes niveles de desempeño, dependiendo de la naturaleza delescenario y el método de pronóstico seleccionado. This paper presents a State Estimation Algorithm for Distribution Networks based on the Unscented Kalman Filter (UKF). Instead of nodal voltages, this method uses nodal active and reactive power as state variables in the dynamic model. Different demand forecast algorithms to assist the prediction step were tested and compared. In addition, the algorithm includes the software package OpenDSS as a calculation engine. We used the 13-node IEEE distribution network to test the methodology by simulating several scenarios of measurement generation. These simulations were based on the measured values of a local energy distribution company. The results exposed different performance levels depending on the nature of the scenario and the selected forecast method. Fil: Valenzuela, Lautaro Emanuel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina Fil: Antunez, Matias Antonio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina Fil: Risso, Mariano Angel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina Fil: Lotito, Pablo Andres. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina Fil: Rubiales, Aldo Jose. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas. Grupo de Plasmas Densos Magnetizados. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Grupo de Plasmas Densos Magnetizados; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina |
description |
Este artículo presenta un algoritmo de estimación de estado para redes de distribución basadoen el filtro de Kalman Unscented (UKF). En lugar de voltajes nodales, este método utilizapotencia activa y reactiva nodal como variables de estado en el modelo dinámico. Se probarony compararon diferentes algoritmos de previsión de la demanda para ayudar en el paso de lapredicción. Además, el algoritmo incluye el paquete de software OpenDSS como motor decálculo.Se utilizó la red de distribución IEEE de 13 nodos para probar la metodología mediante lasimulación de varios escenarios de generación de medidas. Para realizar estas simulaciones, setuvieron en cuenta los valores de medicación de una distribuidora de energía local. Losresultados expusieron diferentes niveles de desempeño, dependiendo de la naturaleza delescenario y el método de pronóstico seleccionado. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-03 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/224732 Valenzuela, Lautaro Emanuel; Antunez, Matias Antonio; Risso, Mariano Angel; Lotito, Pablo Andres; Rubiales, Aldo Jose; Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico; Universidad de Tarapacá; Ingeniare; 31; 3-2023; 1-12 0718-3291 0718-3305 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/224732 |
identifier_str_mv |
Valenzuela, Lautaro Emanuel; Antunez, Matias Antonio; Risso, Mariano Angel; Lotito, Pablo Andres; Rubiales, Aldo Jose; Un nuevo algoritmo de estimación de estado dinámico para Redes de Distribución utilizando diferentes métodos de pronóstico; Universidad de Tarapacá; Ingeniare; 31; 3-2023; 1-12 0718-3291 0718-3305 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-33052023000100203 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidad de Tarapacá |
publisher.none.fl_str_mv |
Universidad de Tarapacá |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844613335869292544 |
score |
13.070432 |