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
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/224732
Acceder
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

Publicaciones similares