Inteligencia artificial en la operación de redes eléctricas: aplicación a sistemas aislados

• Autores: Padron Hernández Santiago
• Directores de la Tesis: Francisco Mario Hernández Tejera (dir. tes.) , Antonio Falcón Martel (dir. tes.)
• Lectura: En la Universidad de Las Palmas de Gran Canaria ( España ) en 2015
• Idioma: español
• Tribunal Calificador de la Tesis: José Cidrás Pidre (presid.) , Ignacio de la Nuez Pestana (secret.) , José Marcos Moreno Vega (voc.) , José Andrés Moreno Pérez (voc.) , Orlando Maeso (voc.)
• Enlaces
  • Tesis en acceso abierto en: acceda
• Resumen

  • Este trabajo propone una evolución en la operación de las redes eléctricas. Los métodos y tecnologías actuales deben adaptarse a los requerimientos que se esperan de la red del futuro: aumento en los requerimientos de disponibilidad, aumento en las restricciones económicas, que repercute también en la disminución de los márgenes de seguridad, aumento del tamaño y la complejidad de las redes, introducción de factores como las energías no gestionables, vehículos eléctricos, gestión de la demanda, etc y a liberalización del mercado eléctrico entre otros factores.

    Es por ello que se debe plantear un salto en la metodología de operación que permita cumplir con los objetivos de: descentralizar el control, operar los sistemas más cerca de sus límites, gestionar de más variables de control y de estado, prevenir la estabilidad y seguridad del suministro, mostrar un alto grado de autonomía en la toma decisiones de control, tener alta velocidad de gestión, tener robustez, fiabilidad y precisión, adaptabilidad, aprendizaje y capacidad de evolución.

    Se plantea así la necesidad de trasladar el peso del control desde el control en tiempo real a la programación anticipada de la misma. Si se es capaz de prever con precisión el comportamiento de la misma y estudiar el cumplimiento de todos los criterios económicos, sociales, ambientales y de seguridad y de realizar un control adaptativo según las circunstancias del entorno se podrán afrontar los retos futuros.

    Esto implica resolver un problema multiobjetivo de gran complejidad y variabilidad. Para resolverlo se ha estudiado el paradigma de Inteligencia Artificial de sistemas multiagente, se ha desarrollado una arquitectura de agentes basada en la teoría de cortes de Benders combinada con Sistemas Basados en Conocimiento y Algoritmos Genéticos, que ha dando lugar a una solución automática y adaptable a las condiciones de la red.