Redes neuronales artificiales para la predicción de flujos de carga aplicadas al sistema de trasmisión de Uruguay

En el presente trabajo se propone el uso de redes neuronales artificiales para la resolución del problema de flujos de carga. El estudio del flujo de carga de la red eléctrica constituye una herramienta fundamental para la operación y la planificación de un sistema eléctrico. En términos matemáticos el problema de flujos de carga se resuelve a través de un sistema de ecuaciones no lineales. Para dicha resolución tradicionalmente se han utilizado diversos métodos numéricos, principalmente el método de Newton-Raphson y sus variantes. Estos métodos numéricos aplicados a sistemas eléctricos de gran tamaño tienen un alto costo computacional asociado. Resolver una cantidad considerable de flujos de carga utilizando estos métodos implica incurrir en tiempos de ejecución que resultan prohibitivos en estudios sobre la red eléctrica. Este problema se vuelve crítico en estudios de casos de contingencia, incluso utilizando el criterio simple de contingencia N-1. La construcción de redes neuronales que aproximen la resolución de flujos de carga permite reducir significativamente los tiempos de ejecución de los estudios anteriormente mencionados. En este trabajo se propone el diseño de una arquitectura de red neuronal para la aproximación de flujos de carga. Utilizando la arquitectura diseñada se implementa un modelo de aproximación de flujos de carga. La validación de la herramienta se realiza utilizando la red de trasmisión de Uruguay. La aproximación obtenida para este caso de estudio es evaluada aplicando la métrica MAPE y se obtiene un valor de 2.6%, lo que constituye un resultado muy prometedor.