PREDICCIÓN DEL FLUJO DE POTENCIA MEDIANTE REDES NEURONALES RECURRENTES CON LSTM Y ALGORITMO GENÉTICO EN UNA RED IEEE DE 30 BARRAS
Palabras clave:
Predicción de Flujo de Potencia, LSTM, Algoritmo Genético, Potencia Activa, Potencia Reactiva, Redes InteligentesResumen
La predicción precisa de la potencia activa (P) y reactiva (Q) en las redes eléctricas es fundamental para mejorar la confiabilidad operativa y la planificación en los sistemas de potencia modernos. Este artículo propone un modelo de predicción basado en redes neuronales LSTM (Long Short-Term Memory) para estimar la demanda de carga en un sistema IEEE de 30 barras. El modelo considera la potencia activa y reactiva suministrada por los generadores como variables de entrada, mientras que los componentes de potencia de las cargas se utilizan como variables objetivo para la predicción. Para mejorar el rendimiento, se empleó un algoritmo genético (AG) en la optimización de hiperparámetros, lo que redujo el error absoluto medio (MAE) y aumentó la precisión de las predicciones. Los resultados demuestran que el enfoque propuesto proporciona predicciones estables del comportamiento de la carga, lo que destaca su potencial aplicación en redes inteligentes y sistemas de gestión de microrredes.
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
