Inteligencia Artificial en Sistemas Elctricos

de Potencia
Quito - Ecuador
Resumen - Este documento est centrado en
conocer la inteligencia artificial con sus diferentes
paradigmas, siendo los ms relevantes las redes
neuronales, algoritmos genticos, sistemas de lgica
difusa y autmatas programables, con su aplicacin
a sistemas elctricos de potencia.
Palabras claves: Inteligencia artificial, redes
neuronales, algoritmos genticos, lgica difusa.

I. INTRODUCCIN
La inteligencia artificial (IA) es un rea de la
investigacin donde se desarrollan algoritmos para
controlar cosas, es decir la IA es El estudio de
cmo lograr que las computadoras realicen tareas
que, por el momento, los humanos hacen mejor
(Rich y Knight, 1991).
En general, los mtodos de inteligencia
artificial son una respuesta al deseo de aproximar
el comportamiento y el pensamiento humano a
diversos sistemas para la solucin de
determinadas problemticas. Por ello, no es de
sorprender que actualmente se tiene sistemas muy
avanzados
que
pueden
emular
ciertas
caractersticas humanas, sin embargo an nos
encontramos muy lejos de poder recrear algunas
otras.
El campo de la IA se compone de varias reas
de estudio, las ms comunes e importantes son:
Bsqueda de soluciones
Sistemas expertos
Procesamiento del lenguaje natural
Reconocimiento de modelos
Robtica
Aprendizaje de las mquinas
Lgica
Incertidumbre y lgica difusa

II. RAMAS QUE COMPONEN LA INTELIGENCIA

ARTIFICIAL [1] [4]
Existen varios elementos que componen la
ciencia de la IA, dentro de los cuales se pueden
encontrar tres grandes ramas:

Lgica difusa
Redes neurales artificiales
Algoritmos genticos
A. Lgica difusa [1]
Las computadoras manejan datos precisos que
se reducen a cadenas de unos (1) y ceros (0) y
proposiciones que son ciertas y falsas. El cerebro
humano puede razonar con informacin que
involucra incertidumbre o juicios de valor como:
el aire es fro o la velocidad es rpida.
Adems, las personas tienen un sentido comn
que les permite razonar en un mundo donde las
cosas son parcialmente ciertas.
La lgica difusa es una rama de la IA que le
permite a una computadora analizar informacin
del mundo real en una escala entre lo falso y
verdadero. La lgica difusa manipula conceptos
vagos como caliente o hmedo y permite a
los
ingenieros
construir
televisores,
acondicionadores de aire, lavadores y otros
dispositivos que juzgan informacin difcil de
definir.
B. Redes Neurales Artificiales [1]
La tecnologa neural trata de reproducir el
proceso de solucin de problemas del cerebro. As
como los humanos aplican el conocimiento
ganado con la experiencia a nuevos problemas o
situaciones, una red neural toma como ejemplos
problemas resueltos para construir un sistema que
toma decisiones y realiza clasificaciones, es decir
las redes neurales se basan en generalizar
informacin extrada de datos experimentales,
tablas bibliogrficas o bases de datos, los cuales se
determinan por expertos humanos.
Algunas ventajas de las redes neurales
artificiales frente a otros sistemas de
procesamiento de informacin son:
Las redes neurales artificiales pueden sintetizar
algoritmos a travs de un proceso de aprendizaje.
Para utilizar la tecnologa neural no es necesario
conocer los detalles matemticos. Slo se requiere
estar familiarizado con los datos del trabajo.
La solucin de problemas no lineales es uno de

los fuertes de las redes neurales artificiales.

Las redes neurales artificiales son robustas,
pueden fallar algunos elementos de procesamiento
pero la red contina trabajando; esto es contrario a
lo que sucede en programacin tradicional.
Las desventajas de las redes neurales son:
Las redes neurales artificiales se deben entrenar
para cada problema. Adems, es necesario realizar
mltiples pruebas para determinar la arquitectura
adecuada.
Debido a que las redes se entrenan en lugar de
programarlas, stas necesitan muchos datos.
C. Algoritmos Genticos [1]
Un algoritmo gentico (AG) es una tcnica de
bsqueda iterativa inspirada en los principios de
seleccin natural. Los AG no buscan modelar la
evolucin biolgica sino derivar estrategias de
optimizacin.
El concepto se basa en la generacin de
poblaciones de
individuos mediante
la
reproduccin de los padres.
Durante el curso de la evolucin, los genes
con evolucin lenta fueron remplazados por genes
con mejor estrategia evolutiva. Por lo tanto, se
esperan estrategias altamente eficientes en la
fauna y la flora modernas.
Muchos problemas tiene funciones objetivo
complejas y la optimizacin tiende a finalizar en
mnimos/mximos locales. La idea de los AG es
optimizar (hallar el mximo o mnimo) una
funcin objetivo utilizando los principios de la
seleccin natural sobre los parmetros de la
funcin.
En general es aceptado que cualquier
algoritmo gentico para resolver un problema,
debe tener los siguientes componentes bsicos:
Una codificacin o representacin del problema,
que resulte adecuada al mismo.
Una manera de crear una poblacin inicial de
soluciones.
Una funcin de ajuste adaptacin al problema,
tambin llamada funcin de evaluacin, la cual
asigna un nmero real a cada posible solucin
codificada.
Durante la ejecucin del algoritmo, los padres

dos individuos pertenecientes a la poblacin

inicial, que son soluciones factibles del problema,
deben ser seleccionados para la reproduccin; a
continuacin dichos padres seleccionados se
cruzarn generando dos hijos, nuevas soluciones
al problema, sobre cada uno de los cuales actuar
un operador de mutacin de acuerdo con una
cierta probabilidad. El resultado de la
combinacin de las anteriores funciones ser un
conjunto de individuos (posibles soluciones al
problema), los cuales en la evolucin del
Algoritmo Gentico formarn parte de la siguiente
poblacin.

III. INTELIGENCIA ARTIFICIAL EN SISTEMAS

ELCTRICOS DE POTENCIA [4]
La IA ha impactado favorablemente en el
mbito
del
servicio
elctrico
mundial.
Actualmente se busca multiplicar sus capacidades
en esta rea para beneficio del consumidor final.
Diversos son los senderos recorridos y valiosos
los resultados.
A continuacin se mencionas algunas de las
posibles aplicaciones de la IA en los sistemas
elctricos de potencia.
Prediccin de la demanda
Despacho econmico
Diagnstico y ubicacin de fallas
Evaluacin de la seguridad de la red
Estabilidad de sistemas de potencia
A. Prediccin de la demanda [5]
El Pronstico de Demanda es una tarea de
singular importancia en la Planificacin, Anlisis
y Operacin de Sistemas de Suministro de Energa
Elctrica. Los errores asociados al pronstico
pueden involucrar cuantiosas prdidas a los
Agentes del Mercado Elctrico.
En efecto, el pronstico de demanda es
fundamental para:
Calcular los balances elctricos y energticos.
Planificar la programacin y ejecucin de la
operacin.
Elaborar los planes de expansin, inversiones y
reemplazos.
Estimar las transacciones de compra y venta de
energa y servicios.

 Presupuestar los ingresos y egresos por dichas

transacciones.
Calcular el margen de prdidas y ganancias
esperado por el agente.
Por todo esto, es muy importante que el
pronstico de demanda minimice todas las
incertidumbres, considerando los cambios
estructurales que se estn presentando en los
Mercados Elctricos y la introduccin de
competencia entre actores como resultado de la
desregulacin normativa, donde entran en juego
intereses econmicos que pueden ser afectados
por la ineficiencia del pronstico. Por lo tanto, los
Agentes y los operadores del sistema deben
trabajar con el mayor nivel de eficiencia.
Una de las aplicaciones de inteligencia
artificial en sistemas de suministro de energa
elctrica es el pronstico de demanda de muy
corto plazo, en base a un modelo neuro fuzzy.
Se utiliza IA debido a las ventajas de
modelacin, en lo que respecta con sistemas
multivariable, y tiempo de clculo.
B. Diagnstico y ubicacin de fallas [2]
Para resolver el problema del diagnstico y
clasificacin de fallas se han propuesto algunos
algoritmos basados en tcnicas de inteligencia
artificial tales como redes neuronales, redes
neuro-difusas, etc. Estos algoritmos permiten
manejar adecuadamente la incertidumbre ante
situaciones de datos imprecisos, usar tcnicas de
aprendizaje para el modelamiento, adaptarse a los
cambios en las condiciones de operacin del
sistema y usar el conocimiento del experto
antes situaciones no definidas.
Para la ubicacin de fallas en un sistema
elctrico se propone un diagnstico automtico de
fallas en lneas de transmisin usando Algoritmos
Adaptivos Neurodifusos (en ingls Adaptive
Neuro-Fuzzy Inference System ANFIS).
Se implementa un algoritmo neuro-difuso
para la deteccin y clasificacin de fallas en lneas
de transmisin elctricas, usando ANFIS y se
aplica a una lnea de transmisin de 230 kV tpica
de un sistema elctrico de potencia, para mediante
simulaciones extraer los datos para entrenamiento
y verificacin del modelo.

Para validar su desempeo, las entradas al

ANFIS son los valores eficaces (Root Mean
Square - RMS) de las tres corrientes de fase y la
corriente de secuencia cero obtenidas, formato
COMTRADE, mediante registros de oscilografas
de fallas reales en lneas de transmisin de 230 kV
del sistema elctrico ecuatoriano.
De los resultados obtenidos, se observa que
los modelos neuro-difusos pueden de manera
adecuada y con rapidez detectar y clasificar fallas
en lneas de trasmisin elctricas, usando datos de
validacin tanto simula dos como reales. Por esto
la metodologa utilizada tiene gran potencia para
ser aplicada en centros de control, para la toma de
decisiones al momento de la ocurrencia de fallas.

IV. CONCLUSIONES
La inteligencia artificial puede ser tomada
como un soporte para una toma de decisiones ms
eficaz o en la ayuda de tareas que exijan gran
demanda de tiempo o que representen un alto
grado de peligrosidad al ser humano.
Existen un gran nmero de aplicaciones de la
inteligencia artificial dentro de la ingeniera la
cual puede facilitar el desarrollo de actividades al
ser humano

V. REFERENCIAS BIBLIOGRFICAS
Ponce Cruz P., Inteligencia Artificial con Aplicaciones a la
Ingeniera, Primera Edicin. Editorial Alfaomega. Mxico.
2010.
Alvarado, Efrn G., Algoritmo neuro-difuso para la
deteccin y calificacin de fallas en lneas de transmsion
elctrica del sistemas ecuatoriano usando simulaciones y
datos de registradores de fallas, Proyecto de titulacin,
Universidad de Cuenca, Cuenca, Ecuador. Marzo. 2013.
Gil, Csar., Aplicacin de herramientas de inteligencia
artificial en armnicos de corriente y voltaje en sistemas y
maquinas elctricas: Su importancia y trabajos relacionados,
Proyecto de titulacin, Universidad de la Costa, Colombia.
Abril. 2014.
Energa e Industria. (Sep Oct 1998) La inteligencia artificial
en el mbito del servicio elctrico mundial: un acercamiento.
Disponible :
http://www.iie.org.mx/publica/bolso98/eneso98.htm
Victor Hugo Hinojosa. Aplicaciones de inteligencia artificial
(anfis) en sistemas de suministro de energa elctrica:
pronstico de demanda de muy corto plazo y pronstico de los
precios spot CENACE Ecuador D
Caldern Jhon Albeiro, Modelo Adaptivo de Inteligencia
Artificial para el Diagnstico de Fallas a partir de Registros
de Osciloperturbografas Universidad Nacional de Colombia,
Tesis de Maestra, Medelln, 2007.

Sria Emilio, Martin Jos, Introduccin a las Redes

Neuronales, Universidad de Valencia, Valencia, 2000.
Chaura Jose., Sistemas Neuro Difusos, Tesis Doctoral
UNMSM. 2009.
Chen, Z., Maun J., An Artificial Network based Real Time

Fault Locator For Transmission Lines, IEEE 0-7803-4122-8,

1997 pp. 163-168. RTO PLAZO