IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM)
En este artículo se presenta un método para resolver el problema de estimación de estado en sistemas eléctricos usando optimización combinatoria. Su objetivo es el estudio de mediciones con errores de difícil detección, que afectan el desempeño y calidad de los resultados cuando se emplea un estimad...
- Autores:
-
Ruiz, Hugo Andrés
Toro, Eliana Mirledy
Gallego, Ramón Alfonso
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2013
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/4820
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/4820
https://revistas.eia.edu.co/index.php/reveia/article/view/446
- Palabra clave:
- errores de difícil detección
estimación de estado
algoritmo genético de Chu-Beasley
puntos de apalancamiento. Keywords
multiple interacting bad data
state estimation
Chu-Beasley genetic algorithm
leverage points.
- Rights
- openAccess
- License
- Revista EIA - 2013
id |
REIA2_a9b3b3066cf721ea18d9bddda03911b2 |
---|---|
oai_identifier_str |
oai:repository.eia.edu.co:11190/4820 |
network_acronym_str |
REIA2 |
network_name_str |
Repositorio EIA . |
repository_id_str |
|
dc.title.spa.fl_str_mv |
IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM) |
dc.title.translated.eng.fl_str_mv |
IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM) |
title |
IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM) |
spellingShingle |
IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM) errores de difícil detección estimación de estado algoritmo genético de Chu-Beasley puntos de apalancamiento. Keywords multiple interacting bad data state estimation Chu-Beasley genetic algorithm leverage points. |
title_short |
IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM) |
title_full |
IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM) |
title_fullStr |
IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM) |
title_full_unstemmed |
IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM) |
title_sort |
IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM) |
dc.creator.fl_str_mv |
Ruiz, Hugo Andrés Toro, Eliana Mirledy Gallego, Ramón Alfonso |
dc.contributor.author.spa.fl_str_mv |
Ruiz, Hugo Andrés Toro, Eliana Mirledy Gallego, Ramón Alfonso |
dc.subject.spa.fl_str_mv |
errores de difícil detección estimación de estado algoritmo genético de Chu-Beasley puntos de apalancamiento. Keywords multiple interacting bad data state estimation Chu-Beasley genetic algorithm leverage points. |
topic |
errores de difícil detección estimación de estado algoritmo genético de Chu-Beasley puntos de apalancamiento. Keywords multiple interacting bad data state estimation Chu-Beasley genetic algorithm leverage points. |
description |
En este artículo se presenta un método para resolver el problema de estimación de estado en sistemas eléctricos usando optimización combinatoria. Su objetivo es el estudio de mediciones con errores de difícil detección, que afectan el desempeño y calidad de los resultados cuando se emplea un estimador de estado clásico. Dada su complejidad matemática, se deducen indicadores de sensibilidad de la teoría de puntos de apalancamiento que se usan en el algoritmo de optimización de Chu-Beasley, con el fin de disminuir el esfuerzo computacional y mejorar la calidad de los resultados. El método propuesto se valida en un sistema IEEE de 30 nodosAbstract: In this paper a method to solve the state estimation problem in electric systems applying combinatorial optimization is presented. Its objective is the study of measures with difficult detection errors, which affect the performance and quality of the results when a classic state estimator is used. Due to the mathematical complexity, sensibility indicators are deduced from the theory of leverage points used in the Chu-Beasley optimization algorithm with the purpose of reducing the computational effort and enhance the quality of the results. The proposed method is validated in a 30-node IEEE system. |
publishDate |
2013 |
dc.date.accessioned.none.fl_str_mv |
2013-11-07 00:00:00 2022-06-17T20:17:27Z |
dc.date.available.none.fl_str_mv |
2013-11-07 00:00:00 2022-06-17T20:17:27Z |
dc.date.issued.none.fl_str_mv |
2013-11-07 |
dc.type.spa.fl_str_mv |
Artículo de revista |
dc.type.eng.fl_str_mv |
Journal article |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_6501 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ARTREF |
dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
format |
http://purl.org/coar/resource_type/c_6501 |
status_str |
publishedVersion |
dc.identifier.issn.none.fl_str_mv |
1794-1237 |
dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/4820 |
dc.identifier.eissn.none.fl_str_mv |
2463-0950 |
dc.identifier.url.none.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/view/446 |
identifier_str_mv |
1794-1237 2463-0950 |
url |
https://repository.eia.edu.co/handle/11190/4820 https://revistas.eia.edu.co/index.php/reveia/article/view/446 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.bitstream.none.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/download/446/438 |
dc.relation.citationedition.spa.fl_str_mv |
Núm. 17 , Año 2012 |
dc.relation.citationendpage.none.fl_str_mv |
19 |
dc.relation.citationissue.spa.fl_str_mv |
17 |
dc.relation.citationstartpage.none.fl_str_mv |
9 |
dc.relation.citationvolume.spa.fl_str_mv |
9 |
dc.relation.ispartofjournal.spa.fl_str_mv |
Revista EIA |
dc.rights.spa.fl_str_mv |
Revista EIA - 2013 |
dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0 |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Revista EIA - 2013 https://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Fondo Editorial EIA - Universidad EIA |
dc.source.spa.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/view/446 |
institution |
Universidad EIA . |
bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/800589f8-232f-4aa2-b8f2-d33d43b9821f/download |
bitstream.checksum.fl_str_mv |
ac1e9b90f4368df6ec08ca1f36f75f6f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
_version_ |
1814100874596712448 |
spelling |
Ruiz, Hugo Andrés85f5a004d0d704182491163242e8b3d4300Toro, Eliana Mirledy7a614f1f14a7c0f1a272c04563e33e00500Gallego, Ramón Alfonso0ab3ae0aeb38bf07e8a45408b12a05785002013-11-07 00:00:002022-06-17T20:17:27Z2013-11-07 00:00:002022-06-17T20:17:27Z2013-11-071794-1237https://repository.eia.edu.co/handle/11190/48202463-0950https://revistas.eia.edu.co/index.php/reveia/article/view/446En este artículo se presenta un método para resolver el problema de estimación de estado en sistemas eléctricos usando optimización combinatoria. Su objetivo es el estudio de mediciones con errores de difícil detección, que afectan el desempeño y calidad de los resultados cuando se emplea un estimador de estado clásico. Dada su complejidad matemática, se deducen indicadores de sensibilidad de la teoría de puntos de apalancamiento que se usan en el algoritmo de optimización de Chu-Beasley, con el fin de disminuir el esfuerzo computacional y mejorar la calidad de los resultados. El método propuesto se valida en un sistema IEEE de 30 nodosAbstract: In this paper a method to solve the state estimation problem in electric systems applying combinatorial optimization is presented. Its objective is the study of measures with difficult detection errors, which affect the performance and quality of the results when a classic state estimator is used. Due to the mathematical complexity, sensibility indicators are deduced from the theory of leverage points used in the Chu-Beasley optimization algorithm with the purpose of reducing the computational effort and enhance the quality of the results. The proposed method is validated in a 30-node IEEE system.En este artículo se presenta un método para resolver el problema de estimación de estado en sistemas eléctricos usando optimización combinatoria. Su objetivo es el estudio de mediciones con errores de difícil detección, que afectan el desempeño y calidad de los resultados cuando se emplea un estimador de estado clásico. Dada su complejidad matemática, se deducen indicadores de sensibilidad de la teoría de puntos de apalancamiento que se usan en el algoritmo de optimización de Chu-Beasley, con el fin de disminuir el esfuerzo computacional y mejorar la calidad de los resultados. El método propuesto se valida en un sistema IEEE de 30 nodosAbstract: In this paper a method to solve the state estimation problem in electric systems applying combinatorial optimization is presented. Its objective is the study of measures with difficult detection errors, which affect the performance and quality of the results when a classic state estimator is used. Due to the mathematical complexity, sensibility indicators are deduced from the theory of leverage points used in the Chu-Beasley optimization algorithm with the purpose of reducing the computational effort and enhance the quality of the results. The proposed method is validated in a 30-node IEEE system.application/pdfspaFondo Editorial EIA - Universidad EIARevista EIA - 2013https://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistas.eia.edu.co/index.php/reveia/article/view/446errores de difícil detecciónestimación de estadoalgoritmo genético de Chu-Beasleypuntos de apalancamiento. Keywordsmultiple interacting bad datastate estimationChu-Beasley genetic algorithmleverage points.IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM)IDENTIFICACIÓN EFICIENTE DE ERRORES EN ESTIMACIÓN DE ESTADO USANDO UN ALGORITMO GENÉTICO ESPECIALIZADO (EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM)Artículo de revistaJournal articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/ARTREFhttp://purl.org/coar/version/c_970fb48d4fbd8a85https://revistas.eia.edu.co/index.php/reveia/article/download/446/438Núm. 17 , Año 2012191799Revista EIAPublicationOREORE.xmltext/xml2887https://repository.eia.edu.co/bitstreams/800589f8-232f-4aa2-b8f2-d33d43b9821f/downloadac1e9b90f4368df6ec08ca1f36f75f6fMD5111190/4820oai:repository.eia.edu.co:11190/48202023-07-25 16:46:11.232https://creativecommons.org/licenses/by-nc-nd/4.0Revista EIA - 2013metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.com |