0 Bewertungen0% fanden dieses Dokument nützlich (0 Abstimmungen)
135 Ansichten4 Seiten
Las técnicas de inteligencia artificial como las máquinas de soporte vectorial, los algoritmos genéticos, las redes bayesianas y las redes neuronales artificiales se pueden utilizar para analizar datos, reconocer patrones y optimizar soluciones en aplicaciones como la calidad de energía, señales eléctricas, generación eléctrica y protecciones. Sin embargo, estos métodos también tienen desventajas como la necesidad de entrenamiento, la posibilidad de no converger y la complejidad de realizar cambios.
Las técnicas de inteligencia artificial como las máquinas de soporte vectorial, los algoritmos genéticos, las redes bayesianas y las redes neuronales artificiales se pueden utilizar para analizar datos, reconocer patrones y optimizar soluciones en aplicaciones como la calidad de energía, señales eléctricas, generación eléctrica y protecciones. Sin embargo, estos métodos también tienen desventajas como la necesidad de entrenamiento, la posibilidad de no converger y la complejidad de realizar cambios.
Las técnicas de inteligencia artificial como las máquinas de soporte vectorial, los algoritmos genéticos, las redes bayesianas y las redes neuronales artificiales se pueden utilizar para analizar datos, reconocer patrones y optimizar soluciones en aplicaciones como la calidad de energía, señales eléctricas, generación eléctrica y protecciones. Sin embargo, estos métodos también tienen desventajas como la necesidad de entrenamiento, la posibilidad de no converger y la complejidad de realizar cambios.
Máquina de Pueden analizar los datos Sigue siendo Si la cantidad
soporte dados y reconocer un efectivo en de funciones vectorial patrón o tendencia en los casos donde el es mucho (SVM) datos con respecto al número de mayor que la resultado. se usan para el dimensiones es cantidad de análisis de regresión y la mayor que el muestras clasificación de datos número de evite el ajuste estadísticos. muestras. excesivo al Utiliza un elegir las En cuanto a áreas de subconjunto de funciones aplicación son las puntos de Kernel y el siguientes: entrenamiento término de Calidad de potencia: en la función de regularización decisión es crucial. Uno de los factores más (llamados Las SVM no importantes es vectores de proporcionan precisamente la calidad soporte), por lo estimaciones de energía, ya que las que también es de consecuencias de una eficiente desde probabilidad mala calidad pueden ser: el punto de directamente, vista de la estas se sobretensiones, memoria. calculan inmersión (caída), Versátil: se utilizando una distorsiones armónicas, pueden costosa interrupciones, el especificar validación parpadeo, etc. Esto diferentes cruzada de representa funciones del cinco veces. perturbaciones en el Kernel para la buen funcionamiento de función de los equipos del cliente o decisión. Se usuario final. proporcionan Señales: núcleos comunes, pero Dos de las técnicas más también es comunes en el posible procesamiento de las especificar señales eléctricas, son la kernels transformada de Fourier personalizados. y de wavelet, utilizadas para filtrar ruidos. Zhu (2005), en su investigación plantea la unión de la transformada de wavelet y la SVM, en un solo sistema de detección y clasificación de perturbaciones en una red de energía eléctrica.
Energías alternativas: (eólica, solar o fotovoltaica).
ALGORTIMOS Los Algoritmos genéticos -Su implementación - El lenguaje que se
GENETICOS pueden proporcionar computacional es debe utilizar debe herramientas poderosas bastante simple y tener la capacidad de en el campo de la provee un poderoso tolerar cambios optimización. Se ha mecanismo de aleatorios; que no comprobado que estos búsqueda. lleguen a producir algoritmos pueden resultados sin sentido encontrar soluciones - Son esquemas muy o errores fatales. Una aproximadas a robustos que pueden solución posible será problemas de gran ser aplicados en un definir a los individuos complejidad mediante amplio rango de por listas de números un proceso de evolución problemas de donde cada uno de simulada. optimización estos números representa algún Generación eléctrica. aspecto de la solución Algoritmos Genéticos. que se tenga. David C. Walters y Gerald -Puede demorarse B. Sheble [1] bastante en presentaron, un trabajo converger o no en en el que utilizan la absoluto, esto técnica de Algoritmos depende de cierto Genéticos para la modo en los solución del problema de parámetros que se Despacho Económico estén utilizando, por codificando potencia de ejemplo, el tamaño de salida de las máquinas, y la población, numero en el que aprovechando de generaciones, etc. las cualidades de esta técnica, introducen el efecto de punto de válvula en las curvas de costo de los generadores. REDES Proporciona Mecanismos BAYESIANAS robustos para trabajar con cualquier evidencia mínima que permite hacer frente a la incertidumbre inherente en la evaluación de las pérdidas de energía.
REDES Protecciones eléctricas -Las RNA pueden -Las RNA se deben
NEURONALES sintetizar algoritmos a entrenar para cada ARTIFICIALES Z Moravej, D N través de un proceso de problema. Además, es Vishwakarma [1], aprendizaje. necesario realizar presentan un trabajo múltiples pruebas sobre la protección -Para utilizar la para determinar la diferencial del tecnología neural no es arquitectura transformador de necesario conocer los adecuada. El potencia con restricción detalles matemáticos. entrenamiento es armónica basado en una Sólo se largo y puede red neuronal artificial. La consumir varias horas red neuronal monitorea -requiere estar de la computadora diferentes condiciones familiarizado con los (CPU). de operación del datos del trabajo. transformador, detecta -La solución de -Debido a que las fallas y emite una señal problemas no lineales redes se entrenan en de disparo en caso de es uno de los fuertes de lugar de falla interna solamente. las RNA. programarlas, éstas El esquema de necesitan muchos protección propuesto es -Las RNA son robustas, datos. exacto, rápido, eficiente pueden fallar algunos elementos de -Las RNA representan y confiable. procesamiento, pero la un aspecto complejo Sistemas digitales red continúa para un observador externo que desee Al final de los años trabajando; esto es realizar cambios. Para setenta Minsky y Papert contrario a lo que añadir nuevo demostraron que los sucede en conocimiento es perceptrones eran programación necesario cambiar las incapaces de hacer tradicional iteraciones entre tareas simples tales muchas unidades para como sintetizar la que su efecto función lógica XOR. unificado sintetice Robots automatizados y este conocimiento. sistemas de control Para un problema de (visión artificial y tamaño considerable es imposible hacer sensores de presión, esto manualmente, temperatura, gas. por lo tanto, una red con representación distribuida debe emplear algún esquema de aprendizaje.