REVISTA DE INGENIERIA DYNA

Palabras clave:

Control de Frecuencia de Carga, Optimización por Colonia de Hormigas), Evolución Diferencial, Optimización basada en Aprendizaje de Enseñanza, Optimización por Enjambre de Partículas), Algoritmo Genético, Optimización por Inteligencia de Cohortes, Load Frequency Control, LFC, Ant Colony Optimization, ACO, Differential Evolution, DE, Teaching Learning based Optimization, TLBO, Particle Swarm Optimization, PSO, Genetic Algorithm, GA, Cohort Intelligence Optimization, CIO

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

Los sistemas eléctricos interconectados ofrecen una solución para satisfacer la creciente demanda de un suministro eléctrico fiable y eficiente. Sin embargo, mantener la estabilidad en dichas redes, especialmente frente a las fluctuaciones de frecuencia, supone un reto importante. La optimización efectiva del control de frecuencia de carga (LFC) es vital para asegurar la estabilidad mitigando el impacto de estas fluctuaciones resultantes de diversas perturbaciones. Este estudio introduce estrategias de optimización PID LFC aplicadas a un sistema eléctrico interconectado térmico-hidráulico y térmico-diésel. Se exploran seis métodos de optimización, incluyendo ACO, PSO, GA, TLBO, DE y CIO, utilizando cuatro funciones de coste. Se aplican perturbaciones de carga aleatorias para comprobar la consistencia de la respuesta de los LFC. Los resultados iniciales indican que CIO, desarrollado recientemente, supera a otros algoritmos en la consecución de los resultados deseados manteniendo unos gastos computacionales competitivos. Específicamente, el LFC optimizado CIO-ITAE demuestra una mayor resiliencia a la hora de abordar los retos del sistema eléctrico interconectado. Palabras clave: Control de Frecuencia de Carga, LFC, Optimización por Colonia de Hormigas (ACO), Evolución Diferencial (DE), Optimización basada en Aprendizaje de Enseñanza (TLBO),Optimización por Enjambre de Partículas (PSO), Algoritmo Genético (GA) y Optimización por Inteligencia de Cohortes (CIO).