Estimación paramétrica en transformadores monofásicos considerando medidas de tensión y corriente a través del método de optimización de distribución generalizada
No hay miniatura disponible
Fecha
Fecha
2024-02-19
Colaboradores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Altmetric
Descripción
Esta investigación aborda, desde una perspectiva de optimización metaheurística, el problema de la estimación paramétrica en transformadores monofásicos, teniendo en cuenta las medidas de tensión y corriente en los terminales del transformador y considerando cargas lineales. La estimación paramétrica del transformador se modela como un problema no lineal con el fin de minimizar el error cuadrático medio entre las variables de tensión y corriente calculadas y las medidas tomadas. Las no linealidades están asociadas con las leyes de Kirchhoff aplicadas al circuito eléctrico equivalente del transformador monofásico. El problema de optimización no lineal se resuelve aplicando un algoritmo de optimización metaheurístico conocido como el optimizador de distribución normal generalizada (GNDO), que utiliza reglas de evolución que permiten explorar y explotar el espacio de solución a través de la función de probabilidad clásica basada en distribuciones normales. Los resultados numéricos en tres transformadores de prueba de 20, 45 y 112,5 kVA demuestran la efectividad y robustez del enfoque GNDO propuesto en comparación con otros optimizadores reportados en la literatura, como el algoritmo de búsqueda de cuervos, el algoritmo de optimización de coyotes y la solución exacta del modelo de optimización no lineal utilizando el solucionador fmincon del software MATLAB. Todas las simulaciones numéricas confirman el potencial del enfoque GNDO para abordar problemas complejos de optimización en ingeniería y ciencia con resultados prometedores y bajo esfuerzo computacional.
Resumen
This research addresses, from a perspective of metaheuristic optimization, the problem regarding parametric estimation in single-phase transformers while considering voltage and current measures at the transformer terminals and weighing linear loads. Transformer parametric estimation is modeled as a nonlinear problem in order to minimize the mean square error between the calculated voltage and current variables and the measurements taken. The nonlinearities are associated with Kirchhoff’s first and second laws applied to the equivalent electrical circuit of the single-phase transformer. The nonlinear optimiza tion problem is solved by applying a metaheuristic optimization algorithm known as the generalized normal distribution optimizer (GNDO), which uses evolution rules that allow exploring and exploiting the solution space via the classical probability function based on normal distributions. Numerical results in three test transfomers of 20, 45, and 112,5 kVA demonstrate the effectiveness and robustness of the proposed GNDO approach when com pared to other optimizers reported in the literature, such as the crow search algorithm, the coyote optimization algorithm, and the exact solution of the nonlinear optimization model using the fmincon solver of the MATLAB software. All numerical simulations con firm the potential of the GNDO approach to deal with complex optimization problems in engineering and science with promising results and low computational effort.
Palabras clave
Optimización no lineal, Algoritmos de optimización metaheurística, Optimizador generalizado de distribución normal, Estimación de parámetros, Transformadores monofásicos, Medidas de tensión y corriente