III Simposio de Postgrado 2025: Ingeniería, ciencia e innovación

131 07 Integración del Filtro de Partículas en Arquitecturas Distribuidas Basadas en Redundancia Nodal Henrry Moyano Bojorque ¹ , ²* Emilio Guzmán ³ *E-mail: henrry.moyano@ucuenca.edu.ec ¹ Departamento Ingeniería Eléctrica, Electrónica y Telecomunicaciones, Universidad de Cuenca ² Departamento de Economía, Empresa y Desarrollo Sostenible, Universidad de Cuenca ³ Facultad de Ingeniería, Universidad de Cuenca La creciente complejidad de las redes eléctricas modernas marcada por la alta penetración de energías reno- vables y la operación en tiempo real, demanda nuevas estrategias para ga- rantizar su estabilidad. La estimación de estados (EE) en sistemas eléctricos de potencia (SEP) cumple un rol clave para supervisar y operar adecuada- mente estas redes [1] . Este trabajo pro- pone una arquitectura de EE distribuida (DSE, por sus siglas en inglés) basada en redundancia nodal, integrando el Filtro de Partículas (FP) como alterna- tiva robusta frente a no linealidades y ruido no gaussiano [3] , en comparación con filtros tradicionales como el Filtro de Kalman Extendido (EKF) y el Filtro de Kalman Unscented (UKF) [4] . La metodología se evaluó en el siste- ma de prueba IEEE de 14 barras, subdi- vidido en dos áreas mediante criterios de redundancia nodal [2] . Se compara- ron los desempeños del FP, EKF y UKF en términos de precisión, velocidad de convergencia y costo computacional. Los resultados muestran que el UKF logró la mayor eficiencia (error cua- drático medio, RMSE < 0.005 en 15 ite- raciones) [4] , mientras que el FP mostró mayor robustez en escenarios alta- mente no lineales, con RMSE ≈ 0.007 en 30 iteraciones [3] . La estrategia de partición nodal mantuvo la precisión en el esquema distribuido, validando su escalabilidad para sistemas mayores [2] . Además, se comprobó que la inclu- sión de mediciones de flujo de potencia —que vinculan múltiples nodos— mejo- ra el equilibrio entre precisión y eficien- cia computacional [1] . Este trabajo demuestra el potencial del FP en entornos complejos y su viabili- dad dentro de arquitecturas distribui- das. Se sugieren futuras mejoras en técnicas de selección de partículas y estrategias de re-muestreo, contribu- yendo así al desarrollo de herramientas más robustas para la gestión de redes eléctricas modernas [3] . __Referencias [1] Vargas, L.; Moyano, H. A Novel Multi-Area Distribution State Estimation Approach with Nodal Redundancy. Energies, 2023, 16, 4138. https://doi.org/10.3390/ en16104138 [2] Moyano, H.; Vargas, L. The Efficiency of the Kalman Filter in Nodal Redundancy. Energies , 2024, 17, 2131. https://doi.org/10.3390/ en17092131 [3] Yuan, L.; Gu, J.; Wen, H.; Jin, Z. Improved Particle Filter for Non-Gaussian Forecasting-Aided State Estimation. Journal of Modern Power Systems and Clean Energy , 2023, 11, 1075–1085. https://doi.org/10.35833/ MPCE.2021.000805 [4] Hu, H.; Xu, Y.; Xu, H. Projected Unscented Kalman Filter for Power SystemDynamic State Estimation. IEEE Transactions on Power Systems , 2014, 29, 2764–2765. Resumen