Académique Documents
Professionnel Documents
Culture Documents
1. Introducción Resumen: El interés creciente por la red eléctrica inteligente y la naturaleza multidisciplinar de la
La estructura de la red eléctrica tradicional misma están motivando que surjan soluciones a los problemas inherentes que conlleva desde
comprende diferentes etapas en el proceso de distintos campos del conocimiento. La complejidad y heterogeneidad de estas redes y el gran
suministro energético. La primera etapa con- volumen de información que se debe procesar hacen que las técnicas basadas en inteligencia
siste en la generación de la energía que tiene artificial e inteligencia computacional puedan considerarse como habilitadoras para su adecuado
lugar en grandes plantas de producción. En la desarrollo e implantación futuros. El objetivo de este artículo es revisar el estado del arte actual en
segunda etapa, la energía se transporta a las las técnicas de inteligencia artificial propuestas para abordar los diferentes aspectos relacionados
distintas áreas donde es consumida. Final- con el desarrollo del nuevo modelo de red eléctrica. Por tanto, este trabajo está orientado a repasar
mente, y después de ser adecuadamente trans- los retos más importantes en el diseño de esta "nueva" red eléctrica y cómo los sistemas inteligentes
formada, la energía se entrega al usuario final pueden contribuir a enfrentarlos con éxito.
en la etapa de distribución. Esta última etapa
en particular ha experimentado numerosos Palabras clave: Gestión dinámica de la red, inteligencia artificial, inteligencia computacional, red
cambios en los últimos años con la progresi- eléctrica inteligente.
va introducción de nuevos actores tales como
las unidades de generación distribuidas (fun- Autores
damentalmente las granjas solares y eólicas y
las plantas de cogeneración), los sistemas de María José Santofimia Romero recibió los títulos de Ingeniería Técnica en Informática por la
almacenamiento (previsiblemente en aumen- Universidad de Córdoba en 2001, Master on Computer Security por la University of Glamorgan
to) y la futura aparición de la infraestructura (País de Gales, Reino Unido) en 2003 e Ingeniería Superior en Informática por la Universidad de
necesaria para la recarga de los vehículos Castilla-La Mancha en 2006. Actualmente está finalizando su doctorado como miembro del Grupo
eléctricos (ver figura 11). Estos nuevos acto- de Arquitectura y Redes de Computadores en la Escuela de Ingeniería Informática de Ciudad Real,
res aportan nuevas posibilidades y más flexi- perteneciente a la Universidad de Castilla-La Mancha.
bilidad en relación a la forma en que la energía
se ha gestionado tradicionalmente. Sin em- Xavier del Toro García recibió los títulos de Ingeniería Técnica en Electrónica Industrial e Ingeniería
bargo, el nuevo sistema que resulte deberá Superior en Automática y Electrónica Industrial en 1999 y 2002, respectivamente, por la Universidad
utilizar nuevas y avanzadas tecnologías para Politécnica de Cataluña. En 2008 recibió el título de Doctor en Ingeniería Eléctrica y Electrónica por
enfrentarse a una complejidad cada vez más la University of Glamorgan, País de Gales, Reino Unido. Entre septiembre de 2005 y octubre de 2006
mayor. fue investigador "Marie Curie" en el Politecnico di Bari, Italia. Desde 2008 trabaja como profesor e
investigador en la Universidad de Castilla-La Mancha, dedicándose a la investigación en electrónica
En las últimas décadas, el mundo ha experi- de potencia, energías renovables, sistemas de almacenamiento y calidad de la energía.
mentado un significante incremento de la
energía consumida que ha provocado una Juan Carlos López López obtuvo los títulos de Ingeniero y Dr. Ingeniero de Telecomunicación por
preocupación generalizada sobre los proble- la Universidad Politécnica de Madrid en 1985 y 1989, respectivamente. Desde 1990 hasta 1992 fue
mas futuros de la energía en cuanto a Investigador Visitante en el Department of Electrical and Computer Engineering, Carnegie-Mellon
sostenibilidad. Esta situación ha llevado a University, Pittsburgh, Pennsylvania (EE.UU.). Sus áreas de investigación se centran en el diseño
gobiernos y comunidad científica a buscar sistemas empotrados, sistemas distribuidos y servicios avanzados de comunicaciones. Desde
soluciones que permitan un uso eficiente, 1989 hasta 1999, fue Profesor Titular de Universidad del Departamento de Ingeniería Electrónica de
fiable y responsable de la energía a través de la Universidad Politécnica de Madrid. Actualmente, es Catedrático de Universidad de Arquitectura y
una concepción más flexible y optimizada de Tecnología de Computadores y Director de la Cátedra Indra en la Universidad de Castilla-La Mancha,
la red eléctrica. Este nuevo paradigma se donde además fue Director de la Escuela Superior de Informática entre 2000 y 2008. Ha sido
conoce como red eléctrica inteligente. A pesar miembro de diferentes comisiones de evaluación y consultivas de los Ministerios de Educación y de
del amplio espectro de tecnologías involu- Ciencia e Innovación en relación con programas de investigación y formación en el área de las
cradas, que hace imposible proporcionar una Tecnologías de la Información y las Comunicaciones.
definición simple y única, está ampliamente
aceptado que la red eléctrica inteligente es la
plataforma que integra todas las más avan- la red eléctrica inteligente como una red tra- consideremos algunos de los objetivos con-
zadas tecnologías de control y de tratamiento dicional mejorada con las tecnologías de la cretos que este nuevo modelo debe satisfacer:
de la información que permiten monitorizar información y las comunicaciones con el fin � Proporcionar una respuesta rápida a las
y gestionar la generación y distribución de la de proporcionar un uso de la electricidad condiciones cambiantes de la red eléctrica.
energía. Hay muchos aspectos en común eficiente, seguro y fiable. � Predecir el comportamiento de la red eléc-
entre esta nueva concepción de la red eléctrica trica (picos de demanda, averías, etc.).
y aquellos principios que dieron lugar a Internet Para tener una visión más en profundidad de � Mejorar la calidad de la potencia suminis-
[1]. Así pues, es bastante usual considerar a lo que significa la red eléctrica inteligente, trada a los clientes finales.
Los sistemas CEP necesitan complementar- Varias tecnologías relacionadas se basan tam- iterativos de generación-evaluación. Las téc-
se con otras técnicas más sofisticadas que bién en una amplia variedad de soluciones nicas tradicionales de inteligencia artificial
soporten el proceso de comprensión. En este inteligentes para abordar la incertidumbre e experimentan dificultades cuando varios ob-
sentido, una de las posibles aproximaciones imprevisibilidad. Por ejemplo, la tecnología jetivos entran en conflicto, mientras que la
se basa en el uso de Razonamiento Cualita- de Gestión Activa de la Red se apoya en inteligencia computacional obtiene buenos
tivo. En [9] se muestra un ejemplo de este agentes inteligentes para abordar la automati- resultados en estas circunstancias.
mecanismo que usa un modelo de compor- zación de aspectos tales como el control de
tamiento cualitativo de la red eléctrica en el voltaje y frecuencia, el control de la potencia El papel que juega la inteligencia computa-
cual se modelan algunos aspectos relaciona- reactiva, la detección de fallos, el funciona- cional en el campo de la red eléctrica inteligen-
dos con la calidad de la energía, tales como miento durante el fallo y la recuperación de te se basa por tanto en su capacidad para
caídas de tensión, potencia reactiva, etc., con los mismos, o autocorrección (self-healing). posibilitar comportamientos inteligentes en
el fin de anticipar su posible evolución y sus Asumiendo que esta tecnología requiere una condiciones de incertidumbre [17]. Esta sec-
efectos negativos. Los problemas relaciona- infraestructura de comunicaciones que so- ción está pues dedicada a revisar las técnicas
dos con la calidad de la energía proporcionan porte los sistemas SCADA, la investigación de más éxito así como aquellos retos en
un interesante campo de aplicación para las en inteligencia distribuida puede ser de gran nuestro campo de aplicación a los que poten-
tareas de monitorización y diagnóstico. El ayuda. En este sentido, la teoría de sistemas cialmente son capaces de enfrentarse.
trabajo citado [9] intenta salvar la distancia distribuidos puede contribuir con algoritmos,
que nos separa de sistemas autosuficientes, mecanismos de comunicación, o técnicas de Las principales contribuciones de la inteligen-
capaces de anticipar y reaccionar ante fallos consistencia y replicación, entre otras. En cia computacional a la red eléctrica inteligen-
usando simplemente los datos recogidos. particular, los sistemas multiagente (MAS, te están identificadas en [18], basadas todas
Para hacer esto, la propuesta mencionada Multi-Agent Systems) se pueden considerar ellos en la característica más interesante de
proporciona una caracterización del proble- una especie de inteligencia distribuida con una estas técnicas que es su capacidad para anti-
ma de la calidad de la energía, a la vez que gran aplicabilidad a la red eléctrica inteligente cipar información relevante que permita ayu-
presenta un modelo cualitativo del compor- debido a la naturaleza distribuida y heterogé- dar en el proceso de toma de decisiones. Así,
tamiento de la red en régimen dinámico. Este nea de ésta [14]. Como se ilustra en [15] y estos métodos proporcionan los medios ade-
modelo utiliza un sistema multiagente que se [16], los MAS se han empleado con éxito en cuados para controlar la red rápidamente y de
encarga de anticipar y reaccionar a fallos y una gran variedad de aplicaciones de ingenie- una manera fiable.
alteraciones. ría eléctrica.
Las redes neuronales artificiales (ANN, Arti-
En esta misma línea, existen otras técnicas de 4. La inteligencia computacional ficial Neural Networks) se basan en replicar
razonamiento más complejas que pueden y la red eléctrica inteligente las operaciones que realizan los sistemas
mejorar también las funcionalidades de las En la sección anterior hemos repasado las neuronales biológicos [19], En este sentido,
tecnologías de la red eléctrica inteligente. Estas técnicas más relevantes del campo de la Inte- una red neuronal está compuesta de un con-
técnicas, basadas en una base de conocimien- ligencia Artificial que han sido aplicadas a la junto de nodos interconectados que no son
to a gran escala construida sobre lo que se red eléctrica para afrontar algunos de sus sino unidades de procesamiento a las que se
denomina sentido común, pueden proporcio- retos actuales. Esta sección continúa esta asocian dos valores, una entrada y un peso
nar capacidades avanzadas para asistir y en- revisión pero deteniéndonos ahora en aque- [20]. Su principal característica es que en vez
riquecer el funcionamiento de los sistemas de llas técnicas que han sido ideadas específica- de ser programadas para realizar ciertas ta-
Supervisión, Control y Adquisición de Datos mente para abordar problemas de índole diná- reas, pueden ser entrenadas para identificar
(SCADA, por sus siglas en inglés). Algunos mica y estocástica. ciertos patrones de datos. Sin embargo, su
ejemplos de esos sistemas basados en sentido mayor ventaja, el entrenamiento, se transfor-
común son Cyc [10], Scone [11], o Cuando nos enfrentamos con escenarios ma en inconveniente al necesitar una gran
ConceptNet [12]. imprevisibles e inciertos, tanto la inteligencia cantidad de datos de entrada para poder tener
artificial como la inteligencia computacional una muestra representativa del patrones de
Los logros en el campo de los sistemas aportan técnicas para tratarlos de forma ade- comportamiento generales [21].
sensibles al contexto pueden también cuada. Si bien a primera vista pueden parecer
extrapolarse para conseguir funcionalidades equivalentes, difieren en la forma en la que En [20] se revisan algunas de las aplicaciones
muy interesantes en la red eléctrica inteligente. ambas abordan problemas complejos. La más relevantes de las ANN en el campo de los
Por ejemplo, la ya mencionada tecnología inteligencia artificial adopta una aproxima- sistemas energéticos, las cuales cubren un
DLR es la encargada de maximizar el funcio- ción orientada al objetivo. En este sentido, la amplio espectro desde el modelado de las
namiento de las líneas de distribución solución se basa en un conocimiento comple- respuestas de calentamiento de sistemas en
reconfigurando la capacidad de las mismas de to del ámbito del problema, en las relaciones energía solar [22], pasando por la predicción
forma dinámica y en función de condiciones entre dicho problema y las acciones que se de la radiación solar [23] o el diseño de
externas (por ej. el tiempo atmosférico). pueden llevar a cabo para lograr esa solución. sistemas adaptativos críticos [24], hasta te-
Adicionalmente, la tecnología de Gestión Sin embargo, esta aproximación no resulta mas relacionados con la seguridad [25]. La
Activa de la Demanda aborda el problema de adecuada para situaciones en las que proce- idea tras estas aplicaciones se basa en apren-
proporcionar la cantidad correcta de energía sos de naturaleza estocástica interfieren. Es- der cómo las prestaciones del sistema están
eléctrica en el lugar y momento adecuados. tos escenarios tan abiertos se tratan mejor relacionadas con ciertos valores de entrada,
Esta tarea lleva consigo realizar un cierto por medio de técnicas de inteligencia como por ejemplo, cómo las condiciones
balanceo de carga, tarea a la que la planifica- computacional, entre las que se encuentran la meteorológicas (sol o viento) determinan en
ción basada en Inteligencia Artificial puede computación evolutiva, la lógica difusa o las un sistema de generación la energía que puede
contribuir de forma patente [13]. redes neuronales artificiales. Estas aproxi- esperarse [26].
maciones tienen en común que las solucio-
Sin embargo, la gestión de la información no nes, en vez de obtenerse a partir de un cono- La monitorización de la estabilidad de la
es el único aspecto de las redes eléctricas cimiento previo en el que se representan accio- tensión [27] es otra de las aplicaciones más
inteligentes que puede beneficiarse del poten- nes y sus objetivos, se alcanzan mediante útiles (y exitosas) de las ANN al campo de la
cial de las técnicas de inteligencia artificial. procesos estocásticos basados en ciclos red eléctrica inteligente. Así, en [28] se presen-
�
de estabilidad del voltaje en la carga usando soluciones. La FL ha demostrado unas estu-
medidas de voltaje (magnitud y ángulo) rea- pendas prestaciones en procesos de decisión
[1] U.S. Department of Energy. "The smart grid:
lizadas mediante sincrofasores. que utilizan valores imprecisos bajo condi- An introduction". [Online], 2008. <http://
ciones inciertas [20]. Por ello, las técnicas www.oe.energy.gov/SmartGridIntroduction.
Las aplicaciones de monitorización de área basadas en FL son una parte esencial de una htm>.
extensa también se benefician del potencial de larga lista de aplicaciones de los sistemas de [2] M. Hashmi. "Survey of smart grid concepts
las ANN. El trabajo en [29] describe la potencia, tales como la supervisión y planifi- worldwide". VTT, Espoo. VTT Working Papers,
implementación de un sistema destinado a cación de la utilización de fuentes de energía 2011.
identificar la dinámica de un sistema de poten- renovable [36][37]. [3] G.K. Venayagamoorthy. "Dynamic, Stochastic,
Computational, and Scalable Technologies for
cia no-lineal. Las ANN han demostrado su Smart Grids". Computational Intelligence Magazi-
capacidad para detectar en tiempo real los 5. Conclusiones ne, IEEE, vol.6, no. 3, pp. 22-35, Agost. 2011.
cambios dinámicos de los sistemas de poten- La creciente preocupación por el impacto [4] OCDE. "Technology Roadmap: Smart Grids".
cia. Cuando se identifican dichos cambios, se medioambiental del consumo energético en el IEA Technology Roadmaps, OECD Publishing, 2011.
puede emplear una ANN adicional para gene- planeta está llevando a una nueva concepción [5] M. Zima, M. Larsson, P. Korba, C. Rehtanz,
ral las señales de control apropiadas que en el funcionamiento del sistema de energía G. Andersson. "Design Aspects for Wide-Area
permitan minimizar los posibles efectos ne- eléctrica, en el cual las energías renovables se Monitoring and Control Systems". Proceedings of
gativos [30]. the IEEE In Proceedings of the IEEE, Vol. 93, No. 5.
integran cada vez más en el ciclo de produc-
(mayo 2005), pp. 980-996.
ción mientras que la eficiencia y la seguridad [6] R. Hornby, C. Salamone, S. Perry, D. White,
Los algoritmos evolutivos (EA, Evolutionary tienden a maximizarse. K. Takahashi. "Advanced Metering Infrastructure
Algorithms) [31], y de forma más específica Implications for Residential Customers in New
los algoritmos genéticos, han ganado una Este trabajo ha prestado especial atención a Jersey". Ex. UWUA-4, julio 8, 2008.
gran relevancia debido a su capacidad para cómo las técnicas de inteligencia artificial y [7] Steven Collier. "Ten Steps to a Smarter Grid".
abordar problemas de optimización con un computacional pueden contribuir en la con- IEEE Industry Applications Magazine 16.2 (2010),
uso relativamente bajo de recursos de com- secución de redes eléctricas más inteligentes. pp. 62-68.
[8] Y. Simmhan, S. Aman, B. Cao, M. Giakkoupis,
putación. Inspirados en el principio de evolu- Así, se han revisado tanto las principales
A. Kumbhare, Q. Zhou, D. Paul, C. Fern, A.
ción por selección natural [32], se basan en tecnologías involucradas en la red eléctrica Sharma, V. Prasanna. "An informatics approach
codificar un conjunto de soluciones plausi- inteligente como el impacto actual y futuro to demand response optimization in smart grids".
bles (población inicial) de las cuales el miem- que el uso de dichas técnicas puede tener sobre Technical report, Computer Science Dept., USC,
bro más adecuado es favorecido para dar ellas. 2011.
lugar a la siguiente generación de soluciones. [9] M.J. Santofimia, X. del Toro, P. Roncero-
Esta metodología está enfocada a eliminar, Como conclusión podemos asegurar que las Sánchez, F. Moya, M.A. Martínez, J.C. López. "A
en iteraciones recursivas, aquellas soluciones propuestas basadas en ingeniería del conoci- qualitative agent-based approach to power quality
monitoring and diagnosis". Integrated Computer-
consideradas como pobres. miento pueden abordar con éxito el problema
Aided Engineering, 17, pp. 305-319, diciembre
de gestionar la enorme cantidad de informa- 2010.
En [32] se ofrece una lista de las principales ción que habrá de generarse en las futuras [10] D. Lenat, M. Prakash, M. Shepherd. "CYC:
aplicaciones de los EA al campo de la energía. redes eléctricas inteligentes. Además, las téc- Using common sense knowledge to overcome
Entre ellas, el trabajo en [33] utiliza nicas de inteligencia artificial distribuida pue- brittleness and knowledge acquisition bottlenecks".
algoritmos genéticos con dos objetivos: en den proporcionar los medios adecuados para Artificial Intelligence Magazine, 6:6585, enero
una primera etapa, se utiliza un algoritmo monitorizar y gestionar las diferentes etapas 1986.
genético para generar una solución factible, involucradas en el proceso completo. Los [11] S. E. Fahlman. The Scone knowledge-base
project, 2010. [Online]: <http://www.cs.cmu.edu/
dentro de las restricciones impuestas por la sistemas multiagente han demostrado su
sef/scone/>. [Último acceso: 28 febrero 2010].
deseada convergencia en la carga; después, capacidad para cooperar y articular respues- [12] H. Liu, P. Singh. "Conceptnet: A practical
otro algoritmo genético se encarga de tas acordes a los datos distribuidos en la red commonsense reasoning toolkit". BT Technology
optimizar la solución inicial. Por otra parte, y que son proporcionados por diferentes fuen- Journal, 22:211-226, 2004.
en [34] se emplean este tipo de algoritmos tes de información. Finalmente, el papel que [13] Y. Oualmakran, J. Meléndez, S. Herraiz, M.
para la mejora de la eficiencia, demostrando puede jugar la inteligencia computacional López-Perea, E. González. "Survey on knowledge
que controladores borrosos implementados (las llamadas técnicas de soft-computing) es based methods to assist fault restoration in power
utilizando dichos algoritmos pueden obtener esencial en los procesos de optimización y distribution networks". International Conference
on Renewable Energies and Power Quality
resultados óptimos (tanto de forma global control de la red eléctrica inteligente.
(ICREPQ11). Las Palmas, 2011.
como en intervalos de tiempo discretos). [14] G. Weiss. "Multiagent systems: a modern
Agradecimientos approach to distributed artificial intelligence". MIT
La última aproximación que consideraremos Este trabajo ha sido financiado parcialmente por Press, Cambridge, MA, USA, 1999.
en esta sección es la lógica borrosa (FL, Fuzzy el Centro para el Desarrollo Tecnológico Indus- [15] S.D.J. McArthur, E.M. Davidson, V.M.
Logic) [37]. Existen numerosos procesos en trial (CDTI) Ministerio de Ciencia e Innova- Catterson, A.L. Dimeas, N.D. Hatziargyriou, F.
la red eléctrica inteligente que involucran ta- ción, a través del proyecto CENIT "Energos: Ponci, T. Funabashi. "Multi-Agent Systems for
Tecnologías para la gestión automatizada e in- Power Engineering Applications - Part I: Concepts,
reas de toma de decisiones, como por ejem-
teligente de las redes de distribución energética Approaches and Technical Challenges". IEEE
plo, cómo asignar la producción de energía del futuro" (CEN-20091048). Transactions on Power Systems, Vol. 22, no. 4,
renovable o en qué momento consumir de pp. 1743-1752, noviembre 2007.
acuerdo con la evolución del precio en el [16] S.D.J. McArthur, E. M. Davidson, V.M.
mercado energético. Estos métodos están Catterson, A.L. Dimeas, N.D. Hatziargyriou, F.
orientados a ofrecer soluciones a problemas Ponci, T. Funabashi. "Multi-Agent Systems for
basadas en aproximaciones, apoyándose en Power Engineering Applications - Part II:
una representación del sistema que, en vez de Technologies, Standards, and Tools for Building
utilizar cálculos convencionales numéricos y Multi-agent Systems". IEEE Transactions on Power
Systems, Vol. 22, no. 4, pp. 1753-1759, noviem-
analíticos, emplea simples etiquetas para
bre. 2007.
cuantificar entradas y reglas sencillas (sen-
[17] G.K. Venayagamoorthy. "Potentials and [24] P.J. Werbos. "Approximate Dynamic Control And Automation: Science and Engineering,
Promises of Computational Intelligence for Smart Programming for Real Time Control and Neural Springer Netherlands, pp. 176-193, vol. 46, 2011.
Grids", IEEE Power General Society General Mee- Modelling". En White DA and Sofge DA (Eds.), [31] T. Bäck. "Evolutionary algorithms in theory and
ting, Calgary, CA, 26-30 de julio, 2009. Handbook of Intelligent Control, Van Nostrand practice". Oxford University Press, Oxford, 1996.
[18] R. Harley, J. Liang. "Computational Reinhold, New York, 1992, ISBN 0- 442-30857-4, [32] A. Pacheco-Vega. "Soft Computing
Intelligence in Smart Grids" IEEE Symposium Se- pp. 493-525. Applications in Thermal Energy Systems". Soft
ries on Computational Intelligence (SSCI) 2011 - [25] Y. Mansour, E. Vaahedi, M.A. El-Sharkawi. Computing in Green and Renewable Energy
CIASG, 11-15 de abril, 2011. "Dynamic security contingency screening and ran- Systems (Studies in Fuzziness and Soft
[19] S. Haykin. "Neural Networks: A Comprehensive king using neural networks". IEEE Trans. Power Computing), pp. 1-35, Vol. 269, Springer-Verlag,
Foundation". Macmillan, New York, 1994. Syst., vol. 8, no. 4, pp. 942950, julio 1997. Berlin, Germany, 2011.
[20] S. Kalogirou, K. Metaxiotis, A. Mellit. [26] D. Riley, G.K. Venayagamoorthy. [33] M.S. Osman, M.A. Abo-Sinna, A.A. Mousa.
"Artificial Intelligence Techniques for Modern Energy "Characterization and modeling of a grid connected "A solution to the optimal power flow using genetic
Applications". Intelligent Information Systems and photovoltaic system using a recurrent neural algorithm". Applied Mathematics and Computation
Knowledge Management for Energy: Applications network". En Proc. IEEE Int. Joint Conf. Neural 155(2), pp. 391-405, 2004.
for Decision Support, Usage, and Environmental Networks, San Jose, CA, 31 julio-5 agosto 2011. [34] G. Jahedi, M.M. Ardehali. "Genetic algorithm-
Protection. IGI Global, 2010, pp. 1-39. [27] G.K. Venayagamoorthy. "Dynamic, Stochastic, based fuzzy-pid control methodologies for
[21] G. Zini, S. Pedrazzi, P. Tartarini, K. Computational, and Scalable Technologies for Smart enhancement of energy efficiency of a dynamic
Gopalakrishnan, S. Khaitan, S. Kalogirou. "Use Grids". Computational Intelligence Magazine, IEEE , energy system". Energy Convers. and Manage.
of Soft Computing Techniques in Renewable Energy vol. 6, no. 3, pp. 22-35, agosto 2011. 52(1), pp. 725-732, 2011.
Hydrogen Hybrid Systems". Soft Computing in [28] K.J. Makasa, G.K. Venayagamoorthy. "On- [35] L.A. Zadeh. "Fuzzy logic, neural networks and
Green and Renewable Energy Systems, Studies in line voltage stability load index estimation based soft computing". Communications of the ACM 37
Fuzziness and Soft Computing, Springer Berlin, pp. on PMU measurements". En Proc. IEEE Power and (1994) pp. 77-84.
37-64, vol. 269, 2011. Energy Society, Detroit, MI, julio 2011, pp. 24-28. [36] V. Courtecuisse, J. Sprooten, B. Robyns, M.
[22] S. Kalogirou, C. Neocleous, C. Schizas. [29] W. Qiao, G.K. Venayagamoorthy, R.G. Harley. Petit, B. Francois, J. Deuse. "A methodology to
"Artificial neural networks for modelling the starting "Optimal Wide-Area Monitoring and Non-Linear design a fuzzy logic based supervision of hybrid
up of a solar steam generator". Applied Energy, 60, Adaptive Coordinating Control of a Power System renewable energy systems". Mathematics and
pp. 89100, 1998. with Wind Farm Integration and Multiple FACTS Computers in Simulation, 81(2), pp. 208224 (2008).
[23] P.L. Zervas, H. Sarimvies, J.A. Palyvos, Devices". Neural Networks, Vol. 21, Issues 2-3, [37] Y.F. Li, Y.P. Li, G.H. Huang, X. Chen. "Energy
N.G.C. Markatos. "Model-based optimal control of marzo/abril 2008, pp. 466-475. and environmental systems planning under
a hybrid power generation system consisting of [30] Z. Vale, G.K. Venayagamoorthy, J. Ferreira, uncertainty-An inexact fuzzy-stochastic
photovoltaic arrays and fuel cells", Journal of H. Morais. "Computational Intelligence Applications programming approach". Applied Energy, 87(10),
Power Source 181, pp. 327338, 2008. for Future Power Systems". Intelligent Systems, 31893211 (2010).