En el presente trabajo se propone el uso de redes neuronales artificiales para la resolución del problema de flujos de carga. El estudio del flujo de carga de la red eléctrica constituye una herramienta fundamental para la operación y la planificación de un sistema eléctrico. En términos matemáticos el problema de flujos de carga se resuelve a través de un sistema de ecuaciones no lineales. Para dicha resolución tradicionalmente se han utilizado diversos métodos numéricos, principalmente el método de Newton-Raphson y sus variantes. Estos métodos numéricos aplicados a sistemas eléctricos de gran tamaño tienen un alto costo computacional asociado. Resolver una cantidad considerable de flujos de carga utilizando estos métodos implica incurrir en tiempos de ejecución que resultan prohibitivos en estudios sobre la red eléctrica. Este problema se vuelve crítico en estudios de casos de contingencia, incluso utilizando el criterio simple de contingencia N-1. La construcción de redes neuronales que aproximen la resolución de flujos de carga permite reducir significativamente los tiempos de ejecución de los estudios anteriormente mencionados. En este trabajo se propone el diseño de una arquitectura de red neuronal para la aproximación de flujos de carga. Utilizando la arquitectura diseñada se implementa un modelo de aproximación de flujos de carga. La validación de la herramienta se realiza utilizando la red de trasmisión de Uruguay. La aproximación obtenida para este caso de estudio es evaluada aplicando la métrica MAPE y se obtiene un valor de 2.6%, lo que constituye un resultado muy prometedor.

In the present work, the use of artificial neural networks is proposed to solve the load flow problem. The study of the load flow of the electrical network constitutes a fundamental tool for the operation and planning of an electrical system. The load flow problem is solved by a system of non-linear equations. For this resolution, numerical methods have traditionally been used, mainly the Newton-Raphson method and its variants. These numerical methods applied to large electrical systems are very expensive in terms of computational cost. Solving a considerable number of load flows using these methods involves incurring in execution times that are prohibitive in studies of the electrical network. This problem becomes critical in contingency case studies, even using the simple N-1 contingency criterion. The construction of neural networks that approximate the resolution of load flows allows to significantly reducing the execution time of the aforementioned studies. In this work, the design of a neural network architecture for the approximation of load flows is proposed. Using the designed architecture, a load flow approximation model is implemented. The validation of the tool is carried out using the Uruguayan transmission network. The approximation obtained for this case study is evaluated by applying the MAPE metric and a value of 2.6% is obtained, which constitutes a very promising result.