Este documento presenta una metodología para estimar los parámetros de un modelo de un horno de arco eléctrico usando regularización de Tikhonov. La regularización de Tikhonov es uno de los métodos de regularización usado más comúnmente. El modelo de horno de arco utilizado considera la naturaleza no lineal y altamente variable que exhibe este tipo de carga. Se ha utilizado el toolbox Regularization Tools desarrollado para Matlab que permite determinar el valor del vector de parámetros estimados de norma mínima.Los resultados obtenidos en simulación del modelo del horno de arco implementado en PSCAD son comparados con mediciones reales tomadas en la etapa más crítica de la operación del horno. Se muestra cómo el comportamiento del modelo del horno de arco con un ajuste apropiado de los parámetros, captura en un alto porcentaje las formas de onda de los voltajes trifásicos de fase en el secundario del transformador que energiza los electrodos; además, se obtienen corrientes de línea eficaces de arco eléctrico con errores no mayores al 2,8 % del valor real.

Debido al aumento de la carga y al creciente uso de energías alternativas en el sistema de potencia, este se ha vuelto más sensible a problemas de estabilidad de tensión. Si se considera que los métodos de análisis estático como el flujo de carga no evalúan de manera correcta la estabilidad de tensión, debido a que usan modelos simples para describir las componentes del sistema, y que los modelos dinámicos para el análisis de estabilidad de tensión son complejos y tienen un alto costo computacional,se evidencia la necesidad de desarrollar una metodología más precisa y eficiente.Se presenta un modelo basado en Redes Neuronales Artificiales (ANN, del inglés Artificial Neural Networks);estas tienen la capacidad de aprender y extraer las principales características de un conjunto de datos. Pueden ofrecer respuestas correctas para aquellas entradas que presentan variaciones causadas por los efectos del ruido o por las distorsiones del medio. Debido a que las ANN tienen habilidad para cambiar su estructura internadurante el entrenamientohan sido utilizadas para el desarrollo de este trabajo comomáquinas de estimacióndel margen de estabilidad de tensión del sistema de potencia a partir su estado. Los datos de entrenamiento se obtienen por medio de un flujo de carga que entrega las condiciones iníciales o las también conocidas variables de entrada a la red y luego, mediante funciones de energía, se obtienen los márgenes de estabilidad que para este caso son las salidas deseadas. Se muestran resultados para un sistema de prueba de cuatro nodos, donde la RN estima de forma cercana las estimaciones efectuadas mediante el uso de márgenes de estabilidad determinísticos.