Método para la localización de fallas en sistemas de distribución de energía eléctrica basado en redes neuronales artificiales a partir del perfil de corriente y la medición de corriente de falla en cabecera de los alimentadores
En este trabajo de grado se presenta inicialmente una revisión literaria enfocada al problema de localización de fallas tipo paralelo en sistemas de distribución con miras en identificar métodos con desempeños significativos en la localización de falla en términos de distancia, a partir del uso de m...
- Autores:
-
Rojas Medina, Eduardo Luis
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad Industrial de Santander
- Repositorio:
- Repositorio UIS
- Idioma:
- spa
- OAI Identifier:
- oai:noesis.uis.edu.co:20.500.14071/10065
- Palabra clave:
- Localización de fallas
Sistemas de distribución
Redes neuronales artificiales
Fault Location
Distribution system
Artificial neural networks
Current profile
- Rights
- openAccess
- License
- Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
| Summary: | En este trabajo de grado se presenta inicialmente una revisión literaria enfocada al problema de localización de fallas tipo paralelo en sistemas de distribución con miras en identificar métodos con desempeños significativos en la localización de falla en términos de distancia, a partir del uso de medidas de tensión y corriente en la cabecera principal del sistema de distribución. Se implementa un método de localización basado en redes neuronales artificiales para determinar la distancia desde la subestación hasta el punto de la falla. Con el fin de cubrir todo el espacio operativo de los sistemas IEEE-34 bus y IEEE-123 bus se simulan eventos de falla tipo paralelo a lo largo de cada ramal variando la resistencia de falla, para luego ingresar a una red neuronal que estima una posible distancia. Con el propósito de abordar el problema de la múltiple estimación del punto de falla, se utiliza el concepto de la corriente de falla neta en los ramales del sistema de distribución para estimar los cambios de esta corriente y seleccionar un grupo de candidatos como los ramales posibles bajo falla. Estos candidatos se clasifican mediante algoritmos de razonamiento para la selección final del ramal candidato bajo falla. El error porcentual en distancia para el sistema IEEE-34 bus, en promedio para todos los tipos de falla es del 2% y acierta en el ramal bajo falla en el 94% de los eventos. |
|---|