Red neuronal para la clasificación de fallas en líneas de transmisión a partir de registros de osciloperturbografía

El diagnóstico de fallas eléctricas en líneas de transmisión a alto voltaje es una tarea compleja no solo por la cantidad de información involucrada que puede provenir de diversas fuentes como SOE, SCADA y registradores, si no también por la variabilidad misma de las fallas. Dicha complejidad impacta en la oportunidad y certeza del diagnóstico, factores particularmente importantes para el análisis en tiempo real donde rápidamente deben tomarse pautas adecuadas para el restablecimiento del sistema eléctrico de potencia. En este artículo se propone el uso de de una red neuronal con aprendizaje por regularización bayesiana y finalización temprana para la clasificación de fallas a partir de registros de osciloperturbografía provenientes de registradores de falla y se muestra su efectividad para una amplia variedad de casos de entrenamiento y validación, los cuales son obtenidos por medio de un modelo de ATP con el cual se simularon la cantidad de fallas eléctricas requeridas.

• Autores: Calderón, Jhon Albeiro; Moreno Cadavid, Julián; Arturo Ovalle, Demetrio
• Tipo de recurso: Article of journal
• Fecha de publicación: 2008
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/23005
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/23005; http://bdigital.unal.edu.co/14040/
• Palabra clave: Sistema Eléctrico de Potencia; Diagnóstico de Fallas; ATP; Redes Neuronales; Regularización Bayesiana.
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional