Técnica de caracterización de fallas en tiempo real basada en los valores y vectores propios de la matriz asociada a las elipses generadas por la transformada de Clarke de voltajes trifásicos
En este trabajo se presenta una técnica para caracterizar diferentes tipos de fallas de cortocircuito en tiempo real en un sistema eléctrico, específicamente las fallas AB, BC, CA, ABC, AG, BG y CG (y el funcionamiento normal), a partir de los valores propios y vectores propios de la matriz asociada...
- Autores:
-
Naranjo Cuéllar, Juan Pablo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/58901
- Acceso en línea:
- http://hdl.handle.net/1992/58901
- Palabra clave:
- Fallas
Caracterización
Clarke
Tiempo real
Raspberry Pi
Typhoon HIL
Ingeniería
- Rights
- openAccess
- License
- Attribution-NonCommercial-NoDerivatives 4.0 Internacional
id |
UNIANDES2_1ed130ba7aea90811086b65a0d99fb73 |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/58901 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
dc.title.none.fl_str_mv |
Técnica de caracterización de fallas en tiempo real basada en los valores y vectores propios de la matriz asociada a las elipses generadas por la transformada de Clarke de voltajes trifásicos |
title |
Técnica de caracterización de fallas en tiempo real basada en los valores y vectores propios de la matriz asociada a las elipses generadas por la transformada de Clarke de voltajes trifásicos |
spellingShingle |
Técnica de caracterización de fallas en tiempo real basada en los valores y vectores propios de la matriz asociada a las elipses generadas por la transformada de Clarke de voltajes trifásicos Fallas Caracterización Clarke Tiempo real Raspberry Pi Typhoon HIL Ingeniería |
title_short |
Técnica de caracterización de fallas en tiempo real basada en los valores y vectores propios de la matriz asociada a las elipses generadas por la transformada de Clarke de voltajes trifásicos |
title_full |
Técnica de caracterización de fallas en tiempo real basada en los valores y vectores propios de la matriz asociada a las elipses generadas por la transformada de Clarke de voltajes trifásicos |
title_fullStr |
Técnica de caracterización de fallas en tiempo real basada en los valores y vectores propios de la matriz asociada a las elipses generadas por la transformada de Clarke de voltajes trifásicos |
title_full_unstemmed |
Técnica de caracterización de fallas en tiempo real basada en los valores y vectores propios de la matriz asociada a las elipses generadas por la transformada de Clarke de voltajes trifásicos |
title_sort |
Técnica de caracterización de fallas en tiempo real basada en los valores y vectores propios de la matriz asociada a las elipses generadas por la transformada de Clarke de voltajes trifásicos |
dc.creator.fl_str_mv |
Naranjo Cuéllar, Juan Pablo |
dc.contributor.advisor.none.fl_str_mv |
Giraldo Trujillo, Luis Felipe Ramos López, Gustavo Andrés |
dc.contributor.author.none.fl_str_mv |
Naranjo Cuéllar, Juan Pablo |
dc.contributor.jury.none.fl_str_mv |
Zambrano Jacobo, Andrés Felipe |
dc.subject.keyword.none.fl_str_mv |
Fallas Caracterización Clarke Tiempo real Raspberry Pi Typhoon HIL |
topic |
Fallas Caracterización Clarke Tiempo real Raspberry Pi Typhoon HIL Ingeniería |
dc.subject.themes.es_CO.fl_str_mv |
Ingeniería |
description |
En este trabajo se presenta una técnica para caracterizar diferentes tipos de fallas de cortocircuito en tiempo real en un sistema eléctrico, específicamente las fallas AB, BC, CA, ABC, AG, BG y CG (y el funcionamiento normal), a partir de los valores propios y vectores propios de la matriz asociada a la elipse generada por la transformada de Clarke de las tensiones trifásicas del sistema eléctrico. El proceso se realizó en tiempo real utilizando el sistema HIL402 y una Raspberry Pi 3, y toda la programación se realizó en el lenguaje de programación Python. Se concluyó que los tipos de falla probados pueden ser caracterizados con precisión utilizando los valores y vectores propios mencionados: los valores propios pueden ser utilizados para determinar la distancia de inserción de la falla y los vectores propios pueden ser utilizados para determinar el tipo de falla que se produjo. Finalmente, se indica que el desarrollo de este trabajo sirve como parte de la etapa de entrenamiento de un modelo de machine learning para la detección y clasificación de fallas, que se desarrolla en un proyecto paralelo. |
publishDate |
2022 |
dc.date.accessioned.none.fl_str_mv |
2022-07-18T12:57:16Z |
dc.date.available.none.fl_str_mv |
2022-07-18T12:57:16Z |
dc.date.issued.none.fl_str_mv |
2022 |
dc.type.es_CO.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.content.es_CO.fl_str_mv |
Text |
dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
acceptedVersion |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/58901 |
dc.identifier.instname.es_CO.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.es_CO.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.es_CO.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/58901 |
identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.es_CO.fl_str_mv |
spa |
language |
spa |
dc.relation.references.es_CO.fl_str_mv |
Types of faults in power system: Unsymmetrical faults in power system,May 2018. [Online]. Available: https://electricalacademia.com/electric-power/ types-faults-power-system-unsymmetrical-faults-power-system/ A. Fitzgibbon, M. Pilu, and R. Fisher, "Direct Least Square Fitting of Ellipses," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 21, Nov. 2000. C. , Direct linear least squares fitting of an ellipse, Aug. 21. [Online]. Available: https://scipython.com/blog/direct-linear-least-squares-fitting-of-an-ellipse/ J. P. Naranjo Cuéllar, L. F. Giraldo Trujillo, and G. A. Ramos López, Real time Machine Learning application based on a microcontroller for fault detection and classification in a power system, Bachelor's Thesis, Universidad de los Andes, Bogotá DC, Colombia, Jun. 2022. S. Khan, Industrial Power Systems / Shoaib Khan., Jan. 2008. Y. Lei, B. Yang, X. Jiang, F. Jia, N. Li, and A. K. Nandi, Applications of machine learning to machine fault diagnosis: A review and roadmap, Mechanical Systems and Signal Processing, vol. 138, p. 106587, Apr. 2020. P. M. Anderson, Analysis of Faulted Power Systems / P. Anderson., Jan. 2003. F. Rafique, L. Fu, and R. Mai, End to end machine learning for fault detection and classification in power transmission lines, Electric Power Systems Research, vol. 199, p. 107430, Oct. 2021. W. Duesterhoeft, M. W. Schulz, Jr., and E. Clarke, Determination of instantaneous currents and voltages by means of alpha, beta and zero components, Transactions of the American Institute of Electrical Engineers, vol. 70, pp. 1248-1255. D. A. Rodríguez, Function design for fault analysis in transmission lines to be executed in a Digital Fault Recorder," Bachelor's Thesis, Universidad de los Andes, Bogotá DC, Colombia, Jun. 2017. J. R. Camarillo Peñaranda, Clarke's Transformation Applications to Power System Analysis: Fault Clasification, Voltage Sag Parameters Computation, and Fault Location, Ph.D. dissertation, Universidad de los Andes, Bogotá DC, Colombia, Jun. 2018. S. I. Grossman, Eigenvalues, eigenvectors and canonic forms, in Elementary Linear Algebra with Applications, 6th ed. University of Montana: McGraw Hill, 2007, p. 524. R. Halir and J. Flusser, Numerically stable direct least squares fitting of ellipses, 1998. Microchip Technology, Inc., MCP3004/30008 Datasheet, 2007. |
dc.rights.license.spa.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 Internacional |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.es_CO.fl_str_mv |
46 páginas |
dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Eléctrica |
dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
institution |
Universidad de los Andes |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/3f9e14d8-6bcb-4726-af90-1d5427c254a6/download https://repositorio.uniandes.edu.co/bitstreams/7aad1b9f-03c2-442d-9b9f-69becd2da506/download https://repositorio.uniandes.edu.co/bitstreams/6e8f61e9-307a-474e-815e-e89acef4c017/download https://repositorio.uniandes.edu.co/bitstreams/8a35f30e-2771-455c-9f69-dbc42afb7775/download https://repositorio.uniandes.edu.co/bitstreams/b10ac6f5-fb81-4794-8898-1b4e608127de/download https://repositorio.uniandes.edu.co/bitstreams/31ba6b1d-86e9-402c-af3f-2bae93ee996e/download https://repositorio.uniandes.edu.co/bitstreams/8064bb70-9df7-4b32-aa8a-d23afbf0fef0/download https://repositorio.uniandes.edu.co/bitstreams/858d0b33-8deb-4a44-99df-35b505eeb2dc/download |
bitstream.checksum.fl_str_mv |
4dbaadd9745d9fa26f8b618f0f0ea418 29cfd8c6a1e3b22df6398b04f91bc43c 375d6cb9028d2e3817b55d35c5cdb363 0ed53ab0e1b7edc4069d9ba3173e664d 4460e5956bc1d1639be9ae6146a50347 ab8bf30246929d5e0d10b6d774984ada 618f6ce2c5862b014281d2dedc25e800 5aa5c691a1ffe97abd12c2966efcb8d6 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812133954755493888 |
spelling |
Attribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Giraldo Trujillo, Luis Felipe2af401d9-d9aa-46a3-b105-dbd811b6b8da600Ramos López, Gustavo Andrésdbbe1882-2e6a-45a0-ab79-373c281b5e34600Naranjo Cuéllar, Juan Pablo898c4b93-a7bf-4669-8928-1b54bbbde2cf600Zambrano Jacobo, Andrés Felipe2022-07-18T12:57:16Z2022-07-18T12:57:16Z2022http://hdl.handle.net/1992/58901instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/En este trabajo se presenta una técnica para caracterizar diferentes tipos de fallas de cortocircuito en tiempo real en un sistema eléctrico, específicamente las fallas AB, BC, CA, ABC, AG, BG y CG (y el funcionamiento normal), a partir de los valores propios y vectores propios de la matriz asociada a la elipse generada por la transformada de Clarke de las tensiones trifásicas del sistema eléctrico. El proceso se realizó en tiempo real utilizando el sistema HIL402 y una Raspberry Pi 3, y toda la programación se realizó en el lenguaje de programación Python. Se concluyó que los tipos de falla probados pueden ser caracterizados con precisión utilizando los valores y vectores propios mencionados: los valores propios pueden ser utilizados para determinar la distancia de inserción de la falla y los vectores propios pueden ser utilizados para determinar el tipo de falla que se produjo. Finalmente, se indica que el desarrollo de este trabajo sirve como parte de la etapa de entrenamiento de un modelo de machine learning para la detección y clasificación de fallas, que se desarrolla en un proyecto paralelo.Ingeniero EléctricoPregrado46 páginasapplication/pdfspaUniversidad de los AndesIngeniería EléctricaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaTécnica de caracterización de fallas en tiempo real basada en los valores y vectores propios de la matriz asociada a las elipses generadas por la transformada de Clarke de voltajes trifásicosTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPFallasCaracterizaciónClarkeTiempo realRaspberry PiTyphoon HILIngenieríaTypes of faults in power system: Unsymmetrical faults in power system,May 2018. [Online]. Available: https://electricalacademia.com/electric-power/ types-faults-power-system-unsymmetrical-faults-power-system/A. Fitzgibbon, M. Pilu, and R. Fisher, "Direct Least Square Fitting of Ellipses," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 21, Nov. 2000.C. , Direct linear least squares fitting of an ellipse, Aug. 21. [Online]. Available: https://scipython.com/blog/direct-linear-least-squares-fitting-of-an-ellipse/J. P. Naranjo Cuéllar, L. F. Giraldo Trujillo, and G. A. Ramos López, Real time Machine Learning application based on a microcontroller for fault detection and classification in a power system, Bachelor's Thesis, Universidad de los Andes, Bogotá DC, Colombia, Jun. 2022.S. Khan, Industrial Power Systems / Shoaib Khan., Jan. 2008.Y. Lei, B. Yang, X. Jiang, F. Jia, N. Li, and A. K. Nandi, Applications of machine learning to machine fault diagnosis: A review and roadmap, Mechanical Systems and Signal Processing, vol. 138, p. 106587, Apr. 2020.P. M. Anderson, Analysis of Faulted Power Systems / P. Anderson., Jan. 2003.F. Rafique, L. Fu, and R. Mai, End to end machine learning for fault detection and classification in power transmission lines, Electric Power Systems Research, vol. 199, p. 107430, Oct. 2021.W. Duesterhoeft, M. W. Schulz, Jr., and E. Clarke, Determination of instantaneous currents and voltages by means of alpha, beta and zero components, Transactions of the American Institute of Electrical Engineers, vol. 70, pp. 1248-1255.D. A. Rodríguez, Function design for fault analysis in transmission lines to be executed in a Digital Fault Recorder," Bachelor's Thesis, Universidad de los Andes, Bogotá DC, Colombia, Jun. 2017.J. R. Camarillo Peñaranda, Clarke's Transformation Applications to Power System Analysis: Fault Clasification, Voltage Sag Parameters Computation, and Fault Location, Ph.D. dissertation, Universidad de los Andes, Bogotá DC, Colombia, Jun. 2018.S. I. Grossman, Eigenvalues, eigenvectors and canonic forms, in Elementary Linear Algebra with Applications, 6th ed. University of Montana: McGraw Hill, 2007, p. 524.R. Halir and J. Flusser, Numerically stable direct least squares fitting of ellipses, 1998.Microchip Technology, Inc., MCP3004/30008 Datasheet, 2007.201730006PublicationTEXTTesis___IELE___Caracterización__Clarke.pdf.txtTesis___IELE___Caracterización__Clarke.pdf.txtExtracted texttext/plain79694https://repositorio.uniandes.edu.co/bitstreams/3f9e14d8-6bcb-4726-af90-1d5427c254a6/download4dbaadd9745d9fa26f8b618f0f0ea418MD55formato_entrega_tesis_IELE.pdf.txtformato_entrega_tesis_IELE.pdf.txtExtracted texttext/plain1542https://repositorio.uniandes.edu.co/bitstreams/7aad1b9f-03c2-442d-9b9f-69becd2da506/download29cfd8c6a1e3b22df6398b04f91bc43cMD57THUMBNAILTesis___IELE___Caracterización__Clarke.pdf.jpgTesis___IELE___Caracterización__Clarke.pdf.jpgIM Thumbnailimage/jpeg12780https://repositorio.uniandes.edu.co/bitstreams/6e8f61e9-307a-474e-815e-e89acef4c017/download375d6cb9028d2e3817b55d35c5cdb363MD56formato_entrega_tesis_IELE.pdf.jpgformato_entrega_tesis_IELE.pdf.jpgIM Thumbnailimage/jpeg16930https://repositorio.uniandes.edu.co/bitstreams/8a35f30e-2771-455c-9f69-dbc42afb7775/download0ed53ab0e1b7edc4069d9ba3173e664dMD58CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.uniandes.edu.co/bitstreams/b10ac6f5-fb81-4794-8898-1b4e608127de/download4460e5956bc1d1639be9ae6146a50347MD52ORIGINALTesis___IELE___Caracterización__Clarke.pdfTesis___IELE___Caracterización__Clarke.pdfTrabajo de gradoapplication/pdf10501572https://repositorio.uniandes.edu.co/bitstreams/31ba6b1d-86e9-402c-af3f-2bae93ee996e/downloadab8bf30246929d5e0d10b6d774984adaMD53formato_entrega_tesis_IELE.pdfformato_entrega_tesis_IELE.pdfHIDEapplication/pdf224361https://repositorio.uniandes.edu.co/bitstreams/8064bb70-9df7-4b32-aa8a-d23afbf0fef0/download618f6ce2c5862b014281d2dedc25e800MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81810https://repositorio.uniandes.edu.co/bitstreams/858d0b33-8deb-4a44-99df-35b505eeb2dc/download5aa5c691a1ffe97abd12c2966efcb8d6MD511992/58901oai:repositorio.uniandes.edu.co:1992/589012023-10-10 17:45:20.733http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |