Aplicación de machine learning en tiempo real basada en un microcontrolador para la detección y clasificación de fallas en un sistema de potencia

Este trabajo presenta el proceso de diseño y validación de un modelo de machine learning (ML) para realizar la detección y clasificación de fallas en un sistema de potencia trifásico en tiempo real, utilizando el sistema HIL402, de Typhoon, Inc. El diseño se dividió en dos etapas: entrenamiento y validación. Parte de la etapa de entrenamiento se llevó a cabo en un proyecto paralelo, y consistió en la caracterización de diferentes tipos de fallas de cortocircuito en un sistema de potencia base ejecutado en el sistema HIL402, y monitoreado en tiempo real por una Raspberry Pi 3. Luego, se realizó el diseño del modelo de machine learning, basado en dos problemas de optimización: maximizar la distancia del coseno entre dos vectores propios y minimizar el cuadrado de la norma L2 entre dos pares de valores propios. Posteriormente, el modelo fue embebido en un microcontrolador, en este caso, una Raspberry Pi 3, permitiendo así la detección y clasificación de fallas en un sistema de potencia base en tiempo real. Finalmente, la etapa de validación se llevó a cabo probando la precisión del modelo bajo diferentes condiciones de medición, arrojando resultados satisfactorios para un conjunto seleccionado de condiciones.

• 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:1992/58903
• Acceso en línea: http://hdl.handle.net/1992/58903
• Palabra clave: Fallas; Typhoon HIL; Clarke; Raspberry Pi; Tiempo real; Machine Learning; Detección; Clasificación; Ingeniería
• Rights: openAccess
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional