Detección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real

Esta tesis se enfoca en el desarrollo y la implementación de un sistema de Machine Learning para detectar, clasificar y localizar fallas en sistemas de transmisión de potencia con inversores, utilizando la transformada de Clarke para el análisis de fallas, empleando un algoritmo de regresión elíptica. Además, se examina el papel de los inversores en estos sistemas, distinguiendo entre Grid Following y Grid Forming. Se realizan simulaciones para validar el modelo de Machine Learning propuesto, utilizando datos generados y procesados en tiempo real.

• Autores: Parada Chacón, Juan Diego
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/73400
• Acceso en línea: https://hdl.handle.net/1992/73400
• Palabra clave: Machine learning; Grid following; Grid forming; Detección de fallas; Sistema de potencia; Inversores; Transformada de Clarke; Regresión elíptica; Tiempo real; Ingeniería
• Rights: openAccess
• License: Attribution 4.0 International