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 elíptic...
- 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
| id |
UNIANDES2_43b54f9b2e8a9354b47333bbb8e16329 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/73400 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Detección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real |
| title |
Detección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real |
| spellingShingle |
Detección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real Machine learning Grid following Grid forming Detección de fallas Sistema de potencia Inversores Transformada de Clarke Regresión elíptica Tiempo real Ingeniería |
| title_short |
Detección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real |
| title_full |
Detección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real |
| title_fullStr |
Detección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real |
| title_full_unstemmed |
Detección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real |
| title_sort |
Detección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real |
| dc.creator.fl_str_mv |
Parada Chacón, Juan Diego |
| dc.contributor.advisor.none.fl_str_mv |
Ramos López, Gustavo Andrés |
| dc.contributor.author.none.fl_str_mv |
Parada Chacón, Juan Diego |
| dc.contributor.jury.none.fl_str_mv |
Giraldo Trujillo, Luis Felipe |
| dc.subject.keyword.eng.fl_str_mv |
Machine learning Grid following Grid forming |
| topic |
Machine learning Grid following Grid forming Detección de fallas Sistema de potencia Inversores Transformada de Clarke Regresión elíptica Tiempo real Ingeniería |
| dc.subject.keyword.spa.fl_str_mv |
Detección de fallas Sistema de potencia Inversores Transformada de Clarke Regresión elíptica Tiempo real |
| dc.subject.themes.spa.fl_str_mv |
Ingeniería |
| description |
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. |
| publishDate |
2023 |
| dc.date.issued.none.fl_str_mv |
2023-07-04 |
| dc.date.accessioned.none.fl_str_mv |
2024-01-23T15:03:14Z |
| dc.date.available.none.fl_str_mv |
2024-01-23T15:03:14Z |
| dc.type.none.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.none.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 |
https://hdl.handle.net/1992/73400 |
| dc.identifier.instname.none.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.none.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
https://hdl.handle.net/1992/73400 |
| identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Das, S. Santoso, S. Ananthan, S. (2022). ”Fault Location on Transmission and Distribution Lines, principles and applications” John Wiley & Sons Ltd. Sodhi, P. Awasthi, N. Sharma, V. (2019) ”Introduction to Machine Learning and Its Basic Application in Python”. Proceedings of 10th International Conference on Digital Strategies for Organizational Success. [Online] Available at: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3323796 Clarke, E. (1943). ”Circuit Analysis of A-C Power Systems. Volume 1: Symmetrical and Related Components”. John Wiley & Sons Inc. Camarillo, J. Ramos, G. (2018). ”Charaterization of Voltage Sags due to Faults in Radial Systems Using Three-Phase Voltage Ellipse Parameters”. [Online] Available at: https://ieeexplore.ieee.org/document/8259452 Naranjo, J. (2022). ”Aplicación de machine learning en tiempo real basada en un microcontrolador para la detección y clasificación de fallas en un sistema de potencia” [Online] Available at: https://repositorio.uniandes.edu.co/handle/1992/58903 Fitzgibbon, A. Pilu, M. Fisher, R. ”Direct Least Square Fitting of Ellipse”. [Online]Available at: https://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/FITZGIBBON/ELLIPSE/ellipse-pami.pdf Halir, R. Flusser, J.(1998). ”Numerically Stable Direct Least Squares Fitting of Ellipses”. [Online] Available at: https://autotrace.sourceforge.net/WSCG98.pdf Mohan, N. Undeland, T. Robbins, W. (1995). ”Power Electronics”. John Wiley & Sons, Inc. pp. 200-243 Pattabiraman, D. Lasseter, L. Jahns, T. (2018). ”Comparison of Grid Following and Grid Forming Control for a High Inverter Penetration Power System”. [Online] Available at: https://ieeexplore.ieee.org/document/8586162 Bikdeli, E. Islam, M, Rahman, M. Muttaqi, K. (2022). ”State of the Art of the Techniques for Grid Forming Inverters to Solve the Challenges of Renewable Rich Power Grids”[Online] Available at: https://www.researchgate.net/publication/358989182_State_of_the_Art_of_the_Techniques_for_Grid_Forming_Inverters_to_Solve_the_Challenges_of_Renewable_Rich_Power_Grids Quintero, A. Ramos, G (2022). ”Findings in the Response of Traditional Line Distance Protection Mho Characteristic in IBR-Based Power Systems”. [Online] Available at: https://repositorio.uniandes.edu.co/bitstream/handle/1992/64000/Electrical_Engineering_Andres_Quintero.pdf?sequence=3&isAllowed=y PyPI. ”Python Comtrade”. [Online] Available at: https://pypi.org/project/comtrade/ Parada, J. Ramos, G. (2023). ”Análisis y caracterización de fallas en sistemas eléctricos con penetración de inversores basado en los valores y vectores propios de la transformada de Clarke de voltajes trifásicos”. Bachelor’s Thesis, Universidad de los Andes, Bogotá DC. Alldatasheet. ”MCP3008 Datasheet”[Online] Available at: https://pdf1.alldatasheet.com/datasheet-pdf/view/194715/MICROCHIP/MCP3008.html |
| dc.rights.en.fl_str_mv |
Attribution 4.0 International |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution 4.0 International http://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
29 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.none.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.none.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| publisher.none.fl_str_mv |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/2263d0e0-528d-4792-a6fd-946b92df4a5e/download https://repositorio.uniandes.edu.co/bitstreams/12ceecfa-57a2-4bf5-8728-8fb6d818c9c5/download https://repositorio.uniandes.edu.co/bitstreams/fe2092dd-7c25-4163-83cb-ceb2e31faa9f/download https://repositorio.uniandes.edu.co/bitstreams/2f950486-ff80-413a-8d8c-1b2637840165/download https://repositorio.uniandes.edu.co/bitstreams/c7cc1647-0a46-43dc-9029-437da56b1997/download https://repositorio.uniandes.edu.co/bitstreams/92fe0a30-7d3a-4f2f-94dd-73851d2eefd0/download https://repositorio.uniandes.edu.co/bitstreams/81f635f4-430f-49fc-b172-58401b11cff9/download https://repositorio.uniandes.edu.co/bitstreams/696b7da8-b1eb-4fcc-bfd3-6a512a8c6dbe/download |
| bitstream.checksum.fl_str_mv |
0175ea4a2d4caec4bbcc37e300941108 ae9e573a68e7f92501b6913cc846c39f 5c29b7265d6f89bb201321fb7ad3d4e7 b5c237ad06040c49ad2704e15fcbd9d5 a1f63eb57b6b944b7c1f8840ef2b2faf 3060dfc599d4bc3025f6b9ad8f5f0c93 68e36b80028fd679a73a740e458bb3ae 0c95cf08d208a706260f06f6be34fbf3 |
| 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_ |
1812133842387992576 |
| spelling |
Ramos López, Gustavo AndrésParada Chacón, Juan DiegoGiraldo Trujillo, Luis Felipe2024-01-23T15:03:14Z2024-01-23T15:03:14Z2023-07-04https://hdl.handle.net/1992/73400instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.Ingeniero ElectrónicoPregrado29 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaAttribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Detección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo realTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPMachine learningGrid followingGrid formingDetección de fallasSistema de potenciaInversoresTransformada de ClarkeRegresión elípticaTiempo realIngenieríaDas, S. Santoso, S. Ananthan, S. (2022). ”Fault Location on Transmission and Distribution Lines, principles and applications” John Wiley & Sons Ltd.Sodhi, P. Awasthi, N. Sharma, V. (2019) ”Introduction to Machine Learning and Its Basic Application in Python”. Proceedings of 10th International Conference on Digital Strategies for Organizational Success. [Online] Available at: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3323796Clarke, E. (1943). ”Circuit Analysis of A-C Power Systems. Volume 1: Symmetrical and Related Components”. John Wiley & Sons Inc.Camarillo, J. Ramos, G. (2018). ”Charaterization of Voltage Sags due to Faults in Radial Systems Using Three-Phase Voltage Ellipse Parameters”. [Online] Available at: https://ieeexplore.ieee.org/document/8259452Naranjo, J. (2022). ”Aplicación de machine learning en tiempo real basada en un microcontrolador para la detección y clasificación de fallas en un sistema de potencia” [Online] Available at: https://repositorio.uniandes.edu.co/handle/1992/58903Fitzgibbon, A. Pilu, M. Fisher, R. ”Direct Least Square Fitting of Ellipse”. [Online]Available at: https://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/FITZGIBBON/ELLIPSE/ellipse-pami.pdfHalir, R. Flusser, J.(1998). ”Numerically Stable Direct Least Squares Fitting of Ellipses”. [Online] Available at: https://autotrace.sourceforge.net/WSCG98.pdfMohan, N. Undeland, T. Robbins, W. (1995). ”Power Electronics”. John Wiley & Sons, Inc. pp. 200-243Pattabiraman, D. Lasseter, L. Jahns, T. (2018). ”Comparison of Grid Following and Grid Forming Control for a High Inverter Penetration Power System”. [Online] Available at: https://ieeexplore.ieee.org/document/8586162Bikdeli, E. Islam, M, Rahman, M. Muttaqi, K. (2022). ”State of the Art of the Techniques for Grid Forming Inverters to Solve the Challenges of Renewable Rich Power Grids”[Online] Available at: https://www.researchgate.net/publication/358989182_State_of_the_Art_of_the_Techniques_for_Grid_Forming_Inverters_to_Solve_the_Challenges_of_Renewable_Rich_Power_GridsQuintero, A. Ramos, G (2022). ”Findings in the Response of Traditional Line Distance Protection Mho Characteristic in IBR-Based Power Systems”. [Online] Available at: https://repositorio.uniandes.edu.co/bitstream/handle/1992/64000/Electrical_Engineering_Andres_Quintero.pdf?sequence=3&isAllowed=yPyPI. ”Python Comtrade”. [Online] Available at: https://pypi.org/project/comtrade/Parada, J. Ramos, G. (2023). ”Análisis y caracterización de fallas en sistemas eléctricos con penetración de inversores basado en los valores y vectores propios de la transformada de Clarke de voltajes trifásicos”. Bachelor’s Thesis, Universidad de los Andes, Bogotá DC.Alldatasheet. ”MCP3008 Datasheet”[Online] Available at: https://pdf1.alldatasheet.com/datasheet-pdf/view/194715/MICROCHIP/MCP3008.html201814610PublicationCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8908https://repositorio.uniandes.edu.co/bitstreams/2263d0e0-528d-4792-a6fd-946b92df4a5e/download0175ea4a2d4caec4bbcc37e300941108MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82535https://repositorio.uniandes.edu.co/bitstreams/12ceecfa-57a2-4bf5-8728-8fb6d818c9c5/downloadae9e573a68e7f92501b6913cc846c39fMD52ORIGINALDetección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real.pdfDetección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real.pdfapplication/pdf1845195https://repositorio.uniandes.edu.co/bitstreams/fe2092dd-7c25-4163-83cb-ceb2e31faa9f/download5c29b7265d6f89bb201321fb7ad3d4e7MD53Autorizacion Tesis Electronica Juan Diego Parada.pdfAutorizacion Tesis Electronica Juan Diego Parada.pdfHIDEapplication/pdf361814https://repositorio.uniandes.edu.co/bitstreams/2f950486-ff80-413a-8d8c-1b2637840165/downloadb5c237ad06040c49ad2704e15fcbd9d5MD54TEXTDetección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real.pdf.txtDetección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real.pdf.txtExtracted texttext/plain58839https://repositorio.uniandes.edu.co/bitstreams/c7cc1647-0a46-43dc-9029-437da56b1997/downloada1f63eb57b6b944b7c1f8840ef2b2fafMD55Autorizacion Tesis Electronica Juan Diego Parada.pdf.txtAutorizacion Tesis Electronica Juan Diego Parada.pdf.txtExtracted texttext/plain2073https://repositorio.uniandes.edu.co/bitstreams/92fe0a30-7d3a-4f2f-94dd-73851d2eefd0/download3060dfc599d4bc3025f6b9ad8f5f0c93MD57THUMBNAILDetección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real.pdf.jpgDetección y clasificación de fallas en un sistema de potencia con penetración de inversores basado en una aplicación de machine learning en tiempo real.pdf.jpgGenerated Thumbnailimage/jpeg10012https://repositorio.uniandes.edu.co/bitstreams/81f635f4-430f-49fc-b172-58401b11cff9/download68e36b80028fd679a73a740e458bb3aeMD56Autorizacion Tesis Electronica Juan Diego Parada.pdf.jpgAutorizacion Tesis Electronica Juan Diego Parada.pdf.jpgGenerated Thumbnailimage/jpeg10942https://repositorio.uniandes.edu.co/bitstreams/696b7da8-b1eb-4fcc-bfd3-6a512a8c6dbe/download0c95cf08d208a706260f06f6be34fbf3MD581992/73400oai:repositorio.uniandes.edu.co:1992/734002024-01-24 03:02:41.778http://creativecommons.org/licenses/by/4.0/Attribution 4.0 Internationalopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |