Detección y clasificación de fallas en inversores MMC de sistemas HVDC: implementación de la transformada de Clarke y técnicas de análisis de datos

Este proyecto se enfoco en el desarrollo y validación de un método eficaz para la detección y clasificación de fallas incipientes en inversores MMC. El desafío central fue abordar el aumento de la resistencia interna, utilizando un enfoque integrado que combinara simulaciones en Simulink con técnica...

Full description

Autores:
Neuta Neuta, Sergio Alejandro
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:1992/74905
Acceso en línea:
https://hdl.handle.net/1992/74905
Palabra clave:
Transformada de Clarke
Random forest
Inversores MMC
Fallas incipientes
Ingeniería
Rights
openAccess
License
Attribution-NonCommercial-NoDerivatives 4.0 International
Description
Summary:Este proyecto se enfoco en el desarrollo y validación de un método eficaz para la detección y clasificación de fallas incipientes en inversores MMC. El desafío central fue abordar el aumento de la resistencia interna, utilizando un enfoque integrado que combinara simulaciones en Simulink con técnicas de aprendizaje automático. el proyecto se centró en simular un inversor MMC multinivel y en la aplicación de la transformada de Clarke para extraer características pertinentes de los datos de corriente trifásica en condiciones normales y de falla.Este trabajo concluye con la implementación de un modelo de clasificación basado en Random Forest. Este modelo se entrenó y optimizó utilizando los datos procesados y evaluó su precisión y robustez con éxito en la detección y clasificación de diferentes tipos de fallas. Los resultados demostraron un alto grado de precisión, corroborando la efectividad del método propuesto y el potencial del aprendizaje automático en aplicaciones de ingeniería eléctrica. Este proyecto no solo contribuye al ámbito académico, proporcionando un método replicable y eficiente para la detección de fallas en inversores, sino que también presenta un valor práctico para la industria. Al mejorar la comprensión y la detección de fallas incipientes, se facilita la prevención de fallos mayores, optimizando así la confiabilidad y la eficiencia en sistemas de inversores MMC.