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
id UNIANDES2_7df15a61cbdd7cce729f6b19405aaec4
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/74905
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 inversores MMC de sistemas HVDC: implementación de la transformada de Clarke y técnicas de análisis de datos
title Detección y clasificación de fallas en inversores MMC de sistemas HVDC: implementación de la transformada de Clarke y técnicas de análisis de datos
spellingShingle Detección y clasificación de fallas en inversores MMC de sistemas HVDC: implementación de la transformada de Clarke y técnicas de análisis de datos
Transformada de Clarke
Random forest
Inversores MMC
Fallas incipientes
Ingeniería
title_short Detección y clasificación de fallas en inversores MMC de sistemas HVDC: implementación de la transformada de Clarke y técnicas de análisis de datos
title_full Detección y clasificación de fallas en inversores MMC de sistemas HVDC: implementación de la transformada de Clarke y técnicas de análisis de datos
title_fullStr Detección y clasificación de fallas en inversores MMC de sistemas HVDC: implementación de la transformada de Clarke y técnicas de análisis de datos
title_full_unstemmed Detección y clasificación de fallas en inversores MMC de sistemas HVDC: implementación de la transformada de Clarke y técnicas de análisis de datos
title_sort Detección y clasificación de fallas en inversores MMC de sistemas HVDC: implementación de la transformada de Clarke y técnicas de análisis de datos
dc.creator.fl_str_mv Neuta Neuta, Sergio Alejandro
dc.contributor.advisor.none.fl_str_mv Ramos López, Gustavo
dc.contributor.author.none.fl_str_mv Neuta Neuta, Sergio Alejandro
dc.contributor.jury.none.fl_str_mv Bressan, Michael
dc.subject.keyword.spa.fl_str_mv Transformada de Clarke
Random forest
Inversores MMC
Fallas incipientes
topic Transformada de Clarke
Random forest
Inversores MMC
Fallas incipientes
Ingeniería
dc.subject.themes.spa.fl_str_mv Ingeniería
description 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.
publishDate 2023
dc.date.issued.none.fl_str_mv 2023-10
dc.date.accessioned.none.fl_str_mv 2024-08-02T14:50:51Z
dc.date.available.none.fl_str_mv 2024-08-02T14:50:51Z
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/1992/74905
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/1992/74905
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 J. Badar, “An mmc based hvdc system with optimized ac fault ride-through capability and enhanced circulating current suppression control,” Frontiers, 2024, [Accedido: 10 de Diciembre 2023]. [Online]. Available: https://www.frontiersin.org/articles/10.3389/fenrg.2024.00001/full
MathWorks, “Modeling systems with multilevel converters in matlab and simulink,” https://la.mathworks.com/videos/ modeling-systems-with-multilevel-converters-in-matlab-and-simulink-86283. html, 2024, [Accedido: 30 de Octubre 2023].
N. Muñoz-Galeano, J. M. L´opez-Lezama, and F. Villada-Duque, “Deduction of commutation states for vsc-mmc multilevel inverters. description oriented to teaching in engineering,” Formacion Universitaria, vol. 11, no. 1, pp. 115–124, 2018.
Y. Kou and otros autores, “Fault diagnosis for open-circuit faults in npc invertir based on knowledge-driven and data-driven approaches,” IET Power Electronics, 2020.
S. J. Rigatti, “Random forest,” Journal of Insurance Medicine, vol. 47, no.1, pp. 31–39, 2017.
J. P. Naranjo Cuéllar, “Aplicación de machine learning en tiempo real basada en un microcontrolador para la detección y clasificación de fallas en un sistema de potencia,” 2022.
dc.rights.en.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/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-NonCommercial-NoDerivatives 4.0 International
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.none.fl_str_mv 26 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 Eléctrica
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/9adb232a-398a-4951-9220-784290473abc/download
https://repositorio.uniandes.edu.co/bitstreams/ea9b549a-4d17-4b10-8ff0-172026de4e76/download
https://repositorio.uniandes.edu.co/bitstreams/e62a9922-8133-4442-8791-cefd3243707a/download
https://repositorio.uniandes.edu.co/bitstreams/b34fd125-b9d9-4269-9a3f-e9aaad2ecae1/download
https://repositorio.uniandes.edu.co/bitstreams/6f6db6a6-413f-429e-bbaa-dd74f3259c47/download
https://repositorio.uniandes.edu.co/bitstreams/a52e9ff3-f31c-49c9-8f32-aaed720f2508/download
https://repositorio.uniandes.edu.co/bitstreams/07679387-cdfb-4259-ae94-0c16addaef2c/download
https://repositorio.uniandes.edu.co/bitstreams/68b3a90d-3765-4d5e-836f-01050b968c0c/download
bitstream.checksum.fl_str_mv 44de1a4a0cf763036a8e0061f58f1aab
ce22a85f34209eac22d6a6a69b6d8b34
4460e5956bc1d1639be9ae6146a50347
ae9e573a68e7f92501b6913cc846c39f
58ad8f7bf19e14c8e651eb134a4742db
d69e7556a2cc09552ed08e7fce95b06b
e537b95d7ddde014b8b78d44ced52463
0d09214981e25bfc3daf8c826d90c6fb
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_ 1812134028407472128
spelling Ramos López, Gustavovirtual::19842-1Neuta Neuta, Sergio AlejandroBressan, Michael2024-08-02T14:50:51Z2024-08-02T14:50:51Z2023-10https://hdl.handle.net/1992/74905instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.Pregrado26 páginasapplication/pdfspaUniversidad de los AndesIngeniería EléctricaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Detección y clasificación de fallas en inversores MMC de sistemas HVDC: implementación de la transformada de Clarke y técnicas de análisis de datosTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPTransformada de ClarkeRandom forestInversores MMCFallas incipientesIngenieríaJ. Badar, “An mmc based hvdc system with optimized ac fault ride-through capability and enhanced circulating current suppression control,” Frontiers, 2024, [Accedido: 10 de Diciembre 2023]. [Online]. Available: https://www.frontiersin.org/articles/10.3389/fenrg.2024.00001/fullMathWorks, “Modeling systems with multilevel converters in matlab and simulink,” https://la.mathworks.com/videos/ modeling-systems-with-multilevel-converters-in-matlab-and-simulink-86283. html, 2024, [Accedido: 30 de Octubre 2023].N. Muñoz-Galeano, J. M. L´opez-Lezama, and F. Villada-Duque, “Deduction of commutation states for vsc-mmc multilevel inverters. description oriented to teaching in engineering,” Formacion Universitaria, vol. 11, no. 1, pp. 115–124, 2018.Y. Kou and otros autores, “Fault diagnosis for open-circuit faults in npc invertir based on knowledge-driven and data-driven approaches,” IET Power Electronics, 2020.S. J. Rigatti, “Random forest,” Journal of Insurance Medicine, vol. 47, no.1, pp. 31–39, 2017.J. P. Naranjo Cuéllar, “Aplicación de machine learning en tiempo real basada en un microcontrolador para la detección y clasificación de fallas en un sistema de potencia,” 2022.201921053Publicationhttps://scholar.google.es/citations?user=HbY10X8AAAAJvirtual::19842-10000-0003-2240-7875virtual::19842-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000244902virtual::19842-1dc8f4f9d-decb-4312-8e2d-ad9efc0336fevirtual::19842-1dc8f4f9d-decb-4312-8e2d-ad9efc0336fevirtual::19842-1ORIGINALDetección y clasificación de fallas en inversores MMC de sistemas HVDC.pdfDetección y clasificación de fallas en inversores MMC de sistemas HVDC.pdfapplication/pdf7032933https://repositorio.uniandes.edu.co/bitstreams/9adb232a-398a-4951-9220-784290473abc/download44de1a4a0cf763036a8e0061f58f1aabMD52autorizaciontesisIngElectrica2-SANN-GR01082024.pdfautorizaciontesisIngElectrica2-SANN-GR01082024.pdfHIDEapplication/pdf358940https://repositorio.uniandes.edu.co/bitstreams/ea9b549a-4d17-4b10-8ff0-172026de4e76/downloadce22a85f34209eac22d6a6a69b6d8b34MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.uniandes.edu.co/bitstreams/e62a9922-8133-4442-8791-cefd3243707a/download4460e5956bc1d1639be9ae6146a50347MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82535https://repositorio.uniandes.edu.co/bitstreams/b34fd125-b9d9-4269-9a3f-e9aaad2ecae1/downloadae9e573a68e7f92501b6913cc846c39fMD54TEXTDetección y clasificación de fallas en inversores MMC de sistemas HVDC.pdf.txtDetección y clasificación de fallas en inversores MMC de sistemas HVDC.pdf.txtExtracted texttext/plain43624https://repositorio.uniandes.edu.co/bitstreams/6f6db6a6-413f-429e-bbaa-dd74f3259c47/download58ad8f7bf19e14c8e651eb134a4742dbMD55autorizaciontesisIngElectrica2-SANN-GR01082024.pdf.txtautorizaciontesisIngElectrica2-SANN-GR01082024.pdf.txtExtracted texttext/plain2058https://repositorio.uniandes.edu.co/bitstreams/a52e9ff3-f31c-49c9-8f32-aaed720f2508/downloadd69e7556a2cc09552ed08e7fce95b06bMD57THUMBNAILDetección y clasificación de fallas en inversores MMC de sistemas HVDC.pdf.jpgDetección y clasificación de fallas en inversores MMC de sistemas HVDC.pdf.jpgGenerated Thumbnailimage/jpeg7254https://repositorio.uniandes.edu.co/bitstreams/07679387-cdfb-4259-ae94-0c16addaef2c/downloade537b95d7ddde014b8b78d44ced52463MD56autorizaciontesisIngElectrica2-SANN-GR01082024.pdf.jpgautorizaciontesisIngElectrica2-SANN-GR01082024.pdf.jpgGenerated Thumbnailimage/jpeg10908https://repositorio.uniandes.edu.co/bitstreams/68b3a90d-3765-4d5e-836f-01050b968c0c/download0d09214981e25bfc3daf8c826d90c6fbMD581992/74905oai:repositorio.uniandes.edu.co:1992/749052024-09-12 16:21:42.853http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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