Clasificación y localización de fallas en subestaciones digitales mediante la transformada de Clarke con el uso de redes LSTM

El presente trabajo aborda la clasificación y localización de fallas eléctricas en sistemas de transmisión, una tarea esencial para el mantenimiento de la integridad y la confiabilidad de las redes eléctricas. Mediante la implementación y validación de modelos de aprendizaje automático, y en particular redes LSTM, se ha logrado un notable avance en este campo de estudio. La precisión del modelo de clasificación, respaldada por las métricas de pérdida y la matriz de confusión, demuestra su eficacia en la identificación de distintos tipos de fallas eléctricas. La capacidad de este modelo para aprender de manera eficiente y generalizar a nuevos escenarios es vital para su aplicación práctica, permitiendo una rápida detección y clasificación de las fallas. La metodología de localización de fallas, aunque diferenciada en su eficacia dependiendo del segmento de la línea evaluado, muestra que en segmentos menores o iguales al 50% se alcanza una alineación cercana entre las predicciones y las ubicaciones reales de las fallas, adecuada para aplicaciones en el mundo real. Sin embargo, el modelo para segmentos mayores al 50% requiere de un entrenamiento más extenso y aún así no logra el mismo nivel de precisión, destacando la necesidad de refinamiento adicional para mejorar su rendimiento.

• Autores: Tovar Lozada, Jaiverth Adrian
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/73582
• Acceso en línea: https://hdl.handle.net/1992/73582
• Palabra clave: Clasificación de fallas eléctricas; Localización de fallas; Redes eléctricas; Aprendizaje automático; Redes LSTM; Generalización de modelos; Análisis de fallas; Subestación digital; Ingeniería
• Rights: openAccess
• License: Attribution 4.0 International