Red neuronal convolucional para clasificar fenómenos transitorios electromagnéticos en SEP
El estudio de la calidad de la energía en sistemas eléctricos de potencia es vital para la industria, ya que ayuda a identificar eventos perturbadores que afectan el rendimiento y la integridad de los equipos. Este proyecto desarrolla una red neuronal convolucional (CNN) para clasificar fenómenos tr...
- Autores:
-
Gutiérrez Serrano, Daniela
- 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:1992/75033
- Acceso en línea:
- https://hdl.handle.net/1992/75033
- Palabra clave:
- Fenómenos transitorios
Redes neuronales convolucionales
Energización de línea de transmisión
Energización de banco de condensadores
Regresión logística
Mapas de saliencia
Ingeniería
- Rights
- openAccess
- License
- Attribution 4.0 International
| Summary: | El estudio de la calidad de la energía en sistemas eléctricos de potencia es vital para la industria, ya que ayuda a identificar eventos perturbadores que afectan el rendimiento y la integridad de los equipos. Este proyecto desarrolla una red neuronal convolucional (CNN) para clasificar fenómenos transitorios electromagneticos generados por maniobras de energización y desenergización de bancos de condensadores y de líneas de transmisión. Utilizando el software ATPDraw, se generaron conjuntos de datos para entrenar y validar el modelo. La metodología incluyó la automatización de simulaciones y la extracción de características relevantes. Los resultados muestran que el modelo de CNN puede clasificar eficazmente los diferentes tipos de transitorios, ofreciendo una herramienta confiable para monitorear y mejorar la calidad de la energía en sistemas eléctricos. |
|---|