Algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctrica del sistema ecuatoriano usando simulaciones y datos de registradores de fallas

Para resolver el problema del diagnóstico y clasificación de fallas se han propuesto algunos algoritmos basados en técnicas de inteligencia artificial tales como redes neuronales, redes neuro-difusas, etc. Estos algoritmos permiten manejar adecuadamente la incertidumbre ante situaciones de datos imp...

Descripción completa

Detalles Bibliográficos
Autor: Alvarado Guichay, Efrén Vinicio
Tipo de recurso: tesis de maestría
Estado:Versión publicada
Fecha de publicación:2012
País:Ecuador
Institución:Universidad de Cuenca
Repositorio:Repositorio Universidad de Cuenca
Idioma:español
OAI Identifier:oai:dspace.ucuenca.edu.ec:123456789/2579
Acceso en línea:http://dspace.ucuenca.edu.ec/handle/123456789/2579
Access Level:acceso abierto
Palabra clave:Inteligencia Artificial
Red Artificial
Sistema Neurodifuso
Detección de Fallas
id EC_7f2fecc5ed7ca8dd120e97f8faf07acf
oai_identifier_str oai:dspace.ucuenca.edu.ec:123456789/2579
network_acronym_str EC
network_name_str Ecuador
spelling Algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctrica del sistema ecuatoriano usando simulaciones y datos de registradores de fallas Alvarado Guichay, Efrén Vinicio Inteligencia Artificial Red Artificial Sistema Neurodifuso Detección de Fallas Para resolver el problema del diagnóstico y clasificación de fallas se han propuesto algunos algoritmos basados en técnicas de inteligencia artificial tales como redes neuronales, redes neuro-difusas, etc. Estos algoritmos permiten manejar adecuadamente la incertidumbre ante situaciones de datos imprecisos, usar técnicas de aprendizaje para el modelamiento, adaptarse a los cambios en las condiciones de operación del sistema y usar el conocimiento del experto antes situaciones no definidas. Se propone un diagnóstico automático de fallas en líneas de transmisión usando Algoritmos Adaptivos Neurodifusos (en inglés Adaptive Neuro-Fuzzy Inference System ANFIS). Se implementa un algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctricas, usando ANFIS y se aplica a una línea de transmisión de 230 kV típica de un sistema eléctrico de potencia, para mediante simulaciones extraer los datos para entrenamiento y verificación del modelo. Para validar su desempeño, las entradas al ANFIS son los valores eficaces (Root Mean Square - RMS) de las tres corrientes de fase y la corriente de secuencia cero obtenidas, formato COMTRADE, mediante registros de oscilografías de fallas reales en líneas de transmisión de 230 kV del sistema eléctrico ecuatoriano. De los resultados obtenidos, se observa que los modelos neuro-difusos pueden de manera adecuada y con rapidez detectar y clasificar fallas en líneas de trasmisión eléctricas, usando datos de validación tanto simulados como reales. Por esto la metodología utilizada tiene gran potencia para ser aplicada en centros de control, para la toma de decisiones al momento de la ocurrencia de fallas. Magíster en Sistemas Eléctricos de Potencia Cuenca http://dspace.ucuenca.edu.ec/handle/123456789/2579
title Algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctrica del sistema ecuatoriano usando simulaciones y datos de registradores de fallas
spellingShingle Algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctrica del sistema ecuatoriano usando simulaciones y datos de registradores de fallas
Alvarado Guichay, Efrén Vinicio
Inteligencia Artificial
Red Artificial
Sistema Neurodifuso
Detección de Fallas
title_short Algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctrica del sistema ecuatoriano usando simulaciones y datos de registradores de fallas
title_full Algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctrica del sistema ecuatoriano usando simulaciones y datos de registradores de fallas
title_fullStr Algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctrica del sistema ecuatoriano usando simulaciones y datos de registradores de fallas
title_full_unstemmed Algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctrica del sistema ecuatoriano usando simulaciones y datos de registradores de fallas
title_sort Algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctrica del sistema ecuatoriano usando simulaciones y datos de registradores de fallas
author Alvarado Guichay, Efrén Vinicio
author_facet Alvarado Guichay, Efrén Vinicio
author_role author
topic Inteligencia Artificial
Red Artificial
Sistema Neurodifuso
Detección de Fallas
topic_facet Inteligencia Artificial
Red Artificial
Sistema Neurodifuso
Detección de Fallas
description Para resolver el problema del diagnóstico y clasificación de fallas se han propuesto algunos algoritmos basados en técnicas de inteligencia artificial tales como redes neuronales, redes neuro-difusas, etc. Estos algoritmos permiten manejar adecuadamente la incertidumbre ante situaciones de datos imprecisos, usar técnicas de aprendizaje para el modelamiento, adaptarse a los cambios en las condiciones de operación del sistema y usar el conocimiento del experto antes situaciones no definidas. Se propone un diagnóstico automático de fallas en líneas de transmisión usando Algoritmos Adaptivos Neurodifusos (en inglés Adaptive Neuro-Fuzzy Inference System ANFIS). Se implementa un algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctricas, usando ANFIS y se aplica a una línea de transmisión de 230 kV típica de un sistema eléctrico de potencia, para mediante simulaciones extraer los datos para entrenamiento y verificación del modelo. Para validar su desempeño, las entradas al ANFIS son los valores eficaces (Root Mean Square - RMS) de las tres corrientes de fase y la corriente de secuencia cero obtenidas, formato COMTRADE, mediante registros de oscilografías de fallas reales en líneas de transmisión de 230 kV del sistema eléctrico ecuatoriano. De los resultados obtenidos, se observa que los modelos neuro-difusos pueden de manera adecuada y con rapidez detectar y clasificar fallas en líneas de trasmisión eléctricas, usando datos de validación tanto simulados como reales. Por esto la metodología utilizada tiene gran potencia para ser aplicada en centros de control, para la toma de decisiones al momento de la ocurrencia de fallas.
publishDate 2012
format masterThesis
status_str publishedVersion
url http://dspace.ucuenca.edu.ec/handle/123456789/2579
language spa
eu_rights_str_mv openAccess
institution UCUENCA
collection Repositorio Universidad de Cuenca
reponame_str Repositorio Universidad de Cuenca
instname_str Universidad de Cuenca
bitstream_url_str_mv https://dspace.ucuenca.edu.ec/bitstreams/0763907d-a5ed-4a26-adf4-cc2dd4c4eb25/download
https://dspace.ucuenca.edu.ec/bitstreams/67754a3b-8af1-4e6f-a4d0-b86fbfb47b72/download
https://dspace.ucuenca.edu.ec/bitstreams/79cc6175-fc49-4bdf-a922-6e8bac217f12/download
https://dspace.ucuenca.edu.ec/bitstreams/57560562-6f24-446e-808e-28992bfa478d/download
_version_ 1878406770693505024
publishDateSort 2012
author_browse Alvarado Guichay, Efrén Vinicio
score 6,9460754

Similares en LA Referencia