Modelo neuro difuso para la extracción de características en fallas eléctricas dentro de líneas de transmisión
El diagnóstico automático de fallas en sistemas eléctricos así como la extracción de sus características son unas tareas complejas, no solo por la cantidad de información involucrada que puede provenir de diversas fuentes como SOE, SCADA y registradores, si no también por la variabilidad presente en...
| Autores: | , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2008 |
| País: | Colombia |
| Institución: | Universidad Nacional de Colombia |
| Repositorio: | Repositorio UN |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.unal.edu.co:unal/24347 |
| Acceso en línea: | https://repositorio.unal.edu.co/handle/unal/24347 http://bdigital.unal.edu.co/15384/ |
| Access Level: | acceso abierto |
| Palabra clave: | Sistemas Inteligentes Diagnóstico Automático de Fallas Redes Neuronales Lógica Difusa. |
| Sumario: | El diagnóstico automático de fallas en sistemas eléctricos así como la extracción de sus características son unas tareas complejas, no solo por la cantidad de información involucrada que puede provenir de diversas fuentes como SOE, SCADA y registradores, si no también por la variabilidad presente en las fallas y por la cantidad y complejidad de características que deben analizarse. En este artículo se propone el uso de un modelo que comprende una red neuronal tipo feed forward cuya salida en vez de ser un valor crisp corresponde a valores de pertenencia de conjuntos difusos. Esto para la extracción de características de interés a partir de registros de osciloperturbografía provenientes de registradores de falla. La efectividad es probada para una amplia variedad de casos de entrenamiento y validación, los cuales son obtenidos por medio de un modelo de ATP. |
|---|