Atributos Relevantes para el Diagnóstico Automático de Eventos de Tensión en Redes de Distribución de Energía Eléctrica

[ES] En este trabajo se aborda el diagnóstico de eventos o perturbaciones de tensión registradas en subestaciones de distribución. La aparición de dichos eventos se debe a causas diversas que van desde faltas en la red, el arranque de motores de inducción, energización de transformadores y conmutaci...

Descripción completa

Detalles Bibliográficos
Autores: Barrera Núñez, Víctor, Velandia, Ronald, Hernández, Fredy, Meléndez, Joaquim, Vargas, Hermann
Tipo de recurso: artículo
Fecha de publicación:2013
País:España
Institución:Universitat Politècnica de València (UPV)
Repositorio:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Idioma:español
OAI Identifier:oai:riunet.upv.es:10251/144137
Acceso en línea:https://riunet.upv.es/handle/10251/144137
Access Level:acceso abierto
Palabra clave:Statistical analysis
Power quality
Attributes
Voltage sag event
Rule based system
Análisis estadístico
Calidad de la potencia eléctrica
Atributos
Eventos de tensión
Sistema basado en reglas
Descripción
Sumario:[ES] En este trabajo se aborda el diagnóstico de eventos o perturbaciones de tensión registradas en subestaciones de distribución. La aparición de dichos eventos se debe a causas diversas que van desde faltas en la red, el arranque de motores de inducción, energización de transformadores y conmutación de bancos de capacitores. Se propone la caracterización de estos eventos de tensión a partir de atributos extraídos directamente de la forma de onda, y que se relacionan con los fenómenos físicos asociados tanto con las causas de los eventos, como con su localización relativa respecto del punto de medida. Se ha estudiado la relevancia de dichos atributos mediante un análisis estadístico de la varianza (MANOVA). Los atributos más relevantes se han utilizado para la obtención de reglas de clasificación mediante algoritmos de aprendizaje automático. Los resultados fueron obtenidos empleando datos de 484 eventos reales y 38 eventos simulados.