Red Neuronal Para La Clasificación De Fallas En Líneas De Transmisión A Partir De Registros De Osciloperturbografía

• Jhon Albeiro Calderón ^[2] ; Julián Moreno Cadavid ^[1] ; Demetrio Arturo Ovalle ^[1]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
  2. [2] Especialista de Operación, Dirección Gestión Red, ISA: Interconexión Eléctrica S.A, jacalderon@isa.com.co
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 75, Nº. 156, 2008, págs. 99-107
• Idioma: español
• Títulos paralelos:
  • NeuralL Network For Fault Classification In Transmission Lines Based On Osciloperturbography Records
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El diagnóstico de fallas eléctricas en líneas de transmisión a alto voltaje es una tarea compleja 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 misma de las fallas. Dicha complejidad impacta en la oportunidad y certeza del diagnóstico, factores particularmente importantes para el análisis en tiempo real donde rápidamente deben tomarse pautas adecuadas para el restablecimiento del sistema eléctrico de potencia. En este artículo se propone el uso de de una red neuronal con aprendizaje por regularización bayesiana y finalización temprana para la clasificación de fallas a partir de registros de osciloperturbografía provenientes de registradores de falla y se muestra su efectividad para una amplia variedad de casos de entrenamiento y validación, los cuales son obtenidos por medio de un modelo de ATP con el cual se simularon la cantidad de fallas eléctricas requeridas.

  • English

    The electric fault diagnostics in high voltage transmission lines is a complex task not only because of the amount of information which can come from different sources as SOE, SCADA and recorders, but also because of the variability of such faults. Such complexity impacts the opportunity and accuracy of diagnostic, and these issues are particularly important for actual time analisis where adecuate actions should be taken in order to restablish the electric power system. In this paper a neural network with bayessian regularization learning and early finalization is proposed for fault classification ussing osciloperturbography records and its efectivity is shown for a wide variety of training and validation cases which are obtenied with an ATP model where the required electric faults were simulated.