Diagnóstico de fallos de redes de transporte de energía eléctrica basado en estructuras neuronales genéricas

Abstract

fallos de redes de transporte de energía eléctrica mediante técnicas de inteligencia artificial, específicamente las implementadas mediante estructuras neuronales artificiales (RNA�s). El primero derivado de la complicación que surge en el diagnóstico de fallos simples y múltiples, al considerar la cantidad enorme de alarmas que se generan ante un evento provenientes del sistema SCADA, donde muchas de estas no están directamente relacionadas al componente fallado, así como también el considerar el crecimiento topológico de la red eléctrica. El segundo derivado de la pérdida en algunos casos de información relevante proveniente del sistema SCADA (estado de interruptores y/o relevadores primarios), dando como consecuencia la emisión de un diagnóstico NO confiable. Respecto al primer problema, se plantea una metodología de diseño para el diagnóstico de fallos mediante estructuras neuronales genéricas, una por cada tipo de componente que conforma a la red de transporte (línea de transporte, transformador, barra), tomando en cuenta exclusivamente las alarmas de los estados de los interruptores y relevadores primarios y/o de respaldo de cada componente. El método propuesto proporciona el diagnóstico tanto para fallos simples como múltiples, en forma independientemente de la cantidad de alarmas generadas, así como del tamaño de la red, no requiere de un configurador de red, y es factible de ser utilizado por los operadores de los centros de control. Respecto al segundo problema se plantea una metodología de diseño mediante estructuras neuronales artificiales tomando en cuenta las señales analógicas y espectros de frecuencia de las corrientes y tensiones de fallo típicos de una línea de transporte las cuales son obtenidas a partir de simulaciones. El método propuesto proporciona el diagnóstico de la línea de transporte, el cual es combinado con el diagnostico emitido previamente (estado lógico de interruptores y relevadores), con la finalidad de hacer más confiable el diagn