Identificación de causa raíz de fallas por descargas eléctricas en líneas de transmisión
Para citar o enlazar este item, por favor use el siguiente identificador:
http://dspace.ups.edu.ec/handle/123456789/19820
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Aguila Téllez, Alexander | - |
dc.contributor.author | Flores Ferrin, Diana Josselyn | - |
dc.date.accessioned | 2021-02-24T23:47:59Z | - |
dc.date.available | 2021-02-24T23:47:59Z | - |
dc.date.issued | 2021-02 | - |
dc.identifier.uri | http://dspace.ups.edu.ec/handle/123456789/19820 | - |
dc.description | Este artículo desarrolla un algoritmo basado en aprendizaje supervisado mediante la aplicación del clasificador vecinos más cercanos (k-nn) con el objetivo de analizar, caracterizar y clasificar automáticamente una falla eléctrica en función de su causa raíz. En este documento se consideran fallas por descargas eléctricas y fallas por incendios. A partir del análisis detallado de las formas de onda y consideraciones ambientales se pueden encontrar patrones para la caracterización de fallas, estos atributos son: punto de incepción de falla, impedancia de falla, fases en falla, nivel de voltaje y clima. Estas características se obtienen a partir del modelamiento y simulación en el software ATPDraw de las torres de trasmisión más representativas con las líneas que registran más fallas del Sistema Nacional de Transmisión del Ecuador. Finalmente, la combinación de estas características y parámetros se utilizan para entrenar y probar el algoritmo k-nn. La prueba exitosa de la metodología propuesta demuestra su validez para la identificación de diferentes tipos de fallas de acuerdo a su causa raíz. Además, el algoritmo desarrollado se ha entrenado y probado utilizando un conjunto de datos reales de campo. Los resultados muestran que la metodología es sólida y cubre una amplia gama de causas fundamentales de fallas. | spa |
dc.description.abstract | This research develops an algorithm based on supervised learning by applying the nearest neighbour classifier (k-nn) in order to automatically analyze, characterize and classify an electrical fault based on its root cause. This paper analyzes two kinds of the origin of electric faults: lightning and fire. Taking as a starting point a fully detailed analysis of voltage ad current waveforms and environmental considerations, patterns can be found for the characterization of the origin of electrical faults, these attributes are fault inception point, fault impedance, fault phases, voltage level and climate. In this research, these characteristics are obtained from the modelling and simulation in the ATPDraw software of the most representative transmission towers with the lines that register the most failures of the National Transmission System of Ecuador. Finally, the combination of these characteristics and parameters are used to train and test the knn algorithm. The successful test of the proposed methodology demonstrates its validity for the identification of different types of failure according to its root cause. Furthermore, the developed algorithm has been trained and tested using a set of real field data. The results show that the methodology is robust and covers a wide range of root causes of failure. | spa |
dc.language.iso | spa | spa |
dc.rights | openAccess | spa |
dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Ecuador | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ | * |
dc.subject | INGENIERÍA ELÉCTRICA | spa |
dc.subject | ANÁLISIS DE REDES ELÉCTRICAS | spa |
dc.subject | ENERGÍA ELÉCTRICA | spa |
dc.subject | DESCARGAS ELÉCTRICAS | spa |
dc.subject | SISTEMAS DE ENERGÍA ELÉCTRICA | spa |
dc.subject | LÍNEAS DE TRANSMISIÓN | spa |
dc.title | Identificación de causa raíz de fallas por descargas eléctricas en líneas de transmisión | spa |
dc.type | bachelorThesis | spa |
ups.carrera | Ingeniería Eléctrica | spa |
ups.sede | Sede Quito | spa |
Appears in Collections: | Grado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
UPS - TTS254.pdf | Texto completo | 2,04 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License