����������������������������������������������������������������������������������

 

 

Detecci�n y aislamiento de fallas en l�neas de distribuci�n empleando inteligencia artificial mediante la aplicaci�n de redes neuronales artificiales

 

Detection and isolation of faults in distribution lines using artificial intelligence through the application of artificial neural networks

 

Detec��o e isolamento de falhas em linhas de distribui��o utilizando intelig�ncia artificial atrav�s da aplica��o de redes neurais artificiais

 

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: lzambrano3513@utm.edu.ec

Ciencias T�cnicas y Aplicadas

Art�culo de Investigaci�n

 

�������� *Recibido: 23 de abril de 2023 *Aceptado: 17 de mayo de 2023 * Publicado: 01 de junio de 2023

 

        I.            Maestr�a en Electricidad Menci�n Sistemas El�ctricos de Potencia en la Universidad T�cnica de Manab�, Portoviejo, Ecuador.

      II.            Maestr�a en Electricidad Menci�n Sistemas El�ctricos de Potencia en la Universidad T�cnica de Manab�, Portoviejo, Ecuador.

Resumen

Para identificar y diagnosticar correctamente las fallas provocadas por el deterioro de los conductores y aislamientos, el contacto con �rboles o animales, problemas atmosf�ricos o la presencia de contaminantes, los sistemas de distribuci�n el�ctrica deben contar con un sistema de monitoreo eficiente. Como resultado, se hace necesario emplear t�cnicas m�s confiables, como lo es las redes neuronales, dicha t�cnica permite un funcionamiento m�s confiable del sistema de distribuci�n el�ctrico. El m�todo de monitoreo sugerido en este art�culo se basa en datos del sistema de distribuci�n el�ctrica en estado normal y de falla.

Palabras Claves: Aislamiento de Fallas; Inteligencia Artificial; Redes Neuronales.

 

Abstract

In order to identify and correctly diagnose faults brought on by the deterioration of conductors and insulation, contact with trees or animals, atmospheric issues, or the presence of contaminants, electrical distribution systems must have an efficient monitoring system. As a result, it becomes necessary to create more reliable techniques, like neural networks, that enable more reliable functioning of the distribution system. The monitoring method suggested in this article is based on data from the electrical distribution system in both normal and fault states.

Keywords: Fault Isolation; Artificial Intelligence; Neural Networks.

 

Resumo

Para identificar e diagnosticar corretamente falhas causadas por deteriora��o de condutores e isola��es, contato com �rvores ou animais, problemas atmosf�ricos ou presen�a de contaminantes, os sistemas de distribui��o el�trica devem possuir um sistema de monitoramento eficiente. Com isso, faz-se necess�rio o uso de t�cnicas mais confi�veis, como as redes neurais, essa t�cnica permite um funcionamento mais confi�vel do sistema el�trico de distribui��o. O m�todo de monitoramento sugerido neste artigo � baseado em dados do sistema el�trico de distribui��o nos estados normal e de falha.

Palavras-chave: Isolamento obrigat�rio; Intelig�ncia artificial; Redes neurais.

 

 

Introducci�n

A pesar de que las protecciones el�ctricas de las l�neas de distribuci�n cuentan con la m�s alta tecnolog�a, �stas se basan en manuales tradicionales que mantienen las mismas limitaciones en el despeje de un fallo complejo (Hidalgo Garc�a, 2018; Rodr�guez-Meli�n & Jaime-Garc�a, 2011).� En el Ecuador la no implementaci�n de nuevas tecnol�gicas en el �mbito el�ctrico, electr�nico y de comunicaciones, no han permitido tener en el sistema el�ctrico un sistema de protecciones eficiente por lo que se tiende a tener problemas en la soluci�n de fallas.

La parroquia Crucita al encontrarse en la zona costera de Manab� presenta condiciones no favorables que padece la l�nea de distribuci�n el�ctrica, debido que existen gran cantidad de contaminantes en el aire que provocan frecuentes fallos, dichos eventos traen como consecuencia afectaciones al servicio en el territorio (Jurado, G�mez, Su�rez, & P�rez, 2019).� Ante la presencia de estos, la falta de actualizaci�n de los m�todos de diagn�sticos y la carencia de m�todos automatizados ponen en manifiesto las insuficiencias en el proceso de diagn�stico de fallos en la l�nea de distribuci�n a nivel de 13,8 kV que conecta la subestaci�n el�ctrica Crucita con la parroquia Crucita. Las Redes Neuronales Artificiales demuestran grandes ventajas en comparaci�n a los modelos t�picos que dan soluci�n a problemas de Ingenier�a debido a la capacidad para aprender de la experiencia, generalizar los problemas y no memorizarlos (Merentes, 2020), y su aplicaci�n brinda a la l�nea de distribuci�n� un tratamiento robusto a los fallas que se presentan (Velez, Alava, Albuerne, & Maci�s, 2017).�

 

Materiales y m�todos

El proceso metodol�gico para el desarrollo de la investigaci�n es el siguiente: el bosquejo de investigaciones relacionadas al tema, la simulaci�n de la l�nea de distribuci�n en el software Matlab- simulink para la adquisici�n de patrones, el dise�o del modelo neuronal, el entrenamiento del modelo neuronal y la comprobaci�n del sistema.

Se empleo m�todos para que la investigaci�n se dirigiera en la direcci�n correcta hacia su conclusi�n, dichos m�todos son: anal�tico, deductivo, inductivo y sint�tico.

Anal�tico.� Este m�todo es una manera de lograr un resultado final con la ayuda de la descomposici�n de un fen�meno en sus elementos constituyentes.(Freire, 2020)

Se aplico para el an�lisis de la informaci�n adquirida en la investigaci�n te�rica realizada y para elaborar la soluci�n del problema.

Deductivo.- Este m�todo se basa en el razonamiento, el mismo que permite pasar de principios generalizados a informaci�n espec�fica, esencialmente consiste en analizar u observar experiencias particulares o hecho con el objetivo de llegar a conclusiones que puedan conducir, o permitir derivar de ella, los principios de una teor�a (Prieto Castellanos, 2017).

Se aplico para determinar las posibles causas y efectos que produce el problema presente en el sistema de protecciones.

Inductivo. - Este enfoque permite leer y comprender los rasgos generales de una investigaci�n para construir un marco te�rico, configurando factores desde lo espec�fico hasta lo general.(Abreu, 2014)

Se aplico para la elaboraci�n de estrategias de razonamiento y del marco te�rico a partir de la inducci�n, para extraer conclusiones a partir de premisas precisas.

Sint�tico. � Este m�todo es un proceso que incluye la integraci�n de los elementos dispersos de un elemento de observaci�n para observarlos como un todo.(Rodr�guez Jim�nez & P�rez Jacinto, 2017)

Se aplico en la sinterizaci�n de los resultados y conclusiones del dise�o del sistema de detecci�n y aislaci�n de fallos.

 

T�cnicas�����

Diversas t�cnicas investigativas de revisi�n se emplearon, en revistas cient�ficas, tesis, libros, cat�logo de cables, y herramientas inform�ticas, para lograr informaci�n aplicable, que permita culminar satisfactoriamente la investigaci�n.

�         Desk research para recopilar y examinar la informaci�n existente, por medio de la investigaci�n y estudio sobre los fallos el�ctricos en l�neas el�ctricas de distribuci�n y la modelaci�n de redes neuronales.

�         Aplicaci�n de herramientas inform�ticas, como el Geoportal de la Corporaci�n Nacional de Electricidad (CNEL EP) para obtener par�metros del dise�o de la l�nea de distribuci�n, el software Power Factory para el dise�o y simulaci�n de fallas en la l�nea de distribuci�n el�ctrica y el software Matlab para el desarrollo de red neuronal.

 

 

An�lisis de resultados

Para el dise�o de la red neuronal se utiliz� el software Matlab, dicha herramienta tecnol�gica nos proporcion� la mejor opci�n a emplear, la cual es la red de base radial exact, misma que al ser consideradora clasificador universal presenta caracter�sticas apropiadas para detectar y aislar fallas en la l�nea de distribuci�n el�ctrica. Este tipo de red no presenta error en los vectores de dise�o.

La red consta est� estructurada de la siguiente forma: 2 capas, 6 entradas y 5 salidas, tal como se puede apreciar en la Figura 1.�

 

Figura 1. Red Neuronal.

Nota: En la figura se presenta la red neuronal dise�ada en el software Matlab para la detecci�n y aislamiento de fallas en l�nea de distribuci�n el�ctrica.

 

Interfaz de detecci�n y aislaci�n de fallas

La comunicacon entre sistema de deteccion y aislacion de fallas se muestra en la figura 2, la misma que muestra valores que indentificaran el tipo de falla y el lugar donde ocurre las fallas.

 

Figura 2. Interfaz de comunicaci�n Sistema /Usuario.

Conclusiones

Con la elaboraci�n de este trabajo se demuestra que una red neuronal artificial puede identificar cambios en la amplitud y fase de las se�ales de tensi�n y corriente en una l�nea de distribuci�n provocadas por una falla (cortocircuito). La idea subyacente es que mientras que los cambios graduales en dichas se�ales son causados por otros fen�menos, incluidas las variaciones de carga, los cambios graduales en dichas se�ales indican la presencia de un defecto. La informaci�n contenida en estas variaciones de se�al tambi�n puede ser utilizada por redes neuronales para identificar el tipo de falla y la ubicaci�n de su ocurrencia.

Debido a que pueden aproximarse a problemas no lineales como los de la l�nea de distribuci�n, las redes neuronales tambi�n pueden aprender de la experiencia, generalizar de casos de entrenamiento a casos nuevos y extraer caracter�sticas clave de las entradas. Representan hechos no relacionados.

 

Referencias

1.      Abreu, J. L. J. D. I. J. o. G. C. (2014). El m�todo de la investigaci�n Research Method. 9(3), 195-204.

2.      Freire, E. E. E. J. R. C. (2020). La investigaci�n formativa. Una reflexi�n te�rica. 16(74), 45-53.

3.      Hidalgo Garc�a, N. (2018). An�lisis y simulaci�n de protecciones el�ctricas en redes a�reas de media tensi�n.

4.      Jurado, W. C. C., G�mez, M. R., Su�rez, O. S., & P�rez, A. V. (2019). Impacto ambiental en las redes el�ctricas pr�ximas al litoral manabita. Revista Cubana de Ingenier�a, 9(3), 69-77.

5.      Merentes, K. (2020). Estado del Arte en la aplicaci�n de t�cnicas de optimizaci�n basadas en Inteligencia Artificial en la Estimaci�n de Estado de Redes El�ctricas de Potencia.

6.      Prieto Castellanos, B. J. J. C. d. c. (2017). El uso de los m�todos deductivo e inductivo para aumentar la eficiencia del procesamiento de adquisici�n de evidencias digitales. 18(46), 56-82. doi:https://doi.org/10.11144/javeriana.cc18-46.umdi

7.      Rodr�guez-Meli�n, F., & Jaime-Garc�a, D. (2011). Diagn�stico de fallos y condiciones anormales de trabajo en l�neas de transmisi�n con el empleo de redes neuronales artificiales. Ciencia en su PC(1), 82-92.

8.      Rodr�guez Jim�nez, A., & P�rez Jacinto, A. O. J. R. E. (2017). M�todos cient�ficos de indaga��o e de constru��o do conhecimento. (82), 179-200.

9.      Velez, N. B., Alava, L. C., Albuerne, Y. L., & Maci�s, J. C. M. (2017). Enfoque del empleo de las redes neuronales de base radial en las redes el�ctricas inteligentes en la UTM. Revista de Investigaciones en Energ�a, Medio Ambiente y Tecnolog�a: RIEMAT ISSN: 2588-0721, 2(2), 28-32.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

� 2023 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).