Localización de fallas en sistemas de distribución de energía eléctrica utilizando un método basado en aprendizaje profundo a partir de mediciones de tensión y corriente de falla en cabecera del alimentador y hasta tres reconectadores adicionales

Carreño Barrera, Luis Felipe; Lizarazo Maldonado, Alan Ferney

Localización de fallas en sistemas de distribución de energía eléctrica utilizando un método basado en aprendizaje profundo a partir de mediciones de tensión y corriente de falla en cabecera del alimentador y hasta tres reconectadores adicionales

dc.contributor.advisor	Duarte Gualdrón, César Antonio
dc.contributor.advisor	Blanco Solano, Jairo
dc.contributor.author	Carreño Barrera, Luis Felipe
dc.contributor.author	Lizarazo Maldonado, Alan Ferney
dc.contributor.evaluator	Serna Suárez, Iván David
dc.contributor.evaluator	Arenas Flórez, Michael
dc.date.accessioned	2024-02-16T15:32:04Z
dc.date.available	2024-02-16T15:32:04Z
dc.date.created	2024-02-14
dc.date.embargoEnd	2029-02-14
dc.date.issued	2024-02-14
dc.description.abstract	Localización de fallas, Aprendizaje profundo, redes convolucionales, sistemas de distribución. Descripción: En este proyecto se implementa y evalúa un método de localización de fallas en sistemas de distribución de energía eléctrica utilizando un enfoque basado en aprendizaje profundo con redes convolucionales. Se evalúa la precisión y eficiencia en la localización de fallas mediante la distribución homogénea de regiones distribuidas de manera equidistante y la estimación de la ubicación de la falla. Se entrena una red convolucional para estimar la zona fallada y modelos adicionales para estimar la ubicación del punto exacto de falla. El desempeño del método propuesto se pondera empleando datos obtenidos mediante simulaciones en modelos de prueba IEEE en diferentes escenarios que incluyen variaciones de carga y variaciones de carga con generación distribuida. Para ello, se varía la cantidad de medidores los cuales se ubican en cabecera del alimentador y sobre el ramal principal de cada circuito. Este trabajo de grado aporta información relevante en el ámbito de la localización de fallas ya que, se realiza bajo una metodología rigurosa y con las limitaciones que se presentan en un sistema de distribución lo cual demuestra que, aunque la cantidad de datos sea limitada se puede obtener un desempeño aceptable a la hora de estimar la ubicación de la falla. Se espera que este trabajo de grado sirva como referencia en futuras investigaciones relacionadas con el área.
dc.description.abstractenglish	The objective of this project is to implement and evaluate a fault localization method in electrical power distribution systems using a deep learning approach with convolutional networks. Accuracy and efficiency in fault localization are assessed through the homogeneous distribution of zones, evenly spaced, and the estimation of fault location. A convolutional neural network is trained to estimate the affected zone, and additional models are developed to estimate the fault location. The performance of the proposed method is assessed using data obtained through simu- lations on IEEE test models in various load and distributed generation scenarios. The quantity of meters is varied, with placement at the feeder head and on the main branch of each circuit, the latter being the longest. This study contributes relevant information to the field of fault localization as it is conducted under a rigorous methodology and within the constraints present in a real distribution system, demonstrating that, despite limited data, good performance can be achieved in estimating fault location. It is anticipated that this thesis will serve as a reference and inspiration for future research related to the topic.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Electricista
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/15693
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Eléctrica
dc.publisher.school	Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rights	info:eu-repo/semantics/embargoedAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_f1cf
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Sistemas de distribución
dc.subject	Localización de fallas
dc.subject	Inteligencia artificial
dc.subject	Aprendizaje profundo
dc.subject	Redes convolucionales
dc.subject.keyword	Fault location
dc.subject.keyword	Deep learning
dc.subject.keyword	electrical power distribution system
dc.title	Localización de fallas en sistemas de distribución de energía eléctrica utilizando un método basado en aprendizaje profundo a partir de mediciones de tensión y corriente de falla en cabecera del alimentador y hasta tres reconectadores adicionales
dc.title.english	Fault localization in electrical power distribution systems using a deep learning-based method from fault voltage and current measurements at the feeder header and up to three additional reclosers
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado