Método para la localización de fallas en sistemas de distribución de energía eléctrica basado en redes neuronales artificiales a partir del perfil de corriente y la medición de corriente de falla en cabecera de los alimentadores

Rojas Medina, Eduardo Luis

Método para la localización de fallas en sistemas de distribución de energía eléctrica basado en redes neuronales artificiales a partir del perfil de corriente y la medición de corriente de falla en cabecera de los alimentadores

dc.contributor.advisor	Blanco Solano, Jairo
dc.contributor.advisor	Galeano Suárez, Daniel Camilo
dc.contributor.author	Rojas Medina, Eduardo Luis
dc.contributor.evaluator	Duarte Gualdrón, César Antonio
dc.contributor.evaluator	Jiménez Manjarrés, Yulieth
dc.date.accessioned	2022-04-20T15:32:36Z
dc.date.available	2022-04-20T15:32:36Z
dc.date.created	2022-03-29
dc.date.issued	2022-03-29
dc.description.abstract	En este trabajo de grado se presenta inicialmente una revisión literaria enfocada al problema de localización de fallas tipo paralelo en sistemas de distribución con miras en identificar métodos con desempeños significativos en la localización de falla en términos de distancia, a partir del uso de medidas de tensión y corriente en la cabecera principal del sistema de distribución. Se implementa un método de localización basado en redes neuronales artificiales para determinar la distancia desde la subestación hasta el punto de la falla. Con el fin de cubrir todo el espacio operativo de los sistemas IEEE-34 bus y IEEE-123 bus se simulan eventos de falla tipo paralelo a lo largo de cada ramal variando la resistencia de falla, para luego ingresar a una red neuronal que estima una posible distancia. Con el propósito de abordar el problema de la múltiple estimación del punto de falla, se utiliza el concepto de la corriente de falla neta en los ramales del sistema de distribución para estimar los cambios de esta corriente y seleccionar un grupo de candidatos como los ramales posibles bajo falla. Estos candidatos se clasifican mediante algoritmos de razonamiento para la selección final del ramal candidato bajo falla. El error porcentual en distancia para el sistema IEEE-34 bus, en promedio para todos los tipos de falla es del 2% y acierta en el ramal bajo falla en el 94% de los eventos.
dc.description.abstractenglish	In this degree project, a literary review focused on the problem of locating shunt type faults in distribution systems is initially presented with the purpose of identifying methods with significant performance in locating faults in terms of distance, based on the use of voltage and current measurements at the main head of the distribution system. A fault location method based on artificial neural networks is implemented to determine the distance from the substation to the point of failure. To cover the entire operating space of the IEEE-34 bus and IEEE-123 bus systems, parallel fault events are simulated along each branch, varying the fault resistance, and then, entering a neural network that estimates a possible distance. To approach the problem of multiple fault point estimation, the concept of the net fault current in the branches of the distribution system is used to estimate the changes in this current and select a group of candidates as the possible branches under fault. These candidates are classified by reasoning algorithms for the final selection of the candidate branch under failure. The percentage error in distance for the IEEE-34 bus system, on average for all types of faults, is 2% and find the branch under fault in 94% of the events.
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/20.500.14071/10065
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/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Localización de fallas
dc.subject	Sistemas de distribución
dc.subject	Redes neuronales artificiales
dc.subject.keyword	Fault Location
dc.subject.keyword	Distribution system
dc.subject.keyword	Artificial neural networks
dc.subject.keyword	Current profile
dc.title	Método para la localización de fallas en sistemas de distribución de energía eléctrica basado en redes neuronales artificiales a partir del perfil de corriente y la medición de corriente de falla en cabecera de los alimentadores
dc.title.english	Fault location method in electrical distribution systems based on artificial neural networks from current profile and fault current measuring on the beginning of the feeders
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
dspace.entity.type