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

Plazas Lucena, Nicolás Andrés

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

dc.contributor.advisor	Blanco Solano, Jairo
dc.contributor.author	Plazas Lucena, Nicolás Andrés
dc.contributor.evaluator	Duarte Gualdrón, César Antonio
dc.contributor.evaluator	Jiménez Manjarrés, Yulieth
dc.date.accessioned	2022-04-07T16:45:27Z
dc.date.available	2022-04-07T16:45:27Z
dc.date.created	2022-04-01
dc.date.issued	2022-04-01
dc.description.abstract	Las fallas en sistemas eléctricos provocan cortes en el suministro de energía. Esto genera pérdidas económicas significativas en varios sectores de la sociedad, por lo que es de gran interés agilizar los procesos de restauración del servicio de energía eléctrica, en caso de fallas de carácter permanente. En el escenario practico existen varios planteamientos de localización de fallas que tiene un nivel de desempeño satisfactorio. Sin embargo, las mejores técnicas requieren de infraestructura de medición avanzada, lo cual es una limitante para muchas redes de distribución de energía eléctrica en el mercado colombiano, especialmente para las redes rurales. Por otro lado, con el avance de la computación, muchas técnicas basadas en el aprendizaje de máquinas han cobrado relevancia, y pueden ser alternativas con buen grado de desempeño, adaptadas a la infraestructura de medición existente. En el presente trabajo de grado se implementa una metodología de localización de zonas de falla en los sistemas de prueba IEEE 34 nodos e IEEE 123 nodos, a través de redes neuronales artificiales, considerando solo las medidas de tensión y corriente trifásica en la subestación.
dc.description.abstractenglish	Failures in electrical systems cause power outages. This generates significant economic losses in several sectors of society, so it is of great interest to streamline the process of restoring power service in the event of permanent failures. In the practical scenario there are several fault location approaches that have a satisfactory level of performance. However, the best techniques require advanced metering infrastructure, which is a limitation for many electric power distribution networks in the Colombian market, especially for rural networks. On the other hand, with the advance of computation, many techniques based on machine learning have gained relevance, and can be alternatives with a good degree of performance, adapted to the existing measurement infrastructure. In this undergraduate project, a fault zone location methodology is implemented in IEEE 34 nodes and IEEE 123 nodes test systems, through artificial neural networks, considering only three-phase voltage and current measurements in the substation.
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/20.500.14071/9785
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	sistemas de distribución de energía eléctrica
dc.subject	localización de fallas
dc.subject	redes neuronales artificiales
dc.subject.keyword	electrical power distribution systems
dc.subject.keyword	fault location
dc.subject.keyword	artificial neural networks
dc.title	Método para la localización de fallas en sistemas de distribución de energía eléctrica basado en redes neuronales artificiales a partir de mediciones de tensión y corriente de falla en cabecera de los alimentadores
dc.title.english	Fault location method in electric power distribution systems based on artificial neural networks from feeder head-end fault voltage and current measurements
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