Modelado de la maquina síncrona mediante redes neuronales

Simple item page
dc.contributor.advisorVargas Torres, Hermann Raul
dc.contributor.authorBarrera Cárdenas, Rene Alexander
dc.date.accessioned2024-03-03T18:22:43Z
dc.date.available2010
dc.date.available2024-03-03T18:22:43Z
dc.date.created2010
dc.date.issued2010
dc.description.abstractEn este trabajo de grado se proponen modelos de regresión neuronal, de tipo caja negra, que repliquen el comportamiento de los modelos de la máquina síncrona, basados en ecuaciones de Park, que se utilizan en el estudio de estabilidad transitoria de ángulo ante grandes perturbaciones. Para la implementación de los modelos de regresión neuronal se utilizan redes neuronales del tipo perceptron multicapa (MLP). Los registros obtenidos de simulaciones en el dominio del tiempo realizados sobre un sistema de potencia básico (generador conectado a un barraje infinito), son usados para crear una base de datos de entrenamiento y posteriormente validar la metodología basada en redes neuronales artificiales propuesta para la estimación de las principales variables de la máquina síncrona. Se presentan funciones de regresión para tres modelos de la máquina síncrona: el modelo clásico, un modelo de quinto orden que incluye un regulador de voltaje automático (AVR) como sistema de excitación y un modelo de octavo orden equipado con un sistema de excitación del tipo AVR con sistema estabilizador de potencia (PSS). Según los resultados obtenidos, los modelos neuronales presentan una alta adaptación al modelo clásico de la máquina síncrona y una adaptación aceptable a los modelos de orden superior, lo cual muestra la validez de la estrategia, su posible uso para estudios de estabilidad sobre la máquina síncrona y la posibilidad de adaptar otras de técnicas de inteligencia artificial más elaboradas con el fin de obtener un mejor ajuste de los modelos neuronales.
dc.description.abstractenglishIn this paper grade is proposed neural regression models, black box, that replicate the behavior of the synchronous machine models, based on Park's equations, which are used in the study of transient angle stability to large perturbations. To implement neural regression models are used neural networks of multilayer perceptron (MLP). Records obtained from simulations in the time domain performed on a basic power system (generator connected to an infinite busbar) are used to create a database of training and further validate the methodology based on artificial neural networks proposed for estimating the main variables of the synchronous machine. Regression functions are presented for three models of the synchronous machine: the classical model, a fifth-order model that includes an automatic voltage regulator (AVR) and excitation system and an eighth order model equipped with a type excitation system AVR with power system stabilizer (PSS). According to the results, the neural models show a high adaptation to the classic model of the synchronous machine and an acceptable adjustment to the higher-order models, which shows the validity of the strategy, its possible use for stability studies on the synchronous machine and the possibility of adapting other techniques more sophisticated artificial intelligence in order to obtain a better fit of neural models.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Eléctrica
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/24801
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Eléctrica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectMáquina Síncrona
dc.subjectEstabilidad transitoria
dc.subjectEstabilidad de ángulo
dc.subjectRedes neuronales artificiales (RNA)
dc.subjectPerceptron multicapa.
dc.subject.keywordSynchronous machine
dc.subject.keywordTransient stability
dc.subject.keywordAngle stability
dc.subject.keywordArtificial neural networks (ANNs)
dc.subject.keywordMultilayer perceptron
dc.titleModelado de la maquina síncrona mediante redes neuronales
dc.title.englishSynchronous machine modeling using neural networks
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
302.34 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.84 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
286.6 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería Eléctrica