Detección y clasificación automática de perturbaciones que afectan la calidad de la energía eléctrica

Simple item page
dc.contributor.advisorDuarte Gualdron, Cesar Antonio
dc.contributor.advisorOrdonez Plata, Gabriel
dc.contributor.authorVega García Valdomiro
dc.date.accessioned2024-03-03T16:39:42Z
dc.date.available2007
dc.date.available2024-03-03T16:39:42Z
dc.date.created2007
dc.date.issued2007
dc.description.abstractEn este trabajo se estudia la Transformada Wavelet Discreta (TWD) en la detección e identificación de perturbaciones de la calidad de la energía eléctrica. La función Wavelet Biortogonal 3.9 es utilizada para la detección, dadas sus características de respuesta en frecuencia y localización en tiempo. Se proponen tres estrategias para la obtención de patrones que permiten la identificación de perturbaciones utilizando la función Bior3.7 y el valor RMS. Se estudian perturbaciones de baja frecuencia como armónicos y flicker y de alta frecuencia como transitorios. Cuatro familias Wavelet fueron estudiadas y la Biortogonal tuvo excelente desempeño. Los patrones son clasificados automáticamente utilizando máquinas de soporte vectorial (MSV) con la función de base radial como kernel, dado su desempeño y porque sólo requiere dos parámetros (de formay de penalización). Las técnicas de validación cruzada y búsqueda en malla fueron utilizadas. La MSV presenta un buen desempeño al clasificar a pesar de la similitud de algunos patrones. Inicialmente se presentan los objetivos de esta investigación. En el Capítulo 2, se presentan los conceptos matemáticos de la TWD y algunas perturbaciones de la calidad, de acuerdo con la normatividad colombiana. En el Capítulo 3, la estrategia de detección utilizando la convolución entre el filtro de descomposiicón pasa-altas y las perturbaciones es presentada. En el capítulo 4, se proponen tres estrategias para obtener patrones basados en la TWD y el valor RMS. En el Capítulo 5, el clasificador MSV es presentado. Finalmente, en los capítulos 6 y 7 se presentan la herramienta computacional y las conclusiones de este trabajo, respectivamente.
dc.description.abstractenglishIn this document Discrete Wavelet Transform (DWT) is studied in detection and identification of power quality disturbances. Wavelet Function Biorthogonal 3.9 is used as a base function in detection because of its frequency response and information time localization properties. Three strategies are proposed in order to obtain patterns that allow identification of power quality disturbances. These strategies use the Wavelet Function Biorthogonal 3.7 and RMS value. Disturbances under survey are: low frequency disturbances (such as flicker and harmonics) and high frequency disturbances (such as transients and sags). Four wavelet families were studied and Biorthogonal showed excellent performance. Also, RMS value is used to characterize disturbances that show big changes in magnitude. The combination of both strategies produces excellent results. Patterns are automatically classified by support vector machines (SVM). Radial Base Function (RBF) was used as kernel, because it requires only two parameters (waveform parameter and penalization parameter). Cross validation technique and grid search were used in this work. SVM exhibited good performance as classifier despite similitude between disturbance patterns. Initially the objectives of this research are presented. Chapter 2 presents mathematical concepts about DWT along with the properties that make it well adapted for this study. Power quality disturbances are analyzed according to current Colombian regulation. In Chapter 3, the detection strategy using convolution between high-pass decomposition filter and disturbances is presented. Chapter 4 proposes three strategies in order to obtain patterns using the DWT and RMS value. In Chapter 5 SVM classifier is presented. Finally, Chapters 6th and 7th deal about designed graphic interface and conclusions drawn from this work, respectively
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Potencia 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/20.500.14071/20306
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Potencia 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.subjectMonitorización
dc.subjectPerturbaciones
dc.subjectDescriptores
dc.subjectDetección
dc.subjectIdentificación
dc.subjectclasificación
dc.subjecttransformada wavelet
dc.subjectmáquinas de soporte vectorial
dc.subjectvalor rms
dc.subjectcalidad de la
dc.subject.keywordMonitoring
dc.subject.keywordDisturbances
dc.subject.keywordPatterns
dc.subject.keywordDetection
dc.subject.keywordIdentification
dc.subject.keywordclassification
dc.subject.keywordwavelet transform
dc.subject.keywordsupport vector machines
dc.subject.keywordRMS value
dc.subject.keywordpower
dc.titleDetección y clasificación automática de perturbaciones que afectan la calidad de la energía eléctrica
dc.title.englishAutomatic power quality disturbances detection and classification ****
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 - 2 of 2
No Thumbnail Available
Name:
Documento.pdf
Size:
2.2 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
172.18 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Potencia Eléctrica