Diagnóstico de fallas en redes eléctricas industriales mediante redes bayesianas híbridas
Export citation
Abstract
En la actualidad las redes eléctricas se han convertido en una parte vital para el crecimiento económico, debido a su uso y alcance; aunado a esto, la importancia de un desarrollo sustentable a nivel mundial y la energía que puede ser perdida por diversas fallas en el sistema, que se ven transformadas en gastos para las empresas, ciudades y población en general, nos demuestran la necesidad de crear un sistema de soporte para la toma de decisiones en situaciones de falla. Por lo anterior, el objetivo principal de la Tesis realizada para la Maestría en Automatización es la generación de una nueva estructura, basada en modelos gráficos probabilísticos híbridos, es decir, modelos que puedan trabajar simultáneamente con datos discretos y análogos, para realizar detección y diagnóstico de fallas simples y múltiples, en ambientes con ruido y pérdida de información en redes de distribución eléctrica industrial.
Para lograr el objetivo de la propuesta aquí mencionada, se realizaron simulaciones de fallas en redes eléctricas mediante el software MicroTran; extracción de rasgos característicos de los estados de operación normal y en modo de fallas; síntesis de los modelos probabilísticos híbridos a partir de los datos obtenidos en las simulaciones con ayuda del software Hugin Expert 7.0 y experimentación en diferentes escenarios con fallas simples y múltiples, del tipo simétricas y asimétricas.
El resultado obtenido fueron diversos modelos de dos etapas para diagnóstico de fallas, en donde la primera etapa consiste en la extracción de rasgos característicos de la información de la red eléctrica y la segunda propiamente en el modelo probabilístico que detecta e identifica la falla del sistema; de éstos, 3 modelos destacan por un desempeño superior a los demás. Mientras que la segunda etapa para estos 3 modelos fue realizada mediante Redes Bayesianas Híbridas; la primera etapa difiere en la utilización de técnicas como generación de índices de voltajes de 3 fases no balanceados, optimización de enjambre de partículas y teoría de onduletas.
Se concluye que para la red eléctrica industrial aplicada para este estudio, el modelo que combina la teoría de onduletas y Redes Bayesianas Híbridas presenta el porcentaje más alto de correcto diagnóstico de escenarios con fallas, bajo las condiciones previamente mencionadas.
Como conclusión general principal se tiene que, en vista de los resultados obtenidos, la aplicabilidad de modelos probabilísticos híbridos para la detección de fallas en procesos con alto nivel de incertidumbre y grandes cantidades de información es posible, y que hoy en día, es parcialmente ventajosa respecto a otras soluciones consideradas tradicionales.
Por último, se mencionan las contribuciones principales de este trabajo:
• Una nueva estructura de detección y diagnóstico de fallas múltiples de redes eléctricas basada en modelos gráficos probabilísticos híbridos.
• La apertura de una línea de investigación en detección de fallas en procesos complejos con modelos probabilísticos híbridos, que pueden ser aplicables a sistemas industriales en general; esto debido a que la estructura del modelo es flexible, por lo que puede ser modificada y adaptada a diversos procesos basada en el análisis de un historial de datos confiables.