Medellín - Minas - Maestría en Ingeniería - Ingeniería Eléctrica · 2022
Detección y clasificación de fallas eléctricas en sistemas de distribución de energía eléctrica mediante el uso de la transformada wavelet continua y funciones madre de soporte infinito
El análisis de fallas eléctricas en Sistemas Eléctricos de Potencia ha visto un avance significativo en la implementación de metodologías fundamentadas en el Procesamiento Digital de Señales, como el análisis en tiempo y frecuencia. En este trabajo se propone una metodología para utilizar filtros con Respuesta Infinita al Impulso como Funciones Madre para computar la Transformada Wavelet Continua mediante la evaluación del concepto del remuestreo digital de señales. Esta metodología es evaluada al compararla con la metodología más comúnmente reportada en la literatura (Transformada Wavelet Discreta con Función Madre tipo Daubechies 4) y se investigan los efectos de los parámetros más relevantes inherentes al método y a las señales. La implementación del código se realiza en el software de MATLAB y los resultados se validan comparando la energía espectral asociada a los coeficientes Wavelet obtenidos. Por otro lado, se propone evaluar las etapas de detección y clasificación de fallas eléctricas en sistemas de distribución de energía eléctrica utilizando una serie de señales simuladas en el Software ATP/EMTP y redes neuronales artificiales. Los resultados obtenidos validan la metodología propuesta además de presentar una mejora notoria en cuanto a la tasa de detección y clasificación de eventos al compararla con el método tradicional. Finalmente, se resumen las limitaciones de la investigación y se propone una serie de recomendaciones a modo de trabajo futuro con el objetivo de continuar la evaluación de la metodología propuesta. (Texto tomado de la fuente)
Texto completo 150 páginas con texto de 158
Leer la tesis completa Ficha en el repositorio
Contenido
- Introducciónp. 23
- Estado del arte y antecedentesp. 27
- energía eléctricap. 27
- La Transformada Waveletp. 34
- Funciones Madre: Observaciones desde la teoría de filtros digitalesp. 44
- Extracción de característicasp. 52
- 2.4.1 Densidad de Potencia Espectral (PSD)p. 52
- 2.4.2 Entropía Waveletp. 53
- 2.4.3 Parámetros estadísticosp. 55
- 2.4.4 Máximos locales y Módulo Máximo Waveletp. 55
- 2.4.5 Modos de correlación Waveletp. 58
- Sistemas de detección y clasificación de eventosp. 61
- 2.5.1 Umbrales de detección y clasificaciónp. 61
- Artificialp. 63
- Propuesta metodológicap. 67
- Preprocesamiento digital de la señalp. 68
- impulsop. 72
- 3.2.1 Enventanado de la señal a analizarp. 78
- 3.2.2 Definición del filtro o función Madrep. 78
- 3.2.3 Definición de la resolución en tiempo y frecuencia del métodop. 79
- 3.2.4 Remuestreo de las ventanasp. 80
- 3.2.5 Computación y normalización de coeficientesp. 82
- Extracción de características de los coeficientes Waveletp. 83
- Detección y clasificación de eventosp. 85
- Resultados y discusiónp. 96
- Simulación de eventos a detectar y clasificarp. 96
- Validación de la metodologíap. 99
- Sistemas de detección y clasificaciónp. 124
- Conclusiones y recomendacionesp. 135
- Conclusionesp. 135
- Recomendacionesp. 136
- Transformada de Fourier (derecha)p. 31
- Cortop. 33
- Figura 2-3: Resolución en tiempo y frecuencia para la Transformada Waveletp. 38
- Figura 2-4: Algoritmo Piramidal para MRA de señales utilizando la DWTp. 40
- componente de ruido blancop. 42
- Figura 2-6: Wavelets de Daubechies de ordenes 2, 3 y 4p. 45
- Figura 2-7: Coiflets de ordenes 1, 2 y 3p. 46
- Figura 2-8: Wavelet de Morlet real e imaginariap. 47
- (abajo)p. 57
- (derecha) de fallasp. 62
- Figura 2-11: Ejemplo de Random Forest con N árboles de decisionesp. 64
- Figura 2-12: Hiperplano óptimo para clasificación utilizando SVMp. 65
- Figura 3-1: Diagrama de flujo de la propuesta metodológica. Elaboración propiap. 67
- Figura 3-2: Ventanas de longitud fija con traslapo del 0%p. 68
- Figura 3-3: Ventanas de longitud fija con traslapo del 50%p. 68
- Figura 3-4: Ventanas de longitud fija con traslapo del 100%p. 69
- un filtro IIR (abajo)p. 74
- orden 16 (derecha)p. 75
- convergenciap. 77
- Figura 3-9: Representación de ANN tipo Feedforwardp. 86
- Figura 3-11: Vista general del modo de operación de una neurona en una ANNp. 90
- Figura 3-12: Funciones de activación Sigmoidal, Gaussiana, ReLu y SoftMaxp. 91
- Figura 3-13: Esquema de ANN superficiales (izquierda) y profundas (derecha)p. 93
- Figura 4-1: Diagrama unifilar de sistema de prueba IEEE 9 barrasp. 96
- ATP/EMTPp. 97
- muestreo de 4800Hzp. 100
- muestreo de 48000Hzp. 101
- 4800Hzp. 101
- 48000Hzp. 102
- frecuencia de muestreo de 4800 Hzp. 103
- frecuencia de muestreo de 48000 Hzp. 103
- simulada y frecuencia de muestreo de 4800 Hzp. 104
- simulada y frecuencia de muestreo de 48000 Hzp. 104
- para la señal sinusoidal y frecuencia de muestreo de 4800 Hzp. 106
- para la señal sinusoidal y frecuencia de muestreo de 48000 Hzp. 107
- para la señal de falla simulada y frecuencia de muestreo de 4800 Hzp. 108
- para la señal de falla simulada y frecuencia de muestreo de 48000 Hzp. 109
- (arriba) y la señal de falla simulada (abajo) con funciones de enventanado de Taylorp. 111
- (arriba) y la señal de falla simulada (abajo) con funciones de enventanado de Hannp. 111
- (arriba) y la señal de falla simulada (abajo) para radio de convergencia de 0.8p. 113
- (arriba) y la señal de falla simulada (abajo) para radio de convergencia de 0.95p. 113
- (arriba) y la señal de falla simulada (abajo) para radio de convergencia de 0.999p. 114
- (arriba) y la señal de falla simulada (abajo) para radio de convergencia de 0.99999p. 114
- 60Hzp. 115
- 1200Hzp. 116
- 2400Hzp. 116
- (arriba) y la señal de falla simulada (abajo) para ∆𝐹= 15𝐻𝑧p. 117
- (arriba) y la señal de falla simulada (abajo) para ∆𝐹= 30𝐻𝑧p. 118
- (arriba) y la señal de falla simulada (abajo) para ∆𝐹= 60𝐻𝑧p. 118
- remuestreop. 120
- remuestreo y normalización L1p. 121
- clasificación de éstosp. 124
- característicasp. 125
- usando la descomposición mediante DWTp. 126
- usando la metodología propuesta, por ventanap. 127
- usando la metodología propuesta, por escala de frecuenciap. 127
- descomposiciónp. 131
- Figura 4-38: Matriz de confusión para ANN usando CWT e información por ventanap. 132
- frecuenciap. 29
- de Potencia. Tomado de [1]p. 24
- el uso de la WT en SEP. Elaboración personalp. 51
- y tipo de falla). Elaboración propiap. 98
- Elaboración propiap. 122
- Tabla 4-3: Codificación y categorización de eventos simulados. Elaboración propiap. 128
- obtenidos. Elaboración propiap. 129