Atributos Relevantes para el Diagnóstico Automático de Eventos de Tensión en Redes de Distribución de Energía Eléctrica

Abstract

En este trabajo se aborda el diagnóstico de eventos o perturbaciones de tensión registradas en subestaciones de distribución. La aparición de dichos eventos se debe a causas diversas que van desde faltas en la red, el arranque de motores de inducción, energización de transformadores y conmutación de bancos de capacitores. Se propone la caracterización de estos eventos de tensión a partir de atributos extraídos directamente de la forma de onda, y que se relacionan con los fenómenos físicos asociados tanto con las causas de los eventos, como con su localización relativa respecto del punto de medida. Se ha estudiado la relevancia de dichos atributos mediante un análisis estadístico de la varianza (MANOVA). Los atributos más relevantes se han utilizado para la obtención de reglas de clasificación mediante algoritmos de aprendizaje automático. Los resultados fueron obtenidos empleando datos de 484 eventos reales y 38 eventos simulados.

Feature Selection for the Low Industrial Yield of Cane Sugar Production Based on Rule Learning Algorithms

“…The algorithms analyzed for the selection of characteristics are the following: CONJUNCTIVERULE: It implements a single conjunctive learning rule from the comparison of a validated data set [21]. A rule consists of several antecedents together and the value of the class for classi ication.…”

“…It performs a tree-like expansion of exceptions. Exceptions are a set of rules that predict classes other than the default ones [21].…”

A comprehensive common-sense-based architecture for understanding voltage-sag events in electrical grids

“…According to Woodaward [60], a causal explanation accounts for an outcome based on how it depends on other variables or factors. There might be several causal explanations for a phase-to-ground fault, such as bad weather, insulation failure, animals or birds [41] [28] [40], among some of the most common ones, but if windstorms have been reported in the same grid segment where a phase-to-ground event occurs, it makes sense to conclude that the most reasonable explanation for such an event is the weather conditions.…”

Metodología para el mantenimiento predictivo de transformadores de distribución basada en aprendizaje automático

“…Debido a fallas en la programación de un adecuado plan de mantenimiento preventivo y al difícil acceso a algunos transformadores rurales, no todos los equipos cuentan con las protecciones (Dispositivo de protección contra sobretensiones DPS, cortacircuitos, fusibles, sistema de puesta a tierra e interruptor por baja tensión si aplica) instaladas adecuadamente para afrontar las condiciones de operación y garantizar su continuo funcionamiento. Es entonces cuando surge la necesidad de elaborar planes de mantenimiento preventivo que ayuden a evitar o disminuir el riesgo de falla, con base en los requerimientos del regulador del sector eléctrico, mejorar la calidad del servicio a los clientes y mejorar el uso de los recursos asignados al área de mantenimiento [1].…”