Mostrar el registro sencillo del ítem
Metodologia para deteccion, clasificacion y localizacion de fallas en redes de alta tension usando transformada wavelet y redes neuronales
dc.rights.license | Creative Commons Atribucion-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5 AR) | es_AR |
dc.contributor.author | Morillo, Ercilio | |
dc.creator | Morillo, Ercilio | |
dc.date.accessioned | 2022-10-20T00:22:56Z | |
dc.date.available | 2022-10-20T00:22:56Z | |
dc.date.issued | 2014-01-01 | |
dc.identifier.uri | https://repodigital.unrc.edu.ar/xmlui/handle/123456789/74388 | |
dc.description | Fil:Morillo, Ercilio. Universidad Nacional de Río Cuarto. Facultad de Ingeniería; Argentina. | |
dc.description.abstract | El objetivo principal de todo sistema de potencia es suministrar energía de forma ininterrumpida, con calidad, seguridad y a mínimo costo, sin embargo, dada la naturaleza de los mismos, constantemente se ven expuestos a fallas debido a descarga atmosférica, vandalismo, sobrecarga, etc.; que provocan la salida del estado de operación normal del sistema Para llevar el sistema al estado de operación normal, se requiere identificar y aislar rápidamente la parte de la red que ha fallado y determinar la localización de la falla en la red Sin embargo la tarea de la localización de falla es muy difícil debido a: errores en los algoritmos tradicionales, fallos en la operación de relés o interruptores, operación de relés de múltiples líneas, resistencia de falla, etc Ante los hechos mencionados anteriormente, en este trabajo nos hemos propuesto desarrollar una metodología que nos permita detectar, clasificar y localizar con muy buena precisión la localización de la falla en redes de alta tensión, bajo diferente escenarios de operación como son: ángulo de inicio de la falla, resistencia de falla, distintos tipos de fallas y diferentes puntos de ubicación de la falla La metodología empleada se basa en el estudio de la transformada wavelet para el tratamiento de transitorio electromagnético, conjuntamente con las redes neuronales artificiales. Se utilizó la transformada wavelet para detectar y clasificar la falla, y tres redes neuronales se utilizaron para la localización de las fallas monofásicas, bifásicas y trifásicas, respectivamente. Las mismas fueron entrenadas para localizar el punto de la red que está en la condición de falla En el 100% de los casos fue posible detectar y clasificar exitosamente la falla. En lo que respecta a su localización, los datos explican el modelo con un nivel de confianza del 99%. Con esta metodología queda demostrado que la combinación de la transformada XII wavelet, conjuntamente con las redes neuronales artificiales, constituyen una poderosa herramienta para la detección, clasificación y localización de fallas, en los diferentes escenarios de operación de los sistemas eléctricos de potencia. | |
dc.format | application/pdf | es_AR |
dc.language.iso | es | es_AR |
dc.publisher | Universidad Nacional de Río Cuarto | es_AR |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | es_AR |
dc.subject | SISTEMAS ELECTRICOS DE POTENCIA | es_AR |
dc.subject | FALLAS | es_AR |
dc.subject | REDES | es_AR |
dc.title | Metodologia para deteccion, clasificacion y localizacion de fallas en redes de alta tension usando transformada wavelet y redes neuronales | es_AR |
dc.type | info:eu-repo/semantics/masterThesis | es_AR |
dc.type | info:ar-repo/semantics/tesis de maestría | es_AR |
dc.type | info:eu-repo/semantics/acceptedVersion | es_AR |
unrc.contributor.director | Amatti, Juan Carlos | |
unrc.degree.grantor | Universidad Nacional de Río Cuarto | es_AR |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Tesis de Maestría [32]