SciELO - Scientific Electronic Library Online

 
vol.75 issue156SICOMPC: SIMULATOR FOR MODEL PREDICTIVE CONTROLNUMERICAL SIMULATION OF HIGH SPEED COMBUSTION CHAMBER USING TWO FUEL INJECTION CONFIGURATIONS author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


DYNA

Print version ISSN 0012-7353On-line version ISSN 2346-2183

Abstract

CALDERON, JHON ALBEIRO; MORENO CADAVID, JULIAN  and  OVALLE, DEMETRIO ARTURO. RED NEURONAL PARA LA CLASIFICACIÓN DE FALLAS EN LÍNEAS DE TRANSMISIÓN A PARTIR DE REGISTROS DE OSCILOPERTURBOGRAFÍA. Dyna rev.fac.nac.minas [online]. 2008, vol.75, n.156, pp.99-107. ISSN 0012-7353.

El diagnóstico de fallas eléctricas en líneas de transmisión a alto voltaje es una tarea compleja no solo por la cantidad de información involucrada que puede provenir de diversas fuentes como SOE, SCADA y registradores, si no también por la variabilidad misma de las fallas. Dicha complejidad impacta en la oportunidad y certeza del diagnóstico, factores particularmente importantes para el análisis en tiempo real donde rápidamente deben tomarse pautas adecuadas para el restablecimiento del sistema eléctrico de potencia. En este artículo se propone el uso de de una red neuronal con aprendizaje por regularización bayesiana y finalización temprana para la clasificación de fallas a partir de registros de osciloperturbografía provenientes de registradores de falla y se muestra su efectividad para una amplia variedad de casos de entrenamiento y validación, los cuales son obtenidos por medio de un modelo de ATP con el cual se simularon la cantidad de fallas eléctricas requeridas.

Keywords : Sistema Eléctrico de Potencia; Diagnóstico de Fallas; ATP; Redes Neuronales; Regularización Bayesiana.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License