Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
Introducción
Los sistemas eléctricos son redes complejas y extensas que integran sistemas de generación, transmisión y distribución de electricidad para suministrar energía a hogares, empresas, industrias y otras instalaciones. Estos sistemas son fundamentales para la sociedad moderna, ya que la electricidad es una fuente de energía versátil y ampliamente utilizada [1]. En tal sentido, toma relevancia el hecho de garantizar la correcta operación de un sistema para protección, control y automatización de sistemas eléctricos, mitigando así riesgos para usuario e infraestructura de la empresa, y gestionando, a su vez, eventos no deseados con impacto en el sistema y los operadores [1], [2].
Las interrupciones no planificadas en el suministro eléctrico o comúnmente denominados "apagones" pueden originarse por diversas razones, como fallos en equipos, condiciones climáticas extremas, además de otros eventos imprevistos. Aquí se destacan eventos asociados a fallas en equipos, como trasfformadores, interruptores y generadores, entre otros. Las fallas en estos equipos pueden causar interrupciones en el suministro eléctrico y requerir reparaciones o reemplazos costosos [3]. A su vez, los fenómenos naturales también ponen en riesgo los sistemas eléctricos, por ejemplo, las descargas atmosféricas pueden impactar en las líneas eléctricas o en subestaciones, lo que podría resultar en daños y apagones. En todo caso, es fundamental contar con las herramientas adecuadas para proteger, controlar y mitigar el impacto en el sistema eléctrico, que pudiera derivarse de algún evento no deseado [3].
Los sistemas de protección son cruciales para la seguridad del sistema eléctrico. Si estos dispositivos fallan o no se ajustan correctamente, pueden permitir que eventos adversos se propaguen a través de la red [4]. El registro de eventos en sistemas eléctricos es de suma importancia por varias razones, porque proporciona información esencial para entender el comportamiento del sistema de potencia durante este tipo de situaciones [5]. A partir del registro de eventos se pueden desprender procesos como el diagnóstico y la resolución de problemas, orientar procesos de mantenimiento preventivo, para la mejora de confianza y calidad del servicio, optimización de la operación, investigación de incidentes graves y, como es natural, cumplir con la normativa correspondiente [5].
El componente de diagnóstico de eventos es un proceso típicamente realizado por los expertos técnicos operativos de cada empresa. Sin embargo, a partir de las tendencias en los desarrollos de herramientas y el uso de tecnologías emergentes, se ha avanzado en el diagnóstico automático de eventos, al integrar, principalmente, modelos con inteligencia artificial (IA) [5], [6], [7]. El proceso de diagnóstico convencional requiere de un alto nivel de experticia del equipo técnico operativo a cargo, sumado al tiempo de dicho proceso, que son factores determinantes al considerar las obligaciones de cada empresa para la emisión de informes de análisis y diagnóstico dirigidos a entes operadores, según se establece en la normativa local [8], [9].
Como caso particular, en Colombia existen diferentes entidades estatales encargadas de evaluar y definir las reglas de operación de los diferentes agentes o usuarios que directa o indirectamente se relacionan con el sector eléctrico del país. El Ministerio de Minas y Energía encabeza la línea de mando y es el encargado de llevar ante el Congreso de la República lineamientos o proyectos de ley, en pro del "bienestar y la seguridad energética del país" (por ejemplo, las leyes 142 y 143 de 1994); lo acompaña la Comisión de Regulación de Energía y Gas (CREG), que emite regulaciones, circulares y estudios de operación, y la Unidad de Planeación Minero Energética (UPME), encargada de actividades como analizar el comportamiento de la demanda, el uso de recursos energéticos, la planeación y el desarrollo de nuevos proyectos [8].
El Centro Nacional de Despacho (CND) y el Consejo Nacional de Operación (CNO) del sector eléctrico se encargan de establecer aspectos técnicos y operativos que garanticen un óptimo desempeño, con seguridad, estabilidad y operación integrada del Sistema Interconectado Nacional (SIN), sin dejar de lado el componente económico, como base para la viabilidad de los sistemas [8]. En particular, el CNO 1617 de 2022 [9], en el que se actualiza el "procedimiento para la elaboración de informes de análisis de eventos en el SIN", establecido previamente en el Acuerdo 787 de 2015 [10], el cual define "responsabilidades y procedimientos a los cuales están sujetos agentes transportadores, operadores de red, generadores del SIN y el CND, para la realización de informes referentes al análisis de eventos en el SIN". Dicho acuerdo también establece el plazo para el suministro de información técnica por parte de los agentes, para la elaboración del informe de análisis de eventos en el CND.
Entendiendo la necesidad de cumplir con este tipo de normativa y optimizar los procesos operativos en las empresas del sector eléctrico, se plantean soluciones tecnológicas para apoyar el proceso de análisis [3], [8]. Razón por la cual, Interconexión Eléctrica S.A. ESP (ISA) adelanta estudios en este tipo de sistemas, alcanzando desde hace varios años el desarrollo y mejora continua de las herramientas de Sistema Automático de Gestión de Equipos de Subestaciones (SAGES) y de Diagnóstico Automático de Eventos (DAE), que son pioneras para este tipo de usos en el país. Además, existen varias alternativas comerciales, entre las que se destacan herramientas como SIMEAS SAFIR, MIAFAS, SICAM PQS / CROSSBOW, ETAP AFAS, RTAC, PowerSystem Center o SICAR, entre otras tantas soluciones tecnológicas que pueden involucrar hardware y software para la obtención de los resultados estimados para el diagnóstico de eventos [11], [12], [13], [14].
Las mencionadas herramientas pueden apoyar el diagnóstico a partir de la identificación de equipos e infraestructura del sistema eléctrico, la extracción automática de los registros de eventos y las configuraciones de los equipos de protección, control y registro; también, la gestión remota de relés y controladores, hasta la obtención de un diagnóstico de cada evento que se haya presentado y registrado en el sistema eléctrico donde se integre [14], [15], [16]. Sin embargo, cabe mencionar que no todas las herramientas tienen las mismas capacidades o características, por ende, algunas de ellas serán complementarias o requerirán procesos adicionales para la obtención de los resultados de diagnóstico esperados.
También es importante en este punto tener en cuenta la opción de integrar las mencionadas herramientas, para apoyar el diagnóstico y la interoperabilidad de estas con los diferentes tipos de equipos (marcas y referencias). El desempeño o tiempos de respuesta de las herramientas de análisis serán determinantes a la hora de considerar alguna herramienta para la implementación en una empresa o en un sistema en particular [3], [8], [17].
Este artículo exhibe el proceso de desarrollo llevado a cabo por la empresa ISA, apoyado por el Grupo de Investigación en Teleinformática y Teleautomática (Grupo T&T), de la Universidad Nacional de Colombia, sede Medellín, para el desarrollo e integración de aplicativos para consolidar un sistema de registro, extracción y diagnóstico automático de eventos con alta eficacia en los procesos de análisis, entrenado bajo una arquitectura empresarial y validado con registros reales de eventos de falla en la infraestructura de la empresa, en el SIN. Este proceso destaca el papel de la investigación y la ingeniería colombiana en el desarrollo de nuevas soluciones tecnológicas con capacidad para enfrentar soluciones empresariales consolidadas a nivel global.
1. Antecedentes
El diagnóstico de fallas es esencial para garantizar el funcionamiento seguro del sistema eléctrico de potencia [18], [19], [20]. En diferentes estudios y desarrollos se han llevado a cabo investigaciones con el propósito de obtener y evaluar métodos de identificación de fallas, considerando las etapas del proceso e incluyendo la implementación de sistemas expertos [19]. Algunos de los estudios analizados se centran en la resolución de fallas específicas dentro del sistema o en la obtención de información para apoyar los procesos de diagnóstico [3]. Estas investigaciones y estudios no son ajenos a la empresa, pues a partir de iniciativas internas de investigación y desarrollo se ha trabajado por más de 13 años en temáticas afines y componentes que soporten el desarrollo final de un prototipo para diagnóstico automático de eventos [17], [21].
En ese trayecto, la empresa ISA identifica etapas clave para el proceso de diagnóstico, las cuales, al inicio, eran realizadas por el equipo técnico operativo de la empresa y se han ido optimizando con el uso de nuevas herramientas. El proceso parte de la identificación del evento, lo cual está ligado a la operación de los equipos de protección y control, y al registro correspondiente de cada evento. Seguido a esto es necesario recopilar o adquirir los datos de registro e identificar fuentes complementarias que pueden apoyar el proceso de análisis y diagnóstico [22]. En estas primeras etapas se evidencian algunas limitantes, como las siguientes: la identificación de eventos reales de falla o de falsos eventos, y la recolección de información desde dispositivos registradores o relés con variedad de marca y tipo [8]. Cada factor es determinante para el proceso, pues su consecución involucra un tiempo determinado que al final debe ser considerado para cumplir con lo establecido por el ente regulador para la obtención y reporte final del diagnóstico, razón por la cual la empresa ha dedicado importantes esfuerzos para la mejora de dichas actividades.
Una vez consolidados los registros se requiere de su análisis para establecer información sobre la identificación del tipo de falla, la localización de la falla y el reconocimiento de la causa raíz y demás atributos requeridos por la empresa, con el fin de determinar la implementación de medidas correctivas orientadas al restablecimiento oportuno del servicio, al tiempo que se elabora el correspondiente reporte del evento [8]. Este proceso convencionalmente es realizado por personal experto en las empresas, con conocimiento detallado del sistema eléctrico, soportado en información complementaria como la secuencia de eventos (SOE) e información propia de equipos y del sistema para garantizar los mejores resultados. La principal limitante aquí es la gran variedad de eventos que pueden ocurrir en los sistemas eléctricos, así como la disponibilidad de personal experto para atender los procesos de diagnóstico. Finalmente, a partir del diagnóstico, se documenta en un informe y se emite la comunicación hacia el ente regulador u operador que lo requiera. Al interior de la empresa también se consolida un registro del análisis para establecer un historial de fallas y evaluar tendencias o comportamientos que puedan orientar actividades complementarias para garantizar una mejora en la calidad del servicio.
A partir del proceso expuesto, desde la empresa se han apoyado investigaciones y procesos de desarrollo e innovación para conseguir herramientas que aceleren el diagnóstico de eventos y permitan consolidar nuevos procedimientos orientados a una mejora en la calidad del servicio y la excelencia operacional. Ejemplo de esto son las investigaciones y estudios realizados por Llano, como el documentado en [23]. Este estudio se centra en la identificación en tiempo real de eventos de falla en sistemas eléctricos con registro SOE y utiliza el modelamiento y validación de un sistema de inferencia difuso. El objetivo principal de este proceso radica en la detección temprana del inicio de un evento de falla y la adquisición de información relevante relacionada con el mismo.
El conjunto de reglas empleado en el modelo de análisis se construye a partir del conocimiento experto, definiendo relaciones esperadas entre posibles estados de las variables de entrada, como "cantidad de señales SOE", "tiempo promedio entre señales" y "tipo de señal SOE", entre otras [23]. Durante las pruebas, se utilizaron más de mil señales asociadas con registros SOE reales, logrando resultados exitosos. El autor también aborda la identificación de eventos de falla mediante la combinación de herramientas de inteligencia artificial, como se expone en [24], en el que se presenta un sistema híbrido que combina inferencia difusa con un sistema experto basado en redes de Petri coloreadas. Dicho enfoque se utiliza para filtrar información no útil, identificar eventos de falla y establecer automáticamente y en tiempo real el estado de los componentes del sistema eléctrico previo a la falla. El sistema se sometió a pruebas utilizando un conjunto considerable de registros de SOE con múltiples señales y obtuvo resultados exitosos acordes con las expectativas.
Por su parte, Calderón aborda la relevancia de los archivos de registro de osciloperturbografía (Comtrade) [25], los cuales se obtienen con la ocurrencia de una falla en el sistema eléctrico. En este artículo se estudia el comportamiento de las señales análogas obtenidas de los equipos transductores (CT y PT) y las señales digitales asociadas a equipos de maniobra y funciones de disparo en los relés. Se destaca en esta investigación la importancia de comprender y analizar estos registros, teniendo en cuenta que no es posible tener dos registros de falla idénticos, incluso si las características del evento son similares. El estudio plantea la necesidad de utilizar modelos inteligentes y adaptativos que aprendan de las experiencias para mejorar su rendimiento con el tiempo y adaptarse a las condiciones de un Sistema Eléctrico de Potencia (SEP) real.
En este sentido, en [25] se evalúa un Modelo Adaptativo de Inteligencia Artificial (MAIA), una Metodología de Entrenamiento y Validación Adaptativa (MEVA) y un Sistema Basado en Conocimiento (SBC), para el proceso de diagnóstico de eventos. Esta propuesta está inspirada en el cerebro humano, relaciona el hardware (conocimiento almacenado en sistemas conexionistas) y el software (conocimiento intuitivo de alto nivel) con los modelos de análisis e IA utilizados en este estudio. Finalmente, se entrena y valida el conjunto MAIA + SBC por medio de MEVA, utilizando 46 996 casos simulados y 3600 registros reales de la red de ISA.
Calderón también expone parte de su investigación en [26], en la que plantea un algoritmo para detección y clasificación de " fallas de baja impedancia" (LIF) y "alta impedancia" (HIF). Aquí se reconoce la importancia de detectar estas fallas para el funcionamiento adecuado del SEP. A su vez, para el proceso se utiliza el Sistema de Inferencia Difusa Basado en Redes Adaptativas (Anfis), tomando como entradas del sistema las señales asociadas con las variables eléctricas en RMS. Los resultados indican que un modelo Anfis puede detectar y clasificar con precisión diferentes tipos de fallas, incluyendo LIF y HIF, en un tiempo de medio ciclo.
La investigación realizada por Calderón establece un punto de referencia importante para futuros trabajos en este campo, tal como se evidencia en [27], en el que se aplican técnicas de IA (RNA y Anfis) para localizar el punto de falla monofásica en un SEP. Esto permite estimar la ubicación del punto de falla en la línea de transmisión, considerando diferentes niveles de impedancia. El autor también soportó la investigación realizada por Paneta en [28], que se enfoca en el uso de redes neuronales para el estudio de protecciones eléctricas, con énfasis en la adaptabilidad del sistema para evitar disparos no deseados.
Como puede evidenciarse a partir de lo expuesto anteriormente, en este proceso de análisis y detección de eventos, la fuente de información desempeña un papel crítico. En este contexto, es relevante destacar el aporte de Hincapié, que expone en [17] el desarrollo de un controlador para automatizar el proceso de descarga de eventos, basándose en el estándar IEC 61850 implementado en Dispositivos Electrónicos Inteligentes (IED). Estos dispositivos representan una evolución de los relés convencionales. El proceso en cuestión permite extraer información de dispositivos independiente del proveedor o del equipo de referencia, lo que se convierte en un recurso esencial para el análisis y diagnóstico de eventos. Además, este trabajo sienta las bases para el funcionamiento actual del sistema SAGES en la empresa.
La experiencia de [29] aborda la complejidad inherente a los sistemas de transmisión de energía, destacándola como un factor crítico en la implementación exitosa de un sistema de diagnóstico automático de fallas. Su objetivo principal radica en priorizar el análisis y la restauración eficiente del sistema eléctrico, enfocándose en la aplicación de conceptos de agentes y sistemas multiagente, e incorporando técnicas de IA. Aquí se proponen modelos multiagente y Modelos de Lenguaje Unificado (UML, por sus siglas en inglés), para la construcción de un prototipo de diagnóstico de fallas en sistemas de transmisión de energía eléctrica. Estos modelos tienen en cuenta la naturaleza distribuida de la información, la calidad de las fuentes de datos y los sistemas encargados del procesamiento de dicha información.
En otro estudio relevante [21], se aborda el diagnóstico automático de fallas en SEP desde la perspectiva de los sistemas distribuidos y la gestión de la gran cantidad de información generada durante un evento. Se propone un enfoque híbrido que capitaliza las ventajas de los sistemas multiagente, como el paralelismo y la coordinación entre agentes para mejorar la eficiencia, la independencia y la autonomía en la gestión de problemas de comunicación intermitente, además de la modularidad y extensibilidad para permitir la incorporación de nuevas fuentes de información y herramientas de análisis. Asimismo, se emplean métodos de IA apoyados en lógica difusa para mitigar la incertidumbre inherente al manejo de información inconsistente o incompleta.
Estos estudios, realizados en su mayoría por personas ligadas o afines a la empresa, han consolidado una sólida base para este trabajo y resaltan la importancia de abordar el diagnóstico de eventos en sistemas eléctricos desde una perspectiva multidisciplinaria que combine conceptos de adquisición de datos, integración e interoperabilidad, sistemas distribuidos e IA, para garantizar una gestión eficaz de las fallas en el sistema de transmisión de energía.
Como resultado de las mencionadas investigaciones y apoyada en estudios complementarios, a nivel empresa se han desarrollado productos que apoyan los procesos de diagnóstico de eventos y que se han consolidado como casos de éxito de los equipos de trabajo, dados los resultados obtenidos con su aplicación. En principio, partiendo de la necesidad de contar con los insumos necesarios para el análisis y diagnóstico, la empresa, con el apoyo del Grupo T&T, desarrolló un sistema de se encarga de gestionar la información de registro contenida en relés y registradores de fallas en las subestaciones eléctricas, para consolidar una base de información disponible para el análisis. Este sistema fue denominado como SAGES y, en comparación con herramientas comerciales de similar alcance, ha demostrado un comportamiento de alta eficacia y eficiencia en los procesos. En este desarrollo se han enfrentado múltiples desafíos, que van desde el uso de protocolos de comunicación con los equipos registradores de eventos, hasta el desarrollo de controladores o aplicativos para la gestión automática de la información registrada, considerando equipos multimarca y multifunción que hacen parte de la infraestructura de la empresa.
Por otra parte, en ISA se aborda el componente de análisis a partir del desarrollo de una herramienta de software denominada DAE, la cual integra herramientas de IA para apoyar estos procesos y se complementa con fuentes de información de los sistemas de monitoreo utilizados en la empresa. El sistema DAE también fue desarrollado con el apoyo del Grupo T&T, de la Universidad Nacional de Colombia, sede Medellín, inicialmente enfocado en el diagnóstico de eventos en líneas de transmisión para niveles de 220 kV y 230 kV, como elementos clave en la infraestructura de la empresa. No obstante, recientemente, el sistema DAE se ha visto sometido a varias mejoras para integrar análisis de fallas en líneas con otros niveles de tensión (34.5 kV a 500 kV), incluyendo eventos de falla asociados con trasformadores de potencia con diferentes características de conexión y con diversos niveles de potencia.
Los resultados de ambas herramientas han sido validados a nivel empresa con eventos simulados y casos reales, y contrastados con herramientas comerciales que cuentan con características similares, en aras de confirmar la validez de los resultados y la eficacia de las herramientas. Esto ha dado lugar a que la empresa identifique la necesidad de contar con un sistema integral que contemple la gestión de los dispositivos, la recolección automática de registros y el proceso de análisis y diagnóstico de eventos. Por ende, el presente artículo expone el proceso realizado para la integración de los sistemas SAGES y DAE, para obtener una herramienta robusta con respuesta en línea para el diagnóstico automático de eventos, desde la ocurrencia hasta la generación del reporte correspondiente.
2. Metodología
El presente artículo plantea la importancia de contar con herramientas o soluciones tecnológicas que permitan a la empresa brindar una respuesta oportuna y confiable a diferentes tipos de eventos que se puedan presentar en sus sistemas, además de mantener un monitoreo y gestión de los diferentes activos que la componen, con particular énfasis en la infraestructura de protección y control.
2.1 Gestión de dispositivos a nivel de subestación
Para la gestión de la infraestructura a nivel de subestación, la empresa cuenta con una herramienta de desarrollo propio denominada SAGES. Este sistema se instala localmente en los PC de las subestaciones eléctricas de la empresa y se enlaza con un servidor central encargado de administrar los recursos de información y los registros obtenidos a partir de su uso.
SAGES integra aspectos como la detección automática de eventos a partir de lectura de señales de SOE, la descarga automática, manual y cíclica de información de los dispositivos registradores de fallas y la visualización de archivos Comtrade. Todo esto se integra con el Sistema de Información para la Gestión Operativa (SIGO) de la compañía, para gestión de información orientada a mantener la adecuada operación en el negocio de transporte de energía.
Este sistema tiene un atributo importante en términos de flexibilidad, pues permite la adición de nuevos equipos, la configuración de notificaciones y de descargas cíclicas, acorde con las necesidades de la empresa.
Considerando que la empresa cuenta con una gran cantidad de equipos multimarca y multi-función, y de diferentes tecnologías, para dicho desarrollo se han tenido que enfrentar múltiples desafíos, que van desde el uso de diferentes métodos de comunicación con los equipos, como el uso de protocolo propietario del fabricante o protocolos estándar, y el desarrollo de un motor de Robotic Process Automation (RPA) para la gestión automática, con el software del fabricante, implicando el desarrollo de controladores o aplicativos para la gestión automática de la información registrada.
Adicionalmente, cuenta con una base de datos maestra de ajustes, integra la funcionalidad de descarga de ajustes y la comparación de versiones, permitiendo a su vez una revisión de los ajustes recomendados. De igual manera, actúa como un sistema de gestión de medidas, a partir de la información de contadores que se sincroniza con el servicio de medidas para fronteras comerciales.
La arquitectura de SAGES hace de esta una herramienta versátil, con capacidad de integrar nuevas funcionalidades o complementos, y de soportar contingencias como desconexiones u operación aislada a partir de las bases de datos y fuentes de información con las que opera tanto a nivel local en la subestación eléctrica, como a nivel centralizado en el centro de control de la empresa.
Tabla 1 Capacidades de los componentes del software SAGES
| sages - Capacidades | |
|---|---|
| Componente | Características de aplicación |
| Gestión de medidas | Centro de Gestión de Medidas (CGM), descarga de información y actualización de medidas en sic |
| Gestión de ajustes | Base de datos maestra, descarga automática, comparación de versiones y ajustes recomendados |
| Aplicaciones | Generación automática de Comtrade |
| Administración | Ampliación de infraestructura y gestión de notificaciones |
| Gestión de descarga | Detección y descarga automática con visualización |
Fuente: elaboración propia.
2.2. Diagnóstico automático de eventos
La empresa realiza el diagnóstico de eventos a partir de un sistema denominado DAE, un desarrollo propio, para analizar las señales analógicas y digitales asociadas con el sistema eléctrico de la empresa, teniendo como foco principal las líneas de transmisión y los trasformadores eléctricos de potencia.
Esta herramienta realiza el proceso de análisis apoyándose en los registros de eventos de fallas generados como archivos Comtrade desde los diferentes equipos de protección y registradores de fallas, para obtener un diagnóstico de estas en los diferentes tramos de la red. Esto se complementa al contrastarse con información tomada del SOE del sistema Scada.
El DAE surge en la empresa a partir de la necesidad de optimizar los procesos de análisis y diagnóstico de eventos en su infraestructura, teniendo como objetivo la determinación del elemento fallado, la localización eficaz de fallas, la identificación del tipo de falla y el análisis de la operación de los equipos de protección y de maniobra. Tiene en las tecnologías de IA una herramienta clave para el procesamiento de datos, y recursos para establecer reglas de decisión ligadas a un sistema experto.
Para el análisis del DAE se entrenó a una red neuronal que procesa las señales de corriente y voltaje y arroja un resultado de tipo de falla, es decir, recorre toda la señal en un tramo de estudio y verifica en qué parte del tramo se encuentra una perturbación, que se interpreta como una falla en una o más fases específicas. Luego, el sistema toma como referencia las señales digitales para hacer un análisis de la señalización asociada con arranques y disparos que se generan a partir de las fallas, teniendo en cuenta las aperturas y recierres en interruptores como respuesta a las fallas monofásicas, bifásicas o trifásicas en las líneas de transmisión.
Posteriormente, se correlaciona el comportamiento de señales análogas y digitales, obteniendo un análisis del comportamiento del sistema y así poder emitir el diagnóstico correspondiente del evento. Este diagnóstico se aloja en una base de datos que puede ser utilizada para la generación de reportes, la revisión y análisis del personal operativo de la empresa o la emisión de reportes de diagnóstico hacia entes de control u operador del sistema.
Fuente: elaboración propia con base en los sistemas SAGES-DAE.
Figura 1 Arquitectura base para sistema SAGES
Los datos generados con SAGES, como registros de eventos o ajustes, serán una base de información clave para la operación del sistema DAE. Este sistema, además, integra información del sistema SIGO, se enlaza con señales digitales provenientes de SOE del Scada e información de IED y sistemas expertos.
En la figura 2 se expone una síntesis de la forma como opera el aplicativo DAE, evidenciando los recursos y principales bases de datos consideradas fundamentales para su correcta operación.
2.3 Bases de datos compartidas
Las bases de datos generadas por SAGES cuentan con un primer almacenamiento local (PC en subestación se integra con el Sistema de Automatización de Subestaciones [SAS]), donde se almacenan de manera automática los registros de los relés correspondientes, y un servidor centralizado que representa una base de datos con la información y registros de la infraestructura de la empresa.
En la figura 1 se expone la forma como se integran las bases de datos generadas por el aplicativo SAGES, tanto en su uso a nivel local (subestación) como en centro de control o servidor central.
Puede observarse, a partir de la ilustración anterior, cómo el sistema DAE abastece de información sobre la secuencia de eventos y la operación del sistema eléctrico, además de tener una comunicación en doble vía con la base de datos SIGO, extrayendo información relevante para los procesos de análisis y diagnóstico de eventos, que finaliza con el correspondiente registro de los resultados de dicho proceso.
2.4 Retos de integración
De acuerdo con el propósito de este proceso, se enfrentaron desafíos para la integración de las funcionalidades correspondientes a las dos soluciones. Razón por la cual fue necesario efectuar varias consideraciones y ajustes complementarios para alcanzar el objetivo planteado.
SAGES es una aplicación web desarrollada en .NET, con la capacidad de realizar la descarga automática de información desde equipos de subestación y del SOE. Por su parte, DAE es una aplicación de escritorio, desarrollada en Java, con el propósito inicial de automatizar el análisis de registros de fallas en líneas de transmisión, cargados de forma manual.
El desafío de integrar ambas aplicaciones para proporcionar una experiencia de uso con mayor alcance, más eficiencia y coherencia con los usuarios finales, planteó un complejo desafío que involucró aspectos clave, entre los que se destacan los siguientes:
Revisión de requisitos: se revisaron en detalle los requisitos funcionales y no funcionales en ambas aplicaciones, analizando a fondo sus funcionalidades y limitaciones.
Diseño de una arquitectura unificada: se diseñó una arquitectura orientada a servicios, con visualización web para la integración de funcionalidades de ambas aplicaciones.
Selección de la plataforma de desarrollo: se optó por un enfoque de desarrollo web utilizando tecnologías .NET, en aras de aprovechar la infraestructura existente de SAGES y garantizar la escalabilidad futura del sistema.
Migración de datos: se planificó la unificación de las bases de datos SQL utilizadas por SAGES y DAE. A la fecha se encuentra en proceso, debido a la cantidad de información histórica y al impacto que el cambio trae en cada interfaz gráfica para usuarios de la aplicación.
Mejora y desarrollo de nuevas funcionalidades: se implementaron nuevas funcionalidades y módulos (análisis de eventos en trasformadores de potencia y en líneas de transmisión con niveles de tensión inferiores a 230 kV) y mejoras para la aplicación web unificada, logrando realizar la descarga automática de datos y el análisis de eventos de manera automática y eficiente.
Pruebas y validación: se realizaron pruebas exhaustivas para garantizar la estabilidad y el rendimiento de la aplicación unificada, abarcando pruebas de carga, de seguridad y de compatibilidad con diferentes navegadores.
2.5 Arquitectura de entrenamiento
Para dar una sostenibilidad en el tiempo a los modelos de IA que soportan el diagnóstico automático, se desarrolló una arquitectura de entrenamiento de modelos de análisis integrados a DAE (figura 3). En esta se destacan cuatro fases clave para el proceso, las cuales son las siguientes: fuente de datos, ingesta de datos y transformación, almacenamiento y análisis.
Fuente de datos: el modelo de arquitectura empleado contempla una etapa en la que se realiza la generación de datos sintéticos mediante simulación de sistemas eléctricos de potencia, dando lugar a los insumos para entrenamiento y de modelos. Además se utilizan registros históricos de casos de fallas reales, para la validación y el mejoramiento de varios de los modelos desarrollados.
Ingesta de datos y transformación: los datos generados mediante simulación u obtenidos de registros históricos son utilizados para generar un archivo de registros de fallas ordenados conocidos como archivo Comtrade. De estos archivos se extraen las características que son determinantes para el correcto diagnóstico de fallas. Por un lado, se extraen los datos para el análisis de fallas en trasformadores de potencia y, por el otro lado, se extraen los datos para la detección de anomalías en las líneas de transmisión.
Los datos extraídos de los archivos Comtrade pasan por una etapa de preprocesamiento, en la cual se transforman los datos en unidades de negocio, se limpian al eliminar los archivos redundantes o duplicados y se codifican las variables de salida a los distintos tipos de falla, para finalmente generar un archivo de valores con los datos separados por comas (csv).
Fuente: elaboración propia con base en el sistema SAGES-DAE.
Figura 3 Arquitectura base para el entrenamiento de los modelos considerados en DAE
Almacenamiento y análisis: los archivos resultantes de la etapa de transformación (archivos csv) son transportados y almacenados en el ambiente de entrenamiento (máquina local con entorno de ambiente de Python). En dicho entorno se realiza la etapa de entrenamiento, en la que se validaron cinco modelos: Multilayer Perceptron (MLP), Support Vector Machine (SVM), Decision Tree (DT), K-Nearest Neighbor (KNN) y Random Forest (RF). El entrenamiento se dividió en dos partes: generación de modelos de detección de fallas en equipos inductivos y generación de modelos de detección de fallas en líneas de transmisión.
Entrenamiento de modelos para detección de fallas en equipos inductivos: la detección de fallas en equipos inductivos consta de tres análisis esenciales. El análisis de Inrush, que es el primer análisis de las señales y consiste en la detección de las corrientes de magnetización de los trasformadores. El segundo y tercer análisis consisten en la detección de tipo y ubicación de las fallas que se pueden presentar, dependiendo del tipo de trasformador (bidevanado y tridevanado). En la figura 4 se presentan los resultados de entrenamiento del modelo KNN para la detección del tipo de falla de un trasformador tridevanado. Para el análisis de detección del tipo de falla, los resultados en general superan el 97 % en la métrica de f1-score para los diferentes tipos de falla, inclusive en la identificación de casos "Sin falla".
Fuente: elaboración propia con base en el sistema SAGES-DAE.
Figura 4 Resultados del entrenamiento del modelo KNN para la detección del tipo de falla de un trasformador tridevanado
En la figura 5 se presentan los resultados del entrenamiento para el modelo RF de la ubicación de la falla. En este caso, la ubicación se detecta correctamente en más del 98 % de los casos. Mientras que en la detección de los casos "Sin falla" los identifica en un 89 %.
Fuente: elaboración propia con base en el sistema SAGES-DAE.
Figura 5 Resultados del entrenamiento de modelo RF para la detección de la ubicación de falla de un trasformador tridevanado
Entrenamiento de modelos para detección de fallas en líneas de transmisión: para la detección de fallas en líneas de transmisión se emplea información de líneas de transmisión de 34.5 kV, 66 kV, 110 kV, 230 kV y 500 kV, con el objetivo de detectar el tipo de falla y su ubicación. En la figura 6 se presentan los resultados del modelo MLP para un caso de falla interna.
Fuente: elaboración propia con base en el sistema SAGES-DAE.
Figura 6 Resultados del entrenamiento de modelo MLP para la detección de una falla interna en una línea de transmisión
Una vez validados y evaluados los modelos para la detección de fallas en equipos inductivos y para la detección de fallas en líneas de transmisión, los modelos son seleccionados, guardados y exportados al entorno de SAGES-DAE, para su implementación y ejecución en productivo.
2.6 Arquitectura SAGES-DAE
A continuación, se presenta un diagrama que expone la forma como se integran los sistemas SAGES y DAE, a partir de unas fuentes de información comunes y el almacenamiento compartido de información. La figura 7 permite identificar la forma como las herramientas desarrolladas, y luego integradas, comparten servicio, fuentes de información comunes y operan suministrando información de valor para el monitoreo y operación del sistema eléctrico.
Se destaca del esquema expuesto, el uso de SIGO como fuente de información común entre las plataformas. Este es el punto clave en el que se almacenan los registros o fuentes extraídas del sistema a partir de SAGES, las cuales, a su vez, se convierten en la fuente primaria de información para la operación de DAE. De igual manera, se destaca también la participación del personal experto de la empresa, como una fuente de información primaria para preestablecer requisitos, condiciones de operación, ajustes y atributos clave que deben ser considerados por el sistema SAGES-DAE para una operación efectiva y un correcto análisis de los eventos de operación, acordes con el sistema al que se integra esta solución tecnológica.
Resultados
La información descargada y analizada por el sistema integrado SAGES-DAE se obtiene en un corto periodo de tiempo y se encuentra a disposición de los operadores del centro de control para la visualización en línea. Este equipo de trabajo de la empresa tiene acceso al sistema desde un único despliegue que consta de tres secciones, como se presenta en la figura 8.
Fuente: elaboración propia con base en el sistema SAGES-DAE.
Figura 8 Visualizador de eventos de SAGES-DAE
La sección uno muestra las descargas automáticas realizadas por el sistema (por ejemplo, registro de la protección de la línea 1 de la BL Antioquia a Cerromatoso 2), mientras que la sección dos proporciona el diagnóstico automático del evento (análisis del registro mencionado anteriormente). Por su parte, en la sección tres, los operadores pueden monitorear el estado de la red de gestión, como las pérdidas de comunicación con relés o PC de gestión.
Para ofrecer un ejemplo más detallado de las ventajas de esta integración, se expone un ejemplo del proceso de análisis y los resultados obtenidos con la herramienta, tomando como referencia el siguiente evento real:
El 10 de octubre de 2023, a las 09:22 se produjo un disparo en el circuito Porce-Sogamoso 500 kV, debido a una falla monofásica en la fase B.
A continuación, se presenta un análisis de los resultados del sistema integrado.
3.1 Resultados en la detección de eventos y la descarga de registros
Mediante la gestión centralizada del SOE en el sistema SAGES se realiza una lectura constante de la base de datos del sistema Scada Monarch para identificar nuevos eventos.
En el caso de estudio, se capturaron los datos del SOE de las protecciones e interruptores de la BL Porce III 500 kV-Sogamoso 1 y BL Sogamoso-Porce III 500 kV 1 (figura 9). Con esta información, el sistema descarga de manera automática los registros oscilográficos de los equipos de las bahías involucradas en el evento, en menos de dos minutos. Teniendo en el proceso un tiempo de alrededor de dos minutos para descargar los registros de fallas (figura 10). Asimismo, se descargan de manera automática otros datos relacionados con las fallas, como los logs de los relés, un proceso que dura cinco minutos. Esta es una información complementaria para la empresa.
Lo expuesto hasta este punto exhibe de manera clara el proceso correspondiente al componente SAGES, evidencia resultados claros y eficaces sobre la gestión de la información y la rapidez con la que el sistema se integra con diferentes equipos e infraestructura de la empresa para generar la información necesaria para un correcto análisis y atención del evento sucedido.
3.2 Resultados del análisis automático
Tras la descarga automática de la información, los archivos son procesados de inmediato por el módulo de análisis (DAE). Este módulo suministra al operador una presentación (figura 11) en la que se identifican de manera precisa los activos fallados y el tipo de evento. De igual manera, dentro del desglose del evento se muestran las condiciones previas a la falla encontradas en cada registro (figura 12).
El análisis obtenido incluye la localización calculada del punto de falla, obtenida a partir de las diversas fuentes de información con las cuales se integra la herramienta (figura 13). Asimismo, se tendrá una visualización de la secuencia temporal de la falla, las aperturas y cierres de interruptores (figura 14), y las conclusiones derivadas del análisis (figura 15). Este último apartado muestra las funciones de protección que operaron en cada equipo analizado. Todo el procesamiento de información, análisis y conclusiones se realiza en menos de un minuto.
Fuente: elaboración propia con base en el sistema SAGES-DAE.
Figura 14 Secuencia temporal del evento
Posteriormente, una vez completado el análisis automático, el sistema permite al analista revisar su contenido y, una vez verificado, exportar el informe al SIGO.
3.3 Eficacia del sistema conjunto
Las mediciones realizadas hasta el momento han permitido la verificación de la disminución en los tiempos del proceso de análisis de eventos.
Antes, desde la ocurrencia de un evento hasta la descarga de registros por parte de los operadores del Centro de control, el tiempo usado oscilaba entre 15 a 40 minutos; por su parte, el tiempo de análisis de registros de eventos hasta el ingreso de la información al aplicativo SIGO por parte de los analistas de perturbaciones, para un evento sencillo, era en promedio de dos a tres horas.
Hoy en día, según los registros obtenidos en el proceso de validación, con la integración de los aplicativos, la descarga de información se realiza en un periodo de uno a cinco minutos y el análisis de los registros toma alrededor de uno a tres minutos, es decir, es evidente la disminución en los tiempos de atención de eventos al interior de la empresa a partir de la automatización de dichos procesos.
Tabla 2 Comparativo con tiempos de respuesta en procesos convencionales y uso de SAGES-DAE
| Proceso | Tiempo de proceso | Tiempo de SAGES-DAE |
|---|---|---|
| Gestión de registros | 14 a 40 min | 1 a 5 min |
| Diagnóstico del evento | 120 a 180 min | 1 a 3 min |
| Duración total del proceso | 134 a 220 min | 2 a 8 min |
Fuente: elaboración propia con base en el sistema SAGES-DAE.
Al analizar los tiempos expuestos se tiene una eficiencia en función del tiempo que lleva a una reducción de entre el 96 % al 98 % del tiempo que convencionalmente se empleaba para la realización de estas tareas en la empresa.
Lo anterior ha permitido que el personal de la empresa pueda realizar análisis a mayor profundidad, y ha encontrado anomalías ocultas e investigado fenómenos electromagnéticos no detectados antes en el sistema. Con lo cual se pueden identificar posibles irregularidades u oportunidades de mejora con un importante impacto en los procesos de excelencia de las operaciones que se adelantan en ISA.
Al momento de redactar este artículo, el sistema integrado SAGES-DAE se encuentra en la etapa de estabilización. El seguimiento de su efectividad ha demostrado que, en condiciones normales, luego de la ocurrencia de un evento, el sistema tarda menos de cuatro minutos en descargar, analizar la información y presentar un análisis completo del mismo.
Conclusiones
La integración de los aplicativos SAGES y DAE desarrollados por ISA con el apoyo del Grupo T&T, de la Universidad Nacional de Colombia, representa un avance significativo para optimizar la gestión de fallas, mejorar la capacidad de coordinación y respuesta ante situaciones críticas y de mayor complejidad. Esta unificación de herramientas conlleva a la reducción de tiempos de proceso, la adaptación a las nuevas regulaciones y anticipa la tendencia a obtener plazos de informes cada vez más ajustados.
El sistema es un desarrollo propio que satisface a plenitud las necesidades de la empresa, reduce la dependencia tecnológica y promueve, además, la investigación y el desarrollo de conocimientos a nivel nacional. El sistema ha permitido capitalizar y automatizar el conocimiento de los analistas expertos, lo que ha redundado en la reducción de errores y en mejoras en la eficacia y eficiencia del proceso de análisis de perturbaciones.
La mejora e integración de estas herramientas contribuyen de manera significativa a la estrategia corporativa ISA 2030 de lograr una operación eficiente, segura y confiable. De este modo, la empresa aporta en los procesos de mejora continua del sector eléctrico, brindando una atención oportuna a eventos, mejorando la calidad en la prestación del servicio e implementando procesos de investigación que apoyan e incentivan el desarrollo del ecosistema de ciencia, tecnología e innovación (CTEI) del país.
