CLASIFICADORES INTELIGENTES PARA DETERMINAR LA AFECTACIÓN A LA CALIDAD DE LA ENERGÍA ELÉCTRICA
DOI:
https://doi.org/10.24054/rcta.v1i23.1880Palabras clave:
Calidad de la energía, armónicos, sags, swell, wavelet, RNA, SVMResumen
En el presente trabajo se presenta el modelado matemático y la simulación de algunos de los fenómenos que afectan la calidad de la energía, para posteriormente aplicárseles la Transformada Discreta de Wavelet y así obtener la distribución de energía
de los 10 primeros coeficientes de detalle de tal forma que al hacer un procesamiento de estos datos se obtengan patrones característicos de cada señal. Con estos patrones entrenan varios clasificadores inteligentes y poder determinar cuál de estos presenta mejor resultados en cuanto a la predicción de la clase a la que pertenece cada uno de los patrones mencionados. Por otra parte, teniendo calculadas las distribuciones de energía de los coeficientes de detalle se procede a la formulación de un indicador general de calidad de la energía y compararlo con los índices existentes.
Descargas
Citas
Ajith, A. and Baikunth, N. (2004). "Artificial
neural networks for intelligent real time power
quality monitoring system". Vol. 56, No. 6.
Calvas, R. (2001). Cuaderno Técnico No. 141: Las
perturbaciones eléctricas en BT. Schneider
Electric, enero.
Collombet, C. et al. (2001). Cuaderno Técnico No.
: Los armónicos en las redes perturbadas y
su tratamiento. Schneider Electric, enero.
Díaz R., J. L.; Pabón, L. D. y Torres, I. (2012).
Análisis comparativo de la distorsión armónica
en inversores de potencia. Revista Colombiana
de Tecnologías de Avanzada, Vol. 1, No. 19.
Echavarría, R. (2002). Síntesis de un regulador
monofásico de tomas de CA para aplicaciones
de media y baja tensión. Tesis Doctoral. Centro
Nacional de Investigación y Desarrollo
Tecnológico, México.
Elango, M. K., et al. (2010). "Application of
Neural Networks for Power Quality
Disturbance Classification Using Hilbert Huang
Transform". European Journal of Scientific
Research, Vol. 47, No. 3, pp. 442-454.
García, E. (2008). Valoración de la Calidad de la
Energía Eléctrica Respecto a Huecos de
Tensión: Índices y Niveles de Calidad. Tesis
Doctoral. Universidad Politécnica de Valencia.
España.
Jiménez, L. (2010). “Al Interior de una máquina de
soporte vectorial”. Revista de Ciencias,
Universidad del Valle, Cali, Octubre.
Machado, R. N. M., Bezerra, U. H., Tostes, S. C.
F., Freire, M. E. L and Meneses, L. A. (2012).
Application of Wavelet Transform and
Artificial Neural Network to Extract Power
Quality Information from Voltage
Oscillographic Signals in Electric Power
Systems, Advances in Wavelet Theory and
Their Applications in Engineering, Physics and
Technology, Ed. InTech.
Martínez, C., Díaz R., J. L. y Pardo G., A (2012).
Aplicación de redes neuronales al control de
velocidad en motores de corriente alterna.
Revista Colombiana de Tecnologías de
Avanzada. Vol. 2, No. 20.
Navarrete M., M. y Andrade M., S. (2006).
"Análisis y Tratamiento de la Señal
Electrocardiográfica Para la Detección de
Parámetros de Normalidad Bajo la Plataforma
Labview “Adpan-Ecg” Universidad Pontifica
Bolivariana, Bucaramanga, julio.
Pajares, G. (2011). Aprendizaje Automático.
Ediciones de la U., Colombia.
Resende, J. W. (2001). “Identification of power
quality disturbances using the MATLAB®
Wavelet Transform Toolbox”. Presentado en
International Conference on Power Systems
Transients (IPST), Rio de Janeiro, Brasil, Junio
pp. 24-28.
Santafé, P.; Díaz R., J. L. y Gualdron, O. (2013).
LSSVM aplicada en la estimación de la
resistencia de rotor en motor de inducción jaula
de ardilla. Revista Colombiana de Tecnologías
de Avanzada, Vol. 1, No. 21.
Saucedo D. y Texis, J. (2008). Factores que
afectan la calidad de la energía y su solución.
Tesis de Maestría. Escuela Superior de
Ingeniería Mecánica y Eléctrica. México, D.F.
Suárez, J. A. (2005). "Análisis de la distorsión
armónica y los efectos de atenuación y
diversidad en áreas residenciales". IEEE Latin
America Transactions, Vol. 3, No. 5, Dic.
Tovar, D. A. (2009). "Wavelet transform and
support vector machines for the arrhythmia
identification". Revista de Investigación
Universidad del Quindio, Vol. 19, No. 10.
Colombia.
Vega, V. et al. (2006). "Detección e identificación
de eventos de la calidad de la Energía eléctrica
utilizando la transformada Wavelet discreta y
redes neuronales". Revista UIS Ingenierías.
Venkatesh, C. et al. (2008). “Wavelet based
modular neural network for power quality
disturbance classification”. Presentado en la
XXXII National Systems Conference, NSC,
Roorkee, Uttarakhand, India.
Wijayakulasooriya, J. V. et al. (2002). "Electric
power quality disturbance classification using
self-adapting artificial neural networks",
Generation, Transmission and Distribution, IEE
Proceedings, Vol. 149, No. 1, pp. 98-101, Jan.
Descargas
Publicado
Versiones
- 2014-01-02 (5)
- 2014-01-02 (4)
- 2014-01-02 (3)
- 2014-01-02 (2)
- 2022-11-08 (1)
Cómo citar
Número
Sección
Licencia
Derechos de autor 2014 REVISTA COLOMBIANA DE TECNOLOGIAS DE AVANZADA (RCTA)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.