DESARROLLO DE UN SISTEMA MULTISENSORIAL EMBEBIDO PARA DETECCIÓN DE FALLAS INCIPIENTES EN TRANSFORMADORES ELECTRICOS
DOI:
https://doi.org/10.24054/rcta.v1i41.2417Palabras clave:
Nariz Electrónica, Red Neuronal, Análisis PCAResumen
El trabajo de investigación se basó en la elaboración de un sistema embebido capaz de detectar gases volátiles incipientes presentes en los transformadores eléctricos. Para realizar la detección de cada uno de los gases que allí se localizan, se aplicó ingeniería de detalle para la toma y adquisición de datos provenientes del sistema multisensorial, esto por medio de cada una de las pruebas que se debe aplicar a los sensores que se utilizaron para la toma de muestras, luego de haber realizado este tipo de ingeniería, se realizó un algoritmo para clasificar los datos adquiridos por medio del sistema multisensorial anteriormente planteado y esto con el fin de saber qué tipo de gas se detectó para la respectiva clasificación de los mismos, una vez logrado cada uno de los pasos anteriormente formulados se implementó un sistema inalámbrico capaz de dar la información interna que se está presentado en tiempo real en el transformador con el fin de hacer un monitoreo constante para prevenir los daños futuros, y con esto implementar sistemas de mantenimiento bien sean preventivos o predictivos y así evitarle costos a la empresa encargada de dar manteniendo y buen funcionamiento a estos elementos de distribución eléctrica.
Descargas
Citas
Brambila Tello, D., & Gijon Olivares, L. V. (2015). Predicción de fallas en los transformadores de potencia mediante la técnica de cromatografía de gases. https://tesis.ipn.mx/bitstream/handle/123456789/21906/Tesis%20completa-07-11-15.pdf?sequence=1&isAllowed=y
Carrillo Gómez, J. K., Duran Acevedo, C. M., & Garcia Rico, R. O. (2019). Discriminación de bacterias en agua potable a través de una nariz electrónica y un equipo de extracción de volátiles. (RCTA), 1(33), 155-165. https://doi.org/10.24054/rcta.v1i33.99
Correa, E. C., Barreiro y, P., & Ruiz-Altisent, M. (2005). Las narices electrónicas en el ámbito de la industria agroalimentaria. Alimentación, Equipos y Tecnología, 24(206), 90-98. https://oa.upm.es/5351/1/Barreiro_05.pdf
Custodio, M. A. (2019). Predicción por Redes Neuronales Artificiales del comportamiento productivo de Capra hircus "caprinos" en crianza semiextensiva. https://dspace.unitru.edu.pe/server/api/core/bitstreams/256198f4-70c7-4b33-bf6e-bddb87b5a517/content
Durán Acevedo, C. M., Jaimes Mogollón, A. L., & Gualdron Guerrero, O. E. (2016). Aplicación de una lengua electrónica para la clasificación de vinos. (RCTA), 2(28). https://www.unipamplona.edu.co/unipamplona/portalIG/home_40/recursos/05_v25_30/revista_28/20052017/03.pdf
García Vélez, E. O., & Gaspar España, C. O. (2010). Diagnóstico y mantenimiento de transformadores de gran potencia en aceite (aplicado a un transformador de 160MVA, 13,8kv/138kv de la Central Térmica Trinitaria) https://dspace.ups.edu.ec/handle/123456789/2109
Gualdrón Guerrero, O. E., Durán Acevedo, C. M., Araque Gallardo, J. A., & Ortíz Sandoval, J. E. (2014). Implementación de un modelo neuronal en un dispositivo hardware (FPGA) para la clasificación de compuestos químicos en un sistema multisensorial (nariz electrónica). (RCTA), 2(24), 127-133. https://doi.org/10.24054/rcta.v2i24.1224
Gutiérrez Chávez, B. A., & Montes de Oca-Ramírez, G. (2021). Determination of faults severity in power transformers immersed in mineral insulated oil based exclusively on the DGA and by evaluating the NEI. (Rev. Ci. Tec.), 4(3), 208-223. https://doi.org/10.37636/recit.v43208223
Jaimes Vergel, H. D. (2019). Desarrollo de un sistema para detectar pesticidas en datos cromatográficos de papa y piña usando procesamiento digital de señales. http://repositoriodspace.unipamplona.edu.co/jspui/bitstream/20.500.12744/3340/1/Jaimes_2019_TG.pdf
Marín Díaz Araque, J. M. (s.f.). Tema 3: Análisis de Componentes Principales. https://halweb.uc3m.es/esp/personal/personas/jmmarin/esp/amult/tema3am.pdf
Matich, D. J. (2001). "Redes Neuronales: Conceptos Básicos y Aplicaciones." https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf
Paredes-Doig, A. L., Sun Kou, M. R., Picasso-Escobar, G., Doig-Camino, E., & Comina, G. (2016). Implementation y evaluación de una nariz electrónica para la detección de alcoholes lineales. Revista Colombiana de Química, 45(2), 12-18. https://doi.org/10.15446/rev.colomb.quim.v45n2.60393
Prieto Castañeda, N. (2012). Implementación de un sistema de evaluación sensorial electrónico para el control de calidad de vinos. http://uvadoc.uva.es/handle/10324/1900
Rodríguez Díaz, J., Contreras de León, J. E., & Zambrano, E. (2020). ¿Conoces los análisis de gases para la prevención oportuna de fallas en los transformadores? http://prolecge.com/wp-content/uploads/2020/02/conoces-los-ana%CC%81lisis-de-gases-para-la-prevencio%CC%81n-oportunda-de-fallas-en-transformadores.pdf
"TANCO, F.; (2003) Introducción a las Redes Neuronales Artificiales, Grupo de Inteligencia Artificial (GIA), UTN-FRBA, Argentina. https://www.frba.utn.edu.ar/wp-content/uploads/2021/02/RNA.pdf"
UPV-EHU. (2008). Redes Neuronales Artificiales y sus Aplicaciones [Curso online]. Profesor: Xabier Basogain Olabe. Dpto. Ingeniería de Sistemas y Automática, Escuela Superior de Ingeniería de Bilbao, UPV-EHU. https://ocw.ehu.eus/pluginfile.php/40137/mod_resource/content/1/redes_neuro/Course_listing.html
Descargas
Publicado
Versiones
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 REVISTA COLOMBIANA DE TECNOLOGIAS DE AVANZADA (RCTA)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
