Desarrollo de un sistema multisensorial embebido para detección de fallas incipientes en transformadores eléctricos

Autores/as

DOI:

https://doi.org/10.24054/rcta.v1i41.2417

Palabras clave:

Nariz Electrónica, Red Neuronal, Análisis PCA

Resumen

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

Los datos de descargas todavía no están disponibles.

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 DOI: https://doi.org/10.24054/16927257.v33.n33.2019.3335

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 DOI: 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 DOI: 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

Publicado

2023-07-28 — Actualizado el 2023-05-11

Cómo citar

[1]
E. C. Trujillo Barajas, O. E. Gualdrón Guerrero, y D. A. Peláez Carrillo, «Desarrollo de un sistema multisensorial embebido para detección de fallas incipientes en transformadores eléctricos», RCTA, vol. 1, n.º 41, pp. 50–57, may 2023.

Número

Sección

Artículos

Artículos más leídos del mismo autor/a

<< < 1 2