Modernización del Sistema de Diagnóstico Automático de Eventos en Líneas de Transmisión y Subtransmisión de Energía Eléctrica
Modernization of the Automatic Diagnosis System for Events in Electrical Energy Transmission and Subtransmission Lines
Barra lateral del artículo
PDF
FLIP
líneas
transmisión
subtransmisión
Algoritmos evolutiv
diagnóstico automático
análisis de fallas
inteligencia artificial
analítica
sistema
redes neuronales convolucionales
power systems
lines
transmission
subtransmission
algorithms
automatic diagnosis
fault analysis
artificial intelligence
analytics
neural networks
Términos de la licencia (VER)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Declaración del copyright
Los autores ceden en exclusiva a la Universidad EIA, con facultad de cesión a terceros, todos los derechos de explotación que deriven de los trabajos que sean aceptados para su publicación en la Revista EIA, así como en cualquier producto derivados de la misma y, en particular, los de reproducción, distribución, comunicación pública (incluida la puesta a disposición interactiva) y transformación (incluidas la adaptación, la modificación y, en su caso, la traducción), para todas las modalidades de explotación (a título enunciativo y no limitativo: en formato papel, electrónico, on-line, soporte informático o audiovisual, así como en cualquier otro formato, incluso con finalidad promocional o publicitaria y/o para la realización de productos derivados), para un ámbito territorial mundial y para toda la duración legal de los derechos prevista en el vigente texto difundido de la Ley de Propiedad Intelectual. Esta cesión la realizarán los autores sin derecho a ningún tipo de remuneración o indemnización.
La autorización conferida a la Revista EIA estará vigente a partir de la fecha en que se incluye en el volumen y número respectivo en el Sistema Open Journal Systems de la Revista EIA, así como en las diferentes bases e índices de datos en que se encuentra indexada la publicación.
Todos los contenidos de la Revista EIA, están publicados bajo la Licencia Creative Commons Atribución-NoComercial-NoDerivativa 4.0 Internacional
Licencia
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-NoDerivativa 4.0 Internacional
Contenido principal del artículo
Resumen
En los sistemas eléctricos es fundamental contar con un correcto esquema de protección, en aras de garantizar estabilidad, seguridad y confiabilidad para los usuarios finales. Es así como al momento de ocurrencia de un evento en el Sistema de Transmisión de Energía se genera gran cantidad de información proveniente de los sistemas de control, relés de protección y registradores de fallas, que debe ser analizada en corto tiempo para la definición de acciones correctivas y la declaración de disponibilidad de los activos comprometidos en el evento. Contar con tiempos de respuesta adecuados para dichos procesos, le permite a una empresa tomar acciones efectivas y oportunas ante múltiples contingencias. Aquí juega un papel fundamental el diagnóstico automático de las fallas como una herramienta apoyada en tecnologías de inteligencia artificial (IA) que permiten tener tiempos de respuesta considerablemente bajos en comparación con los análisis operativos convencionales. En este documento se expone el desarrollo de una herramienta como perfeccionamiento de un aplicativo inicial para diagnóstico de eventos en líneas de transmisión y subtransmisión con diferentes niveles de tensión, identificando los modelos de IA que tienen mayor eficacia en el proceso de análisis y diagnóstico, exponiendo el proceso realizado desde la preparación de los datos hasta la validación de la herramienta y comparando los resultados obtenidos con el aplicativo llamado Diagnóstico Automático de Eventos (DAE), el cual, fue desarrollado por la propia empresa hace varios años y que se utiliza actualmente en los análisis operativos de las fallas. Los resultados obtenidos permiten identificar la alta eficacia del nuevo sistema DAE desarrollado y su aplicabilidad para análisis en líneas de transmisión con voltajes desde niveles de tensión de 34,5 kV hasta 500 kV.
Descargas
Detalles del artículo
Referencias (VER)
Aizpurua, O., (2010). Una nueva metodología para la administración de alarmas masivas en sistemas de potencia utilizando técnicas de inteligencia artificial y minería de datos. Dialnet [en línea]. [Consultado el 14 de agosto de 2023]. Disponible en: https://dialnet.unirioja.es/servlet/tesis?codigo=185513&info=resumen&idioma=SPA
Ajagekar, A. y You, F., (2021). Quantum computing based hybrid deep learning for fault diagnosis in electrical power systems. Applied Energy [en línea]. 303, 117628. [Consultado el 14 de agosto de 2023]. Disponible en: doi: 10.1016/j.apenergy.2021.117628
Al-Mtawa, Y., Haque, A. y Halabi, T., (2022). A Review and Taxonomy on Fault Analysis in Transmission Power Systems. Computation [en línea]. 10(9), 144. [Consultado el 2 de agosto de 2023]. Disponible en: doi: 10.3390/computation10090144
Barrientos, E., Cruz, N. y Acosta, G., (2009). Árboles de decisión como herramienta en el diagnóstico médico. Revista Médica de la Universidad Veracruzana [en línea]. 19(2), 19–24. [Consultado el 14 de agosto de 2023]. Disponible en: http://www.uv.mx/rm
Benner, C. L. y Russell, B. D., (2009). Automated fault analysis using an intelligent monitoring system. En: 2009 62nd Annual Conference for Protective Relay Engineers, 30 de marzo–2 de abril de 2009, College Station, TX, USA [en línea]. IEEE. [Consultado el 2 de agosto de 2023]. Disponible en: doi: 10.1109/cpre.2009.4982515
Biau, G. y Scornet, E., (2016). A random forest guided tour. TEST [en línea]. 25(2), 197–227. [Consultado el 20 de agosto de 2023]. Disponible en: doi: 10.1007/s11749-016-0481-7
Bisong, E., (2019). Building machine learning and deep learning models on Google Cloud Platform : a comprehensive guide for beginners [en línea]. Apress. [Consultado el 14 de agosto de 2023]. Disponible en: https://www.oreilly.com/library/view/building-machine-learning/9781484244708/
Calderón, J. A., (2007). Modelo adaptativo de inteligencia artificial para el diagnóstico automático de fallas a partir de registros de osciloperturbografia. Tesis de maestría, Universidad Nacional de Colombia.
Calderón, J. A., Zapata, G. D. y Ovalle, D. A., (2007). Algoritmo Neuro-Difuso para la Detección y Clasificación de Fallas en Líneas de Transmisión Eléctrica Usando ANFIS. Revista Avances en Sistemas e Informática - Universidad Nacional de Colombia [en línea]. 4(1), 101–107. [Consultado el 2 de agosto de 2023]. Disponible en: https://docplayer.es/37785749-Revista-avances-en-sistemas-e-informatica-issn-universidad-nacional-de-colombia-colombia.html
Calderón, J., Cadavid, M. y Ovalle, D., (2008). Red neuronal para la clasificación de fallas en líneas de transmisión a partir de registros de osciloperturbografía. Dyna [en línea]. 75(156), 99–107. [Consultado el 8 de septiembre de 2023]. Disponible en: https://revistas.unal.edu.co/index.php/dyna/article/view/1770
Castillo-Barvo, L., Ossa-Urrea, A., Camargo-Sánchez, L. F., González-Vásquez, J. A., Vélez-Cano, O. F. y Giraldo, J. C., (2022). Diagnóstico de calidad de la energía eléctrica en Colombia 2021 [en línea]. Bogotá. [Consultado el 4 de junio de 2023]. Disponible en: https://www.superservicios.gov.co/sites/default/files/inline-files/Informe-de-Calidad-del-Servicio-de-Energia-2021.pdf
Deshmukh, S., Glicksman, L. y Norford, L., (2018). Case study results: fault detection in air-handling units in buildings. Advances in Building Energy Research [en línea]. 14(3), 305–321. [Consultado el 20 de agosto de 2023]. Disponible en: doi: 10.1080/17512549.2018.1545143
DNP, (2022). CONPES Consejo Nacional De Política Económica y Social - Política de Transición Energética. Bogotá.
Fan, W. y Liao, Y., (2012). Automated analysis of voltage and current waveforms during faults. En: 2012 Southeastern Symposium on System Theory (SSST), 11–13 de marzo de 2012, Jacksonville, FL, USA [en línea]. IEEE. [Consultado el 2 de agosto de 2023]. Disponible en: doi: 10.1109/ssst.2012.6195144
Ferreira, V. H., Zanghi, R., Fortes, M. Z., Sotelo, G. G., Silva, R. B. M., Souza, J. C. S., Guimarães, C. H. C. y Gomes, S., (2016). A survey on intelligent system application to fault diagnosis in electric power system transmission lines. Electric Power Systems Research [en línea]. 136, 135–153. [Consultado el 2 de agosto de 2023]. Disponible en: doi: 10.1016/j.epsr.2016.02.002
Fuente, M. J. y Represa, C., (1997). A comparative study of neural networks based approach for fault detection. IFAC Proceedings Volumes [en línea]. 30(18), 471–476. [Consultado el 20 de agosto de 2023]. Disponible en: doi: 10.1016/s1474-6670(17)42446-3
Ghadiri, H., (2016). Fault detection based on type 2 fuzzy systems for a single-rod electrohydraulic actuator. Journal of Artificial Intelligence in Electrical EngineeringJournal of Artificial Intelligence in Electrical Engineering. 5(19).
Gómez-Ramírez, G. A., (2016). Evolución y tendencias de índices de confiabilidad en sistemas eléctricos de potencia. Revista Tecnología en Marcha [en línea]. 29(2), 3. [Consultado el 2 de agosto de 2023]. Disponible en: doi: 10.18845/tm.v29i2.2687
Ibrahim, M. A., (2012). Disturbance analysis for power systems [en línea]. IEEE. [Consultado el 4 de junio de 2023]. Disponible en: https://ieeexplore.ieee.org/book/6047600
Inés, L., Mesa, H., Rincón, J., Zapata, G. D., Vásquez, L. y Castillo, W., (2011). IEC 61850 Driver for automatic download and distribution event diagnosis in a power transmission system. [Consultado el 19 de junio de 2023]. Disponible en: https://docplayer.es/76611409-Luz-ines-hincapie-mesa-1-jorge-rincon-bonilla-2-german-zapata-madrigal-3-leonardo-vasquez-ruiz-4-y-wilson-castillo-bautista-5.html
Kezunovic, M., (2000). Practical applications of automated fault analysis. En: International Conference on Power System Technology (POWERCON 2000), Perth, WA, Australia [en línea]. IEEE. [Consultado el 20 de agosto de 2023]. Disponible en: doi: 10.1109/icpst.2000.897127
Li, S., Frey, M. y Gauterin, F., (2023). Evaluation of Different Fault Diagnosis Methods and Their Applications in Vehicle Systems. Machines [en línea]. 11(4), 482. [Consultado el 20 de agosto de 2023]. Disponible en: doi: 10.3390/machines11040482
Lima, M., Ovidio, A., Fiallo, R., Fernández, S., Rómulo, G. y Barrios, J. P., (2011). Sistema para diagnóstico de fallas en transformadores a través de lógica difusa. Ingeniería Energética [en línea]. 24(3), número de artículo: 187. [Consultado el 14 de agosto de 2023]. Disponible en: https://rie.cujae.edu.cu/index.php/RIE/article/view/187
Lin, G., Pritoni, M., Chen, Y. y Granderson, J., (2020). Development and implementation of fault-correction algorithms in fault detection and diagnostics tools. Energies [en línea]. 13(10), 2598. [Consultado el 20 de agosto de 2023]. Disponible en: doi: 10.3390/en13102598
Lin, L., Chen, Q., Wang, Z., Xue, B. y Sun, M., (2019). A substation fault diagnosis method based on substation alarm signal analysis. En: 2019 IEEE 3rd International Electrical and Energy Conference (CIEEC), 7–9 de septiembre de 2019, Beijing, China [en línea]. IEEE. [Consultado el 20 de agosto de 2023]. Disponible en: doi: 10.1109/cieec47146.2019.cieec-2019569
LLano, L., Zapata, G. y Ovalle, D., (2007). Sistema de inferencia difuso para identificar eventos de falla en tiempo real del ste usando registros SOE. Avances en Sistemas e Informática [en línea]. 4(2). [Consultado el 19 de junio de 2023]. Disponible en: https://revistas.unal.edu.co/index.php/avances/article/view/9762
Meng, J. y Jingyi, D., (2020). Research on magnetizing inrush current and fault identification of transformer based on VMD-SVM. En: 2020 IEEE international conference on information technology,big data and artificial intelligence (ICIBA), 6–8 de noviembre de 2020, Chongqing, China [en línea]. IEEE. Disponible en: doi: 10.1109/iciba50161.2020.9277268
Moseler, O., Heller, T. y Isermann, R., (1999). Model-Based fault detection for an actuator driven by a brushless DC motor. IFAC Proceedings Volumes [en línea]. 32(2), 7873–7878. [Consultado el 20 de agosto de 2023]. Disponible en: doi: 10.1016/s1474-6670(17)57343-7
Moujahid, A., Inza, I. y Larrañaga, P., (2008). Tema 5. Clasificadores K-NN. Pamplona, España. pp. 1–8. [Consultado el 14 de agosto de 2023]. Disponible en: http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t9knn.pdf
Mukherjee, A., Kundu, P. K. y Das, A., (2021). Transmission Line Faults in Power System and the Different Algorithms for Identification, Classification and Localization: A Brief Review of Methods. Journal of The Institution of Engineers (India): Series B [en línea]. [Consultado el 2 de agosto de 2023]. Disponible en: doi: 10.1007/s40031-020-00530-0
Musaruddin, M. y Zivanovic, R., (2009a). Automated Fault Analysis in the Indonesian power utility: A case study of South Sulawesi transmission system. En: 2009 Australasian Universities Power Engineering Conference, Adelaide, Australia [en línea]. IEEE Conference Publication | IEEE Xplore. [Consultado el 4 de junio de 2023]. Disponible en: https://ieeexplore.ieee.org/document/5356640
Musaruddin, M. y Zivanovic, R., (2009b). Web Services for Automated Fault Analysis in Electrical Power System. En: 2009 Fifth International Joint Conference on INC, IMS and IDC, 25–27 de agosto de 2009, Seoul, South Korea [en línea]. IEEE. Disponible en: doi: 10.1109/ncm.2009.352
Ortiz, C. y Salazar, G., (2020). Metodología para la planificación y control de la ejecución de mantenimientos preventivos y correctivos de líneas de subtransmisión. Revista Técnica "Energía" [en línea]. 16(2), 135–147. [Consultado el 20 de agosto de 2023]. Disponible en: doi: 10.37116/revistaenergia.v16.n2.2020.361
Parikh, U. B., Das, B. y Maheshwari, R., (2010). Fault classification technique for series compensated transmission line using support vector machine. International Journal of Electrical Power & Energy Systems [en línea]. 32(6), 629–636. [Consultado el 14 de agosto de 2023]. Disponible en: doi: 10.1016/j.ijepes.2009.11.020
Prasad, A., Belwin Edward, J. y Ravi, K., (2018). A review on fault classification methodologies in power transmission systems: Part—I. Journal of Electrical Systems and Information Technology [en línea]. 5(1), 48–60. [Consultado el 2 de agosto de 2023]. Disponible en: doi: 10.1016/j.jesit.2017.01.004
Quintero, E., (2010). Desarrollo de un modelo para la localización de fallas en sistemas de transmisión de energía eléctrica utilizando técnicas de inteligencia artificial. Universidad Nacional de Colombia.
Raza, A., Benrabah, A., Alquthami, T. y Akmal, M., (2020). A Review of Fault Diagnosing Methods in Power Transmission Systems. Applied Sciences [en línea]. 10(4), 1312. [Consultado el 2 de agosto de 2023]. Disponible en: doi: 10.3390/app10041312
Sánchez-Anzola, N., (2016). Máquinas de soporte vectorial y redes neuronales artificiales en la predicción del movimiento USD/COP spot intradiario. ODEON [en línea]. (9), 113. [Consultado el 14 de agosto de 2023]. Disponible en: doi: 10.18601/17941113.n9.04
Sevcik, D. y Lunsford, R., (2007). Automated analysis of faults and disturbances: utility expectations and benefits - Centerpoint Energy. En: 2007 IEEE Power Engineering Society General Meeting, 24–28 de junio de 2007, Tampa, FL, USA [en línea]. IEEE. Disponible en: doi: 10.1109/pes.2007.386192