Fallas Electricas

rii
RED NEURONAL PARA LA CLASIFICACIN DE FALLAS EN LNEAS DE TRANSMISIN A PARTIR DE REGISTROS DE OSCILOPERTURBOGRAFA

NEURAL NETWORK FOR FAULT CLASSIFICATION IN

TRANSMISSION LINES BASED ON
OSCILOPERTUBOGRAPHY RECORDS

JHON ALBEIRO CALDERN

Especialista de Operacin, Direccin Gestin Red, ISA: Interconexin Elctrica S.A, jacalderon@isa.com.co

JULIAN MORENO CADAVID

Universidad Nacionalde Colombia, Docente Escuela de Sistemas, Facultad de Minas, jmoreno1@unalmed.edu.co

DEMETRIO ARTURO OVALLE

Universidad Nacional de Colombia, Director Escuela de Sistemas, Facultad de Minas, dovalle@unalmed.edu.co

Recibido para revisar Febrero 14 de 2008, aceptado Mayo 06 de 2008, versin final Mayo 13 de 2008


RESUMEN: El diagnstico de fallas elctricas en lneas de transmisin a altovoltaje es una tarea compleja no solo por la cantidad de informacin involucrada que puede provenir de diversas fuentes como SOE, SCADA y registradores, si no tambin por la variabilidad misma de las fallas. Dicha complejidad impacta en la oportunidad y certeza del diagnstico, factores particularmente importantes para el anlisis en tiempo real donde rpidamente deben tomarse pautas adecuadas para elrestablecimiento del sistema elctrico de potencia. En este artculo se propone el uso de de una red neuronal con aprendizaje por regularizacin bayesiana y finalizacin temprana para la clasificacin de fallas a partir de registros de osciloperturbografa provenientes de registradores de falla y se muestra su efectividad para una amplia variedad de casos de entrenamiento y validacin, los cuales sonobtenidos por medio de un modelo de ATP con el cual se simularon la cantidad de fallas elctricas requeridas.

PALABRAS CLAVE: Sistema Elctrico de Potencia, Diagnstico de Fallas, ATP, Redes Neuronales, Regularizacin Bayesiana.

ABSTRACT: The electric fault diagnostics in high voltage transmission lines is a complex task not only because of the amount of information which can come from differentsources as SOE, SCADA and recorders, but also because of the variability of such faults. Such complexity impacts the opportunity and accuracy of diagnostic, and these issues are particularly important for actual time analisis where adecuate actions should be taken in order to restablish the electric power system. In this paper a neural network with bayessian regularization learning and earlyfinalization is proposed for fault classification ussing osciloperturbography records and its efectivity is shown for a wide variety of training and validation cases which are obtenied with an ATP model where the required electric faults were simulated.

KEYWORDS: Power System, Fault Diagnostics, ATP, Neural Networks, Bayessian Regularization.




Dyna, Ao 75, Nro. 156, pp. 99-107. Medelln,Noviembre de 2008. ISSN 0012-7353

100 Caldern et al



1. INTRODUCCIN

Cuando se presenta una falla en un Sistema Elctrico de Potencia (SEP) los esquemas de proteccin que se encuentren instalados en las subestaciones deben actuar sobre los respectivos equipos de interrupcin para aclarar la falla. Lo anterior produce un impacto sobre el sistema que debe ser analizado por los centros de control nosolo con el fin de definir pautas adecuadas para su restablecimiento, si no tambin para determinar el estado de los activos y diagnosticar el funcionamiento de los equipos involucrados.

Para detectar este tipo de eventualidades y realizar los anlisis respectivos, las empresas encargadas de la transmisin y distribucin de electricidad disponen de diversas herramientas que brindan informacintanto analgica como digital. Entre estas fuentes se encuentra el SOE (Sequence of Events) que consiste en una bitcora de las seales producidas por los sistemas de proteccin; el SCADA (Supervisory Control And Data Acquisition) que puede interpretarse como una base de datos donde se almacenan los estados de todos



los equipos; los DFR (Digital Fault Recorder) que producen los registros de...