Diagnóstico de Fallas en una Red de Distribución Primaria mediante Máquinas de Aprendizaje Extremo.

VEGA, JORGE; SANGOI, EMMANUEL; REYNARES, EMILIANO

Foz do Iguaçu

Simposio; III Simposio Ibero-Americano en Microrredes Inteligentes con Integración de Energías Renovables (SIMIIER 2019); 2019

Red CYTED MEIHAPER (Microrredes Eléctricas Hibridas con Alta Penetración de Energías Renovables)

Con frecuencia, una red de distribución eléctrica se ve afectada por la presencia de perturbaciones indeseadas, en detrimento de su calidad de servicio. La detección de una perturbación y la asignación de las causas que la producen tienen interés práctico para poder implementar acciones correctivas. En tal sentido, este trabajo presenta una herramienta computacional capaz de diagnosticar la aparición de un hueco de tensión en un sistema de distribución primaria, identificando las causas subyacentes que lo originaron. La herramienta desarrollada utiliza la técnica de inteligencia artificial denominada ?Máquina de Aprendizaje Extremo? (Extreme Learning Machine). La evaluación del desempeño de esta herramienta se realiza por simulación numérica de una red de distribución primaria, localizada en cercanías de la ciudad de Santa Fe (Argentina). Se adoptan 20 eventos en la red que pueden dar lugar a huecos de tensión; y se simulan varias decenas de miles de experimentos destinados a clasificar los huecos de tensión resultantes. Se evalúa la capacidad de la herramienta para diagnosticar correctamente el origen de la falla, y la portabilidad de la misma para poder ser utilizada en diferentes puntos de medición de la red.