Clasificación de fallas eléctricas aplicando redes neuronales artificiales a la protección de distancia de líneas de transmisión basada en el algoritmo de levenbergmarquardt
Este estudio presenta un sistema de clasificación de fallas basado en redes neuronales artificiales (ANN). En este sentido, los tipos de fallas contempladas para la clasificación son: fase a tierra, fase a fase, trifásicas y fallas de doble línea a tierra. Desde otra perspectiva, para el entrenamien...
Сохранить в:
| Главный автор: | |
|---|---|
| Формат: | bachelorThesis |
| Язык: | spa |
| Опубликовано: |
2022
|
| Предметы: | |
| Online-ссылка: | http://dspace.ups.edu.ec/handle/123456789/23323 |
| Метки: |
Добавить метку
Нет меток, Требуется 1-ая метка записи!
|
Добавить метку | Итог: | Este estudio presenta un sistema de clasificación de fallas basado en redes neuronales artificiales (ANN). En este sentido, los tipos de fallas contempladas para la clasificación son: fase a tierra, fase a fase, trifásicas y fallas de doble línea a tierra. Desde otra perspectiva, para el entrenamiento de la ANN se edifica un conjunto de datos, que contiene valores RMS de voltajes, corrientes de falla y de secuencia cero, bajo diferentes parámetros de impedancia y localización de la falla. Estos datos se obtienen de estudios de cortocircuito y sirven para la extracción de características de los voltajes y corrientes de cada fase en condiciones normales y de falla. Por lo que, se aplica el algoritmo de Levenberg-Marquardt durante la fase de entrenamiento de la ANN. Para la validación de resultados se comprueba el clasificador de fallas mediante los sistemas de ensayo IEEE de 9 y 14 barras. De las pruebas ejecutadas se obtuvo una precisión promedio del 97% de clasificación de fallas para cada sistema. |
|---|