Alarm processing and fault diagnosis in power systems using Artificial Neural Networks and Genetic Algorithms

Diagnóstico de fallos de redes de transporte de energía eléctrica basado en estructuras neuronales genéricas.

“…Los métodos basados en el modelo representan la estructura y funciones de un relevador simulando las condiciones de fallos, y proporcionando un diagnóstico mediante la comparación de los resultados de la simulación, con la información monitoreada del estado de los interruptores y relevadores de protección de la red de transporte [Yongli06], [Zhang07], [Liao08], [Hartstein08], [Zhang09], [Fritzen10], [Guo10], [Jian10].…”

“…Concretamente se estudian las propuestas de [Bi02], [Chang02], [Negnevitsky05], [Huilan05], [Guo10], [Fritzen10].…”

“…A continuación se presenta un análisis comparativo de los resultados de los diagnósticos de los diferentes patrones de prueba utilizados en [Chang02], [Negnevitsky05], [Fritzen10], con los resultados de los diagnósticos de estos mismos patrones, emitidos por el método propuesto.…”

“…Falla B5, B8, CB29 y CB33 Alarmas recibidas Rel_P_B5, CB24, CB25, CB26, CB27, CB39 Rel_P_B8, CB31, CB32, CB34, CB35, CB39, CB40 Puede observarse en la figura 3.64, que en los métodos desarrollados por [Chang02], [Negnevitsky05], [Fritzen10], ya no se emite un diagnóstico correcto a partir de fallos cuádruples con dos interruptores fallados (FC_2CB), mientras que en el método propuesto se tiene un diagnóstico correcto ante fallas quíntuples con un interruptor fallado por componente.…”

“…En el apéndice B se presenta la implementación del método propuesto a la red eléctrica de prueba utilizada en [Chang02], [Negnevitsky05], [Fritzen10], así como los resultados emitidos por este, ante los diferentes patrones típicos de fallo. …”