Ingeniero Civil Eléctrico / La energía eléctrica es una de las formas de energía más usadas por el ser humano. Sin ella
muchas de las comodidades a las que se está habituado desaparecerían. Sin embargo uno de sus
mayores consumidores es la industria, donde tan solo la idea de una mala calidad de suministro
sostenida en el tiempo podría causar una gran conmoción. Es por eso que los sistemas de generación
de esta energía deben ser monitoreados constantemente en búsqueda de posibles fallas o anomalías
que pongan en peligro la disponibilidad de los equipos eléctricos ahí usados, en especial de las
máquinas usadas para la generación.
Los generadores sincrónicos son las máquinas rotatorias más usadas en la industria de la generación
de energía eléctrica, es por eso que el diagnóstico de fallas para estos equipos toma gran
importancia a nivel mundial.
En el presente trabajo de título se diseña un algoritmo de diagnóstico de fallas orientado a
detectar y clasificar fallas de tipo monofásicas para máquinas sincrónicas de polos salientes, monitoreando
las corrientes de estator trifásicas y la corriente de campo. Está basado en el uso de una
novedosa técnica de aprendizaje supervisado llamada Máquina de Vectores de Soporte (SVM), la
cual, mediante su sistema de implementación uno contra el resto es capaz de clasificar el estado
de la máquina en 4 clases distintas: sano , falla clase 1 , falla clase 2 y falla clase 3 . La
SVM recibe como entrada los llamados atributos de falla, variables que se obtienen a partir de las
corrientes monitoreadas y se caracterizan por poseer la información suficiente para que la SVM
pueda resolver el problema de clasificación planteado.
Los atributos son obtenidos a través del análisis de las corrientes de estator y de campo. Consisten
en un conjunto formado por distintas frecuencias de falla (obtenidas mediante la Transformada
de Fourier de las distintas señales de entrada) como también de amplitudes o características de las
corrientes en el tiempo.
Los datos de operación de la máquina sincrónica que son usados para entrenar, probar y validar
el algoritmo de diagnóstico se obtienen a partir de simulaciones del modelo basado en la representación
del Voltaje detrás de la Reactancia, este modelo implementa una novedosa forma de subdividir
los devanados de estator de la máquina con el fin de simular fallas internas.
El algoritmo es validado usando datos contaminados con ruido blanco Gaussiano en distintos
niveles, logrando una tasa correcta de clasificación del 97:5% para datos contaminados con ruido
S=N = 30[dB], lo que indica que el método propuesto es robusto ante perturbaciones y podría ser
aplicado experimentalmente en el diagnóstico de fallas monofásicas en máquinas sincrónicas de
polos salientes.
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/129810 |
| Date | January 2014 |
| Creators | Valdés Ortiz, Mauricio |
| Contributors | Jiménez Estévez, Guillermo, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Eléctrica, Orchard Concha, Marcos, Salamanca Henríquez, Eduardo |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Atribución-NoComercial-SinDerivadas 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.002 seconds