Diseño de una metodología para el análisis de Sags de tensión en redes de distribución - Methodology for voltage Sags analysis in distribution networks Reportar como inadecuado




Diseño de una metodología para el análisis de Sags de tensión en redes de distribución - Methodology for voltage Sags analysis in distribution networks - Descarga este documento en PDF. Documentación en PDF para descargar gratis. Disponible también para leer online.

62 Ingeniería y operaciones afines - Engineering

En este trabajo de investigación se diseño una metodóloga para el análisis de la información de calidad de potencia con el fin de obtener mapas de hundimientos en tensión para las barras de 220kV y 115kV de la ciudad de Bogotá. En esta metodología se realizó un modelamiento del sistema colombiano en matrices de secuencia y una simulación estocástica de fallas. Luego, por medio de matrices de hundimientos, se hallaron las zonas perturbadoras donde ocurren fallas que ocasionan hundimientos en tensión en las barras de 115kV y 220kV de Bogotá y se realizó un análisis estadístico de los hundimientos en tensión observados en dichas barras. Posteriormente, los hundimientos en tensión simulados se agruparon con el algoritmo kmeans. El resultado de esto se usó como clasificador de información real, identificando las zonas donde ocurren las fallas reales que ocasionan dichos hundimientos. Finalmente se realizó un análisis de los hundimientos en tensión registrados por el operador de red usando el indicador propuesto IAS y se desarrolló una herramienta de software de gestión con el fin de administrar y evaluar indicadores de hundimientos en tensión y generar contornos iso-perturbación que permitieron identificar zonas del sistema con condiciones de calidad diferenciadas. - Abstract. In this thesis a methodology for the analysis of voltage sags was designed. The methodology is aimed to provide voltage sag coordination charts at the 115kV and 220kV voltage levels in Bogotá - Colombia. The Colombian transmission network has been modeled and electric faults were simulated using stochastic methods. Sag disturbing zones are defined as a single busbar or a set of busbars within a specific zone, where the ocurrence of faults affects in significatively other non-faulted busbars in the system. From the simulations results and the disturbing zones, statistical and data mining analysis were performed. The simulation results were clustered by means of the kmeans algorithm. Clusters were used to analyse actual information on sag measurements, leading to the identification and classification of sags caused by faults. A voltage Sag Activity Index SAI was designed to assess the power quality condition regarding to this disturbance. A power quality management software tool PQ Manager was developed as well, in order to register, manage, assess and display volatge sag. PQ Manager displays sag activity through iso-contours, allowing a geographical identification of differentiated power quality zones in the city.

Tipo de documento: Tesis-trabajos de grado - Thesis Maestría

Colaborador - Asesor: Gallego, Luis Eduardo

Información adicional: Magister en Ingeniería Eléctrica

Palabras clave: Hundimientos en tensión; Calidad de potencia; Clustering hundimientos en tensión; Algoritmo Kmeans - Voltage Sags; Power quality; Voltage Sags clustering; Kmeans algorithm

Temática: 6 Tecnología ciencias aplicadas - Technology 62 Ingeniería y operaciones afines - Engineering





Fuente: http://www.bdigital.unal.edu.co


Introducción



4.4.
IMPLEMENTACIÓN DE KMEANS E ÍNDICES DE AGRUPAMIENTO 109 otros clusters.
Entre más cercano se encuentre el ı́ndice a 1, los datos están mejor agrupados.
El indicador generalmente se resume como el promedio de los ı́ndices calculados para cada dato.
En la gráfica 4.8 se muestra un ejemplo ilustrativo del indicador silueta para datos agrupados en 4 clusters. Cluster 1 2 3 4 0 0.2 0.4 0.6 Silhouette Value 0.8 1 Figura 4.8: Indicador silueta para datos agrupados en 4 clusters 3.
Relación Inter-intra Cluster. En este indicador se calcula la proporción que hay entre el promedio de la distancia de los datos a los respectivos centroides y la mı́nima distancia que hay entre los centroides. Para una agrupación adecuada, se tiene como objetivo maximizar el valor del indicador silueta; por otro lado el objetivo que se tiene para el indicador intra-inter clusters es minimizar su valor. Teniendo las cinco componentes principales de la matriz de hundimientos en tensión simulados, se procede a ejecutar el algoritmo kmeans para diferentes cantidades de grupos (k) de entrada, calculando los indicadores explicados con el ánimo de hallar la cantidad apropiada de clusters para clasificar la información. Los resultados de los indicadores para agrupaciones con valores de k entre 2 y 100 se muestran a continuación: 109 CAPÍTULO 4.
CORRELACIÓN FALLAS VS HUNDIMIENTOS EN TENSIÓN POR MEDIO DE TÉCNICAS DE AGRUPAMIENTO (CLUSTERING) 110 7 10 x 10 Suma (desviaciones al cuadrado) 9 8 7 6 5 4 3 2 1 0 0 10 20 30 40 50 60 70 80 90 100 Numero de Clusters Figura 4.9: Indicador R para datos de hundimientos en tensión 16 Relacion inter−intra Clusters 14 12 10 8 6 4 2 0 0 10 20 30 40 50 60 70 80 90 100 Numero de Clusters Figura 4.10: Relación inter-intra clusters para datos de hundimientos en tensión 0.64 0.62 0.6 Promedio Silueta 0.58 0.56 0.54 0.52 0.5 0.48 0.46 0 10 20 30 40 50 ...






Documentos relacionados