Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tabla 1.
C. Configuración experimental
Por otro lado, la metodología de monitorización de PQ
implementada en el sensor inteligente se prueba en condiciones
reales de funcionamiento, especialmente con señales de tensión
y corriente adquiridas de un sistema de alimentación trifásica
de 230 VAC y 50 Hz de un centro de salud. La Tabla 2 resume
el uso de recursos de la FPGA y las frecuencias máximas de
operación. Las primeras filas muestran los recursos empleados
por cada núcleo de procesamiento y la ANN. La última fila
muestra los recursos totales utilizados por todos los
procesadores basados en FPGA para procesar seis señales al
Fig. 3 mismo tiempo en paralelo.
El error de medición resultante del proceso de calibración en
el banco de pruebas de carga trifásico es de 1,9% para la fase 1,
0,61% para la fase 2 y 0,98% para la fase 3. De acuerdo con el
error estimado, una relación media entre el consumo de energía
se obtiene la estimación de la referencia y el DAS. Esta relación
media de 0,9825 es el factor de ajuste de la ganancia DAS.
Al aplicar este factor de corrección al DAS, el error de
medición se reduce a 0.04% para la fase 1, 0.04% para la fase 2
y 0.03% para la fase 3.
B. Formación y validación
En primer lugar, se genera una base de datos de 2200 señales
sintéticas, 200 para cada uno de los diez PQD antes Tabla 2.
mencionados, más 200 señales puras. Estas señales, de un ciclo En el caso de la primera fase, las estadísticas de la señal de
de duración, se generan de acuerdo con los modelos voltaje (figura 12) tienen valores medios de -0.0011, 0.5000, -
Tabla 4.
E. Conclusiones
Este documento propone un nuevo sensor inteligente para
monitoreo y detección de PQ en línea, y clasificación de
PQD en instalaciones eléctricas de una manera no intrusiva,
utilizando solo divisores de voltaje y pinzas de corriente
como sensores primarios.
El sistema puede categorizarse como un analizador de forma
de onda de alto rendimiento, un sistema de monitoreo PQ
útil y un clasificador PQD preciso.
Los núcleos HOS utilizan recursos de FPGA muy bajos, lo
que demuestra que esta tecnología es adecuada para el
diseño y desarrollo de métodos de procesamiento de señal
de alto rendimiento para sensores inteligentes.
Otra ventaja importante de este sensor inteligente, en
comparación con otros sensores inteligentes y metodologías
reportadas, es que puede funcionar en línea sobre sistemas
de alimentación trifásica en forma paralela con cada fase al
mismo tiempo.
Los resultados muestran que el HOS y la estadística de
segundo orden tradicional (varianza) son muy útiles para el
monitoreo de PQ y la detección de PQD.
Se utilizó una ANN para lograr la clasificación PQD con
una efectividad total de 97.9%, pero en trabajos futuros,
otras opciones podrían ser utilizadas con mayores
beneficios, como SVM por ejemplo.
La metodología propuesta puede ser utilizada para el
desarrollo de investigación adicional en el monitoreo de PQ
al agregar tareas de control para cada PQD. El experimento
llevado a cabo en condiciones reales de funcionamiento (en
un centro de salud) muestra la validez y la aplicabilidad
industrial del sensor inteligente propuesto.
Este sensor inteligente también podría ser altamente
adaptable a otras aplicaciones, como el diagnóstico de fallas
en máquinas eléctricas, especialmente en motores de