Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CARRERA:
INGENIERÍA ELÉCTRICA
TEMA:
LOCALIZACIÓN DE FALLAS EN SISTEMAS DE TRANSMISIÓN
ELÉCTRICA USANDO SENSADO COMPRIMIDO
AUTOR:
IZA PURUNCAJAS ALVARO JAVIER
TUTOR:
MILTON GONZALO RUIZ MALDONADO
Dirigido por:
mruizm@ups.edu.ec
I
DECLARATORIA DE COAUTORÍA DEL DOCENTE TUTOR/A
Yo, Milton Gonzalo Ruiz Maldonado declaro que bajo mi dirección y asesoría fue
desarrollado el trabajo de titulación “Localización de fallas en sistemas de transmisión
eléctrica usando sensado comprimido” realizado por Alvaro Javier Iza Puruncajas,
obteniendo un producto que cumple con todos los requisitos estipulados por la
Universidad Politécnica Salesiana para ser considerados como trabajo final de titulación.
………………………………….
Milton Gonzalo Ruiz Maldonado
Cédula de identidad: 1714409065
II
CESIÓN DE DERECHOS DE AUTOR
Firma
.............................................
Nombre: Alvaro Javier Iza Puruncajas
Cédula: 1721895116
Fecha: Quito, julio 2018
III
ÍNDICE GENERAL
1. Introducción ................................................................................................................ 2
2. Fallas en Sistemas de Transmisión ............................................................................. 3
3. Descripción del Sensado Comprimido ....................................................................... 4
3.1 Métodos utilizados .............................................................................................. 5
3.1.1 Least squares (LS): ....................................................................................... 5
3.1.2 Basis Pursuit (BP): ....................................................................................... 5
3.1.3 Orthogonal Matching Pursuit (OMP): ......................................................... 5
4. Localización de Fallas mediante Sensado Comprimido ............................................. 5
5. Formulación del Problema .......................................................................................... 6
5.1 Modelo de localización de fallas ......................................................................... 6
5.2 Aplicación del CS ................................................................................................ 7
5.3 Pseudocódigo de la aplicación ............................................................................ 7
5.3.1) Algoritmo 1: Least squares (LS) ...................................................................... 7
5.3.2) Algoritmo 2: Basis pursuit (BP) ....................................................................... 7
5.3.3) Algoritmo 3: Orthogonal matching pursuit (OMP) .......................................... 8
6. Análisis de Resultados ................................................................................................ 8
7. Conclusiones ............................................................................................................. 12
8. Referencias................................................................................................................ 13
9. Matriz Estado del Arte .............................................................................................. 15
ÍNDICE DE FIGURAS
Figura 1. Ocurrencia de falla analizada por nuestro método propuesto. ............................ 3
IV
Figura 7. Ocurrencia de falla en la Línea 1. ..................................................................... 10
Figura 11. Localización de falla Línea 1 en magnitud de corriente (p.u.) OMP ............. 10
Figura 12. Localización de falla por CS, a) Numero de muestras 30%, b) Numero de
muestras 60%, c) Numero de muestras 90%. ................................................................... 11
Figura 13. Localización de falla por CS, a) Numero de muestras 90%, b) Numero de
muestras 60%, c) Numero de muestras 90% .................................................................... 12
Figura 14. Localización de falla Línea 2 en magnitud de corriente (p.u.) OMP ............. 12
ÍNDICE DE TABLAS
Tabla 1. Base de datos de la simulación de fallas .............................................................. 7
V
LOCALIZACIÓN DE FALLAS EN SISTEMAS DE
TRANSMISIÓN ELÉCTRICA USANDO SENSANDO
COMPRIMIDO
Resumen Abstract
En la Presente investigación, se desarrolló In the present investigation, we develop a
una metodología que hace referencia a la methodology that refers to the location of
localización de fallas en sistemas de faults in transmission systems using
transmisión usando Sensado Comprimido compressed sensing (CS). A model is
(CS), se desarrolló un modelo con las develop with the advantages of the
ventajas del algoritmo Least Squares (LS), algorithm Least Squares (LS), Basic
Basic Pursuit (BP) y Orthogonal Matching Pursuit (BP) and Orthogonal Matching
Pursuit (OMP), el cual nos proporciona un Pursuit (OMP), which provides a
vector lo suficientemente disperso por sufficiently dispersed vector by convex
optimización convexa, haciendo posible optimization, making it possible to
recuperar señales mucho más dispersas de recover many more dispersed in a stable
manera estable, resolviendo el problema manner, solving the problem by iterative
mediante aproximaciones iterativas. Para approaches. To do this, we use the
ello, se utiliza la información que nos information provided by the phasor
proporciona las unidades de medición measurement units (PMU), intelligent
fasorial (PMU), dispositivos electrónicos electronic devices that allow us to measure
inteligentes que nos permiten medir synchrophasors of sine waves of voltage
sincrofasores de ondas sinusoidales de and current deployed in the power
voltaje y corriente desplegadas en el electrical system, which, with this method
sistema eléctrico de potencia, el cual, con will allow us to find the estimated location
dicho método nos permitirá encontrar la of the failure in a timely manner and
localización estimada de la falla de maximize the observability of the
manera oportuna y maximizar la electrical system.. The proposed method is
observabilidad del sistema eléctrico. El test in the IEEE 9 transmission bus
método propuesto fue probado en el system, is estimated finding the line with
sistema de 9 barras de la IEEE, problems and the distance at which the
encontrando la línea con problemas y la failure.
distancia a la que se estima ocurre la falla.
1
1. Introducción animales, etc., presentándose de manera
El propuesto articulo aplica la teoría del espontánea. Conforme a los protocolos de
CS como una herramienta para la reconexión las protecciones esta
localización de fallas en una red de programadas para que vuelvan a
transmisión eléctrica [1], conformada por reconectar el servicio después de un
el sistema eléctrico de potencia (SEP), el tiempo establecido, con la finalidad de
cual está compuesto por tres partes comprobar si todo se ha normalizado. [8]
fundamentales; generación, transmisión y La reposición del servicio se deberá
distribución, etapas que hacen factible su efectuar rápidamente si se estima la
operación. Las líneas de transmisión localización de la falla, dichas fallas son
forman parte esencial del suministro de aisladas automáticamente por las
energía en un SEP, y por ello se toma en protecciones sin producir una interrupción
cuenta las protecciones en las líneas, las extendida del servicio, ya que todos estos
cuales efectúan un trabajo muy cortes de servicio originan daños
significativo, al localizar las fallas que considerables en los equipos, llevándonos
pueden deteriorar las líneas y afectar a la a pérdidas económicas [9].
confiabilidad del Sistema. En las líneas de Cuando la falla ocurre se requiere
transmisión, las protecciones son conocer la localización inmediata, como
fundamentales mejorando la fiabilidad de su aislamiento y la restauración del
las mismas [2], [3]. sistema, que generalmente el régimen de
Existen diferentes métodos que son automatización de la red en transmisión lo
utilizados para la localización de fallas en realiza, sin embargo, las funciones
las líneas de trasmisión como; actuales del régimen automático no se
transformada de Fourier, transformada de están desempeñando positivamente,
wavelet, el análisis de prony, método ocupando tiempo valioso para ejecutar la
hibrido, pero a diferencia con nuestro detección y aislamiento de la falla,
método propuesto es que solo se utiliza haciendo que la confiabilidad del sistema
escasos datos tanto de tensión como de se reduzca considerablemente [10], [11].
corriente obtenidos de las PMU para el Con el transcurso de los años diferentes
análisis de las fallas en el sistema [4], [5]. autores han desarrollado diferentes
Las protecciones para líneas de métodos y algoritmos matemáticos para
transmisión tienen un esquema idóneo solucionar el inconveniente en cuanto a la
para evitar el deterioro de los equipos al localización de fallas, d i c h o s a u t o r e s
presentarse una falla en la línea, mediante proponen una metodología basándose en
los datos que arrojan los TC’s y TP’s la apreciación de corriente de falla
desplegados en los nodos del SEP en un mediante mediciones de voltajes y
intervalo de tiempo, nos permite corrientes proporcionados en la
determinar la existencia de una falla [4], subestación, al presentarse la falla en
[6], [7]. cualquier línea, el empleo de dichos
Normalmente para la protección de las valores de voltaje y corriente en la
líneas de transmisión son los relés de subestación constituyen una ventaja
distancia (protección 21), permitiéndonos significativa en la ubicación de la falla
verificar la impedancia el punto de falla [12].
con el relé. La confiabilidad del servicio Las fallas pueden ocurrir en cualquiera
en los sistemas de transmisión ante etapa del SEP, en la figura 1 nos indica la
cualquier falla, depende de la capacidad presencia de una falla en una línea de
de aislamiento, ajuste y restauración del transmisión, dicha falla se la puede
servicio eléctrico, existiendo diferentes estimar su localizar usando los datos de
tipos de fallas tales como fuerza de la variación de voltaje y corriente de la línea
naturaleza, mecánicas, causada por que posteriormente será analizada con CS
2
el cual lo explicaremos en los siguientes corriente como de voltaje, en ese preciso
apartados [13]. momento obtenemos la señal de falla para
su oportuno análisis [15]-[16].
La perspectiva que se propone utilizar
es el Sensado Comprimido (CS). Cabe
mencionar que dicha teoría se introdujo
varios años atrás desarrollándose en
primera instancia como una propuesta en
el reconocimiento de imágenes [13].
Consecutivamente el CS se utilizó del
mismo modo para la reconstrucción de
señales, pero dicha teoría implica que las
señales adquieran características de una
señal dispersa (sparse), en otras palabras,
únicamente se requiere elementos
distintos de cero, y debido a que, existen
pocas señales con características de
sparse, se emplea el criterio de señal
Figura 1. Ocurrencia de falla analizada por comprimible mencionándonos que si una
nuestro método propuesto.
señal en algún dominio posee
características sparse es posible
Este artículo se establece de la reconstruirla. Al hablar de dominio hace
siguiente manera: en la sección II referencia a una base vectorial en la que
mencionamos fallas en sistemas de la señal puede ser proyectada (cualquier
transmisión. En la sección III se desarrolla transformada) [17], [18].
la descripción del CS. En la sección IV la La teoría de CS hace que se utilice la
localización de las fallas mediante CS. En adquisición y procesamiento de señales
la sección V formulación del problema. para la reconstrucción de las mismas, en
En la sección VI se analizan los otras palabras, realiza la recuperación de
resultados y finalmente en la sección VII señales a través de una representación
se presentan las principales conclusiones. dispersa de datos con información
limitada, por esa razón se determina
emplear con diferentes clases de datos y
en múltiples aplicaciones como es el caso
2. Fallas en Sistemas de de la reconstrucción de señales en fallas
Transmisión en transmisión [13].
La red de transmisión eléctrica debe Las señales de fallas en líneas de
garantizar niveles adecuados de transmisión presentan algunos
confiabilidad y continuidad de servicio, inconvenientes en la adquisición y
ya que al presentar fallas y perturbaciones muestreo de datos, especialmente cuando
afectan el normal comportamiento del contamos con alta cantidad de líneas en
SEP, en la etapa de transmisión es un SEP, pero el principal problema que se
susceptible a fallas convirtiéndola en una debe considerar son los altos costos en
red con una topología compleja [14]. reparación si no se actúa oportunamente
En el momento que se produce una cuando ocurre un fallo. Razón por la cual
falla en una línea de transmisión, el CS puede llegar a cambiar
ocasiona que los sistemas de protección positivamente la problemática
actúen de inmediato interrumpiendo el reconstruyendo la señal con un mínimo
flujo eléctrico de la red, a su vez se porcentaje de datos sin saturar los canales
produce señales transitorias tanto de de transmisión [19], [20], [21].
3
3. Descripción del Sensado inertes que junto con (𝑥) son una
representación equivalente de la misma
Comprimido
señal. Siendo difícil encontrar una señal
Para entender y expresar el proceso
dispersa en el dominio del tiempo se
matemático del CS se tiene la figura 2, el
utiliza el vector de coeficiente (𝑠) con una
cual nos describe la posibilidad de
base vectorial adecuada la cual viene
recuperar una señal unidimensional
dada por el diccionario (Ψ), el cual se
considerando una cantidad menor de
conoce como una matriz de (𝑛 ∗ 𝑛),
datos de la señal original que se requiere
matriz no cuadrada, utilizamos el
reconstruir, así realizar la representación
concepto de matriz pseudoinversa [1],
dispersa. A continuación, tenemos la
[25], [26].
representación matricial del CS se lo
describe de la siguiente manera [1], [22],
[23]. 𝑥 = ∑𝑛𝑖=1 𝑠𝑖 𝜓𝑖 (1)
𝑥 =Ψ∗s (2)
4
una vez encontrado el vector que
corresponde a los elementos de (𝑦), se
logra proceder a recuperar la señal
original mediante el argumento mínimo,
ecuación (8), basándose en la norma ℓ1
[26], [31], [32].
5
Una corriente de falla produce un vector aproximado lo suficientemente
variaciones de tensión en todo el sistema escaso como para estimar la localización
eléctrico, de esta manera logramos de la falla basado en BP, y OMP. Al
adquirir la variación de tensión en todos aplicar nuestro método propuesto se
los nodos de la red de transmisión en requiere unos pocos datos de las PMU que
condiciones de falla, multiplicando la nos despliega en la red de transmisión
matriz de impedancia (𝑍𝑏𝑢𝑠) por el donde 𝑀 ≪ 𝑁 [1], [29].
vector de corriente de representación Resolvemos el problema con la norma
dispersa (∆𝐼), y con el fin de simplificar ℓ1 significa el uso de OMP y BP un
los cálculos suprimiendo los valores método de optimización convexa
imaginarios de la matriz de variación de planteando la ecuación (11) [30], [31]
tensión ∆𝑉𝑖 y de la matriz de impedancia
del sistema 𝑍𝑖𝑗𝑆 , calculamos los valores ̃1 = 𝑎𝑟𝑔𝑚𝑖𝑛‖∆𝐼‖1
(ℓ1): ∆𝐼 (11)
absolutos para todos los elementos 𝑖𝑗 de
̅̅̅𝑙 y 𝑍𝑖𝑗𝑆 , como se muestra
las matrices ̅∆𝑉 Donde:
̃1: vector de representación escasa
∆𝐼
en el planteamiento matricial de la
ecuación (10) y su forma simplificada obtenido.
(10a).
̅̅̅̅̅̅
∆𝑉𝑙1
‖∆𝐼‖1 norma ℓ1 [1], [25].
̅̅̅̅̅̅
∆𝑉 𝑙2 =
⋮ 5. Formulación del
[̅̅̅̅̅̅
∆𝑉𝑙𝑚 ]
𝑀𝑥1
0 Problema
|𝑍𝑖11 | |𝑍𝑖12 | … |𝑍𝑖1𝑁 | 0 En este artículo se utiliza el CS con la
⋮
|𝑍𝑖21 | |𝑍𝑖22 | … |𝑍𝑖2𝑁 | ̅̅̅̅̅̅
−𝐼 (10)
norma ℓ1 para la localización de fallas en
𝑓𝑘
⋮ ⋮ ⋮ ⋮ la red transmisión, debido a las
[|𝑍𝑖𝑀1 | |𝑍𝑖𝑀2 | ⋯ |𝑍𝑖𝑀𝑁 |]𝑀𝑥𝑁 0 diversidades del CS anteriormente
[ 0 ]𝑁𝑥1
descritas, se crea una base de datos y se
simula automáticamente las fallas
∆𝑉 = 𝑍 ∗ ∆𝐼 (10a) Cuando ocurre una falla en las líneas
de transmisión de un SEP, la forma de
Donde: ∆𝑉 ∈ ℛ 𝑁 es la matriz de onda ya sea esta de corriente o voltaje
observación o matriz de variación de sufre de perturbaciones en las mismas,
tensión, 𝑍 ∈ ℛ 𝑀𝑥𝑁 es la matriz de representados con picos altos o bajos en
impedancia de la red, y ∆𝐼 ∈ ℛ 𝑁 es el toda la línea de transmisión. Estas
vector de representación dispersa. perturbaciones ocurren en tiempos muy
cortos que bordean los milisegundos.
La solución para ∆𝐼, dado que 𝑍 y El análisis de la caída de tensión y la
∆𝑉 están disponibles, no es viable ya que impedancia de la red, es lo que utiliza el
el número de filas medidas de ∆𝑉 es método de CS para localizar la falla y
menor que el número de columnas de 𝑍. como solución se obtiene un vector de
Por lo tanto, la primera impresión es representación dispersa cuyos elementos
que ∆𝐼 se puede recuperar mediante el distintos de cero identifican la distancia
método convencional de mínimos estimada en el cual se presenta la falla.
cuadrados. El método de mínimos
cuadrados convencionales proporciona 5.1 Modelo de localización de fallas
una solución para ∆𝐼 siendo una solución Para la localización de fallas en la red de
ineficaz. transmisión, se realizó un análisis en el
Utilizamos el método de CS para esquema de nueve barras de la IEEE
superar el problema y obtener una representada en la figura 5.
solución dispersa ya que nos proporciona
6
5.3.1) Algoritmo 1: Least squares
(LS)
Pseudocódigo de la localización de falla
mediante LS.
Paso 1.
Ingresar base de datos de
simulación de fallas de la red
(Tabla 1)
Paso 2.
Definir las variables de entrada
Figura 5. Esquema de 9 barras IEEE Φ = 𝑍 ∈ ℛ 𝑀𝑥𝑁 ;
𝑦 = ∆𝑉 ∈ ℛ 𝑀
Donde analizaremos la falla que
ocurre entre la Línea 1 y 2 al correr el
Paso 3.
flujo de potencia con la ocurrencia de l = 0 → Contador de iteraciones
falla. r0 = y → Vector residuo
Paso 3.
Inicializar variables.
𝑙 = 0 → Contador de iteraciones
r0 = y → Vector residuo
7
Paso 4. Paso 6.
x → Reducir la señal original X en Resolver ℓ1 (9) con el cual
función de numero de muestras encontramos el vector de
̃
representación dispersa (∆𝐼1)
Paso 5.
Paso 7.
For Solución aparente
𝑙 𝜖 [0,1,2 … , 𝑛] ̃1 = 𝑚𝑖𝑛‖𝑦 − ∑ ∆𝐼
̂1 𝜙 ‖
∆𝐼
Resolver ℓ1 ̂1
∆𝐼 ℎ ℎ 𝑙1
|𝑟𝑙−1 , ϕ𝑖 |
𝑥 (𝑙+1) = arg 𝑚𝑖𝑛
‖ϕ𝑖 ‖ 6. Análisis de Resultados
𝑦 = Φ∗𝑥 Para el análisis del método propuesto se ha
utilizado el modelo de la IEEE de 9 barras
End figura 7. Este modelo consta con
Paso 6. características heterogéneas entre líneas y
Resolver ℓ1 (9) con el cual nodos, lo que hace que sea idóneo para la
encontramos el vector de aplicación de esta metodología.
̃
representación dispersa (∆𝐼1) DigSilent® es utilizado para modelar la
Paso 7. red de transmisión de 9 barras con los
Solución aparente parámetros antes mencionados, de donde
̃1 = 𝑎𝑟𝑔 𝑚𝑖𝑛 ‖∆𝐼‖1
∆𝐼 se obtienen las magnitudes de tensiones
∆𝐼 eficaces [p.u.] en pre-falla y ocurrencia de
falla, tomaremos en cuenta las Líneas de
5.3.3) Algoritmo 3: Orthogonal trasmisión L1 y L2 para nuestro análisis.
matching pursuit (OMP).
Pseudocódigo de la localización de falla Tabla 2. Magnitud de tensión y corriente en las líneas
mediante OMP. (pre-falla).
End
8
de señales de representación dispersa, con
alta consistencia de ruido, teniendo en
cuenta nuestra tolerancia en 1 (p.u.)
mostrando un error muy bajo donde al
tener el 30% de los datos de la señal
original el error se encuentra entre el
4,34%. A su vez el BP con la misma
cantidad del 30% de datos muestra un
error del 40,37% y en última instancia LS
presenta el 77,50% de error en la
reconstrucción de la señal original con el
30% de datos.
En la tabla 3 se muestra los errores de
Numero de muestras 30% reconstrucción correspondientes a LS,
a) BP, OMP que se han sido obtenidos
mediante la norma ℓ1, dichos errores se
ha considerado porcentajes de 30% antes
mencionados, adicionalmente mostramos
el margen de error en la reconstrucción de
la señal original con el 60% y 90% datos.
Porcentaje LS BP OMP
30% 77,50 40,37 4,34
60% 48,44 16,15 0,92
90% 19,37 3,23 0,03
9
Tabla 4. Incremento de Corriente en falla Línea 1
y 2.
I [kA] Ik[kA]
(p.u.) (p.u.)
Línea 1 0,188 0,65 - 1,33
Línea 2 0,193 2,28
En la Figura 11 se muestra la
Figura 7. Ocurrencia de falla en la Línea 1. localización de falla en la línea 1 cuando
se aplica nuestro algoritmo CS, siendo la
mejor opción OMP con el 60% de los
datos de la señal original el error se
encuentra en el 1,12%. BP con un error
del 17,94% y LS con el mayor error del
62,97%. En la figura 15 podemos
verificar los resultados de las señales
dispersas en cada uno de los algoritmos
de reconstrucción.
10
grandes ya con el 90% de los datos el
error en la reconstrucción se ubica entre
el 19,37%. Dándonos como resultado que
la señal original con la señal obtenida de
LS tiene muy poca similitud.
11
Tabla 5. Comparación de la distancia simulada con la
distancia mediante nuestro algoritmo.
Algoritmo
Simulada Error
CS-OMP
[km] Relativo [𝜀𝑟 ]
[km]
12
8. Referencias [9] S. Province, “A Fault Detection
[1] M. Majidi, A. Arabali, and M. and Isolation Algorithm for
Etezadi-Amoli, “Fault Location in Distribution Systems Containing
Distribution Networks by Distributed Generations,” IEEE
Compressive Sensing,” IEEE Trans. Power Deliv., vol. 1, no. 2,
Trans. Power Deliv., vol. 30, no. 4, pp. 1753–1756, 2011.
pp. 1761–1769, 2015. [10] R. P. F. Pabón, “Diagnóstico de
[2] G. B. Zou and H. L. Gao, “Extra Fallas en Sistemas Eléctricos de
high speed hybrid protection Distribución Mediante la
scheme for high voltage Transformada de Wavelet,” Repos.
transmission line,” Int. J. Electr. Digit. Univ. Politécnica Sales.,
Power Energy Syst., vol. 63, pp. vol. 1, 2016.
83–90, 2014. [11] C. Orozco-Henao, J. Mora-Flórez,
[3] F. V. Lopes, B. F. Küsel, K. M. and S. Pérez-Londono, “A robust
Silva, D. Fernandes, and W. L. A. method for single phase fault
Neves, “Fault location on location considering distributed
transmission lines little longer than generation and current
half-wavelength,” Electr. Power compensation,” Proc. 2012 6th
Syst. Res., vol. 114, pp. 101–109, IEEE/PES Transm. Distrib. Lat.
2014. Am. Conf. Expo. T D-LA 2012, vol.
[4] A. A. Yusuff, A. A. Jimoh, and J. 1, pp. 1–7, 2012.
L. Munda, “Fault location in [12] M. Razzaque and S. Dobson,
transmission lines based on “Energy-Efficient Sensing in
stationary wavelet transform, Wireless Sensor Networks Using
determinant function feature and Compressed Sensing,” Sensors,
support vector regression,” Electr. vol. 14, no. 2, pp. 2822–2859,
Power Syst. Res., vol. 110, pp. 73– 2014.
83, 2014. [13] J. Ren, S. S. Venkata, and E.
[5] D. Carrión, J. W. González, and G. Sortomme, “An accurate
J. López, “Optimal Fault Location synchrophasor based fault location
in Transmission Lines Using method for emerging distribution
Hybrid Method,” 2017 IEEE PES systems,” IEEE Trans. Power
Innov. Smart Grid Technol. Conf., Deliv., vol. 29, no. 1, pp. 297–298,
vol. 1, p. 6, 2017. 2014.
[6] M. Wen, D. Chen, and X. Yin, “An [14] R. A. F. Pereira, L. G. W. da Silva,
energy differential relay for long M. Kezunovic, and J. R. S.
transmission lines,” Int. J. Electr. Mantovani, “Improved fault
Power Energy Syst., vol. 55, pp. location on distribution feeders
497–502, 2014. based on matching during-fault
[7] S. A. Gafoor and P. V. R. Rao, voltage sags,” IEEE Trans. Power
“Wavelet Based Fault Detection, Deliv., vol. 24, no. 2, pp. 852–862,
Classification and Location in 2009.
Transmission Lines,” 2006 IEEE [15] Z. He, S. Lin, Y. Deng, X. Li, and
Int. Power Energy Conf., vol. 1, Q. Qian, “A rough membership
pp. 114–118, 2006. neural network approach for fault
[8] S. Das, N. Karnik, and S. Santoso, classification in transmission
“Distribution fault-locating lines,” Int. J. Electr. Power Energy
algorithms using current only,” Syst., vol. 61, pp. 429–439, 2014.
IEEE Trans. Power Deliv., vol. 27, [16] J. Haupt, W. U. Bajwa, M. Rabbat,
no. 3, pp. 1144–1153, 2012. and R. Nowak, “Compressed
13
sensing for networked data: A [24] M. Arciniega, “Detección y
different approach to decentralized análisis armónico en señales
compression,” IEEE Signal eléctricas usando sensado
Process. Mag., vol. 25, no. 2, pp. comprimido para evaluación de la
92–101, 2008. calidad de energía.,” Repos. Digit.
[17] J. Inga-Ortega, E. Inga-Ortega, C. Univ. Politécnica Sales., vol. 1, pp.
Gómez, and R. Hincapié, 1–35, 2018.
“Electrical load curve [25] S. F. and H. Rauhut, “A
reconstruction required for mathematical introduction to
demand response using compressive sensing,” Am. Math.
compressed sensing techniques,” Soc., vol. 54, no. 1, pp. 151–165,
2017 IEEE PES Innov. Smart Grid 2017.
Technol. Conf. - Lat. Am. ISGT [26] P. Andrade, “Reconstrucción de la
Lat. Am. 2017, vol. 2017–Janua, curva de carga eléctrica residencial
2017. a partir de selección muestral
[18] D. L. Donoho, “Compressed usando sensado comprimido,”
sensing,” IEEE Trans. Inf. Theory, Repos. Digit. Univ. Politécnica
vol. 52, no. 4, pp. 1289–1306, Sales., vol. 1, pp. 1–40, 2017.
2006. [27] R. G. Baraniuk, “Compressive
[19] Z. Tan, P. Yang, and A. Nehorai, Sensing [Lecture Notes],” IEEE
“Joint Sparse Recovery Method Signal Process. Mag., vol. 24, no.
for Compressed Sensing with July, pp. 118–121, 2007.
Structured Dictionary Mismatch,” [28] C. Chen, J. Huang, L. He, and H.
Arxiv, vol. 62, no. 19, pp. 1–22, Li, “Preconditioning for
2013. accelerated iteratively reweighted
[20] J. Flórez, “Localización de faltas least squares in structured sparsity
en sistemas de distribución de reconstruction,” Proc. IEEE
energía eléctrica usando métodos Comput. Soc. Conf. Comput. Vis.
basados en el modelo y métodos Pattern Recognit., vol. 1, pp.
basados en el conocimiento,” 2713–2720, 2014.
Univ. Girona, vol. I Volumen, p. [29] A. Y. Yang, Z. Zhou, A. G.
151, 2007. Balasubramanian, S. S. Sastry, and
[21] S. S. Gururajapathy, H. Mokhlis, Y. Ma, “Fast ℓ1-minimization
and H. A. Illias, “Fault location algorithms for robust face
and detection techniques in power recognition,” IEEE Trans. Image
distribution systems with Process., vol. 22, no. 8, pp. 3234–
distributed generation: A review,” 3246, 2013.
Renew. Sustain. Energy Rev., vol. [30] E. Astaiza Hoyos, P. E. Jojoa
74, no. January, pp. 949–958, Gómez, and H. F. Bermúdez
2017. Orozco, “Compressive sensing: A
[22] V. Duarte, Marco; Cameron, methodological approach to an
“Compressive Sensing for Signal efficient signal processing,” Dyna,
Ensembles,” IEEE Trans. Power vol. 82, no. 192, pp. 203–210,
Deliv., vol. 1, pp. 244–250, 2009. 2015.
[23] J. L. Paredes and G. R. Arce, [31] A. G. R. Perez, “Fuzzy Logic
“Compressive sensing signal Application in Power System Fault
reconstruction by weighted Diagnosis,” Indian J. Comput. Sci.
median regression estimates,” Eng., vol. 2, no. 4, pp. 554–558,
IEEE Trans. Signal Process., vol. 2011.
59, no. 6, pp. 2585–2601, 2011.
14
9. Matriz Estado del Arte
FORMULACIÓN DEL
RESTRICCIONES DEL PROPUESTAS PARA SOLUCIÓN
DATOS TEMÁTICA PROBLEMA
PROBLEMA RESOLVER EL PROBLEMA PROPUESTA
FUNCIONES OBJETIVO
ACCIONAMIENTO DE PROTECCIONES
DISTANCIA DE LA FALLA ESTIMADA
TIEMPO DE LA INTERVENCION A LA
TIEMPO DE INTERVENCION DE LOS
ALGORITMO DE LOCALIZACION DE
CONFIABILIDAD EN LOS SISTEMAS
PROCESAMIENTO DE SEÑALES
MEDIDORES INTELIGENTES
GENERACION DISTRIBUIDA
LOCALIZACION DE FALLAS
FALLAS EN DISTRIBUCION
MINIMIZACION DE FALLAS
EQUIPOS DE PROTECCION
FALLAS EN TRANSMICION
EFICIENCIA ENERGETICA
DETECCION DE LA FALLA
FRECUENCIA DE FALLAS
SIMULACION DE FALLAS
SENSADO COMPRIMIDO
SENSADO COMPRIMIDO
ANALISIS ESTADISTICO
TÍTULO DEL ARTÍCULO
TIPOS DE FALLAS
DE TRANSMISION
ESTABILIDAD
WAVELET
FALLAS
FALLA
CITAS
ITEM
AÑO
15
A robust method for single phase fault location
201 \cite{C. Orozco-
11
2
considering distributed generation and current
Henao,2012}
compensation
201 Energy-efficient sensing in wireless sensor \cite{M. A.
12
4 networks using compressed sensing Razzaque,2014}
201 An accurate synchrophasor based fault location
13
4 method for emerging distribution systems
\cite{J. Ren,2014}
200 Improved Fault Location on Distribution Feeders \cite{R.
14
9 Based on Matching During-Fault Voltage Sags Pereiras,2009}
201 A rough membership neural network approach for
15
4 fault classification in transmission lines
\cite{Z. He,2014}
A new time–frequency approach for distance
201 \cite{P. K.
16
4
protection in parallel transmission lines operating
Dashs,2014}
with STATCOM
201 Modelación para la localización de fallas en líneas \cite{C. Cueva and
17
5 de transmisión de doble circuito D. Carrión,2015}
200 Compressed sensing for networked data: A \cite{W. U.
18
8 different approach to decentralized compression Bajwa,2008}
\cite{J. Inga-
Electrical Load Curve Reconstruction required for
201 ortega, E. Inga-
19
7
Demand Response using Compressed Sensing
ortega, and C.
Techniques
Gómez,2017}
201 \cite{D. L.
20
6
Compressed sensing
Donoho,206}
201 Joint Sparse Recovery Method for Compressed \cite{Z. Tan, P.
21
4 Sensing with Column-wise Mismatches Yang,2014}
Localización de faltas en sistemas de distribución
200 \cite{J. Mora,
22
6
de energía eléctrica usando métodos basados en
Flórez,2006}
el modelo y métodos basados en el conocimiento
201 Fuzzy Logic Application for Faults Identification on \cite{R. Perez, A.
23
4 Electronics Distribution Systems Gustavo,2014}
Three-phase modeling of unbalanced distribution
198 \cite{E.
24
7
systems during open conductors and/or shunt
Makram,1987}
fault conditions using the bus impedance matrix
201 A Novel Method for Single and Simultaneous Fault \cite{M. Majidi, M.
25
5 Location in Distribution Networks Etezadis,2015}
201 \cite{C.
26
0
Model based compressive sensing
Baraniuk,2010}
201 Fast L1 minimization algorithms for robust face \cite{A. G.
27
3 recognition Yang,2013}
201 Compressive sensing signal reconstruction by \cite{JL.
28
1 weighted median regression estimates Paredes,2011}
201 A mathematical introduction to compressive \cite{S Foucart, H
29
3 sensing Rauhut,2013}
200 Model-based compressive sensing for signal \cite{MF Duarte, V
30
9 ensembles Cevher,2009}
\cite{Z Tan, P
201 Joint sparse recovery method for compressed
31
4 sensing with structured dictionary mismatches
Yang, A
Nehorai,2014}
CANTIDAD: 2 7 9 7 6 6 13 9 6 5 4 6 8 7 3 3 7 8 7 5 3 3 5 2 7 4 9 3 4 5
16
TEMÁTICA
GENERACION DISTRIBUIDA
10
8
ENERGIA NO SUMINISTRADA 6 FALLAS EN DISTRIBUCION
4
2
0
10
0
LOCALIZACION DE FALLAS SIMULACION DE FALLAS DISTANCIA DE LA FALLA ESTIMADA TIEMPO DE INTERVENCION DE LOS ESTABILIDAD ACCIONAMIENTO DE
EQUIPOS DE PROTECCION PROTECCIONES
17
SOLUCIÓN DADA MEDIANTE
10
0
ALGORITMO DE LOCALIZACION DE FALLAS MINIMIZACION DE FALLAS SENSADO COMPRIMIDO MINIMIZAR PERDIDAS MEDIANTE MEDIDORES EFICIENCIA ENERGETICA ESTABILIZADOR DEL SISTEMA
INTELIGENTES
18
19