Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ups KT01342 PDF
Ups KT01342 PDF
CARRERA:
INGENIERÍA ELÉCTRICA
TEMA:
DIAGNÓSTICO DE FALLAS EN SISTEMAS ELÉCTRICOS DE
DISTRIBUCIÓN MEDIANTE LA TRANSFORMADA DE WAVELET
AUTOR:
FRANCISCO ANTONIO PABÓN PLAZA
DIRECTOR:
RAMÓN ENRIQUE PÉREZ PINEDA
Ingeniería Eléctrica
Firma
INDICE DE FIGURAS
Figura 1. Sistema Eléctrico de Distribución. ..................................................................... 3
Figura 2. Sistema Eléctrico de Distribución IEEE 34 barras. ............................................ 9
Figura 3. Señal monofásica del sistema IEEE 34 barras. ................................................... 9
Figura 4. Señal trifásica del sistema IEEE 34 barras. ........................................................ 9
Figura 5 (a). Señal de falla monofásica en la fase A del sistema IEEE 34 barras. .......... 10
Figura 5 (b). Señal de falla bifásica AB del sistema IEEE 34 barras.............................. 10
Figura 5 (c). Señal de falla trifásica del sistema IEEE 34 barras. ................................... 10
Figura 6 (a). Señal de detalle wavelet para la fase A. ...................................................... 10
Figura 6 (b). Señal de detalle wavelet para la fase B. ...................................................... 10
Figura 7. Señal de detalle wavelet para el cálculo del tiempo de detalle. ........................ 10
Figura 8. Señal de tendencia del error. ............................................................................. 11
INDICE DE TABLAS
Tabla 1: Resultados del método de diagnóstico de fallas ................................................ 11
Tabla 2. Matriz de estado del arte .................................................................................... 15
Tabla 3. Resumen e Indicadores del estado del arte ........................................................ 18
Diagnóstico de Fallas en Sistemas Eléctricos de
Distribución Mediante la Transformada de Wavelet.
Resumen Abstract
Este artículo presenta la posible aplicación This paper presents
de la transformada wavelet en sistemas the possible application of Wavelet-
eléctricos de distribución como transform in electrical distribution
herramienta de diagnóstico de fallas, systems as a fault diagnostics tool
aplicando las características de la applying the characteristics of the Discrete
Transformada Discreta de Wavelet Wavelet Transform (DWT) and Multi-
(DWT) y el Análisis Multi-Resolución resolution (MRA) for each signal analysis.
(MRA) para cada señal. El método debe The method must be able to detect, locate
ser capaz de detectar, localizar y clasificar and classify events, acquiring the
los eventos, adquiriendo la información necessary information on the behavior of
necesaria del comportamiento de todo el the entire system, which is necessary for
sistema, para lo cual es necesario el uso the essential use of a database, it must
indispensable de una base de datos, la contain the voltage and current
misma que debe contener la información information, for state of failure and pre-
de tensión y corriente, para el estado de failure simulated system with special
falla y pre-falla del sistema simulado, con interest in the behavior of the current
especial interés en el comportamiento de signal. For fault diagnostics it is necessary
la señal de corriente. Para el diagnóstico the application of two algorithms applied
de fallas es necesario la aplicación de dos both to locate and to classify the various
algoritmos aplicados tanto para localizar types of faults, using information from the
como para clasificar los diversos tipos de wavelet detail coefficients, in the same
fallas, mediante la información de los manner is essential to know the speed of
coeficientes de detalle wavelet, de la wave propagation, which for this analysis
misma manera es fundamental conocer la is calculated for each segment of the
velocidad de propagación de la onda, la system, measured from the distribution
cual para este análisis es calculada para substation. The results obtained by
cada tramo del sistema, medida desde la applying the proposed method in this
subestación de distribución. Los article have done on the system IEEE 34
resultados obtenidos mediante la bar tests designed in ATP, finding the
aplicación del método propuesto en este effectiveness of the method.
artículo se lo ha realizado sobre el sistema
de pruebas IEEE 34 barras diseñado en
ATP, hallando la efectividad del método.
1
Introducción corrientes armónicas en las líneas [9],
En este artículo se analiza la aplicación además de representar costos por
de la Transformada Wavelet (WT) por energía no suministrada y
sus siglas en inglés, sobre el Sistema desplazamiento del personal calificado
Eléctrico de Potencia (SEP), como para la reconexión [10], por lo que, el
herramienta de especial interés en el diagnóstico oportuno de las fallas
diagnóstico de fallas en el sistema de proporcionara mayor velocidad de
distribución [1]. El SEP está reconexión del servicio, disminución
organizado en tres sistemas totalmente de costos, mantenimiento
estructurados, como lo es la preventivo/correctivo de los equipos y
generación, transmisión y distribución mayor fiabilidad a la operación del
de energía eléctrica, donde el óptimo sistema [11]. Las fallas más comunes
funcionamiento del sistema eléctrico en general se deben a descargas
implica la correcta operación de cada atmosféricas incidentes en las líneas de
etapa [2], los grandes centros de distribución, a su vez dichas fallas
generación son los responsables de también pueden ser ocasionadas por
producir la energía eléctrica necesaria diversos elementos que conformar al
para abastecer la demanda [3], el cual sector urbano de media y baja tensión
tiene como objetivo generar, [5], capaces de provocar cortocircuitos
transportar y abastecer la energía de diferentes magnitudes entre los
eléctrica hacia la carga del sistema o el diversos componentes del sistema [12],
usuario final [4], garantizando altos los mismo que son sometidos a
índices de confiabilidad y continuidad esfuerzos eléctricos, debido a la
del suministro [5], el SEP como todo presencia de corrientes de gran
sistema puede ser vulnerable a diversos magnitud, ocasionando bajos índices
tipos de fallas [2], sobre todo en la de calidad de la energía, daño a los
distribución de la energía eléctrica, equipos y la interrupción del suministro
debido a que representa el sistema más a los consumidores [13]. El sistema de
complejo de todo el SEP [6], por lo que distribución debe ser capaz de despejar
garantizar el correcto funcionamiento todo tipo de falla mediante la
con índices de continuidad y activación de diversos elementos de
confiabilidad es una labor de suma cierre o relés automáticos, que son los
importancia y de gran dificultad [6]. encargados de cortar el servicio con la
El usuario se vincula al servicio finalidad de proteger todo el sistema
eléctrico por medio del sistema de [14], por lo tanto todo sistema eléctrico
distribución, el mismo que al ser debe contar con esquemas de
susceptible a fallas debido a la protección capaces de disminuir el
compleja topología de la red [6], falla tiempo de interrupción del servicio y
del aislamiento de los equipos, daños al usuario ante la presencia de
descargas atmosféricas o por falla [15]. Debido a la gran cantidad de
operaciones defectuosas accidentales cortes de servicio provocados por
[7] recaen en los índices de calidad de dichos eventos el operador del sistema
la energía, que depende de la cantidad requiere herramientas que faciliten la
anual de fallas y el tiempo de localización y clasificación de las
reconexión del servicio eléctrico [8]. El fallas, las mismas que deben identificar
sistema es más susceptible a fallas la zona de ocurrencia del evento y los
sobre todo en las líneas de distribución componentes afectados de manera
que al ser sometidas a eventos de automática [16], además pueden
diferentes magnitudes pueden determinar las zonas del sistemas
ocasionar transitorios de operación y críticas en seguridad, con lo que se
2
Figura 1. Sistema Eléctrico de Distribución.
3
velocidad de propagación de la onda de sistema de distribución [6], generando
falla a lo largo de la línea, permitiendo un estado transitorio de
determinar la distancia de falla desde la funcionamiento, características
subestación de distribución [4]. La WT necesarias para la implementación del
es una herramienta matemática método [20]. Uno de los modelos
aplicada al análisis de ondas viajeras en matemáticas más eficientes en la WT
líneas de distribución, cuya aplicación debido a que aplica filtro para
principal es la extracción de la identificar las señales de operación y
información de frecuencia, tiempo, falla [22], extrayendo información útil
corriente, y amplitud de las señales del para el diagnóstico [25].
sistema [22] mediante un proceso
continuo de análisis necesario para el 2.1 Fallas en el sistema eléctrico de
cálculo [23]. Existen varias distribución.
herramientas matemáticas para el El SEP está vinculado con las centrales
análisis de señales como lo es la de generación, líneas de transmisión y
Transformada de Fourier (FT) por sus el sistema de distribución, los cuales
siglas en inglés, que analiza las señales operan en conjunto como un solo
en el dominio de la frecuencia, la que sistema, en operación normal todos los
presenta como principal desventaja en elementos que conforman al SEP
comparación con la WT la falta de operan en paralelo a una frecuencia
información de la variación en el constante, cada etapa posee un sistema
tiempo de la señal analizada [7], de protecciones establecido, por lo que
mientras que la WT permite un análisis no se puede asegurar que parte del SEP
de la señal en multi resolución (MRA) debe ser el que posee mayor
por sus siglas en inglés, en tiempo y protección, si la falla se da en cualquier
frecuencia, es decir, el MRA permite puto del SEP este se verá afectado,
analizar la señal de forma eficaz en sobre todo en el sistema de distribución
diferentes bandas de frecuencia lo que por ser la etapa más compleja [26]. Las
hace de esta herramienta muy útil en el fallas que afectan al SEP son eventos
reconocimiento de patrones y en el que se han clasificado como aleatorios
diagnóstico de fallas en el SEP [1]. los cuales están ligados a una
probabilidad de ocurrencia, afectan al
Diagnóstico de fallas en el correcto funcionamiento y distribución
sistema eléctrico de de la energía por la falla del aislamiento
de los equipos o por descargas
distribución. atmosféricas, las fallas que afectan al
Para diagnosticar fallas es necesario la SEP se analizan mediante un estudio de
implementación de modelos probabilidad con la finalidad de estimar
matemáticos desarrollados mediante la la vulnerabilidad del sistema eléctrico
simulación de sistemas dinámicos [27], por lo que conocer las
capaces de emular el comportamiento características del evento pueden
tanto en operación como en falla [24], ayudar al operador del sistema a
modelo que debe ser capaz de aplicar identificar la magnitud, lugar y
técnicas de procesamiento de señales elementos afectados [28], a su vez se
de tensión o corriente, además de puede estimar los índices de
analizar las oscilaciones de estas confiabilidad y la cantidad de energía
magnitudes en diferentes bandas de no suministrada [29], esta información
frecuencia, las mismas que se producen es crucial para la posteriores estrategias
ante la ocurrencia de un cortocircuito de planificación y operación del SEP en
que afecta a una o varias partes del relación a la parte técnica como
4
económica [17]. Como ya se ha es aplicada en el análisis de señales
mencionado el SEP es más vulnerable transitorias [11], las mismas que en
a eventos de falla en las líneas de general se presentan ante la ocurrencia
transmisión, debido a esta condición el de fallas, esta función tiene la
método debe analizar las corrientes de capacidad de comprimir y
falla como las magnitudes de mayor descomponer las señales extrayendo
importancia para el diagnóstico de todas las características de forma más
fallas, las que se catalogan por el detallada en diferentes instantes de
número de fases afectadas por el tiempo y frecuencia [20], la función
evento, las fallas pueden ser divide la señal original en dos
monofásicas (LG) o línea a tierra, componentes conocidas, aproximación
bifásica (LL) o doble línea, bifásica a y detalle, que son las variables en las
tierra (2LG) y trifásica (3L) [30]. que se almacena el contenido de la
señal una vez aplicada la función, para
2.1.1) Fallas simétricas: la aplicación de la WT es necesario
Las fallas simétricas causan el mayor definir una señal de referencia o señal
daño al sistema debido a que generan madre que permita definir la amplitud
flujos de corrientes de gran magnitud, y la incidencia de cada frecuencia [13].
se producen por cortocircuitos La transformada de wavelet se define
trifásicos que en su mayoría se deben a como:
descargas atmosféricas, este tipo de
𝑊𝑓 (𝑎,𝑏) = ∫ 𝑓(𝑡) ∗ 𝜓𝑎,𝑏 (𝑡) 𝑑𝑡 (1)
falla está ligado a una baja probabilidad
de ocurrencia donde se estima que el
5% de las fallas ocurridas son de tipo Donde se puede definir a 𝜓𝑎,𝑏 (𝑡) como
permanente, mientras que el 95% la señal wavelet de origen o señal
restante es categorizado como madre como:
cortocircuitos momentáneos [6], [27].
1 𝑡−𝑏
𝜓𝑎,𝑏 (𝑡) = ∗𝜓( ) (2)
2.1.2) Fallas asimétricas: √𝑎 𝑎
Las fallas asimétricas están
relacionadas a una probabilidad de Donde 𝑎 es el parámetro de escala el
ocurrencia mayor, provocando cual permite la dilatación y contracción
condiciones desbalanceadas al sistema, de la señal y 𝑏 representa la posición en
son catalogadas como fallas que el tiempo del desplazamiento de la
involucran una o dos fases, es decir, señal [31]. Las wavelets
falla monofásica, bifásica y bifásica a 𝜓𝑎,𝑏 (𝑡) generadas de la misma función
tierra, el estudio parte de la wavelet madre tienen diferente escala 𝑎
descomposición de los fasores y posición 𝑏, pero tienen todas la
desequilibrados en componentes misma forma. Se utilizan siempre
simétricas de secuencia cero, positiva y factores de escala 𝑎 > 0. Las Wavelets
negativa, donde según la magnitud de son dilatadas cuando la escala 𝑎 > 1, y
la falla se puede obtener las son contraídas cuando 𝑎 < 1. Así,
características de tensión y corriente cambiando el valor de 𝑎 se cubren
identificando de esta manera el tipo de rangos diferentes de frecuencias.
falla [30]. Valores grandes del parámetro 𝑎
corresponden a frecuencias de menor
2.2 Transformada Wavelet. rango, o una escala grande de 𝜓𝑎,𝑏 (𝑡).
La WT es la herramienta eficaz para el Valores pequeños de 𝑎 corresponden a
diagnóstico de fallas en distribución, frecuencias de menor rango o una
debido a que esta función matemática escala muy pequeña de 𝜓𝑎,𝑏 (𝑡) [31],
5
la WT posee dos variaciones, la DWT implica menor tiempo de
Transformada Continua de Wavelet procesamiento de información además
(CWT) y la Transformada Discreta de de presentar mayores características
Wavelet (DWT) por sus siglas en que la CWT donde la información que
inglés, según la señal que se desea se genera es altamente redundante [19].
analizar. La transformada discreta de wavelet se
2.2.1) Transformada Continúa de define como:
Wavelet (CWT):
1
La CWT aplicada en el análisis de 𝐶[𝑚, 𝑛] = ∑ 𝑓(𝑘) ∗ 𝜓(𝑛) (5)
señales tiene como principal √2𝑚 𝑘
característica el almacenar la
información de la señal en forma de 𝑛−k2𝑚
𝜓(𝑛) = 𝜓 ( ) (6)
2𝑚
vector con energía finita, utilizando los
valores reales de la función los que son
Donde 𝜓(𝑛) es la señal wavelet madre,
analizados al doble de la velocidad en
𝑓 (𝑘 ) representa a la señal discreta
comparación con el análisis realizado
siendo 𝑘 el número de coeficiente de
por FT [26].
wavelet y 𝑚, 𝑛 representa a las
La transformada continua de wavelet se
variables de tiempo y escala
define como:
respectivamente.
1
𝐶(𝑎, 𝑏) = ∫ 𝑥(𝑡) ∗ 𝜓(𝑡) 𝑑𝑡 (3) 2.2.3) Análisis Multi-Resolución
√|𝑎|
MRA:
𝑡−𝑏 El MRA es el método de complemento
𝜓(𝑡) = 𝜓 ( ) (4)
𝑎 de la función DWT aplicado en el
análisis de frecuencias de diferente
Donde 𝜓(𝑡) es la señal wavelet madre, resolución debido a que su aplicación
𝑎 es el factor de escala, 𝑏 es el factor de permite descomponer señales de
traslación a lo largo del eje de tiempo tiempo discreto extrayendo las
[20]. características con mayor resolución en
alta frecuencia, por lo tanto el método
2.2.2) Transformada Discreta de para diagnosticar fallas en sistemas de
Wavelet (DWT): distribución debe aplicar DWT y la
La DWT es particularmente aplicada descomposición de la señal por MRA
en el análisis de señales transitorias [19]. DWT descompone la señal tanto
debido a que su aplicación está ligado a en el dominio del tiempo como de la
el comportamiento de dichas señales en frecuencia a través de la traslación
el dominio del tiempo como de la como de la dilatación, con la aplicación
frecuencia, por lo que el análisis de filtros de tipo pasa alto y pasa bajo
representa precisión en diferentes los que permiten obtener parámetros de
bandas de frecuencia como de detalle referentes a escalas pequeñas
resolución, lo que la hacen una gran con alta frecuencia como de
herramienta para el diagnóstico de aproximación referentes a grandes
fallas [20], la DWT aplica variables de escalas con bajas frecuencias [20], la
aproximación y detalla para el análisis aplicación de los filtros de señal
de cada señal lo que la diferencia de la dependen del rango de frecuencias, la
Transformada Discreta de Fourier elección de un filtro cambia la
(DFT) por sus siglas en inglés, la que resolución y escala de la señal la cual
aplica de funciones trigonométricas se puede modificar mediante
para el análisis [1]. La aplicación de la interpolación [19].
6
Por lo tanto la función discreta se 3.1 Método de localización de
define según los parámetros de fallas.
aproximación y detalle como: El método de localización consiste en
𝑙
analizar la velocidad de propagación de
𝑓(𝑘) = ∑ 𝐶𝐷𝑗 (𝑘) + 𝐶𝐴𝑙 (𝑘) (7) onda de la señal de falla para cada
𝑗 tramo del circuito, velocidad que se
Donde 𝐶𝐷𝑗 son los parámetros de estima desde la subestación de
detalle a escala 𝑗 mientras que 𝐶𝐴𝑙 son distribución hasta cada nodo del
los parámetros de aproximación a circuito [8], según las características
escala 𝑗 y 𝑙 representa el nivel de propias de la línea como la frecuencia
descomposición de la señal [20]. de muestra, a su vez es necesario
determinar el tiempo de detalle de la
Formulación del problema. señal, el cual se calcula mediante la
En este trabajo el método a utilizar para diferencia entre los dos picos
el diagnóstico de fallas en el sistema de consecutivos al tiempo de falla,
distribución es la DWT, debido a las información que se obtiene de la señal
características ya antes mencionadas, de detalle wavelet [25], el método ha
para la aplicación de este método es sido calculado con diferentes valores
necesario la creación o adquisición de de resistencia para diferentes tipos de
una base de datos que describa el falla, obteniendo una ubicación
funcionamiento del sistema tanto en el estimada, el porcentaje de error se lo
estado de pre-falla, falla y post-falla, puede determinar mediante:
para la cual se aplicará el programa de
análisis de transitorios (ATP), por sus |𝑑 − 𝑑𝑟𝑒𝑎𝑙 |
𝑒𝑟𝑟𝑜𝑟(%) = ∗ 100 (8)
siglas en inglés [13], la aplicación de L
dicho software tiene como propósito la
simulación de todo tipo de fallas con Donde 𝑑 es la distancia estimada del
sus respectivas características, las que método, 𝑑𝑟𝑒𝑎𝑙 es la distancia real
serán adquiridas por el método de medida desde la subestación hasta el
diagnóstico de forma sucesiva, nodo de falla y L representa a la
generando 11 tipos de falla con un total longitud total del sistema de
de 10 valores diferentes de resistencia, distribución medida desde la
cabe recalcar que la base de datos debe subestación hasta el punto más lejano
contener como variable fundamental la de todo el sistema [8].
información del comportamiento de la La localización del punto de falla se
señal de corriente para cada fase. El obtiene mediante:
método pretende en primera instancia
𝜐 ∗ 𝑡𝑑
localizar el punto de falla para 𝑥= (9)
posteriormente clasificarla, 2
dependiendo de su magnitud
Donde 𝑥 es la distancia de falla medida
identificando los elementos afectados,
desde la subestación de distribución, 𝜐
cada señal de corriente se descompone
es la velocidad de propagación de onda
aplicando el MRA, obteniendo las
variables de detalle y aproximación con y 𝑡𝑑 es el tiempo de detalle wavelet de
la aplicación del filtro daubechies “db- la señal [25].
4”, a una frecuencia de muestreo de 3,2
KHz [6], [8], [32]. 3.2 Método de clasificación de
fallas.
El método de clasificación consiste en
determinar la energía de cada señal de
7
falla según el nivel de descomposición, 2. La variación de la energía de cada
señal para cada fase, aplicar
con la información de detalle wavelet ecuación 11.
[5], para posteriormente calcular la Paso 4:
variación de energía de cada fase [13], Para toda: variación de la energía de
el método para su aplicación necesita cada señal.
Definir parámetro de umbral para cada
de una variable de umbral la que se tipo de falla.
encarga de detectar y clasificar la señal Paso 5:
como falla [20], dicha variable resulta Para todo: Tipo de falla
de un exhaustivo análisis del Si la variación de la energía de cada
señal > umbral.
comportamiento del sistema según el Aplicar condiciones de falla.
tipo de falla, método utilizado para la Paso 6:
elaboración de reglas para el algoritmo Condiciones de falla:
[11]. A. Fallas con conexión a tierra.
1. Monofásica.
El cálculo de la energía de la señal de Si y solo: Una de las fases
corriente se define como: presenta mayor variación de
energía.
2 Identificar la fase.
𝐸𝑗𝑘 = |𝐷𝑗 (𝑘)| (10) Si la variación de la energía de
la señal de fase identificada >
Donde 𝐷𝑗 son los parámetros de detalle umbral de fase.
Falla monofásica.
a escala 𝑗 de la señal y 𝑘 el número de 2. Bifásica a tierra.
coeficiente de wavelet. Si y solo: Dos de las fases
El cálculo de la variación de energía de presenta mayor variación de
energía.
cada fase a escala 𝑗 se define como: Identificar las fases.
Si la variación de la energía de
la señales de fase identificadas
Δ𝐸𝑗𝑘 = ∑ 𝐸𝑗𝑘 (11) > umbral de fase.
𝑘 Falla bifásica a tierra.
3. Trifásica a tierra.
Donde Δ𝐸𝑗𝑘 representa la variable a utiliza Si la variación de la energía de
en el cálculo de la localización de falla. las tres fases > umbral de fase.
Falla trifásica a tierra.
B. Fallas sin conexión a tierra.
3.3 Pseudocódigo de la aplicación 1. Bifásica.
de la WT para el diagnóstico de Si y solo: Dos de las fases
falla. presenta mayor variación de
energía.
3.3.1) Algoritmo 1: Identificación. Identificar las fases.
Algoritmo para identificación de falla Si la variación de la energía de
mediante DWT. la señales de fase identificadas
Paso 1: > umbral de fase.
Para todo: valor ∈ información de pre- Falla bifásica.
falla, falla y Post-falla. 2. Trifásica.
Crear o importar base de datos Si la variación de la energía de
simulados. las tres fases > umbral de fase.
Paso 2: Falla trifásica.
Para toda: señal de corriente ∈ a la Paso 8:
señal de falla del sistema. Señales de falla clasificadas.
Aplicar DWT para la descomposición Culminar procedimiento, ir a paso 1
en los coeficientes de aproximación y nuevo análisis.
detalle.
Paso 3: 3.3.2) Algoritmo 2: Localización
Para toda: señal ∈ al coeficiente de Algoritmo para localización de falla
detalle. mediante DWT.
Calcular: Paso 1:
1. La energía de la señal de corriente
Para todo: valor ∈ información de pre-
de cada fase, aplicar ecuación 10.
falla, falla y Post-falla.
8
Crear o importar base de datos figura 3 y figura 4, las que representan
simulados.
el estado de funcionamiento del
Paso 2:
Para toda: señal de corriente ∈ a la sistema tanto de la señal monofásica
señal de falla del sistema. como la trifásica, señales adquiridas de
Aplicar DWT para la descomposición la simulación en ATP.
en los coeficientes de aproximación y
detalle.
Paso 3:
Para toda: señal ∈ al coeficiente de
detalle.
Calcular el tiempo de detalle (𝑡𝑑) entre
los dos picos consecutivos después de la
falla.
Paso 4:
Para todo: nodo ∈ al circuito de
distribución.
Calcular la velocidad de propagación de
onda desde la subestación.
Paso 5:
Para toda: señal de falla.
Estimar el punto de ubicación.
Aplicar la ecuación 8.
Paso 6:
Para toda: Ubicación del punto de falla.
Estimar el porcentaje de error.
Culminar procedimiento, ir a paso 1
nuevo análisis.
Análisis de resultados.
El sistema eléctrico de distribución
simulado para la implementación del
método de diagnóstico de fallas es el Figura 2. Sistema Eléctrico de Distribución IEEE 34
sistema IEEE 34 barras, mostrado en la barras.
40
Double-Click here to set the title text!
9
magnitud que afectan a los elementos wavelet de cada señal, dichas señales se
del sistema, con la finalidad de obtienen para cada tipo de falla y para
localizarla y clasificarla, de esta cada fase, como demostración la figura
manera se puede analizar con más 6 (a) y 6 (b) muestran la señal de detalle
detalle el comportamiento del sistema wavelet para la fase A y fase B
ante la presencia de una falla, respectivamente.
Señal monofásica
observando el comportamiento de la 10
Señal Detalle Wavelet falla monofásica en fase A
DWT
5 (b) y 5 (c) respectivamente. -5
Señal monofásica
Señal de falla monofásica en fase A
-10
1000
-15
500 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tiempo [s]
Amplitud [A]
0
Figura 6 (a). Señal de detalle wavelet para la fase A.
Señal monofásica
15
Señal Detalle Wavelet falla monofásica en fase B
-500
10
-1000
DWT
Tiempo [s] 0
200
-15
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
150 Tiempo [s]
100
Figura 6 (b). Señal de detalle wavelet para la fase B.
Amplitud [A]
50
-50
-100
Las señales de detalle para el resto de
-150 fallas y fases son similares como se
-200
-250
demuestra en la figura 6 (a) y 6 (b) con
0.05 0.1
Tiempo [s]
0.15 0.2 la única diferencia de la variación en su
Figura 5 (b). Señal de falla bifásica AB del sistema amplitud debido a la cantidad de
IEEE 34 barras. coeficientes calculados por el método,
Señal trifásica
500
400
Señal de falla trifásica
por esta razón no se ha colocado todas
300 las gráficas de la señal de detalle. Una
200
de las variables necesarias para la
Amplitud [A]
100
-200
localización de falla es el tiempo de
-300 detalle (𝑡𝑑), el mismo que resulta de la
-400
-500
diferencia entre los dos picos
0.08 0.1 0.12 0.14
Tiempo [s]
0.16 0.18 0.2
consecutivos al tiempo de falla
Figura 5 (c). Señal de falla trifásica del sistema resaltados en la figura 7, el cual a su vez
IEEE 34 barras.
se calcula para cada tipo de falla.
Señal monofásica
0.6
0.4
10
El valor de la variable (𝑡𝑑 ) obtenido diagnostico la ocurrencia de falla
del análisis es similar para todo tipo de trifásica a tierra en ningún punto del
falla, debido a que la obtención del sistema, por lo que este tipo de falla se
valor depende de la señal de detalle deduce tiene una probabilidad de
wavelet, por lo tanto, no se ha colocado ocurrencia muy baja en sistemas de
todas las gráficas correspondiente a la distribución.
TENDENCIA DE FALLA
cálculo de esta variable. El método de 6
Tedencia de falla monofásica
Tedencia de falla bifásica
Tedencia de falla bifásica a tierra
y análisis de la información se ha
ERROR
3
11
falla sin la cual el diagnóstico no podrá EEEIC, pp. 41–45, 2013.
ser realizado por ningún método. [7] D. Das, N. K. Singh, and A. K.
Sinha, “A Comparison of
Referencias Fourier Transform and Wavelet
Transform Methods for
[1] L. Ye, D. You, X. Yin, K. Wang, Detection and Classification of
and J. Wu, “An improved fault- Faults on Transmission Lines,”
location method for distribution IEEE Power India Conf., pp.
system using wavelets and 620–626, 2006.
support vector regression,” Int. [8] A. Borghetti, M. Bosetti, M. Di
J. Electr. Power Energy Syst., Silvestro, C. A. Nucci, and M.
vol. 55, pp. 467–472, 2014. Paolone, “Continuous-wavelet
[2] X. Cui, G. Wang, X. Xu, and M. transform for fault location in
Ma, “Method of detecting and distribution power networks:
diagnosing faults in large power Definition of mother wavelets
systems,” Conf. Proc. - 2012 inferred from fault originated
16th Int. Symp. Electromagn. transients,” IEEE Trans. Power
Launch Technol. EML 2012, Syst., vol. 23, no. 2, pp. 380–
2012. 388, 2008.
[3] J. Moshtagh and A. Rafinia, “A [9] A. Abdollahi and S. Seyedtabaii,
new approach to high impedance “Comparison of fourier &
fault location in three-phase wavelet transform methods for
underground distribution system transmission line fault
using combination of fuzzy logic classification,” 4th Int. Power
& wavelet analysis,” 11th Int. Eng. Optim. Conf. Progr. Abstr.,
Conf. Environ. Electr. Eng., pp. no. June, pp. 579–584, 2010.
90–97, 2012. [10] S. U. N. Ming, W. Lei, and W.
[4] A. Rafinia and J. Moshtagh, “A Zhi-gu, “Splitting and
new approach to fault location in paralleling research of the
three-phase underground Distribution system which
distribution system using contain distributed generation
combination of wavelet analysis (DG) under the power system
with ANN and FLS,” Int. J. faults,” pp. 2–5, 2008.
Electr. Power Energy Syst., vol. [11] A. G. Shaik and R. R. V.
55, pp. 261–274, 2014. Pulipaka, “A new wavelet based
[5] D. Dwivedi, N. Singh, and S. fault detection, classification
Member, “A Wavelet Based and location in transmission
Approach for Classification and lines,” Int. J. Electr. Power
Location of Faults in Energy Syst., vol. 64, pp. 35–40,
Distribution Systems,” Annu. Jan. 2015.
IEEE India Conf., pp. 488–493, [12] A. A. Yusuff, A. A. Jimoh, and
2008. J. L. Munda, “Fault location in
[6] B. Feizifar, M. R. Haghifam, S. transmission lines based on
Soleymani, and A. Jamilazari, stationary wavelet transform,
“Fault location in combined determinant function feature and
overhead line and underground support vector regression,”
cable distribution networks Electr. Power Syst. Res., vol.
using fault transient based 110, pp. 73–83, May 2014.
mother wavelets,” 12th Int. [13] S. Bhattacharya, “Fault
Conf. Environ. Electr. Eng. detection on a ring-main type
12
power system network using wavelet transforms,” Int. J.
artificial neural network and Electr. Power Energy Syst., vol.
wavelet entropy method,” pp. 55, pp. 723–730, 2014.
1032–1037, 2015. [20] A. Tzoneva, “Fault Detection
[14] B. Vyas, B. Das, and R. P. and Classification in a
Maheshwari, “An improved Distribution Network Integrated
scheme for identifying fault with Distributed Generators,”
zone in a series compensated no. July, pp. 9–13, 2012.
transmission line using [21] M. Wen, D. Chen, and X. Yin,
undecimated wavelet transform “A novel fast distance relay for
and Chebyshev Neural long transmission lines,” Int. J.
Network,” Int. J. Electr. Power Electr. Power Energy Syst., vol.
Energy Syst., vol. 63, pp. 760– 63, pp. 681–686, Dec. 2014.
768, Dec. 2014. [22] S. P. Valsan and K. S. Swarup,
[15] R. V. R. De Carvalho, F. H. T. “Wavelet transform based
Vieira, S. G. De Araújo, and C. digital protection for
R. Lima, “A Protection transmission lines,” Int. J.
Coordination Scheme for Smart Electr. Power Energy Syst., vol.
Grid Based Distribution 31, no. 7–8, pp. 379–388, Sep.
Systems Using Wavelet Based 2009.
Fault Location and [23] V. R. K. Bhupatiraju and R. R.
Communication Support,” IEEE V Pulipaka, “A wavelet based
PES Conf. Innov. Smart Grid protection scheme for EHV
Technol. Lat. Am. (ISGT LA), asymmetrical teed circuits,”
2013. Conf. Proc. IPEC, pp. 384–389,
[16] Z. Gao, Q. Chen, and L. Shi, 2010.
“Fault diagnosis of power [24] Z. Jiang, S. Miao, H. Xu, P. Liu,
system using relay protection and B. Zhang, “An effective
setting values,” 10th IET Int. fault location technique for
Conf. Dev. Power Syst. Prot. transmission grids using phasor
Manag. Chang., pp. P56–P56, measurement units,” Int. J.
2010. Electr. Power Energy Syst., vol.
[17] D. R. R. Penido, L. R. de Araujo, 42, no. 1, pp. 653–660, Nov.
and M. de Carvalho Filho, “An 2012.
enhanced tool for fault analysis [25] A. Abur and F. . Magnago, “Use
in multiphase electrical of time delays between modal
systems,” Int. J. Electr. Power components in wavelet based
Energy Syst., vol. 75, pp. 215– fault location,” Int. J. Electr.
225, 2016. Power Energy Syst., vol. 22, no.
[18] J. Wu, D. You, L. Ye, and R. 6, pp. 397–403, 2000.
Huang, “Fault location in radial [26] M. Goudarzi, B. Vahidi, R. a.
distribution systems using Naghizadeh, and S. H.
frequency slice wavelet Hosseinian, “Improved fault
transform,” Power Eng. Autom. location algorithm for radial
Conf., no. 2, pp. 1–4, 2012. distribution systems with
[19] A. H. . Bakar, M. S. Ali, C. Tan, discrete and continuous wavelet
H. Mokhlis, H. Arof, and H. a analysis,” Int. J. Electr. Power
Illias, “High impedance fault Energy Syst., vol. 67, pp. 423–
location in 11 kV underground 430, 2015.
distribution systems using [27] A. dos Santos and M. T. C. de
13
Barros, “Stochastic modeling of [30] M. Jamil, A. Kalam, A. Q.
power system faults,” Electr. Ansari, and M. Rizwan,
Power Syst. Res., vol. 126, pp. “Wavelet-FFNN Based Fault
29–37, 2015. Location Estimation of a
[28] J. H. Zhao, Y. Xu, F. J. Luo, Z. Transmission Line,” vol. 1, no.
Y. Dong, and Y. Y. Peng, July, pp. 77–82, 2013.
“Power system fault diagnosis [31] K. Harmanpreet and R. Kaur,
based on history driven “Speech compression and
differential evolution and decompression using DWT and
stochastic time domain DCT,” vol. 3, no. August, pp.
simulation,” Inf. Sci. (Ny)., vol. 1501–1503, 2012.
275, pp. 13–29, 2014. [32] N. D. J. Moslemi, “Fault
[29] M. Jamil, R. Singh, and S. K. Location for Radial Distribution
Sharma, “Fault identification in Systems Using Fault Generated
electrical power distribution High-Frequency Transients and
system using combined discrete Wavelet Analysis,” 18th Int.
wavelet transform and fuzzy Conf. Electr. Distrib., no. June,
logic,” J. Electr. Syst. Inf. pp. 1–4, 2005.
Technol., pp. 1–11, 2015.
14