Contribucin: Tercer Congreso Internacional de Ingenieras Elctrica y Electrnica Ttulo Nmero: Autor: Publicacin: Unidad patrocinante: Palabras claves:

Localizacin de Fallas en sistemas de Distribucin Utilizando el Algoritmo de Aprendizaje para el anlisis de datos multivariables (LAMDA) Nstor Julin Estrada Cardona, John Fredy Franco Baquero, Luz Stella Marn Castaeda Grupo de Investigacin en Calidad de Energa Elctrica y Estabilidad ICE3. Universidad Tecnolgica de Pereira Clasificacin de datos, localizacin de fallas, mtodo LAMDA, mtodo de Novosel, Sistemas de distribucin, sistemas hbridos. Calidad de la Energa Nstor Julin Estrada Cardona Universidad Tecnolgica de Pereira nesju32@utp.edu.co John Fredy Franco Baquero Universidad Tecnolgica de Pereira jffb@utp.edu.co Luz Stella Marn Castaeda Universidad Tecnolgica de Pereira stellamarin@gmail.com Resumen del curriculum vitae John Fredy Franco Baquero: Ingeniero electricista de la de cada autor Universidad Tecnolgica de Pereira. Magster en Ingeniera Elctrica en la misma universidad. Investigador del grupo de Planeamiento de Sistemas elctricos de la Universidad Tecnolgica de Pereira. Docente Programa de Ingeniera Elctrica de la misma Universidad. Nstor Julin Estrada Cardona: Ingeniero electricista de la Universidad Tecnolgica de Pereira. Estudiante de Maestra en Ingeniera Elctrica en la misma universidad. Investigador del grupo de Calidad de Energa Elctrica y Estabilidad ICE3 de la Universidad Tecnolgica de Pereira. Docente Programa de Ingeniera Elctrica de la misma Universidad. Luz Stella Marn Castaeda: Tecnloga electricista de la Universidad Tecnolgica de Pereira. Estudiante de Ingeniera Elctrica en la misma universidad. Actualmente investigadora del grupo de Calidad de Energa Elctrica y Estabilidad ICE3 de la misma Universidad.

Mesa de discusion Datos del/los autor/es

DESCRIPCIN: La calidad de la energa es un tema de especial inters para las empresas distribuidoras, debido a la desregulacin del sector elctrico. Un aspecto importante de la calidad es el suministro constante y continuo de energa elctrica a los usuarios. Actualmente, hay un retardo en la localizacin y reparacin de fallas en redes de distribucin de energa geogrficamente dispersas, ocasionando tiempos prolongados en la interrupcin del servicio. En este artculo se presenta una metodologa para localizacin de fallas en sistemas de distribucin que trata de resolver el problema de mltiple estimacin que presentan los mtodos usados en la actualidad usando una metodologa basada en el conocimiento llamada LAMDA, as como las bases tericas para la construccin de un algoritmo hbrido entre el mtodo LAMDA y el mtodo de Novosel que se basa en el modelo de la red. FUENTES: La mayora de la informacin requerida para la investigacin se obtiene de la base de datos virtuales Digital Library IEEE, tesis doctorales, literatura especializada y artculos publicados en revistas indexadas. METODOLOGA: El estado del arte se alcanzo mediante la lectura y discusin de la literatura especializada disponible como tesis doctorales, trabajos de otros grupos de investigacin e informacin de libros actuales. El algoritmo propuesto para solucionar el problema de mltiple estimacin en la localizacin de fallas en sistemas de distribucin consiste en emplear una tcnica de inteligencia artificial o mtodo basado en el conocimiento (MBC) llamado LAMDA para detectar la posible zona de ocurrencia de la falla, y as disminuir el tiempo de localizacin de la falla. La divisin de las zonas se hizo teniendo en cuenta los elementos de proteccin presentes en el circuito de distribucin como Reconectadores, Seccionalizadores y Fusibles. Para el desarrollo del algoritmo de localizacin de fallas se implementan los mtodos basados en el conocimiento (LAMDA) y en el modelo (Novosel), en el software de Matlab. Adems usando el Power Block Set de Matlab y el ATP, se implemento el modelo para simulacin de fallos en sistemas de distribucin que permite adquirir las seales elctricas medidas en la subestacin, de las cuales se puede extraer informacin que describe el comportamiento del mismo, estas variables fueron llamadas descriptores y conforman la base de datos que contiene todo el conocimiento del fenmeno bajo estudio necesario para la implementacin del mtodo LAMDA. El desempeo de los mtodos es medido utilizando un sistema de prueba, para luego implementar un algoritmo hbrido entre los mtodos LAMDA y Novosel para la localizacin de fallas en sistemas de distribucin de energa elctrica, que contribuya al mejoramiento de la calidad de la prestacin del servicio, haciendo ms eficiente el reestablecimiento del sistema despus de ocurrida una falla. CONTENIDOS: 1 ANTECEDENTES Las redes de transporte y distribucin de energa, estn comnmente expuestas a muchos tipos de fallas. En los sistemas de transmisin, la localizacin de las fallas es fcil debido a las caractersticas de la lnea y a que existen equipos de proteccin de gran sofisticacin, ubicados en la lnea. El caso contrario se presenta en los sistemas de distribucin, donde sta no es una tarea simple, debido a la topologa del sistema; presencia de ramales monofsicos,

bifsicos y trifsicos; cargas de distinta naturaleza; lneas sin transposiciones; entre otras, esto hace que la localizacin de fallas, sea un problema complejo de resolver. Para las empresas distribuidoras es de importancia, disminuir el tiempo de localizacin de la falla, para as poder restaurar la energa en la menor brevedad, y prestar a los usuarios un servicio de alta calidad, mejorndose as la continuidad y confiabilidad en el servicio prestado. Existen dos ndices que miden la continuidad de la prestacin del servicio de la energa, el equivalente de Duracin equivalente de las interrupciones del servicio (DES) y el indicador de frecuencia Equivalente de las interrupciones de servicio (FES). Segn los resultados obtenidos de aplicacin de la reglamentacin sobre calidad de energa en Colombia, se observa que los ndices DES y FES reportados por las empresas distribuidoras se encuentran muy distantes de los limites mximos permitidos. Se han estudiado muchos mtodos para la localizacin de fallas, el ms antiguo de estos, se basa en la visualizacin e inspeccin de las lneas, ya sea a pie o en automvil, haciendo de ste un mtodo no muy adecuado, debido al largo tiempo requerido para la localizacin. Tambin se han utilizados dispositivos de sobretensin, los cuales se ubican en las torres de transmisin, sensores de corriente, para apoyar la localizacin de los fallas; estos mtodos son costosos, lentos e inexactos. 2 MARCO TEORICO

2.1 CALIDAD DE ENERGA La calidad del servicio de energa elctrica contempla dos tems: la calidad en la atencin a los clientes que tiene que ver con los aspectos comerciales como: la asesora, la contratacin, la puesta en servicio, la respuesta a los reclamos de los usuarios y la transparencia tarifaria, y la calidad del suministro la cual se subdivide en dos aspectos: la continuidad del suministro y la calidad de las ondas de tensin y corriente. Una interrupcin momentnea en el suministro de energa puede representar para un usuario de tipo industrial, la detencin de un proceso de produccin, la prdida de materiales e insumos, y la reduccin de la vida til de su maquinaria, entre otras consecuencias. En usuarios de tipo residencial, estas interrupciones ocasionarn en la mayora de los casos slo una incomodidad momentnea, lo cual no los hace menos importantes a la hora de evaluar la eficiencia de la empresa [1], [2]. El estado Colombiano, a travs de la CREG reglamenta las normas de calidad en el suministro de energa elctrica. Las normas sobre calidad del servicio estn condensadas en la resolucin 70 de 1998 y su modificacin en la resolucin 96 de 2000. El gobierno supervisa que los operadores de red cumplan con las reglamentaciones vigentes a travs de la superintendencia de servicios pblicos domiciliarios (SSPD). 2.2 DIAGNSTICO DE FALLAS La mayora de los esfuerzos en el rea de la localizacin de fallas se ha concentrado en los sistemas de transmisin de energa elctrica, dada la cobertura e impacto de las fallas en el servicio. Sin embargo, la localizacin de fallas en sistemas de subtransmisin y distribucin ha atrado la atencin de las empresas, debido a las nuevas condiciones de competitividad del mercado. En la actualidad, los mtodos utilizados para la localizacin de fallas pueden clasificarse en dos grandes grupos as:

a) Mtodos basados en el conocimiento las mquinas de soporte vectorial (SMV) [3] y el algoritmo de aprendizaje para el anlisis de datos multivariables (LAMDA) [4] b) Mtodos basados en el modelo entre estos mtodos se encuentran Ratan Das [6], Novosel [7] y Saha [8]. 2.2.1 Algoritmo de aprendizaje para el anlisis de datos multivariables LAMDA LAMDA es un algoritmo de clasificacin multivariable que combina la capacidad de generalizacin de la lgica difusa y la capacidad de interpolacin de los conectores de lgica hbrida. Puede realizar aprendizaje supervisado y no supervisado y tiene la capacidad de modelado de indistinguibilidades, y es de fcil implementacin [4], [5]. La estructura del clasificador es similar a la de una red neuronal (figura 1), e igualmente requiere de una etapa de entrenamiento donde se crean y modifican las clases, y una etapa de reconocimiento de patrones para la asignacin de individuos a clases fijas. Para que la herramienta logre identificar la clase de un individuo, es necesario que individuo y clase sean representados como un conjunto de descriptores. De la comparacin de cada uno de estos descriptores resulta un ndice relacionado con el grado de adecuacin del descriptorindividuo al descriptor-clase (Marginal Adecuacy Degree- MAD). El MAD se calcula para cada individuo, en cada descriptor de cada una de las clases predefinidas. Los resultados de estos ndices se agrupan por medio de distribuciones y funciones de probabilidad en ndices globales llamados GAD (Global Adecuacy Degree). El GAD indica el grado de adecuacin del individuo a la clase. La clasificacin de objetos se realiza con base en el valor del ndice GAD, el cual puede ser analizado con criterios de valores mximos y mnimos, tcnicas de anlisis estadstico, etc.

Figura 1. Estructura del clasificador LAMDA

x1 x

El algoritmo LAMDA provee adems una clase no informativa NIC para aquellos individuos que no se acomodan a ninguna clase; esto representa el nivel de entropa de los individuos. En [1] se presentan algunas aplicaciones de LAMDA en el campo de clasificacin de perturbaciones elctricas. 2 2.2.2 Metodo de Novosel Este mtodo se aplica principalmente a lneas de transmisin cortas pudindose extender a las lneas de distribucin. Las cargas a lo largo de la lnea son representadas como una carga concentrada detrs de la falla (figura 2). Esta aproximacin es vlida debido a que las impedancias de carga son mucho mayores que la impedancia del alimentador.

object

xn

Zs Es

mZl1

(1-m)Zl1

Vsf

Isf Rf If Zload

Figura 2. Esquema equivalente de un circuito alimentador

El mtodo se fundamenta en el clculo de la impedancia de falla visto desde ambos extremos de la lnea basado en la informacin en estado estable de prefalla y posfalla y las corrientes medidas en la subestacin. En el esquema de la figura 2, la impedancia de carga y la impedancia vista desde la fuente est dada por:
(1)

Zload =

Vps Z L1 Ips

Zs =

Vs Is

donde Vps e Ips son los valores de prefalla de tensin y corriente medidos en la subestacin, y
(2)
Vs = Vsf Vps Is = Isf Ips

La impedancia medida desde la subestacin se obtiene de la siguiente relacin,

(3) (4)

Zmed =

Vsf If = mZ L1 + Rf Isf Isf

De la anterior ecuacin se puede obtener la siguiente relacin cuadrtica:

m 2 m * k1 + k 2 k 3 * Rf = 0

donde,
k1 =
(5)

Vsf Zload + +1 Isf * Z L1 Z L1 Zload Vsf * + 1 Z Isf * Z L1 L1 Zs + Zload Is * + 1 Isf * Z L1 Z L1

k2 = k3 =

La solucin para la ecuacin cuadrtica se obtiene separando las partes real e imaginaria; el valor de m puede ser obtenido despus de eliminar el trmino Rf. El tipo de falla es considerado con una adecuada seleccin de las corrientes y voltajes dentro del clculo. Para una mayor exactitud, el mtodo puede incluir un factor de compensacin debido a las cargas distribuidas; sin embargo, en un sistema con muchas cargas distribuidas, la exactitud puede reducirse en la localizacin de fallas hacia el final del alimentador. 2.3 SISTEMA HIBRIDO Se puede decir de forma general, que todo sistema que integre, dos o ms mtodos diferentes para la solucin de un problema es un Sistema Hbrido. Existen variadas formas de combinaciones entre los distintos mtodos. La utilizacin de un sistema hibrido, puede tener algunas ventajas como las siguientes: La integracin de dos tcnicas complementarias, permite que una mejore las deficiencias de la otra, de forma que se pueda obtener un mejor desempeo.

 El uso de diferentes tcnicas de representacin del conocimiento, amplia la capacidad del sistema de recibir nueva informacin, debido a que la utilizacin de un solo mtodo limita las imposiciones y restringe el sistema, dificultando con esto la solucin para el problema. Algunos sistemas complejos, que no pueden ser abordados a travs de una sola tcnica para su solucin, pueden ser divididos en subproblemas, para de esta forma ser tratados individualmente, llegando a una solucin global del problema. El procesamiento en paralelo de la informacin en diferentes mdulos, nos permite obtener un sistema con mayor desempeo, ms robusto, y con una mayor tolerancia a fallos. La idea es buscar con el uso de sistemas hbridos o la integracin de varios mdulos que cooperan entre si, la solucin ptima de un problema [9] [10]. 2.3.1 SISTEMA SYNHESYS El sistema SYHNESYS, se compone de dos mdulos principales, un modulo simblico (MS) y un modulo conexionista (MC). Estos dos mdulos pueden ser utilizados en paralelo en un modo de cooperacin o bien puede realizarse transferencia de conocimiento entre los dos. Los dos mdulos poseen el mismo nmero de entradas provenientes de una situacin, produciendo cada uno de estos una decisin que puede ser analizada por un experto [11]. 2.3.1.1 Mdulo simblico: trabaja sobre reglas proporcionales de orden O+. Estas reglas representan el conocimiento terico del sistema y su problema en cuestin. 2.3.1.2 Modulo conexionista: esta compuesto por una red de tres capas (multicapas): una capa de entrada, una capa oculta de prototipos y una capa de salida donde se reagrupa las decisiones. 2.3.1.3 Transferencia de conocimiento: en esta parte el sistema transfiere los conocimientos entre los mdulos, estos pueden ser de dos tipos: MS hacia el MC: transferencia de una base de reglas en una red (compilacin de reglas). MC hacia el MS: transferencia de los conocimientos obtenidos por la red a una base de reglas (extraccin de reglas).

Figura 3. Estructura del sistema SYHNESYS

2.3.1.4 Gestionador de interacciones: presta cooperacin entre los mdulos (MS y MC) del sistema. Se puede tener diferente tipo de iteracin entre los mdulos, estos dependen del orden utilizado para ser consultados, la forma de ser interpretados los resultados y las prioridades otorgadas a las respuestas de los mdulos. 2.4 RESULTADOS Para probar la metodologa LAMDA se utiliz el sistema mostrado en la figura 4, el cual fue dividido en cinco zonas teniendo en cuenta los elementos de proteccin. Se utilizaron 33 descriptores y 930 objetos que corresponden a los datos de las fallas simuladas en ATP.
1 2 a

Z1 3
a

8 a

Z2
b

10 C

11

12

S/E

52

R F
13 14

F
21

Z3
18 17 15 22 24 25

19

Z4
20 16 23

Z5

52 Interruptor principal R F
Reconectador Fusible

Figura 4. Sistema de Prueba

Los descriptores utilizados fueron: Variacin de Potencia aparente y el factor de potencia en cada una de las fases Valor propio Frecuencia y duracin de la falla Firma del sistema Variacin de la corriente de carga Variacin de corriente RMS Variacin de voltaje RMS

Para el aprendizaje del mtodo se utilizaron 744 datos que corresponde al 80% de los datos disponibles. Luego de que la red aprendi se intento clasificar todos los datos (930) obteniendo los siguientes resultados: Datos clasificados correctamente Datos mal clasificados Error de clasificacin 858 72 7.74%

2.4.1 ADAPTACIN DEL SISTEMA SYNHESYS AL PROBLEMA DE LOCALIZACIN DE FALLAS Para esta estructura se propone aprovechar al mximo la transferencia y cooperacin entre los mdulos del sistema, para el problema de la localizacin de fallas en sistemas elctricos. Inicialmente el sistema de potencia, entrega las lecturas necesarias para el procesamiento a cada uno de los mdulos. El MBM (Ratan Das, Novosel y Saha), realiza la tarea que le ha sido asignada, este mdulo entrega como resultado la longitud posible en la cual se presento la falla. El MBC (SMV y LAMDA), toma los datos entregados por los descriptores, para poder ejecutar su aprendizaje y de esta forma entregar una respuesta con relacin a la tarea que se le atribuyo, la respuesta entregada por este mdulo equivale a la regin de falla.

Sistema de Potencia

V, I, Ifalla
MBM
Transferencia de conocimiento MBMMBC MBCMBM

Descripto res

MBC

Longitud

Validacin de la respuesta

Longitud y regin de falla

Experto

Figura 5. Estructura adecuada a la localizacin de fallas.

El modulo correspondiente a la transferencia de conocimiento, es el encargado de realizar ya sea la compilacin de reglas (MBM hacia MBC) o la extraccin de reglas (MBC hacia MBM), de tal forma que en un momento requerido haya una contribucin entre los mdulos. La longitud y regin de falla, corresponden a las decisiones tomadas por cada uno de los mdulos. El mdulo de validacin de la respuesta, coopera a la transferencia de conocimiento en relacin con la valoracin de las respuestas que han sido entregadas por MBM y MBC. Esta adquisicin de conocimiento se realiza a travs de la cooperacin entre los mdulos del sistema y el apoyo de un experto, este proceso ser descrito a continuacin: Etapa 1: Activacin del MBC, este mdulo es el primero en activarse, proporcionando una decisin a su salida. Si los datos que han sido suministrados al MBC no son ptimos, puede ser que la salida entregada por este mdulo sea contradictoria, de suceder esto se debe consultar MBM. (Etapa 4) Etapa 2: Validacin de la respuesta del MBC, en esta etapa el modulo MBM comprueba la decisin que ha sido entregada por MBC, si corresponde a una de las posibles respuestas que han sido obtenidas por el modulo MBM, la respuesta ser entregada al experto (Etapa 5). Si la

respuesta es contradictoria en ambos mdulos el conflicto debe ser solucionado entre los dos mdulos. Etapa 3: Conflicto entre los dos mdulos, las respuestas obtenidas de los mdulos MBM y MBC son entregadas al experto, con el fin de que este pueda juzgar cual de las dos respuestas es la correcta. Si la salida del MBC, es considerada como la correcta es necesario cambiar la base de reglas. Si la salida del MBM, es la correcta, ser necesario adaptar el MBC. En esta etapa el sistema puede ser nuevamente consultado. Etapa 4: El MBC no llega a una respuesta, el MBM se activa y obtiene una respuesta, esta respuesta debe ser validada por el experto, si la respuesta es la correcta, es necesario adaptar el MBC. Etapa 5: Si el MBC y EL MBM estn de acuerdo, si los dos mdulos entregan respuestas correctas, el sistema entregara una solucin final al experto. El experto toma la decisin, si la respuesta es la correcta el sistema no ser alterado. El experto, es la persona encargada de evaluar si la respuesta final del sistema es la deseada, este se encuentra en condiciones de tomar decisiones en un momento determinado. 3 CONCLUSIONES Se logr implementar el mtodo de clasificacin LAMDA, que se basa en el concepto de grado de adecuacin de un objeto a las clases existentes. Este mtodo se diferencia de otras tcnicas por el concepto de adecuacin neutra y la incidencia de sta sobre la clasificacin. Se lograron resultados aceptables utilizando el mtodo LAMDA para la localizacin de fallas en sistemas de distribucin, aunque pueden ser mejorados al implementar el sistema hibrido SYNHESYS propuesto en este trabajo, que actualmente se esta desarrollando para combinar los mtodos LAMDA y Novosel. La ventaja de los sistemas hbridos, radica en la cooperacin y complementacin que existe entre los distintos mdulos que hacen parte de este. Para el caso especial de la localizacin de fallas en sistemas de distribucin, se hace una particularizacin de la estructura Synhesys que permite aprovechar todas las fuentes de informacin disponibles. 4 BIBLIOGRAFIA [1] Mora, J. Colomer, J. Voltage Sag Characterization and Classification for Diagnosis in Electric Power Quality Domain, Researh Report, Department of Electronics, Computer Science and Automatic Control Group eXiT, University of Girona, Espaa 2003. [2] Bollen, M. Understanding Power Quality Interruptions. IEEE PRESS. 2000. Problems: Voltages Sags and

[3] Cristianini, N. Shawe-Taylor, J. An introduction to Support Vector Machines, Cambridge University Press, 2000 [4] Waissman, J. Aguilar, M. Dahhou, B. Construction dun Modele Comportemental pour la Supervision de Procedes: Application a une Station de Traitement des Eaux, Thse, Institut national Polytechnique de Toulouse. France, 2000 [5] Aguilar, J. Lpez, N. "The process of classification and learning the meaning of linguistic descriptors of concepts". Approximate Reasoning in Decision Analysis, 1982. p. 165-175. North Holland.

[6] Das, R. Determining the Locations of Faults in Distribution Systems, Doctoral Thesis, University of Saskatchewan Saskatoon, Canada, Spring 1998. [7] Novosel, D. Hart, D. Hu, Y. and Myllymaki, J. System for locating faults and estimating fault resistance in distribution networks with tapped loads, US Patent number 5,839,093 , November 17, 1998. [8] Saha Murari, Rosolowski Eugeniusz Method and Device of Fault Location For Distribution networks. United States Patent. Patent N US 6483435 B2. nov 19 de 2002 [9] Arnaud Giacometti. Modeles hybrides de l'expertise. Lifia-grenoble Telecom-Paris, Novembre 92. Docteur Thse. [10] Towell G. Geoffrey. Symbolic Knowledge and Neural Networks: Insertion, Refinement and Extraction. Doctoral thesis. University of Wisconsin. 1991 [11] Santos Osorio Fernando. Un Systeme Hybride Neuro-Symboliquepour l'apprentissage Automatique Constructif. LInstitut National Polytechnique de Grenoble I.N.P.G.Laboratoire LEIBNIZ IMAG. Docteur Thse.