Desarrollo de un algoritmo basado en redes neuronales para la selección de ajustes automatizado de reconectadores de media tensión

• Autores: Bancayán Montes, Fabio César, Albán Soplopuco, Jorge Martín
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad de Piura
• Repositorio: UDEP-Institucional
• Lenguaje: español
• OAI Identifier: oai:pirhua.udep.edu.pe:11042/6984
• Enlace del recurso: https://hdl.handle.net/11042/6984
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales (Computadores) -- Investigaciones; Cortocircuitos -- Investigaciones; Algoritmos computacionales; 621.319 2; https://purl.org/pe-repo/ocde/ford#2.02.01

En la tesis se desarrolló un algoritmo basado en redes neuronales para la selección automatizada de ajustes de reconectadores de media tensión, específicamente en la protección de sobrecorriente, como parte fundamental de la gestión de sistemas eléctricos modernos. Este algoritmo está dirigido a los equipos de protección del sistema de utilización de empresas de Piura y Tumbes. El proceso incluyó etapas clave, comenzando con una revisión bibliográfica exhaustiva que abarcó temas desde equipos de protección en sistemas de media tensión hasta su funcionamiento y su interacción con componentes como relés, transformadores de corriente y fusibles. Luego se procedió a recolectar parámetros de 1120 estudios de coordinación de protección, tales como “pick-up”, “dial” y “potencia contratada”. Estos datos fueron analizados y verificados, tras lo cual se definió una arquitectura neuronal con una capa de entrada con 6 neuronas, seguida por dos capas adicionales, cada una con activación ReLU, y una capa de salida que predijo los 4 parámetros esenciales para los ajustes del reconectador. Posteriormente, se derivó al entrenamiento y validación, utilizando el 70% de los datos para el entrenamiento y el 30% para la validación, alcanzando una precisión del 97% y una pérdida cercana a 0.002 en la fase de validación del algoritmo. Seguidamente, el programa evalúa la curva de protección con mayor coordinación, asegurando una respuesta óptima ante potenciales fallas de cortocircuito y sobrecarga. Para verificar la efectividad del algoritmo, se realizaron pruebas con datos reales y se cargaron las predicciones en los reconectadores en estudio. Para culminar, se hicieron pruebas de falla a los reconectadores con la maleta Omicron CPC 100. Finalmente, se concluye la importancia de la automatización en la gestión de redes eléctricas, subrayando la eficacia del algoritmo basado en redes neuronales en la selección de ajustes de sobrecorriente en los reconectadores. Se enfatizó especialmente que, mientras un estudio de coordinación de protección tradicional por un profesional requería un mínimo de tres días, el algoritmo logró hallar los ajustes en cuestión de minutos, mejorando así la eficiencia operativa y la confiabilidad del servicio eléctrico.