Proceso Neuronal para Análisis de Descargas Parciales en la empresa CORPOELEC, de Ciudad Guayana, Venezuela

  • Franyelit M. Suárez Carreño Pontificia Universidad Católica del Ecuador, Sede Esmeraldas.

Resumen

Las máquinas rotativas empleadas en la industria suelen presentar fallas en los aislamientos causadas por falta de mantenimiento y desconocimiento del estado de los mismos. Es importante la realización de pruebas periódicas y evaluaciones continuas del estado del aislamiento para garantizar el correcto funcionamiento de las máquinas. Uno de los métodos empleados para la detección de estas fallas es el de Descargas Parciales, las cuales consisten en pequeñas descargas producidas en una porción de gas que queda disuelto en el aceite o dieléctrico que constituye el aislamiento de las máquinas eléctricas. Este artículo presenta el Análisis de Descargas Parciales haciendo un procesamiento neuronal de los diferentes tipos de descargas encontradas en los transformadores de gran potencia del Departamento Eléctrico de la Corporación Eléctrica Nacional, SA (Corpoelec) en la Ciudad de Puerto Ordaz, Venezuela. En este trabajo de investigación se desarrollaron técnicas basadas en un algoritmo neuronal artificial que permitieron analizar las características propias e individuales de cada descarga parcial presente en los transformadores de suministro eléctrico de la empresa Corpoelec, y establecer los contrastes de una descarga con respecto a las otras. Además las técnicas desarrolladas demostraron ser multiclasificadoras ya que permiten clasificar y analizar diversas fuentes de datos, independientemente de su naturaleza. Las simulaciones realizadas en el centro de investigaciones de Corpoelec permitieron evaluar las descargas parciales usando la matriz de peso de las mismas; siendo posible su análisis a partir de las tipologías individuales.

 

Palabras clave: clasificación; descargas parciales; red neuronal; tipologías.

 

Abstract

The rotating machines used in the industry tend to have failures in the insulation caused by lack of maintenance and lack of knowledge of their condition. It is important to carry out periodic tests and continuous evaluations of the state of the insulation to guarantee the correct functioning of the machines. One of the methods used for the detection of these faults is Partial Discharges, which consist of small discharges produced in a portion of gas that is dissolved in the oil or dielectric that constitutes the insulation of electrical machines. This article presents the Analysis of Partial Discharges by means of a neuronal processing of the different types of discharges found in the high power transformers of the Electrical Department of National Electric Corporation, SA (Corpoelec) in the City of Puerto Ordaz, Venezuela. In this research work techniques based on an artificial neural algorithm were developed that allowed analyzing the own and individual characteristics of each partial discharge present in the electricity supply transformers of the Corpoelec company, and establishing the contrasts of one discharge with respect to the other . In addition, the techniques developed proved to be multi-classifying because they allow to classify and analyze various data sources, regardless of their nature. The simulations carried out in the research center of Corpoelec allowed to evaluate the partial discharges using their weight matrix; being possible its analysis from the individual typologies.

Keywords: classification; partial discharge; neural network; typologies.

Citas

Bapt, J., Bui-Ai, A., Mayoux, C. (1978) Corona frecuency analysis in artificial cavities in epoxy resins. Annual Report, Conference on Electrical Insulation and Dielectric Phenomena. 403-407

Bartnikas, R. (2002) Partial Discharges. Their Mechanism, Detection and Measurement. IEEE Transactions on Dielectrics and Electrical Insulation, 9(5), 763-808

Boggs S., Stone G. (1983) Fundamental Limitations in the Measurement of Corona and Partial Discharge, IEEE Transactions E-17. Nº2, 143-150.

Carvajal, A. García, A., Asaín, V. (2008). Diagnóstico en línea de motores de gran capacidad mediante la detección de descargas parciales utilizando técnicas de banda ultra ancha. Rev. información tecnológica, 19 (1), 75-86

Danikas, M. y Karlis, A. (2006) Diagnostic Techniques in Rotating Machine Insulation: A Diagnostic Technique for Model Stator Bars Based on Maximum Partial Discharge Magnitude, Electric Power Components and Systems 34. Taylor and Francis Group, 905-916

Gao, K., Tan, K., Li, F. y Wu, C. (2002) PD Pattern Recognition for Stator Bar Models with Six Kinds of Characteristic Vectors Using BP Network. IEEE Transactions on Dielectrics and Electrical Insulation, 9(3), 381-389

Grimón, Y.(2011). Algoritmo de clasificación de imágenes usando redes neuronales”. Trabajo Especial de Grado, Unexpo

Kurtz, L., Lyles, M., Stone, G. (1995) Aplication of PD testing to hydrogenerator maintenance. IEEE transactions on Power Apparatus Systems, 103, 2148-2157.

Magrashi, A. (1997). Pattern recognition of partial discharges using matlab tolos. Sultan Qaboos University, Oman.

Martínez-Tarifa, J., Robles, G., Rojas-Moreno y Sanz-Feito, J. (2010) Partial discharge pulse shape recognition using an inductive loop sensor. Measurement Science and Technology, 21(10), 105-116.

Pedersen, A., Crichton, S., McAllister, C. (1995) The functional relation between partial discharges and induced charge. IEEE transactions on dielectrics and electrical insulation, 2 (4), 535-543

Rojas, M., Robles, G (2011). Sensor de acoplamiento inductivo para la medida de pulsos de corriente de alta frecuencia; aplicación para la medida y detección de descargas parciales. Repositorio Universidad Carlos III de Madrid.

Torres, W., Dorbercker, S y Benítez, I. (2010). Variable para la supervisión del envejecimiento del aislamiento principal de grandes hidrogeneradores mediante descargas parciales. Rev. UCT,14 (56).

Publicado
2018-07-10
Cómo citar
Suárez Carreño, F. (2018). Proceso Neuronal para Análisis de Descargas Parciales en la empresa CORPOELEC, de Ciudad Guayana, Venezuela. Revista Científica Hallazgos21, 3(2), 169-180. Recuperado a partir de https://revistas.pucese.edu.ec/hallazgos21/article/view/279
Sección
Artículos Originales