|
|
|
|
| LEADER |
00000nam a2200000 a 4500 |
| 001 |
TM4-689 |
| 005 |
20230308201013.0 |
| 008 |
013040|2012 ||||||||r|||||||||||spa|| |
| 040 |
|
|
|b spa
|
| 041 |
1 |
|
|a spa
|
| 100 |
1 |
|
|a Alvarado Guichay, Efrén Vinicio.
|9 133334
|
| 245 |
|
|
|a Algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctrica del sistema ecuatoriano usando simulaciones y datos de registradores de fallas
|c Efrén Vinicio Alvarado Guichay. Director Santiago Torres Contreras
|h cd
|
| 264 |
|
|
|a Cuenca
|c 2012
|
| 300 |
|
|
|a CD
|b ilu
|c 18 cm
|
| 502 |
|
|
|a Magíster en Sistemas eléctricos de potencia
|b Universidad de Cuenca
|c ing
|d Torres Contreras, Santiago, dir.
|e MAESTRIA en Sistemas eléctricos de potencia
|
| 504 |
|
|
|a incl. ref.
|
| 520 |
3 |
|
|a Para resolver el problema del diagnóstico y clasificación de fallas se han propuesto algunos algoritmos basados en técnicas de inteligencia artificial tales como redes neuronales, redes neuro-difusas, etc. Estos algoritmos permiten manejar adecuadamente la incertidumbre ante situaciones de datos imprecisos, usar técnicas de aprendizaje para el modelamiento, adaptarse a los cambios en las condiciones de operación del sistema y usar el conocimiento del experto antes situaciones no definidas. Se propone un diagnóstico automático de fallas en líneas de transmisión usando Algoritmos Adaptivos Neurodifusos (en inglés Adaptive Neuro-Fuzzy Inference System ? ANFIS). Se implementa un algoritmo neuro-difuso para la detección y clasificación de fallas en líneas de transmisión eléctricas, usando ANFIS y se aplica a una línea de transmisión de 230 kV típica de un sistema eléctrico de potencia, para mediante simulaciones extraer los datos para entrenamiento y verificación del modelo. Para validar su desempeño, las entradas al ANFIS son los valores eficaces (Root Mean Square - RMS) de las tres corrientes de fase y la corriente de secuencia cero obtenidas, formato COMTRADE, mediante registros de oscilografías de fallas reales en líneas de transmisión de 230 kV del sistema eléctrico ecuatoriano. De los resultados obtenidos, se observa que los modelos neuro-difusos pueden de manera adecuada y con rapidez detectar y clasificar fallas en líneas de trasmisión eléctricas, usando datos de validación tanto simulados como reales. Por esto la metodología utilizada tiene gran potencia para ser aplicada en centros de control, para la toma de decisiones al momento de la ocurrencia de fallas.
|
| 650 |
|
|
|a Tesis de maestria en sistemas electricos de potencia
|9 168933
|
| 650 |
|
|
|a Inteligencia artifical
|9 174212
|
| 650 |
|
|
|a Red neural artificial rna
|9 174213
|
| 650 |
|
|
|a Sistema inferencial neurodifuso
|9 174214
|
| 650 |
|
|
|a Anfis
|9 174215
|
| 650 |
|
|
|a Fis
|9 174216
|
| 650 |
|
|
|a Deteccion de fallas
|9 174217
|
| 650 |
|
|
|a Clasificacion de falllas
|9 174218
|
| 852 |
|
|
|a UC-CDJBV
|c ESTANTERIA CERRADA
|f Donación
|k lucia.mora
|l 1
|m Limitada
|p 20130401
|q 1.00
|t TM4-689
|b 1
|d CDRC
|e CDRC
|g ESTANTERIA CERRADA
|u http://nas.ucuenca.edu.ec/BibliotecaDigital/ebooks/tm4689.pdf
|z 2013-30-40
|
| 856 |
|
|
|u http://nas.ucuenca.edu.ec/BibliotecaDigital/ebooks/tm4689.pdf
|
| 942 |
|
|
|c TS
|
| 999 |
|
|
|c 93344
|d 93344
|