*Por: J. Mora-Flórez, G. Carrillo-Caicedo, C. Orozco-Henao1, I. Serna-Ramírez3, H. Vargas-Torres y M. Suárez-Sánchez
En este artículo se presenta la metodología de desarrollo de la estructura para la integración de estrategias de localización de fallas paralelas en sistemas de distribución de energía eléctrica. La metodología propuesta permite el desarrollo de un software compuesto por dos tipos de estrategias diferentes utilizadas para la localización de fallas: los métodos basados en el modelo (MBM) y los métodos basados en el conocimiento (MBC).
La herramienta de software facilita la utilización de los localizadores de fallas en sistemas de distribución, ya que tiene una interface amigable y de fácil operación para el usuario, en dos modos funcionales: modo configuración y validación y el modo de operación ante una falla en el sistema real.
La metodología de integración propuesta permite el desarrollo de herramientas que posibilitan la atención efectiva del problema de localizaciónde fallas en sistemas de distribución, manteniendo altos índices de continuidad del suministro de energía eléctrica.
Palabras claves — Estructura, integración, MBM’s, MBC’s, sistema de distribución, modelo híbrido, múltiple estimación. 1.
Introducción
La desregularización del sector eléctrico cambió la manera de evaluar el servicio de energía eléctrica, ya que ésta se considera un producto al cual debe ir asociada la calidad. La necesidad de determinar la calidad de la energía eléctrica, por la exigencia cada vez mayor de los usuarios, ha conducido a la definición de diversos índices que la permitan cuantificar[1].
Históricamente, la calidad se ha estudiado desde dos enfoques diferentes, la continuidad del servicio y la calidad del producto ofrecido [2]. La localización de fallas paralelas en sistemas de distribución es una temática correspondiente a la continuidad del servicio y los índices más utilizados a nivel mundial para la cuantificación de calidad de la energía mirada desde este enfoque, han sido el SAIFI (System average interruption frecuency index) y el SAIDI (System average interruption duration index).
El primero relaciona la frecuencia promedio de interrupción y el segundo, la duración promedio de interrupción en el sistema. Actualmente y mediante la resolución CREG 097 de 2008, se definieron dos índices, el índice de referencia agrupado de la discontinuidad (IRAD) y el índice trimestral agrupado de la discontinuidad (ITAD). Estos índices cuantifican la continuidad del suministro de energía eléctrica, son indicadores para variar los cargos por uso.
La metodología aquí propuesta e implementada en una herramienta computacional para la localización de fallas tal como se presenta en este artículo, aborda una solución para la localización de fallas paralelas en los sistemas de distribución, a partir de un modelo híbrido basado en dos estrategias utilizadas para la localización de fallas, los métodos basados en el modelo (MBM) y los métodos basados en el conocimiento (MBC).
Los MBM son estrategias basadas en el análisis del modelo circuital del sistema en estudio [3-5]. De otra parte, los MBC son estrategias definidas como máquinas de clasificación, debido a que permiten asociar los registros de falla de una base de datos, con una zona en la cual ocurrió la falla [6], [7].
La propuesta que se presenta en este artículo muestra cómo se integran estas estrategias en una estructura que permite su aplicación en sistemas reales, de manera independiente o conjunta. La estructura propuesta se conforma por un módulo de extracción y procesamiento de la información del sistema en estudio, un módulo de caracterización de los registros de falla (descriptores de falla), un módulo de localizadores de falla (MBM y MBC) y un módulo de presentación de resultados.
II. Descripción de la propuesta metodológica
La estructura propuesta para el desarrollo del software de localización de fallas se define desde dos perspectivas: la aplicación como herramienta de configuración y validación de los localizadores y la aplicación directa para localizar fallas en un sistema real. Estas dos perspectivas conforman la estructura general de integración y define sus modos funcionales. En la figura 1 se muestra la estructura general propuesta que integra la estrategias de localización. En los literales A y B se analiza de manera detallada cada uno de sus modos funcionales.
A. Modo funcional configuración y validación
Este modo funcional permite, a un usuario avanzado, configurar los localizadores de fallas basados en ;BM y MBCs. Así mismo, permite su evaluación extensiva en un sistema de potencia. En la figura 2 se presenta la estructura general del módulo.
1. Submódulo de configuración
Este sub-módulo contiene dos sub-bloques: un sub-bloque para la configuración y ajuste de MBM y un sub-bloque para la configuración y ajuste de la MBC.
Los sistemas en estudio se modelan en el software de simulación para sistemas de potencia Alternative Transient Program (ATP) [8]. No obstante, el aplicativo de software desarrollado ofrece la opción de crear una tarjeta del sistema en estudio en ATP, a partir de información básica del sistema de potencia.
La información para el modelado del sistema se almacena en una base de datos de Excel®, la cual está dividida en dos archivos. El primero contiene toda la información correspondiente a las líneas y el segundo contiene la información de las cargas. Adicionalmente, el archivo de cargas también contiene los parámetros de ajuste para los modelos de carga que se utilice el software ATP, ya sean éstos de impedancia constante, potencia constante o corriente constante o combinaciones de los mismos [9]. El resultado del modelado a partir de los datos básicos de la línea es una tarjeta de ATP del circuito a analizar. Esta tarjeta es necesaria para la configuración de las metodologías MBM’s.
La configuración de los MBM´s considera la lectura, el ordenamiento y el procesamiento de la información del sistema modelado. Este proceso se realiza por medio de una plataforma de manejo de datos que permite extraer la información de la tarjeta generada por ATP, ordenarla en una estructura en XML y procesarla en el software de programación Matlab®, para obtener un conjunto de subsistemas equivalentes que permitan aplicar fácilmente los MBM [10]. La fig. 3 muestra la estructura de esta plataforma, la cual genera un archivo *.mat que contiene la topología y los parámetros del sistema en estudio.
De otra parte, la configuración y ajuste de la MBC es un poco más compleja que para los MBM. Para este caso de aplicación, se utiliza una metodología de clasificación llamada máquinas de soporte vectorial (SVM), para la cual su configuración y ajuste se determina en dos etapas comúnmente conocidas como parametrización y entrenamiento.
La primera etapa consiste en la búsqueda de los parámetros óptimos para el ajuste de la SVM, por medio de una técnica de optimización conocida como el algoritmo genético de Chu Beasley (AGCB) [7]. Estos son, el parámetro de penalización C y un parámetro de Kernel de base radial .
La etapa de entrenamiento permite determinar las funciones de decisión para la SVM, utilizando los parámetros óptimos de ajuste determinados en la etapa de parametrización. Estas funciones son compuestas por vectores de decisión que permiten la clasificación de nuevos datos. El algoritmo general para la configuración de la MBC se muestra en la fig. 4.
