19th International Symposium of Electrical Engineering
SIE 2021
Abstract
The present work presents the results of an investigation related to the classification and location of faults in electrical networks, through the use of Artificial Neural Networks (ANN). For this, different models based on RNA capable of classifying and locating the faults that occur in a 34.5 kV subtransmission line are investigated. The types of RNA chosen for the implementation of the models are Neural Cascade Networks, LSTM and MLP. Using appropriate computing tools, various models are formed, differing from each other by changes in their architecture and internal parameters, with the aim of identifying the best topology for this type of application. As a result of the research process, two models with very efficient results are obtained, one based on LSTM networks for classifying faults with a precision of 99.4%, and another based on Neural Cascade Networks for locating faults with a Medium Error. Absolute (MAE) of 0.09 km. The results of the work can be used in the undergraduate or graduate, as well as, by specialists in production and services in the analysis of practical cases where real experimentation is not possible. In addition, they can also be replicated in any industry or service that requires classifying and locating faults in electrical networks.
Resumen
En el presente trabajo se exponen los resultados de una investigación relacionada con la clasificación y localización de fallas en redes eléctricas, mediante el uso de Redes Neuronales Artificiales (RNA). Para ello, se conforman diferentes modelos basados en RNA capaces de clasificar y localizar las fallas que ocurren en una línea de subtransmisión de 34.5 kV. Los tipos de RNA escogidos para la implementación de los modelos son las Redes Neuronales en Cascada, LSTM y MLP. Mediante herramientas de computación adecuadas se conforman varios modelos, diferenciándose entre sí por cambios en su arquitectura y parámetros internos, con el objetivo de identificar la mejor topología para este tipo de aplicaciones. Como resultado del proceso investigativo se obtienen dos modelos con resultados muy eficaces, uno basado en redes LSTM para la clasificación de las fallas con una precisión de 99.4%, y otro basado en Redes Neuronales en Cascada para la localización de las fallas con un Error Medio Absoluto (MAE) de 0.09 km. Los resultados del trabajo pueden ser empleados en el pregrado o el posgrado, así como, por especialistas de la producción y los servicios en el análisis de casos prácticos donde no sea posible la experimentación real. Además, también pueden ser replicados en cualquier industria o servicio que requiera clasificar y localizar fallas en redes eléctricas.
About The Speaker
Dr. Lesyani Leon Viltres
En blanco