Optimización de la disponibilidad de líneas de transmisión mediante análisis de fallas en el Sistema Eléctrico Colombiano
Cargando...
Director
Tipo de contenido
Editor
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
El Sistema de Transmisión Nacional (STN) colombiano enfrenta pérdidas económicas significativas debido a la indisponibilidad de activos críticos como líneas de transmisión, regulada por resoluciones de la CREG. Estas indisponibilidades, incluso de corta duración, generan penalizaciones económicas sustanciales. Esta tesis propone el desarrollo de un modelo automatizado basado en inteligencia artificial para la detección, clasificación y localización de fallas, con el fin de reducir los tiempos de respuesta, minimizar las sanciones económicas y mejorar la disponibilidad de los activos. Debido a la escasez de datos reales etiquetados, se emplearán datos sintéticos generados en EMTP-ATP y registros reales en formato COMTRADE (estándar internacional IEEE C37.111), para entrenamiento y validación del modelo. El enfoque incluye el uso de técnicas híbridas como CNN, LSTM y Transfer Learning), que permiten capturar características complejas de las fallas. El impacto de la solución será medido por medio de tres métricas: reducción en tiempo de
identificación, precisión en la clasificación y estimación de la impedancia de falla. Este trabajo busca una mejora operativa tangible para los agentes transmisores y contribuye al avance del uso de analítica en sistemas eléctricos, garantizando una mayor confiabilidad y continuidad en el suministro de energía. (Texto tomado de la fuente)
Abstract
The Colombian National Transmission System (STN) faces significant economic losses due to asset unavailability, particularly in transmission lines, as regulated by the Energy and Gas Regulatory Commission (CREG). Even short outages can result in substantial financial penalties, highlighting the need for faster and more accurate fault analysis. This research proposes the development of an automated model based on artificial intelligence (AI) for the detection, classification, and location of faults in transmission lines. The primary goal is to reduce outage times, minimize regulatory penalties, and improve system availability. Due to the limited availability of labeled real-world fault data, synthetic datasets were generated using ATP-EMTP simulations and stored in COMTRADE format, complemented
by real records for validation. The proposed approach leverages hybrid AI architectures, including Convolutional Neural Networks (CNN), Long Short-Term Memory networks (LSTM), and Transfer Learning, to capture the complex patterns of electrical faults. The dataset encompasses multiple fault types, varying impedances, and fault locations to ensure representativeness and robustness.
The solution’s performance was evaluated through three key metrics: fault detection time reduction, classification accuracy, and fault impedance estimation for location purposes. Additionally, the study assessed the operational and economic impact of implementing the model under CREG regulations. Results demonstrate that the proposed approach enhances operational efficiency and compliance, providing a tangible reduction in outage-related costs and contributing to the reliability and continuity of energy supply in Colombia’s transmission
network.
Descripción
Ilustraciones
Palabras clave propuestas
Términos Normalizados
Redes neuronales (Computadores); Líneas eléctricas; Localización de fallas eléctricas; Análisis de datos; 000 - Ciencias de la computación, información y obras generales::003 - Sistemas; 000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores; 330 - Economía::333 - Economía de la tierra y de la energía