Análisis comparativo de metodologías de cálculo de energía incidente aplicables a niveles de tensión superiores a 15 kv

Abstract

En esta tesis se presenta un análisis comparativo entre distintas metodologías para el cálculo de la energía incidente en niveles de tensión superiores a 15 kV. Como referencia principal se utilizó el método establecido en la norma IEEE Std. 1584-2018, el cual se contrastó con metodologías alternativas derivadas de los estudios desarrollados por EPRI y Terzija/Koglin. El objetivo de este análisis se basó en la identificación de las variables más relevantes para la predicción de factores de ajuste que permitan incrementar los valores de energía incidente, con el fin de representar adecuadamente la energía calorífica generada durante un arco eléctrico trifásico en encerramientos. Estos factores de ajuste se proponen considerando la principal limitación de las metodologías alternativas, las cuales fueron desarrolladas originalmente para estimar la energía incidente de arcos monofásicos al aire libre. Se desarrolló un Modelo de Ajuste de Energía Incidente (MAEI) orientado a la predicción de factores de ajuste, seleccionado a partir del entrenamiento y validación de tres modelos de aprendizaje automático. El proceso de entrenamiento se realizó con las variables más relevantes identificadas durante el análisis comparativo entre metodologías, donde se examinó el comportamiento general de un conjunto de datos de entrada general y se construyó una matriz de correlaciones para evaluar su relación con los factores de ajuste propuestos, tanto en la metodología EPRI como en la de Terzija/Koglin. El conjunto de datos de entrada fue generado a partir del planteamiento de distintos escenarios obtenidos de subestaciones operando a niveles de tensión inferiores a 15 kV y considerando las variables requeridas por cada una de las metodologías de interés. Por su parte, la validación de los modelos se llevó a cabo utilizando métricas orientadas a la evaluación del desempeño en modelos de regresión aplicados a enfoques predictivos. Este proceso permitió analizar la dispersión y variabilidad de las predicciones en relación con los valores originales. Finalmente, se evaluó el desempeño del MAEI frente a nuevos escenarios de estudio que abarcan niveles de tensión desde 4.16 kV hasta 35 kV. Los resultados obtenidos fueron comparados con los proporcionados por metodologías tradicionales y referencias de la literatura técnica. Esta evaluación tuvo como objetivo analizar la viabilidad del uso de metodologías alternativas en configuraciones con encerramiento, independientemente del nivel de tensión, mediante la aplicación de factores de ajuste estimados a través de modelos predictivos (Texto tomado de la fuente)

This thesis presents a comparative analysis of various methodologies for calculating incident energy at voltage levels above 15 kV. The primary reference used is the method established in IEEE Std. 1584-2018, which is contrasted with alternative approaches derived from studies conducted by EPRI and Terzija/Koglin. The objective of this analysis is to identify the most relevant variables for predicting adjustment factors that increase incident energy values in order to appropriately represent the thermal energy generated during a three-phase arc flash within enclosures. These adjustment factors are proposed considering the main limitation of the alternative methodologies, which were originally developed to estimate incident energy from single-phase open-air arc flashes. An Incident Energy Adjustment Model (MAEI) was developed for the prediction of these adjustment factors, selected based on the training and validation of three machine learning models. The training process used the most relevant variables identified in the comparative analysis between methodologies, where the general behavior of a comprehensive input dataset was examined, and a correlation matrix was built to assess the relationship between these variables and the proposed adjustment factors, both for the EPRI and Terzija/Koglin methods. The input dataset was generated based on different scenarios derived from substations operating at voltage levels below 15 kV, considering the specific variables required by each methodology of interest. Model validation was conducted using performance metrics suitable for regression models in predictive applications. This evaluation allowed the assessment of prediction dispersion and variability in relation to the original values. Finally, the performance of the MAEI was assessed using new study scenarios covering voltage levels from 4.16 kV to 35 kV. The results were compared with those obtained through traditional methods and technical literature references. This evaluation aimed to assess the feasibility of applying alternative methodologies within enclosure configurations, regardless of voltage level, by using adjustment factors estimated through predictive models.