Localización de faltas en redes eléctricas mediante transformadas tiempo-frecuencia y técnicas de inteligencia artificial.

Abstract

La presente Tesis Doctoral se centra en la localización de faltas eléctricas en sistemas de potencia, una tarea crítica para garantizar la confiabilidad y estabilidad de las redes eléctricas. Aunque la tecnología ha avanzado significativamente, aún persisten limitaciones en los equipos de medición utilizados para esta tarea. La investigación presentada propone el uso de la transformada de Stockwell y redes neuronales para mejorar la precisión y eficiencia en la identificación de la ubicación de las faltas.

Las faltas eléctricas, que pueden surgir por factores medioambientales o por operaciones en la red, son responsables de las mayores interrupciones en el sistema eléctrico. Localizarlas con precisión permite a los operadores de red reducir los costos de inspección y reparación, mejorando así la calidad del suministro y evitando cortes no programados.

El proceso de localización de faltas se enfrenta a varias limitaciones: resolución insuficiente de equipos de medición, sensibilidad a interferencias electromagnéticas, dificultades de acceso a ciertas áreas de la red, complejidad del sistema eléctrico y altos costos de equipos especializados. Estas limitaciones subrayan la necesidad de desarrollar tecnologías avanzadas que puedan superar estos desafíos.

Actualmente, existen varios métodos tecnológicos avanzados para la localización de faltas eléctricas. Entre ellos, los métodos basados en la impedancia son ampliamente utilizados debido a su simplicidad y baja complejidad computacional. Estos métodos calculan la impedancia aparente de la línea vista desde uno de sus extremos, utilizando mediciones de tensión e intensidad. Por otro lado, los métodos de onda viajera son muy confiables y se basan en determinar el momento de paso del frente de onda por uno de los extremos de las líneas de transmisión cuando se produce una falta eléctrica. Este método, aunque preciso, requiere sensores sofisticados con una alta frecuencia de muestreo.