Aplicación de las redes neuronales en la protección diferencial degeneradores sincronos

Resumen

En esta tesis se ha propuesto un nuevo algoritmo para la proteccion diferencial de generadores sincronos basado en redes neuronales con filtros de respuesta impulsional finita (FIRANN), La principal caracteristica de estas redes FIRANN es su estabilidad y capacidad para manejar señales variables en el tiempo, tomando directamente la información contenida en las entradas. De esta forma se obtuvieron tiempos de respuesta inferiores a los obtenidos por lo algoritmos de proteccion diferencial implementados o propuestos hasta el momento. El entrenamiento de las redes FIRANN se realizó con patrones escogidos aleatoriamente del grupo de simulaciones de fallos internos en la maquina. Para cumplir con este objetivo se desarrollo un modelo de maquina sincronica que permite simular fallos internos en los devanados del estator usando el programa de transitrios electromagneticos ATP-EMPT. Este modelo fue verificado experimentalmente en el laboratorio mostrando un buen comportamiento en el periodo subtransitorio, el cual es lo que nos interesa para efectos de la proteccion diferencial, pues esta debe actuar dentro del primer ciclo siguiente a la ocurrencia del fallo. Se presentan diferentes desarrollos de protecciones diferenciales para generadores sincronos basadas en redes neuronales artificialesFIRANN. Se explica la metodologia general seguida para el entrenamiento de cada red, los detalles de su estructura y los resultados de las mismas. Las estructuras propuestas tambien se probaron en situaciones donde la protección diferencial clasica de generadores sincronos ha presentado inconvenientes, mostrando un comportamiento excelente frente al ruido. Errores de transformacion en los transformadores de intensidad, cambios bruscos en la carga y fallos muy cercanos al punto del neutro. Los resultados obtenidos permiten concluir que el nuevo algoritmo propuesto de proteccion diferencial de generadores sincronos basado en redes neuronales FIRANN es