LOCALIZACIÓN DE FUENTES DE DESCARGA PARCIAL EN DEVANADOS DE TRANSFORMADOR MEDIANTE EL USO DE TÉCNICAS DE INTELIGENCIA ARTIFICIAL

Abstract

La generación de descargas parciales en los sistemas de aislamiento de los transformadores de alta tensión disminuye la vida útil del equipo ya que puede derivar en una falla total del aislamiento. Este tipo de fallas suelen ocurrir en el devanado del transformador por lo que es de importancia conocer el punto de ocurrencia de las descargas parciales en él para llevar a cabo un plan de mantenimiento efectivo. En este trabajo de memoria se propone utilizar un método de localización y diferenciación de fuentes de descargas parciales en un devanado de transformador, inyectando descargas de tipo corona e interna en él a través de sus derivaciones, midiendo las respuestas en sus terminales con dos sensores HFCT y analizando las señales con dos modelos de aprendizaje de máquina supervisado del tipo Extremely Randomized Trees, los cuales fueron entrenados y evaluados con características extraídas de las representaciones del Espacio de Fase de cada uno de los coeficientes de la transformada discreta Wavelet (DWT) sobre las mediciones. Las relaciones entre la localización y las características fueron estudiadas utilizando la importancia de características MDI obtenidas de los modelos de clasificación, mientras que estos modelos fueron mejorados con recursive feature elimination (RFE) y optimización de hiperparámetros. El sistema propuesto localiza efectivamente las descargas parciales con un F1-Score del 92.2 % y clasifica la fuente de las descargas parciales con un F1-Score del 100 % por lo que el modelo de clasificación utilizado y la caracterización de señales usando teoría de sistemas dinámicos es adecuada para localizar descargas parciales en un devanado de transformador.