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.