Contribuciones a la calidad de la señal eléctrica basadas en wavelets e inteligencia artificial
- Borrás Talavera, María Dolores
- Juan Carlos Bravo Rodríguez Director/a
Universidad de defensa: Universidad de Sevilla
Fecha de defensa: 28 de junio de 2016
- Jesús Manuel Riquelme Santos Presidente/a
- Vicente Simón Sempere Secretario/a
- Salvador Pérez Litrán Vocal
- Eva González Romera Vocal
- José Antonio Aguado Sánchez Vocal
Tipo: Tesis
Resumen
En esta tesis se aborda el problema de la calidad de la señal eléctrica. Se usa como herramienta de análisis la transformada wavelet (DWT), que sirve de soporte matemático para la proposición de unos nuevos índices de calidad: una tasa de perturbación instantánea (ITD(t)) y una tasa de perturbación global (GDR); estos índices reflejan la calidad de la señal eléctrica bajo condiciones estacionarias y transitorias, y cuantifican los efectos de las perturbaciones no estacionarias y su duración con buena precisión y alta resolución. Para el caso estacionario se demuestra que su comportamiento es análogo al conocido THD. Por otro lado, se analizan las técnicas de clasificación de perturbaciones basadas en inteligencia artificial, prestando especial atención a las redes neuronales (ANN) y a las máquinas de soporte vectorial (SVM). Se describe una aplicación realizada basada en ANN y se muestran los logros obtenidos y sus inconvenientes. Se hace un estudio detallado de las SVM y se describen los diferentes métodos de clasificación binaria y su extensión al problema de multiclasificación. Posteriormente, se desarrolla la metodología propuesta en esta tesis. La elección de la función wavelet más adecuada es un factor fundamental en la aplicación de este método; se ha establecido un criterio original para una selección óptima de la misma, de modo que sea la que mejor se adapte a las características propias de las señales eléctricas. Los resultados obtenidos de la aplicación del índice propuesto GDR a señales eléctricas con perturbaciones simples o compuestas, permiten realizar una clasificación eficiente de las mismas con un conjunto de SVM binarias y la ayuda del valor RMS de la señal como índice auxiliar. Finalmente se desarrolla una herramienta virtual que proporciona la monitorización en un montaje experimental y que facilita la visualización de los parámetros presentados y de todo el proceso de clasificación para validar la metodología propuesta.