Detección de fallos en el equipamiento de medida en los centros de transformación

Abstract

En los últimos años, a los centros de transformación se les está proporcionando un equipamiento que permite la gestión completa del mismo. De este modo, de producirse medidas erróneas podría ser muy perjudicial para el normal funcionamiento del centro. En este trabajo, empleando las técnicas de predicción de carga que permiten estimar cual será la carga eléctrica en el futuro, será posible detectar dos errores sistemáticos de medidas diferentes. Para la predicción de carga, se utilizará una red neuronal y el análisis de componentes principales será empleado para comprimir la información. Finalmente, el sistema desarrollado será probado con datos obtenidos del simulador implementado por un distribuidor eléctrico y datos reales proporcionados por una compañía eléctrica.

In recent years, Secondary Transformer Substations are being provided with equipment to allow the full management of the substation. In this way, erroneous measurements could be very harmful for the normal performance of the substation. In this work, employing Short Term Load Forecasting (STLF) which allows to estimate what the future electric load will be, it is possible to detect two different systematic measurements errors. For the load forecasting, the chosen system is composed by an artificial neural network and principal component analysis is employed for information compression. Finally, developed system is tested with simulated data obtained from a simulator provided by a Transmission System Operator and real data provided by an Electrical Company. Different levels of gain and offset errors are detected.