Monitoreo de Disturbios que Afectan la Calidad de Energía, Utilizando un Método Basado en Aprendizaje de Máquinas

Abstract

En esta tesis se propone un nuevo método para el monitoreo de disturbios que afectan la calidad de energía de una microred, el cual combina la técnica de Análisis de Recurrencia Cuantitativo Multiescala (MSRQA) de las señales del sistema con Máquinas Vectoriales de Apoyo (SVM). El método está basado en la teoría de máquinas de aprendizaje, y se enfoca en las propiedades de recurrencia de los disturbios para su clasificación. MSRQA realiza la extracción de las propiedades de recurrencia de las componentes de las señales en forma de características que permiten ver los disturbios del sistema, proyectándolos como elementos en un espacio euclidiano formado por las características extraídas. Estos elementos forman grupos coherentes que pueden ser linealmente separados debido a la separación que existe entre ellos. Esta característica, motiva el uso de SVM para clasificar los disturbios de las nuevas señales muestreadas de la microred. La clasificación de los disturbios de diferentes clases utilizando SVM demanda el diseño de un modelo que combina diferentes SVM, debido a que cada SVM solo puede ser entrenado para trabajar con dos clases diferentes. De esta forma, el nuevo modelo con forma de árbol de decisión, donde cada nodo del árbol corresponde a un SVM binario entrenado para dos clases diferentes, permite la clasificación de diferentes tipos de disturbios. Como parte fundamental de este trabajo esta proponer índices que permitan un análisis de los datos en el espacio de características para identificación de los grupos como en el caso de los armónicos. La precisión del método es comparada con la reportada por otros métodos de monitoreo de disturbios con resultados aceptables, y mostrando el potencial del análisis de las propiedades de recurrencia de las señales.