Resumen de Regresión Bayesiana lineal para calibrar los parámetros de un modelo de horno de arco

Jesser James Marulanda Durango, Mauricio A. Álvarez López, Alfonso Alzate Gómez

• español

  Este documento presenta la calibración de los parámetros de un modelo de horno de arco eléctrico, que tiene en cuenta la naturaleza no lineal y la impedancia variable que exhibe este tipo de carga. A partir de la ecuación diferencial no lineal que describe la característica estática voltaje-corriente del arco eléctrico, se establece una ecuación equivalente lineal que facilita el ajuste de las constantes del modelo, usando mediciones reales de voltaje y de corriente tomadas en la etapa más crítica de la operación del horno. Se muestra el procedimiento de ajuste de los parámetros del modelo usando regresión Bayesiana Lineal. Se presenta a través de gráficas, la relación entre los parámetros del modelo de la etapa determinista y el comportamiento de la varianza de las funciones de densidad de probabilidad Gaussianas a posterior con el número de datos usados para la calibración del modelo. La validación de los resultados obtenidos se realiza simulando el modelo con los parámetros estimados para luego comparar éstos con mediciones reales. Se ha utilizado un medidor de Flicker que cumple con el estándar CEI IEC 61000-4-15 para determinar la Sensación Instantánea de Flicker (IFL) de las fluctuaciones presentes en las formas de onda reales y simuladas de las corrientes del arco eléctrico. Adicionalmente, se presenta en una gráfica el contenido armónico real y simulado de las corrientes de fase generadas en el horno.

• English

  In this paper, the authors present the calibration of the parameter of arc furnace that considers the non-linearity and high variability of this type of load. Starting with a nonlinear differential equation that describes the voltage-current characteristic of the arc, an equivalent linear equation that simplifies the estimation of the original model parameters is proposed. Parameter estimation is then accomplished using Bayesian linear regression using measurements taken during the furnance's most critical operation point. Relationships between the estimated value for the parameters and their uncertainty, in terms of the number of observations included in the model calibration process, are shown. Results obtained through simulation with the estimated parameters are contrasted against real data. A flicker meter, which complies with the IEC standard 61000-4-15, is used for determining the instantaneous flicker level (IFL) due to fluctuations present in the real and simulated current waveforms. Finally, the harmonic content of the real and simulated current waveforms is compared.