Estimación de la Carga de Transformadores de Potencia Utilizando una Red Neuronal Artificial

• Autores: Laura Agudelo, Esteban Velilla, Jesús María López Lezama
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 25, Nº. 2, 2014, págs. 15-24
• Idioma: español
• Títulos paralelos:
  • Load Estimation of Power Transformers using an Artificial Neural Network
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este artículo se presenta una metodología para estimar la curva de carga de transformadores de potencia utilizando redes neuronales artificiales. Para implementar la metodología propuesta se utilizaron datos reales de dos transformadores ubicados en diferentes zonas geográficas y con diferentes condiciones de operación. La técnica de estimación de carga fue implementada con datos históricos de la empresa Interconexión Eléctrica S.A (ISA).Para realizar la predicción de las curvas de carga se entrenó una red neuronal usando MATLAB, la cual se adapta a la curva de carga con tiempos de predicción diaria y semanal. La metodología propuesta permite la estimación de la curva de carga de transformadores de potencia con un error relativo de alrededor del 10%. Este método puede ser utilizado en otros equipos con características de operación similares.

  • English

    This paper presents a methodology for load estimation of power transformers by means of artificial neural networks. To implement the proposed methodology the data of two power transformers, located in different geographical areas and with different operational conditions, were considered. The load estimation methodology was implemented using historical data provided by the company Interconexión Eléctrica S.A. (ISA). To predict the load curves a neural network was trained using MATLAB, being able to fit a load curve with daily and weekly prediction times. The proposed method allows the estimation of load curve values in power transformers with an average percent relative error of around 10%. The method described in this paper can be applied to other equipment with similar operating characteristics.