Resumen de Predicción de parada de máquinas generadoras en una central hidroeléctrica por medio de minería de datos

Herson A. González, Juan D. Piedrahita, Omar D. Castrillón Gómez

• español

  Se desarrolla una metodología para predecir la parada delas máquinas generadoras en una central hidroeléctrica por medio de la plataforma Weka y el algoritmo de clasificación J48. Se construye un archivo con 300 registros reales y 11 variables que incluyen una variable dependiente (paro de máquina) y 10 variables independientes: temperatura cojinete guía superior, flujo de agua intercambiadores de calor, presión de regulación de velocidad, presión tubería de carga, caudal tubería de carga, nivel de embalse, carga generada, frecuencia, temperatura cojinete guía turbina, y clima. Usando la herramienta XrealStats, se realiza un análisis de correlación (Pearson) entre cada una de las variables independientes y la variable dependiente. Como resultado se logra predecir los disparos de las máquinas con un acierto del 94%.Se concluye que el árbol de clasificación obtenido en esta investigación permite predecir fácilmente futuros paros de máquinas con un acierto superior al 94%.

• English

  A methodology is developed to predict shutdowns of generating machines in a hydroelectric power station by using the platform Weka and the algorithm J48. A file was built with 300 real data registration sand 11 variables consisting of a single dependent variable (machine trip) and ten independent variables: temperature, water flow, regulatory pressure, pipeline pressure, flow rate of the reservoir level, generated load, frequency, oil temperature, and climate. Using XRealStats tools, a Pearson correlation analysis was performed between each of the independent variables and the dependent variable. The results showed that it is possible to predict machine trips with a success rate of 94%. It is concluded that the classification tree generated in this research predicts future machine trips with over 94% accuracy.