Separación de fuentes de descargas parciales y ruido eléctrico mediante análisis de potencia espectral en alta frecuencia

• Autores: Jorge Alfredo Ardila Rey
• Directores de la Tesis: Juan Manuel Martínez Tarifa (dir. tes.)
• Lectura: En la Universidad Carlos III de Madrid ( España ) en 2014
• Idioma: español
• Tribunal Calificador de la Tesis: Andrea Cavallini (presid.), Javier Sanz Feito (secret.), José Daniel Muñoz Frías (voc.)
• Materias:
  • Ciencias tecnológicas
    • Ingeniería y tecnología eléctricas
      • Aplicaciones eléctricas
• Enlaces
  • Tesis en acceso abierto en: e-Archivo
• Resumen

  • En entornos industriales o incluso en ambientes controlados como laboratorios de alta tensión, los impulsos procedentes de múltiples fuentes de Descargas Parciales (PDs) y ruido eléctrico se pueden superponer llegando modificar y alterar los resultados de las mediciones de PDs conduciendo finalmente a interpretaciones erróneas. Asimismo, algunos tipos de descargas, como es el caso de las tipo corona o superficiales, no suelen influir algunas veces en la expectativa de vida en los sistemas aislantes, al contrario de lo que ocurre con las internas, que sí pueden llegar a causar la ruptura en un corto tiempo. Por estos motivos, la separación e identificación de fuentes de PDs y ruido se ha convertido en un requisito fundamental a la hora de obtener un diagnóstico efectivo del aislamiento y evitar así evaluaciones erróneas en equipos como máquinas eléctricas y cables aislados. El propósito de esta Tesis es la presentación de un nuevo método de separación y clasificación de fuentes de PDs y ruido basado en el análisis de la potencia espectral de los pulsos de PDs para determinadas bandas de frecuencia. Este método permite separar en un mapa 2D las diferentes fuentes que puedan estar presentes durante la adquisición, a través de nubes de puntos clusters que se ubican en diferentes partes del mapa de acuerdo a su naturaleza. Conjuntamente se presenta el desarrollo de un algoritmo que permite seleccionar de forma automática las bandas de frecuencia de mayor interés con el fin de mejorar la separación de los clusters en el mapa. Adicionalmente, una serie de experimentos realizados en varios objetos de ensayo y equipos reales son presentados, con el fin de validar el comportamiento del método de separación y del algoritmo de selección automática propuestos en este documento.