Revista: | Revista técnica de la Facultad de Ingeniería. Universidad del Zulia |
Base de datos: | PERIÓDICA |
Número de sistema: | 000346767 |
ISSN: | 0254-0770 |
Autores: | Pérez, Rómulo J1 Matos Alfonso, Enrique2 Fernández, Sergio J3 |
Instituciones: | 1Universidad Nacional Experimental Politécnica Antonio José de Sucre, Departamento de Ingeniería Eléctrica, Barquisimeto, Lara. Venezuela 2Universidad de Cienfuegos "Carlos Rafael Rodríguez", Facultad de Informática, Cienfuegos. Cuba 3Instituto Superior Politécnico "José Antonio Echeverría", Marianao, La Habana. Cuba |
Año: | 2010 |
Periodo: | Dic |
Volumen: | 32 |
Número: | 3 |
Paginación: | 266-275 |
País: | Venezuela |
Idioma: | Español |
Tipo de documento: | Artículo |
Enfoque: | Aplicado, descriptivo |
Resumen en español | Este articulo presenta una técnica basada en Algoritmos Genéticos para la estimación de los parámetros y validación del modelo de la temperatura del aceite superior en transformadores de potencia propuesto por Lesieutre [1]. Para tal fin se emplean datos de un sistema de monitoreo y diagnóstico en línea instalado en un transformador de 100 MVA 230/115/24 kV OA/FA/FOA de la Subestación Barquisimeto de ENELBAR, Venezuela desde el año 2003. El objetivo de este trabajo es comparar la reducción del error entre el modelo y las mediciones reales de la temperatura del aceite superior cuando sus parámetros son estimados por algoritmos genéticos y mínimos cuadrados. La estimación de parámetros por algoritmos genéticos evidencia mejores resultados del modelo, lo cual incrementa su desempeño como herramienta de diagnóstico para transformadores de potencia |
Resumen en inglés | This paper presents a technique based on Genetic Algorithms for the parameter estimation and validation of the power transformers top oil temperature model proposed by Lesieutre [1]. For such aim, data are used in on-line diagnosis and monitoring systems, installed in a 100 MVA 230/115/24 kV OA/FA/FOA transformer of Barquisimeto Substation at ENELBAR, Venezuela since the year 2003. The objective of this work is to compare mistake reduction between the model and the top oil temperature measurement when their parameters estimation is considered by genetic algorithms and least-squares. The parameters estimation by genetic algorithms evidence better results of the model, which improves its performance as a power transformer diagnosis tool |
Disciplinas: | Ingeniería |
Palabras clave: | Ingeniería eléctrica, Transformadores de potencia, Estimación de parámetros, Algoritmos genéticos |
Keyword: | Engineering, Electrical engineering, Power transformers, Parameter estimation, Genetic algorithms |
Texto completo: | Texto completo (Ver HTML) |