Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
ESCUELA POLITÉCNICA NACIONAL FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA DESARROLLO DE UN SOFTWARE PARA LA DETECCIÓN Y UBICACIÓN DE FALLAS EN UN SISTEMA ELÉCTRICO DE POTENCIA USANDO EL MÓDULO DPL DE DIGSILENT POWERFACTORY PROYECTO PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERO ELÉCTRICO DIEGO FERNANDO CHÁVEZ RECALDE diegodch_9@hotmail.com DIRECTOR: Ph.D JACKELINE ABAD TORRES jackeline.abad@epn.edu.ec Quito, Agosto 2016 i DECLARACIÓN Yo Diego Fernando Chávez Recalde, declaro bajo juramento que el trabajo aquí descrito es de mi autoría; que no ha sido previamente presentada para ningún grado o calificación profesional; y, que he consultado las referencias bibliográficas que se incluyen en este documento. A través de la presente declaración cedo mis derechos de propiedad intelectual correspondientes a este trabajo, a la Escuela Politécnica Nacional, según lo establecido por la Ley de Propiedad Intelectual, por su Reglamento y por la normatividad institucional vigente. _____________________________ Diego Fernando Chávez Recalde ii CERTIFICACIÓN Certifico que el presente trabajo fue desarrollado por Diego Fernando Chávez Recalde, bajo mi supervisión. ________________________ Ph.D. Jackeline Abad DIRECTORA DEL PROYECTO iii AGRADECIMIENTO Un profundo agradecimiento a mis padres, quienes son los pilares de mi vida, muy agradecido por su dedicación, paciencia y apoyo. Un agradecimiento especial a mis hermanos, quienes son un factor importante en mi vida, gracias por su cariño y admiración. Un agradecimiento importante a mi Directora de tesis Ph.D. Jackeline Abad, muy agradecido por su apoyo y paciencia, de la misma manera a mi Codirector de tesis Ph.D. Hugo Arcos por su apoyo y por compartir su amplio conocimiento en el aula de clases. A mis amigos de la universidad con quienes compartí una de las mejores etapas de la vida y quienes fueron un apoyo importante en mi etapa como estudiante. Por último a todas las personas participes en el transcurso de mi vida, quienes estuvieron en los mejores y peores momentos, quienes tuvieron confianza en mí y en mi familia. iv DEDICATORIA A mi madre y a mi padre, que con todo sacrificio hicieron este sueño realidad tanto para ellos y para mí. A mi hermana Gaby y mi hermano Josue quienes siempre creyeron en mí. A mi abuelita María Elena quien me dio sus buenos deseos al inicio de mi carrera y siempre está en mi mente. “Todo gran sueño comienza con un gran soñador. Recuerda siempre: tienes en tu interior la fuerza, la paciencia y la pasión para alcanzar las estrellas y cambiar el mundo…” -Harriet Tubman. v “DESARROLLO DE UN SOFTWARE PARA LA DETECCIÓN Y UBICACIÓN DE FALLAS EN UN SISTEMA ELÉCTRICO DE POTENCIA USANDO EL MÓDULO DPL DE DIGSILENT POWERFACTORY” CONTENIDO DECLARACIÓN ....................................................................................................... i CERTIFICACIÓN ..................................................................................................... ii AGRADECIMIENTO ............................................................................................... iii DEDICATORIA ....................................................................................................... iv CONTENIDO ........................................................................................................... v RESUMEN ............................................................................................................ viii PRESENTACIÓN .................................................................................................... ix CAPÍTULO I ............................................................................................................ 1 1. INTRODUCCIÓN ............................................................................................ 1 1.1. OBJETIVOS ............................................................................................... 3 1.1.1. OBJETIVO GENERAL ......................................................................... 3 1.1.2. OBJETIVOS ESPECÍFICOS ............................................................... 3 1.2. ALCANCE .................................................................................................. 3 1.3. JUSTIFICACIÓN DEL PROYECTO .......................................................... 4 CAPÍTULO II ........................................................................................................... 5 2. Formulación del problema y revisión del estado de arte .................................. 5 2.1. Marco Teórico ............................................................................................ 5 2.1.1. Anormalidades en la operación de los Sistemas Eléctricos de Potencia. .......................................................................................................... 5 vi 2.1.2. Estudio de Estabilidad en los Sistemas Eléctricos de Potencia. ......... 8 2.1.3. Estabilidad de Ángulo del Rotor......................................................... 11 2.1.4. Modelo matemático de los elementos del SEP para el estudio de la dinámica de oscilación. .................................................................................. 13 2.1.5. Modelo Dinámico del Sistema Eléctrico de Potencia ......................... 22 2.1.6. Detección o Prueba de Hipótesis ....................................................... 27 2.2. Estado del Arte y formulación del problema ............................................ 30 2.2.1. Estado del Arte .................................................................................. 31 2.2.2. Formulación del problema ................................................................. 42 CAPÍTULO III ........................................................................................................ 46 3. Algoritmo de solución ..................................................................................... 46 3.1. Detector MAP ........................................................................................... 46 3.2. Diagrama de flujo del Algoritmo ............................................................... 48 CAPÍTULO IV ........................................................................................................ 52 4. Implementación del Software. ........................................................................ 52 4.1. Lenguaje de programacion DPL (digsilent Programming languaje). ........ 53 4.1.1. Estructura del comando DPL ............................................................. 54 4.2. Desarrollo del Software. ........................................................................... 55 4.2.1. Comando DPL ................................................................................... 56 4.2.2. Script MatLab..................................................................................... 62 CAPÍTULO V ......................................................................................................... 64 5. EJEMPLOS DE APLICACIÓN ....................................................................... 64 5.1. Sistema IEEE 11-BARRAS (dos áreas). .................................................. 64 5.1.1. Condiciones de simulación ................................................................ 65 5.1.2. Análisis de resultados ........................................................................ 69 vii 5.2. Sistema IEEE 39-BARRAS ......................................................................76 5.2.1. Condiciones de simulación ................................................................ 77 5.2.2. Análisis de resultados ........................................................................ 81 CAPÍTULO VI ........................................................................................................ 97 6. Conclusiones y recomendaciones .................................................................. 97 6.1. Conclusiones ............................................................................................ 97 6.2. Recomendaciones.................................................................................... 98 BIBLIOGRAFÍA ................................................................................................... 100 ANEXOS ............................................................................................................. 103 ANEXO A: ........................................................................................................ 103 ANEXO B: ........................................................................................................ 105 ANEXO C: ........................................................................................................ 111 ANEXO D: ........................................................................................................ 138 viii RESUMEN El sistema eléctrico de potencia (SEP) permite la transferencia de energía eléctrica desde las fuentes de generación hacia las subestaciones que sirven a los centros de carga. Fallas en las líneas de transmisión alteran las condiciones operativas del sistema y eventualmente podrían provocar la inestabilidad del sistema o la interrupción del servicio de energía eléctrica. Actualmente existen equipos que permiten tomar ciertas mediciones, las cuales resultan ser necesarias para el análisis operativo de los sistemas eléctricos y análisis de eventos de falla en tiempo real. Tratar de supervisar los ángulos de fase relativos de todos los voltajes y corrientes de las barras del sistema eléctrico era una tarea casi imposible debido a la falta de capacidad de procesamiento y a las dificultades en la recolección, coordinación y sincronización de los datos del sistema. La aplicación de la tecnología fasorial en el campo de los satélites ofrece nuevas posibilidades para la supervisión, protección, análisis y control del SEP. Para este proyecto se implementa un algoritmo para la localización de fallas usando datos fasoriales, el cual permite mejorar los métodos tradicionales y la localización de fallas en tiempo real. El algoritmo implementado distingue las respuestas de varios modelos linealizados (condiciones de falla) frente a las mediciones tomadas de las PMUs cuando se produce un transitorio en el sistema eléctrico. En base a esta formulación, un detector de Máxima Probabilidad A- posteriori (MAP, Maximum A-posteriori Probability) es implementado, el cual se basa en la inferencia estadística de varias hipótesis y pruebas sucesivas que determinan la probabilidad de ocurrencia de falla. El algoritmo se implementa en el módulo DPL del software PowerFactory de DIgSILENT, su funcionamiento se comprueba mediante simulaciones realizadas en el sistema IEEE 11-Barras y en el IEEE 39-Barras. Las pruebas realizadas distinguen la hipótesis más probable entre una lista de posibles hipótesis. En el presente trabajo no solo se comprobó la efectividad del algoritmo mediante las pruebas realizadas sino también mediante la probabilidad de error del detector. ix PRESENTACIÓN En el presente trabajo se ha desarrollado un software para la detección de fallas en un sistema eléctrico de potencia. Para el desarrollo del software se utiliza el módulo DPL del software PowerFactory de DIgSILENT. En el CAPÍTULO 1, se presenta una introducción general del problema planteado de este trabajo. En el CAPÍTULO 2, se desarrolla el sustento teórico para la detección de fallas en el sistema eléctrico de potencia, con una revisión del estado de arte y la formulación del problema planteado. En el CAPÍTULO 3, se describe el funcionamiento del algoritmo basado en el detector de Máxima Probabilidad A-posteriori (MAP). Adicionalmente, se explica cómo se implementará el mismo. En el CAPÍTULO 4, la implementación del algoritmo al software PowerFactory de DIg SILENT (DigSILENT Programming Laguage – DPL), tomando en cuenta todos los parámetros necesarios para el funcionamiento del algoritmo. En el CAPÍTULO 5, se aplica el algoritmo a los sistemas IEEE 11-Barras y al IEEE 39-Barras para comprobar su funcionamiento. Además, se demuestra el grado de confiabilidad de la detección mediante la probabilidad de error. En el CAPÍTULO 6 se expone las conclusiones y recomendaciones obtenidas en la implementación del algoritmo. Finalmente se presentan las Referencia Bibliográficas y los Anexos obtenidos de las simulaciones del presente trabajo. 1 CAPÍTULO I 1. INTRODUCCIÓN [1], [2], [3] El Sistema Eléctrico de Potencia (SEP) está conformado por varios elementos, con el fin de generar, transmitir y distribuir energía eléctrica hasta los respectivos centros de carga a un nivel aceptable de calidad, confiabilidad y de seguridad. El abastecimiento de la energía eléctrica se la realiza al mínimo costo y con el mejor aprovechamiento de sus recursos para mantener un servicio continuo. Un SEP en ocasiones es sometido a distintos escenarios de operación que ocasionan perturbaciones ya sean de sobrevoltaje o sobrecorriente, llegando a provocar oscilaciones en las máquinas sincrónicas, tal que, pueden llegar a ser peligrosas para su operación afectando la estabilidad del sistema o provocando la interrupción del servicio de energía eléctrica. Es importante para un SEP reducir el tiempo de interrupción del suministro de energía eléctrica, esto ha ocasionado que las empresas de servicio eléctrico deban cumplir con exigentes estándares de servicio. Para cumplir con estos estándares es necesario realizar diferentes tipos de estudios a diferentes condiciones de operación del sistema eléctrico. Uno de los estudios es el análisis de falla en Líneas de Transmisión (L/T), este análisis se aplica con la finalidad de detectar e identificar eventos de falla, y así, proteger a los operadores de línea, equipo principal del SEP y evitar recortes de servicio de energía eléctrica. Debido a la longitud de las L/T, las condiciones climáticas y a diferentes agentes externos, una L/T es más susceptible a un evento de falla. La detección rápida del evento de falla, ayuda a mejorar los tiempos de restauración del sistema y permitir el control en tiempo real de sus efectos para mejorar la economía operativa y la confiabilidad del sistema. 2 Los operadores de las L/T utilizan equipos y sistemas automáticos de protección frente a condiciones anormales de operación en el sistema eléctrico; especialmente relés de protección que implementan algoritmos de localización de fallas, para lo cual utilizan cálculos de impedancia de la L/T. Sobre la base de estos cálculos, una variedad de algoritmos de detección de falla han sido desarrollados e implementados en varios sistemas eléctricos. La detección de fallas en las L/T efectuado por el sistema de protección es eficaz, pero, es susceptible a varios errores, por ejemplo, debido al ajuste y calibración de los equipos, también por retrasos en su operación, ya que estos equipos son manejados por operadores y deben comunicar las anomalías al centro de control. Por otra parte, el sistema de protección no puede proveer información en tiempo real sobre la variación de los parámetros de la L/T y de las características de carga. Actualmente existen equipos que permiten tomar las mediciones necesarias para realizar el análisis de la operación de los sistemas eléctricosy de eventos de falla en tiempo real, como por ejemplo las unidades de medición fasorial (PMU). El uso de fasores permite simplificar los cálculos matemáticos y reducir la capacidad de procesar información para los diferentes escenarios de operación del SEP. Las PMUs son usadas en diferentes sistemas eléctricos alrededor del mundo, ya que permiten obtener datos análogos de voltaje y de corriente sincronizados en un GPS de cualquier parte del sistema eléctrico. Para este proyecto, se ha implementado un algoritmo para la detección de fallas en una L/T usando la información de la medición realizadas por las PMUs con la finalidad de proporcionar un nuevo método de detección. El algoritmo aprovecha la dinámica de propagación oscilatoria que resulta de los eventos de falla para lograr la detección de una condición anormal de operación. Para la detección de un evento de falla, el algoritmo hace uso de un detector de Máxima Probabilidad A-posteriori (MAP), el cual permite identificar entre varias hipótesis de eventos de falla, la más probable mediante el empleo de una prueba de hipótesis, lo que da una prueba de comparación simple. 3 1.1. OBJETIVOS 1.1.1. OBJETIVO GENERAL Implementar un programa que permita la detección de fallas en los Sistemas Eléctricos de Potencia. 1.1.2. OBJETIVOS ESPECÍFICOS Estudiar el funcionamiento de un algoritmo para la detección de fallas en las líneas de transmisión en un sistema eléctrico de potencia. Implementar un algoritmo de detección de Máxima Probabilidad A-posteriori (MAP) en el ambiente DPL del programa computacional PowerFactory de DIgSILENT, basado en el pre-computo de parámetros y en la estimación de estado para condiciones de operación normal y ante contingencias N-1. Realizar las pruebas de funcionamiento del programa implementado en diferentes sistemas eléctricos de potencia. 1.2. ALCANCE Se procederá a implementar un programa para la detección de fallas en L/T de un sistema eléctrico de potencia. El programa será realizado en el módulo DPL del software PowerFactory de DIgSILENT y se basará en la realización de pruebas de hipótesis o detección estadística de problemas para elegir la hipótesis más probable ante un evento anormal de operación. Para estas pruebas se utilizarán los modelos dinámicos linealizados correspondientes al SEP ante contingencias N-1 a diferentes condiciones de falla, frente a las mediciones sincrofasoriales obtenidas de un evento transitorio de operación. Un detector de Máxima Probabilidad A-posteriori (MAP) será desarrollado, lo que da una prueba de comparación para localizar la falla. 4 Una vez implementado el software se realizará pruebas de localización de fallas en diferentes sistemas eléctricos de potencia para hacer válido su funcionamiento. 1.3. JUSTIFICACIÓN DEL PROYECTO [2], [4] Las fallas en líneas de transmisión pueden potencialmente iniciar impactos en cascada que merman las condiciones operativas del sistema y eventualmente podrían provocar apagones, daños en equipos, deterioro en la calidad del servicio, etc. Uno de los efectos más adversos de estas fallas es la interrupción del suministro de energía, lo cual es sancionado por la LEY ORGÁNICA DEL SERVICIO PÚBLICO DE ENERGÍA ELÉCTRICA [5], y cuyas penalizaciones dependerán del tiempo empleado para la restauración del suministro de energía eléctrica. Por lo antes mencionado, es esencial que el SEP sea diseñado y operado de manera que el mismo pueda mantenerse en funcionamiento sin pérdida de carga y que las posibles contingencias no den lugar a interrupciones de energía. La ubicación exacta y rápida de fallas puede mejorar los tiempos de restauración y permitir el control en tiempo real de sus efectos en el sistema, mejorando la economía operativa y su confiabilidad. En un sistema eléctrico, los elevados niveles de transferencia de potencia pueden establecer condiciones de inestabilidad operativa y en tal sentido la utilización de nuevas tecnologías basadas en PMUs (Phasor Measurement Unit) constituyen una solución alternativa para el mejoramiento de la estabilidad del sistema. Las nuevas técnicas que permiten aprovechar las mediciones provenientes de un número limitado de PMUs, logran la ubicación e identificación de fallas; estas técnicas se fundamentan en el análisis de los diferentes eventos de falla con ayuda de la información en las mediciones provenientes de las PMUs. En la actualidad, existen técnicas que permiten detectar un evento de falla, basadas en ondas viajeras, redes neuronales, cálculos de la impedancia de línea, mapeo estadístico de las mediciones, entre otras. La diferencia de una técnica y otra está en la precisión y en su complejidad [6]. 5 CAPÍTULO II 2. FORMULACIÓN DEL PROBLEMA Y REVISIÓN DEL ESTADO DE ARTE El sistema eléctrico de potencia trabaja ante varias condiciones operativas, algunas de estas condiciones pueden llegar a ser peligrosas para su funcionamiento, por lo tanto es necesario realizar un estudio sobre la estabilidad del sistema eléctrico. En este capítulo se realiza una breve revisión de las anomalías en la operación de un sistema eléctrico, las cuales alteran la operación normal y que pueden llevar a la inestabilidad del sistema eléctrico. Motivo por el cual se realiza un breve análisis sobre estabilidad de un sistema eléctrico cuyo enfoque principal es la estabilidad de ángulo de rotor y análisis sobre el sincronismo de los generadores. En este capítulo también se plantea el modelo matemático sobre el cual se va a trabajar y que permite la implementación del algoritmo de detección de fallas, así como un breve resumen acerca de la prueba de hipótesis, mecanismo en el cual se basa el algoritmo a ser implementado. 2.1. MARCO TEÓRICO 2.1.1. ANORMALIDADES EN LA OPERACIÓN DE LOS SISTEMAS ELÉCTRICOS DE POTENCIA. [6], [7] Los eventos de falla y perturbaciones que se pueden dar en el sistema eléctrico de potencia deben ser detectados y suprimidos por el sistema de protecciones del mismo, para evitar el mal funcionamiento o fallas en cascada. 2.1.1.1. Tipos de falla en los Sistemas Eléctricos de Potencia Fallas Primarias: Son las que se originan en las líneas de transmisión a causa de descargas atmosféricas, ruptura de conductores, o contacto entre conductores. Éstas 6 también se originan por fallas en los transformadores de potencia o fallas en las máquinas sincrónicas debido al deterioro, contacto accidental o por sobrecarga de las mismas. Fallas Secundarias: Éstas ocurren debido al mal accionar del sistema de protección, generalmente a causa de una mala calibración, un mal ajuste, error en el diseño, falla en la conexión de los equipos o por disparos indeseados ocasionados por errores operacionales. Los elementos del SEP tienen diferentes tasas de frecuencia de falla durante su operación, tal como lo indica la Figura 2.1: Figura 2.1-Tasa de frecuencia de fallas en diferentes elementos del SEP. [8] Las fallas en el sistema eléctrico de potencia son clasificadas según la rapidez del transitorio provocado en el evento de falla, se clasifica en cuatro tipos, tal como lo indica la Figura 2.2: 7 Figura 2.2- Tiempo de duración de los transitorios. [9] Los eventos de falla más frecuentes en el sistema de transmisión son los cortocircuitos. Se denomina cortocircuito a cualquier evento que interfiere con el flujo normal de corriente, se producen por deterioro o flameo de los elementos aisladores, pérdida de las propiedades aislantes del medio (envejecimiento, calentamiento, contaminación, etc), sobrevoltajes o por diversos efectos mecánicos (roturas, deformaciones, desplazamiento, etc). [10] En las líneas de transmisión los cortocircuitos se producen con mayor frecuencia, debido al deterioro o por la contaminación de la cadena de aisladores, ruptura o movimiento de losconductores debido a la acción del viento, o por el contacto accidental de los conductores con objetos extraños o entre conductores, etc. Los cortocircuitos se clasifican en varias categorías; dependen del número de fases implicadas en la falla y a la existencia o no de una conexión a tierra. Las contingencias consideradas son cortocircuitos de diferentes tipos y estos son: · Falla trifásica (tres fases). · Falla bifásica (fase – fase). · Falla bifásica – tierra (fase – fase – tierra). 8 · Falla monofásica (fase – tierra). En un sistema eléctrico, las fallas monofásicas son más frecuentes (80%), seguidas de las fallas bifásicas (15%) y por último las fallas trifásicas (5%). [11] La falla trifásica a pesar de ser una falla no muy común, es la que generalmente se considera al realizar los estudios de cortocircuito debido a que representa la situación más desfavorable, generalmente, la de mayor intensidad de corriente de falla. 2.1.2. ESTUDIO DE ESTABILIDAD EN LOS SISTEMAS ELÉCTRICOS DE POTENCIA. [7], [12] La estabilidad del sistema eléctrico de potencia se basa en el estudio del comportamiento de las máquinas sincrónicas después de haber sido sometidas a algún tipo de perturbación. Si la perturbación involucra cambios en el flujo de potencia, como el desbalance entre de la potencia generada y la carga, es necesario un nuevo estado de operación. En el caso que no exista desbalance en el flujo de potencia, las máquinas sincrónicas retornan a su estado original de operación. En cualquier caso todas las máquinas sincrónicas interconectadas deben permanecer en sincronismo y operar en paralelo para tener una operación satisfactoria. Un sistema eléctrico de potencia puede ser estable para un disturbio e inestable para otros. El transitorio resultante de una perturbación del sistema es de naturaleza oscilatoria, que para sistemas estables estas oscilaciones son amortiguadas y llevan al sistema a una nueva condición de operación y de equilibrio. La respuesta del sistema eléctrico de potencia ante un disturbio puede involucrar la acción de varios equipos. Para una falla sobre un elemento crítico, la operación del sistema de protección causará cambios en los flujos de potencia, voltajes de las barras y velocidades del rotor de las máquinas sincrónicas. Los dispositivos utilizados en la protección deben responder a los cambios del sistema y aislar el equipo implicado en la falla, lo que posiblemente podría llevar a la inestabilidad del sistema eléctrico. 9 Si el sistema eléctrico de potencia pierde su estabilidad, el resultado sería una aceleración o desaceleración del rotor de las máquinas sincrónicas, lo cual provoca un progresivo incremento en la separación angular de los rotores, o en una posible disminución de valor de la magnitud de los voltajes de las barras del SEP. La inestabilidad del sistema eléctrico de potencia también puede ocurrir por el colapso de voltaje. Lo anteriormente mencionado ha llevado a la necesidad de establecer criterios de clasificación de estabilidad de los sistemas eléctricos de potencia. La Figura 2.3 brinda un mejor panorama del estudio de problemas de estabilidad en los sistemas eléctricos de potencia. El estudio de los problemas de estabilidad, permite identificar o detectar los factores que llevan al sistema a la inestabilidad, y poder formular métodos que permitan mejorar la operación del SEP. En este trabajo se estudia más a fondo la estabilidad de ángulo del rotor de las máquinas sincrónicas de un SEP, debido a que el interés se centra en el estudio del sincronismo de los generadores después de haber sido sometidos a un disturbio. 1 0 F ig u ra 2 .3 - C la si fic a ci ó n d e lo s es tu di o s d e e st a bi lid ad . [7 ] 11 2.1.3. ESTABILIDAD DE ÁNGULO DEL ROTOR [7] El estudio de la estabilidad del ángulo del rotor comprende la capacidad que tienen los generadores de un sistema eléctrico de potencia de permanecer en sincronismo una vez que el sistema haya sido sometido a algún tipo de perturbación, manteniendo o restaurando el equilibrio del torque electromagnético con el torque mecánico de cada máquina sincrónica. La inestabilidad de ángulo de rotor provoca un aumento de las oscilaciones angulares que conlleva a la pérdida del sincronismo del generador con los otros generadores del SEP. Una característica importante de la estabilidad angular del SEP es la relación entre la potencia de salida y la separación angular de los rotores de los generadores, la variación de la potencia de transferencia provoca el cambio de la velocidad de los rotores de los generadores del sistema eléctrico. Dependiendo de la relación ángulo-potencia, la diferencia angular hace que se transfiera parte de la carga del generador lento al generador más rápido. Lo cual reduce la diferencia de velocidad y por lo tanto la separación angular. Un aumento en la separación angular provoca una disminución de la potencia de transferencia, dando como resultado que la separación angular se incrementa aún más. Cuando un sistema eléctrico de potencia no puede absorber la energía cinética de las diferencias de las velocidades de los rotores, el resultado es la inestabilidad. El estudio de estabilidad del ángulo de rotor se clasifica en: · Estabilidad Transitoria. · Estabilidad de pequeña señal. 2.1.3.1. Estabilidad transitoria. Es la capacidad del sistema eléctrico de potencia de permanecer en sincronismo después de que ocurra un gran disturbio transitorio. El sistema eléctrico de potencia es influenciado por la relación no lineal potencia-ángulo que depende del estado inicial y de la severidad de la perturbación. 12 Los períodos de estudio de estabilidad angular transitoria por lo general van de 3 a 5 segundos después del disturbio, y en ocasiones se extiende de 10 a 20 segundos para sistemas muy grandes. La pérdida del sincronismo será evidente generalmente en el plazo de de 2 a 3 segundos ocurrido la perturbación inicial. 2.1.3.2. Estabilidad de pequeña señal. Es la capacidad del sistema eléctrico de potencia de permanecer en sincronismo ante la presencia de pequeños disturbios que ocurren debido a pequeñas variaciones en las cargas o en la generación, las cuales resultan en pequeños cambios en la relación angular, velocidad y potencia de los generadores del sistema eléctrico de potencia. El estudio de estabilidad depende de la operación inicial del sistema. Ante mínimas perturbaciones se hace posible la linealización y representación del sistema eléctrico a través de ecuaciones diferenciales-algebraicas; el tiempo de análisis aborda entre los 10 a 20 segundos después de haber ocurrido la perturbación. Las oscilaciones que aparecen en el sistema eléctrico de potencia se deben al efecto de la atenuación de los devanados de amortiguamiento de los generadores, estos devanados amortiguan limitadamente las oscilaciones. Los devanados de amortiguación no resuelven el problema de las oscilaciones de pequeña señal, ya que su efecto amortiguador entre áreas es mínima por la presencia de la impedancia externa del resto del sistema y por la impedancia del estator; estas impedancias provocan que las oscilaciones no puedan ser completamente amortiguadas. Para solucionar estos inconvenientes, se hace necesario el uso de controles automáticos, que proporcionan amortiguamiento negativo para atenuar las oscilaciones que provocan variaciones en la potencia de carga o de generación. 13 2.1.4. MODELO MATEMÁTICO DE LOS ELEMENTOS DEL SEP PARA EL ESTUDIO DE LA DINÁMICA DE OSCILACIÓN. [12], [2], [7] 2.1.4.1. Generador Sincrónico. Su función principal es la conversión de energía mecánica en energía eléctrica, obteniendo en sus terminales un valor de voltaje a una frecuencia determinada manteniendo constante la velocidad del rotor.Para lo cual, el generador es conectado a una turbina para regular el flujo de energía mecánica de entrada y mantener constante la velocidad de rotación del eje. Para realizar el análisis de estabilidad de sistemas eléctricos de potencia, es conveniente referirse a la posición del rotor del generador con respecto a una referencia sincrónica, se define al ángulo del rotor ! como el ángulo entre el eje de cuadratura del generador y la referencia sincrónica: ! = "# $ %&' (2.1) donde: "#: Posición del rotor con respecto a una referencia fija. %&: Velocidad sincrónica. Comportamiento Mecánico Las ecuaciones que describen el comportamiento mecánico establecen algunas presunciones: 1) La potencia mecánica del eje del generador permanece constante, 2) Se desprecian las pérdidas rotacionales 3) La desviación de la velocidad del rotor es pequeña en comparación con la velocidad sincrónica. 14 Asumiendo esas presunciones, la ecuación diferencial que describe el movimiento relativo del eje del rotor respecto de los ejes del campo magnético rotatorio queda expresada por: ()*+", *'+-. = /0 = /, $ /1222[34] (2.2) donde: (: Momento de inercia. [kg.m²]. ",: Desplazamiento angular del rotor. [rad] ': Tiempo [s] /0: Torque de aceleración [N-m] /,: Torque mecánico entregado por la fuente de energía primaria menos el torque de retardo debido a las pérdidas rotacionales, [N-m] /12: Torque eléctrico. [N-m] Un sistema en estado estable cumple con /, $ /1 = 5, lo cual representa que el generador trabaja a velocidad sincrónica. ", se mide con respecto al eje estacionario sobre el estator, es más conveniente medir la posición angular del rotor con respecto al eje de referencia que rota a la velocidad sincrónica, por lo tanto: ", = %&,' 6 !,22[78*], (2.3) donde: %&,: Velocidad sincrónica del generador. !,: Desplazamiento angular del rotor medido desde el eje de referencia que rota a velocidad sincrónica. 15 Aplicando la primera y segunda derivando a la ecuación (2.3) respecto al tiempo ', se obtiene: *", *'. = %&, 6 *! *'. 22[rad9s] (2.4) *²", *'². = *²! *'². 22[rad9s²] (2.5) donde: *! *'. : Desviación de la velocidad del rotor respecto a la velocidad sincrónica. *²! *'². : Variación de la velocidad del rotor. Las ecuaciones diferenciales de primer orden (2.4) y (2.5) al sustituirlas en la ecuación (2.2), y usando la expresión *", *'. = %,, se obtiene: (%, )*+!, *'+. - = ;, $ ;1 = ;0 2[<] (2.6) donde: ;,: Potencia de entrada o primaria. ;1: Potencia eléctrica formada en el entrehierro. P>: Potencia de aceleración, resultado del desbalance entre ;,22y2;1. En los parámetros de los generadores se encuentra el valor de una constante que relaciona la inercia del generador, esta se llama constante de inercia ? y se define por: ? = @A1#Bí02CDAéEDC020F,0C1A0G0202H1FICDG0G2&DAC#óADC02[JK] L0M0CDG0G2G1F2N1A1#0GI#2[JOQ] = R + 2(S %&,+ T,0UV 2[WS XS ] (2.7) Y realizando el reemplazo en la ecuación (2.6), se obtiene: )Y? %&-). *+! *'+. - = ;, $ ;1 = ;0 2[WS XS ] (2.8) 16 Donde la ecuación (2.8), es la ecuación fundamental de la dinámica rotacional, la cual representa la ecuación de oscilación del generador. Esta ecuación diferencial de segundo orden se puede escribir en dos ecuaciones diferenciales de primer orden: )Y? %&-. )*% *'. - = ;, $ ;12[WS XS ]22 (2.9) *! *'. = % $ %& (2.10) Comportamiento Eléctrico Para cambios rápidos de las condiciones externas de los generadores sincrónicos, las relaciones de régimen permanente no son válidas ya que los enlaces de flujo no varían instantáneamente, esto hace que sea necesario el uso de ecuaciones diferenciales que describan este comportamiento. Para el caso de los generadores sincrónicos de polos salientes, son analizadas en componentes de eje directo * y en eje de cuadrantura Z, las ecuaciones que expresan el efecto transitorio en los ejes directo y de cuadratura son: Modelo de efecto transitorio en eje de cuadratura: *\U^ *'. = )_ /^GI. -`$\Ub $ )cG $ cG^-2eG 6 \fGg (2.11) Modelo de efecto transitorio en eje directo *\G^ *'. = )_ /^UI-. `$\Gb $ `cU $ cU^geUg (2.12) donde: /^GI: Constante de Tiempo asociada al eje directo /^UI: Constante de Tiempo asociada al eje de cuadratura \Ub : Voltaje transitorio interno de eje de cuadratura del generador \Gb : Voltaje transitorio interno de eje directo de generador 17 cU : Reactancia sincrónica de eje de cuadratura cUb : Reactancia transitoria de eje de cuadratura cG : Reactancia sincrónica de eje directo cG^ : Reactancia transitoria de eje directo eU: Corriente de armadura de eje de cuadratura eG: Corriente de armadura de eje directo \fG: Voltaje del devanado de campo del generador sincrónico. 2.1.4.2. Sistema de Control de Generadores Sincrónicos. [2], [7] Sistema de Excitación Figura 2.4- Representación de un sistema de excitación. [7] El sistema de excitación provee de corriente al devanado de campo para obtener un voltaje constante en las terminales del generador. El sistema de excitación responde ante algún cambio del valor de voltaje de las terminales del generador, logra mantener al voltaje terminal en el valor preestablecido de operación y así mantener la estabilidad del sistema. La Figura 2.4 detalla el esquema del sistema de excitación. 18 La ecuación diferencial de voltaje del devanado de campo para el régimen transitorio es la siguiente: *\fG^ *'. = )_ /Q. - h$\fGb 6 iQ`j#1f $ jE 6 jkgl (2.13) donde: \fG: Voltaje del devanado de campo del generador sincrónico. /Q: Constante del control de tiempo. iQ: Controlador de Ganancia. j#1f: Voltaje de referencia del generador sincrónico. jE: Voltaje de la terminal del generador sincrónico. jk: Voltaje de salida del estabilizador de potencia que sirve como señal de entrada a la excitatriz. Regulador de Velocidad En las centrales de generación es posible mantener el torque mecánico a un valor constante mediante el control de flujo de la energía primaria, pero la carga es dinámica y en todo instante origina desequilibrios entre torques. Frente esto, es necesaria la inyección controlada de energía primaria utilizada para realizar el proceso de generación de energía eléctrica. Las señales que indican el desequilibrio de torques del sistema son la velocidad del rotor y frecuencia del generador. Estas señales permiten configurar al regulador de velocidad sobre la potencia mecánica de entrada. La Figura 2.5 representa al sistema de regulación de velocidad para lo cual se describe la ecuación de la potencia de la turbina para el régimen transitorio, es la siguiente: 19 *;,^ *'. = _ /mn. h$;,b 6%#1f)_ $ o-l (2.14) donde: ;,: Potencia de la turbina del generador sincrónico. %#1f: Velocidad sincrónica de referencia. /mn: Constante de tiempo del gobernador. o: Velocidad angular de la máquina sincrónica. Figura 2.5 Representación de un regulador de velocidad. [7] Estabilizador de Potencia (PSS) El PSS añade amortiguación a las oscilaciones del rotor a través del sistema de excitación del generador, extiende los rangos de estabilidad y mejora la operación del SEP. Cuando el SEP trabajaen los límites de estabilidad, existe una mayor probabilidad de oscilaciones electromecánicas en un rango entre 0,1 y 2,5 Hz, las cuales limitan la capacidad de las L/T produciendo perdida del sincronismo del SEP. El PSS mide las señales de estado dinámico y modula la diferencia del voltaje de referencia con el voltaje del AVR, con la finalidad de producir torque de amortiguamiento que este en fase con la velocidad de referencia y así compensar el 20 desfase existente entre el generador, sistema de excitación y la carga. La Figura 2.6 es una representación del PSS. Figura 2.6- Representación de un PSS. [7] Las ecuaciones de la dinámica del PSS para el régimen transitorio son las siguientes: *j,^ *'. = $j,^ /p. 6 `)i&E0q Y?-. );, $ ;N-g (2.15) *jk^ *'. = $j&^ /+. 6 j,^ /+. $ /R /p/+. t j,b 6 `i&E0q t /R Y? t /+. );, $ ;N-g (2.16) donde: j,: Señal de filtro pasa alto, el cual permite que el PSS responda solo a cambios oscilatorios de la velocidad, además de filtrar componentes continuas y no periódicas. /u: Constante de tiempo. i&E0q: Constante de amplificación del estabilizador, determina la cantidad de amortiguamiento que entrega el PSS. v: Constante de inercia de la máquina sincrónica. Pw: Potencia mecánica de entrada. 21 Px: Potencia generada. zR2{2z+: Constantes de tiempo para la compensación de fase. j|: Voltaje de salida del PSS, el cual provee la compensación de fase, el cual sirve para compensar el atraso de fase entre la entrada de la excitatriz y el torque eléctrico del generador. 2.1.4.3. Variables algebraicas que representan al SEP. Son las variables que permiten estudiar la interconexión del generador con el resto de la red eléctrica. Para lo cual se establecen las ecuaciones algebraicas de interface entre generador-red y las ecuaciones algebraicas de la red de transmisión y características de las barras del sistema, tales como las ecuaciones de voltaje y corriente de los ejes directo y de cuadratura y las ecuaciones de potencia activa y reactiva de cada barra del SEP. Esas ecuaciones son: jG = jD s}~)!D $ "D- (2.17) jU = jD ��s)!D $ "D- (2.18) eG = )_ �Gb-2. `\U $ jD ��s)!D $ "D-g (2.19) eU = _ �Ub. )$\G 6 jD s}~)!D $ "D-- (2.20) ;D = � �D�jDj�`��s) "D� 6 !� $ !D-gA��R (2.21) �D = $� �D�jDj� s}~)"D� 6 !� $ !D-A��R (2.22) donde: jG2{2jU2: Voltaje de eje directo y eje de cuadrantura respectivamente. eG 2{2eU: Corriente del eje directo y del eje de cuadrantura respectivamente. jD: Voltaje de la barra �. 22 !D: Ángulo de la barra �. "D�: Ángulo de la impedancia entre la barra � y la barra �. �D�: Componente �� � de la matriz de admitancias del sistema eléctrico entre la barra � y la barra �. ;D: Potencia activa de la barra �. �D: Potencia reactiva de la barra �. 2.1.5. MODELO DINÁMICO DEL SISTEMA ELÉCTRICO DE POTENCIA. [7], [13] Figura 2.7- Estructura del modelo completo del SEP para análisis oscilatorio. La Figura 2.7 detalla la representación general de la estructura del modelo del SEP para un análisis de estabilidad. El sistema es un modelo de uno o un conjunto de dispositivos que permite realizar un análisis cuantitativo para hallar las respuestas a las diferentes señales de entrada y un análisis cualitativo que permite analizar la estabilidad del sistema. El SEP tiene un comportamiento no lineal que opera 23 dependiendo de la configuración del sistema y de su operación, por ejemplo, cambios en la carga, salida de generadores, presencia de disturbios o cambios en los parámetros de operación. La representación del sistema incluye modelos para los siguientes componentes: · Generadores sincrónicos y su sistema control. · Sistema de transmisión que interconecta al conjunto de generadores y demás elementos del sistema incluyendo a las cargas estáticas. El modelo no lineal del sistema consiste de un gran grupo de ecuaciones diferenciales ordinarias y de ecuaciones algebraicas. 2.1.5.1. Estado y Ecuación de Estado. El estado de un sistema, es el conjunto de variables llamadas variables de estado, las cuales contienen la suficiente información de los antecedentes del sistema y que permiten calcular los estados futuros. Las ecuaciones de estado son constituidas por un conjunto de ecuaciones diferenciales de primer orden que describen el comportamiento del sistema. La dimensión del sistema es definida por el número de variables de estado. La representación del SEP, se la hace mediante un conjunto de � ecuaciones diferenciales ordinarias de primer orden, así: �� = �)�� X- (2.23) Donde el vector de estado �, contiene las variables del estado de los generadores, generalmente ángulos de las máquinas sincrónicas, velocidad angular, voltaje interno del eje de cuadrantura y eje directo, voltaje del devanado de campo, etc. Las variables algebraicas de entrada, están contenidas por el vector X, que generalmente son las magnitudes de ángulos y voltajes de las barras del SEP. 24 Las variables de salida se pueden expresar en términos de las variables de estado y de las variables algebraicas de entrada, tienen en la siguiente forma: y = �)�� X- (2.24) La estabilidad del SEP puede ser estudiada mediante la linealización del sistema de ecuaciones diferenciales no lineales alrededor de un punto de equilibrio. Para la linealización de la ecuación usamos las expresiones �� que representa al vector de variables de estado inicial y X� es el vector de variables de entrada inicial medidos en el punto de equilibrio del cual se está analizando la operación del sistema. Para una operación en equilibrio, se tiene: ��� = �)��2� X�- = 5 (2.25) Cuando el sistema es sometido a un disturbio, se obtiene: � = �� 6 �� X = X� 6 �� (2.26) De ahí la necesidad de determinar un nuevo estado para satisfacer a la ecuación (2.23): �� = ��� 6 ��� = �[)�� 6 ��-� )X� 6 ��-] ( 2.27) Las funciones no lineales �)�� X- se pueden representar en expansión de series de Taylor. Despreciando los términos que involucran potencias de segundo y orden superior de �� y �X. El resultado es un sistema lineal cuya solución es una combinación lineal de las funciones exponenciales complejas, el mismo resultado se aplica para el sistema diferencial algebraico, se obtiene: ��� = �2�� 6 �2�X = �)�� X- (2.28) ),( uxguDxCy =D×+D×= (2.29) 25 Las matrices �� �� �2{2� son derivadas parciales de las funciones �2{2 g respecto a las variables �2{2X evaluadas en el punto de equilibrio ���2para este proyecto el punto de equilibrio es el estado estable de post-falla del sistema. Para determinar las matrices �� �� �2{2�, se procede de la siguiente manera: � = � � �f���� � �f����� ��f���� � �f����¡ ¢ � = � � �f��£� � �f��£¤� ��f��£� � �f��£¤¡ ¢ � = � � �n���� � �n����� ��n¥��� � �n¥���¡ ¢ � = � � �n��£� � �n��£¤� ��n¥�£� � �n¥�£¤¡ ¢ (2.30) donde: ��: Vector de estado de dimensión �. �{: Vector de salida de dimensión W. �X: Vector de entrada de dimensión 7. �: Matriz de estado o de planta, de tamaño � × �. �: Matriz de entrada o decontrol, de tamaño � × 7. �: Matriz de salida, de tamaño 4 × �. �: Matriz con la relación entre la entrada y salida del sistema, tamaño 4 × 7. La matriz D incluye el Jacobiano del flujo de potencia (fM, ya que la función �)�� X- contiene las ecuaciones del flujo del sistema entre otras. Cuando (fM es singular, la matriz D no tiene inversa e impide la linealización del sistema, por lo cual la determinación de un valor propio con un valor de cero o cercano a cero en (fM se puede utilizar para determinar la inestabilidad del sistema. 26 Por otro lado (fM puede ser invertible y aún así puede existir inestabilidad en el sistema eléctrico. [13] � = � ¦� §¨R§XR � §¨R§X#� �§¨,§XR � §¨,§X#¡ ©¢ Bajo el supuesto de que la matriz D es invertible y despejando correctamente las ecuaciones 29 y 30, se obtiene: ��� = )� $ ��ªR�-S �� = (kS �� (2.31) Para las desviaciones en estado discreto, se tiene: ��[«] = ��)«�'- (2.32) donde: �': es el intervalo de tiempo de muestreo en segundos y « = _� Y� ¬S Las desviaciones se rigen por la ecuación de estado en tiempo discreto, la siguiente expresión permite el estudio de la linealización del sistema a un punto de equilibrio de operación: ��[« 6 _] = ��[«] (2.33) donde: = ®)K¯�E-. (2.34) Cuando «2 = 25, el cual corresponde al primer estado después del despeje de fallas. Además, se observa que el vector de estado en el tiempo «�', está dado por �[«] = ��[«] 6 �M (2.35) 27 2.1.6. DETECCIÓN O PRUEBA DE HIPÓTESIS. [14], [15] Un parámetro puede ser estimado a partir de un dato o un conjunto de datos. En muchos casos, el propósito de una investigación no se encuentra en estimar un valor determinado, sino más bien elegir entre posibles opciones cual es la correcta para algún estudio en particular, esto se consigue mediante una inferencia estadística llamada prueba de hipótesis. 2.1.6.1. Estudio de Probabilidades La probabilidad es la medida de la certeza que ocurra un evento, cuyo resultado se desconoce y existe incertidumbre en cualquier situación de los posibles sucesos. El estudio de la probabilidad permite establecer a cada evento “�” un valor 2;)�-, denominado probabilidad del evento “�”, esto corresponde a una medida del evento. Todas las probabilidades deben cumplir: · ;)�- ° 5. · ;)T- = _; donde S es el espacio muestral que contiene todos los posibles resultados de un experimento. · Sea �R2�+� �±,… un conjunto de eventos excluyentes, ;)�R 2³ 2�+ 2³ 2�± 2³ ¬ S - =´ ;)�D-µ D�R Probabilidad a priori Se define como el grado de certeza de una probabilidad ;)�- ante la falta de información. Probabilidad a posteriori Conocida también como condicional ;)�¶�-, se define como el grado de certeza de una proposición tras observaciones asociadas a ella. 28 El objetivo de una inferencia estadística es usar cantidades conocidas que junto con un modelo paramétrico se pueda hacer inferencias sobre las cantidades desconocidas. Aplicando la definición de probabilidad condicional (Teorema de Bayes), se tiene: ;)�D¶�- = ;)�¶�D-;)�D- ;)�-. , (2.36) Donde 2;)�D- es la probabilidad a priori, ;)�D¶�- es la probabilidad a posteriori, y ;)�¶�D- es la verosimilitud. El objetivo consiste en determinar ;)�D¶�-, el teorema de Bayes parte de la situación en que se conoce las probabilidades de que ocurran “�D”. Se añade un evento “·” cuya certeza de ocurrencia proporciona relevante información debido que las probabilidades de que ocurra “·” son distintas al evento “�D”. Ante la afirmación de que ha ocurrido el evento “·”, la ecuación (2.36) indica cómo se modifica la información de las probabilidades “�D”. 2.1.6.2. Prueba de Hipótesis [14], [15] La hipótesis es la aseveración de un determinado fenómeno, que permite dar inicio al proceso de la formulación de cierto conocimiento. La característica elemental de una hipótesis es la formulación de la proposición, ya que debe ser comprobada para transformarse en una proposición verdadera. Para validar una hipótesis, se puede recurrir a observaciones, teorías, hipótesis convalidadas, análisis críticos relacionados al tema en estudio. Una hipótesis se plantea en forma de afirmación, y es ahí donde se necesita validar tal afirmación con la finalidad de mantenerla, alterarla o desecharla, dependiendo de la necesidad del tema en estudio. La hipótesis nula (?�), es la que se considera como una proposición verdadera al inicio de la prueba. La hipótesis alternativa (?R), es la proposición contradictoria a la hipótesis nula. En cualquier caso, una prueba de hipótesis considera la existencia de 29 una o varias hipótesis, que con base a la información muestral se decidirá cuál hipótesis es la correcta. Una prueba de hipótesis es un método que utiliza información muestral para decidir si ?� debe ser rechazada o no. Se podría probar con ?�:2¸ = 4 contra ?R:2¸ ¹ 4. Si la información muestral sugiere fuertemente que ¸ es diferente de m, se deberá rechazar ?�, caso contrario, ?� no debe ser rechazada. Figura 2.8- Distribución de una variable dentro de una curva normal. [16] Para realizar una prueba estadística se observa la distribución de datos bajo la hipótesis nula, si observamos un valor inusual, por ejemplo uno que sea menor del 5% o mayor del 95% de probabilidad de que ocurra, entonces se rechaza la hipótesis nula en favor de la alternativa. (El 5% de probabilidad se conoce como el nivel de significación de la prueba.) Si el valor no es inusual, no se rechaza la hipótesis nula, como se aprecia en la Figura 2.8. El procedimiento de la prueba, consiste en desarrollar una regla que basada en los datos muestrales, se decide si rechazar o no a ?� y cual de las hipótesis alternativas se va a aceptar. Este procedimiento consta de dos parámetros: 1. Estadístico de prueba, es una función de la información muestral del cual se basa la decisión de rechazar o no ?�. 2. Región de rechazo, es el conjunto de todos los valores estadísticos por los cuales ?� será rechazada. 30 Para elegir la región de rechazo se debe considerar los errores que se podrían presentar al determinar una conclusión. En el proceso de rechazar o aceptar una hipótesis se pueden cometer dos posibles errores: 1. Error de Tipo I: rechazar ?� cuando es correcta. 2. Error de Tipo II: aceptar ?� cuando es incorrecta. La probabilidad de cometer estos errores se representan por: 1. º = probabilidad de rechazar ?� (error de Tipo I). 2. » = probabilidad de aceptar ?� (error de Tipo II). Habitualmente se fija el valor de º y se denomina nivel de significación (º = ¼½-, mientras que _ $ » se conoce como potencia de la prueba (_ $ » = ¾5½). Por tanto tenemos las siguientes posibilidades: a) Si se fijan º y » se podría calcular el tamaño de muestra � necesario. b) Si se fijan º y � se podría determinar la potencia de la prueba. La función de potencia se define como la probabilidad de rechazar la hipótesis nula cuando la alternativa es verdadera, esta potencia depende del valor de la hipótesis alternativa y del tamaño de la muestra. Para realizar una correcta prueba estadística hay que tener en cuenta estos errores y tratar de reducirlos al mínimo. 2.2. ESTADO DEL ARTE Y FORMULACIÓN DEL PROBLEMA [4], [17], [18] En una topografía con una alta tasa de probabilidad de eventos de falla debido a diversas condiciones de operación, frecuentemente ocurren interrupciones indeseadas del servicio de energía eléctrica. Por tal motivo, es necesario el desarrollo de métodos rápidos y confiables para detectar estos eventos en las líneas 31 de transmisión y así poderreducir los tiempos de indisposición de la línea o equipos del SEP. Para realizar un análisis de eventos de fallas en el SEP, se utilizan diferentes herramientas digitales o analógicas que brindan la información del sistema, las principales son: · SOE (Sequence of Events), almacena las señales registradas por los sistemas de control y protección. · SCADA, que presenta una base de datos que almacena los estados de cada equipo que componen al SEP. · Registros oscilográficos capturados por IED’s (Intelligent Electronic Device), tales como los relés de protección numérica y los DFR (Digital Fault Recorder). Entre las técnicas para el desarrollo de algoritmos tenemos: · Técnicas basadas en la modelación de la L/T a través de ecuaciones diferenciales. · Técnicas basadas en el procesamiento de ondas viajeras producto de un evento de falla. · Técnicas que procesan las señales de voltaje y corriente de L/T. · Técnicas que utilizan inteligencia artificial como redes neuronales artificiales y redes neuronales híbridas. 2.2.1. ESTADO DEL ARTE Se analizan algunos algoritmos que fueron desarrollados con el objetivo de detectar fallas en líneas en el SEP. Los algoritmos presentan una aproximación a la detección de un evento de falla, con margen de error que es proporcional a varios factores que dependen de la complejidad de la red, topología, riesgos, etc. 32 El algoritmo presentado en [19], es implementado en un relé digital de protección para lograr estimar la distancia al punto de falla determinando el porcentaje de la longitud de la línea. El algoritmo asume que la fuente de energía se conecta a un terminal de la línea para tomar las señales de voltaje y corriente provenientes de los transformadores de corriente y potencial y así calcular la relación de la impedancia de falla con la impedancia de línea como una función del ángulo formado por la impedancia de falla. El algoritmo presentado en [20], considera el efecto de los extremos de la línea sobre la falla. Este algoritmo usa voltajes y corrientes de pre-falla para poder determinar variaciones de éstas magnitudes y así poder calcular la distancia al punto de falla en función de esas variaciones. El algoritmo presentado en [21], propone un método iterativo, el cual modela el área de interés por medio de parámetros concentrados donde la impedancia y ubicación de la falla se desconocen. Las variables de entrada usadas en el modelo son los voltajes obtenidos de los registros oscilográficos ubicados en los extremos de la línea. Las corrientes se determinan en la salida del modelo y se comparan con las mediciones de las corrientes reales. La ubicación de la falla y la impedancia de falla van variando sus valores de forma iterativa, hasta que la diferencia entre las corrientes sea la mínima. El algoritmo de detección de fallas en L/T presentado en [22], usa técnicas basadas en el procesamiento de ondas viajeras, estas técnicas pueden identificar rasgos distinguibles de los frentes de onda. Este algoritmo usa el primer frente de onda generada por el colapso de voltaje en el punto de origen del evento de falla con la finalidad de determinar si se encuentra dentro o fuera del área de protección de la red. Además, propone el uso de técnicas de análisis de la componente principal de las señales transitorias tanto de voltaje y de corriente. Las ondas viajeras generadas por la presencia de un disturbio en una L/T se dividen en onda reflejada y en onda transmitida, los frentes de onda viajera al propagarse presentan una alteración en su contorno al momento de atravesar una discontinuidad, esto provoca un cambio en el 33 valor de la impedancia, este cambio del valor de la impedancia es detectada por el algoritmo. Existen algoritmos basados en técnicas de inteligencia artificial, por ejemplo las redes neuronales, las cuales implementan una técnica que imitan al proceso de aprendizaje del cerebro humano. A cada neurona pueden llegar miles de señales de entrada, cada una con una fuerza diferente, en la cual se obtiene un nivel de activación de la neurona, la cual emite una señal de salida que es enviada a cada neurona a la que está conectada. La red neuronal artificial (RNA) es un sistema compuesto de elementos procesadores simples, conectados en paralelo y cuya función es determinada por la estructura de la red, la fuerza de las conexiones y el procesamiento de información de los elementos del SEP. El algoritmo presentado en [23], utiliza señales de las componentes de secuencia de corriente super-impuestas, estas señales se obtienen de la diferencia entre la muestra de corriente de la operación actual y la muestra de corriente de la operación del ciclo anterior. Las magnitudes de cada componente de secuencia son comparadas con la magnitud de la misma componente de secuencia tomada un ciclo antes, si existe una diferencia considerada, entonces se asume la existencia de una anomalía en el sistema. Este método permite clasificar diferentes tipos de fallas y es evaluado usando varias propiedades de fallas, obteniendo buenos resultados para diferentes combinaciones de condiciones de fallas, como: tipo de falla, resistencia de falla, localización de falla, dirección de flujo de potencia pre-falla y nivel de cortocircuito del sistema. El algoritmo presentado en [24], utiliza el sistema ANFIS (sistema adaptativo de inferencia Neuro-Difusas) para localizar fallas en términos de sus coordenadas geométricas y en las propiedades del tipo de falla. Con el uso de varios ANFIS en serie y paralelo, se toman los valores RMS de corrientes trifásicas post-falla; las salidas representan las coordenadas del punto de falla y un número en el rango de 0 y 10, los cuales representan el tipo de falla. 34 El algoritmo presentado en [25], también implementa técnicas neuro-difusas para clasificar las fallas del sistema, esta técnica se basa en el estudio de la relación entre las componentes simétricas de corriente de falla y de la corriente nominal para obtener valores que determinen la existencia o no de la falla, y posteriormente clasificarla. El modelo desarrollado en [26], es un localizador del punto de falla monofásica en el SEP, que a través de técnicas de inteligencia artificial RNA y ANFIS, las cuales permiten estimar la localización del punto de falla para baja, media y alta impedancia. Las señales que son analizadas son los fasores super-impuestos de corriente y voltaje, los cuales se calculan mediante la diferencia de un ciclo completo de corriente y voltaje en pre-falla y post-falla. Posteriormente a través de un filtro de Fourier se obtiene la magnitud y ángulo de los fasores del primer y tercer armónico de las señales de voltaje y corriente, estos armónicos determinan la existencia del evento de falla. El análisis de esta literatura permite conocer diferentes métodos de detección de fallas e implementar nuevos algoritmos, esto representa un gran reto que depende de la complejidad, estructura y condiciones de la operación del SEP. Los algoritmos presentan variaciones uno de otros, como en la forma de aplicación, procesamiento de datos, requerimiento de información, etc. Todas estas variaciones tienen como finalidad disminuir la complejidad de las ecuaciones en uso o simplificar variables que están presentes en esas ecuaciones. Los algoritmos basados en el análisis de ondas viajeras proporcionan una metodología rápida para la detección y la localización de la falla pero la propagación de la onda viajera puede ser afectada por los parámetros y la configuración del SEP; además presenta otras dificultades, como en los casos de que las fallas ocurran cerca de las barras o para aquellas que ocurren en el cruce por cero de la onda de voltaje; adicionalmente presentan dificultades en las simulaciones debido a la alta complejidad. 35 Losalgoritmos que usan la medición de las magnitudes de la componente fundamental del voltaje y corriente en el terminal de la línea, dependen de la información disponible en los transformadores de medida, instalados en las subestaciones; además son fáciles de implementar mediante simulación, pero susceptibles a fallas en la medición. Los métodos que usan información de ambos extremos de la línea de transmisión presentan resultados más precisos, a pesar de esto su utilización no es muy difundida debido a la transferencia de información a largas distancias, además de la sincronización de las señales en ambos extremos por lo cual el proceso de adquisición de datos es más complejo. La metodología usada en cada algoritmo depende de muchos factores como la estructura del SEP, las variables de análisis, la tecnología para su implementación, entre otras. El uso de diferentes tecnologías como relés de protección o inteligencia artificial han sido la base para el desarrollo de varios algoritmos. Cronológicamente se puede apreciar como los algoritmos se vuelven más complejos, todo esto dependiendo del avance tecnológico que ayude a cumplir con los objetivos de protección al SEP. Si bien la detección de fallas es efectiva, el SEP afronta otros problemas como son la supervisión y control en tiempo real de su operación. Para realizar la supervisión de la diferencia angular entre dos puntos del SEP se lo puede realizar mediante el uso de estimadores de estado que calcula el valor estimado del ángulo de los diferentes puntos. Debido a que el sistema tradicional de medición no permite realizar una supervisión del ángulo en los diferentes puntos del SEP en tiempo real, el uso de nuevas tecnologías en medición dispondrían una medición en tiempo real de los fasores de voltaje y corriente de las barras del SEP y con ello apreciar de forma gráfica el ángulo mejorando la calidad de supervisión y prevenir problemas de inestabilidad. [4] Hoy en día muchos sistemas eléctricos trabajan cerca de sus límites operacionales, por lo que un incremento en la diferencia angular entre dos puntos podría generar problemas de inestabilidad. Los centros de control tratan de supervisar en tiempo real los ángulos relativos de fase de todos los voltajes y corrientes de las barras del 36 SEP, antes no era posible esa tarea debido a la falta de capacidad en el procesamiento de información y ante la dificultad de la recolección, coordinación y sincronización de los datos sistema. Las nuevas tecnologías han dado un cambio a esta situación. Las Unidades de Medición Fasorial conocidos como PMU (Phasor Measurement Unit) que mediante tecnología satelital pueden realizar tareas para la supervisión, protección, análisis y control del SEP en tiempo real. [3] Cuando dos sistemas eléctricos se interconectan existe el riesgo de que un problema en la interconexión ocasione una pérdida considerable de carga, de la misma manera, si en una línea de transmisión se produce un evento de falla se produce el disparo de la línea y se podría producir un incremento de la diferencia angular entre los dos puntos de la línea o de la interconexión, por esta razón es necesario instalar sistemas de medición que permitan calcular los ángulos de fase y con ello poder realizar una supervisión en tiempo real del SEP. Los sincrofasores proporcionan mediciones de las respuestas del SEP (como ángulos, frecuencia y voltajes de las barras del SEP), esta nueva tecnología abre un nuevo campo de investigación para el control y protección de sistemas eléctricos frente a los sistemas tradicionales. [4] Frente a las ventajas en el uso de unidades de medición sincrofasorial, se ve la necesidad de implementar un algoritmo que pueda ayudarse de este recurso para detectar fallas en las líneas de transmisión. El algoritmo a implementar se abstrae a una prueba de hipótesis, en el que los modelos dinámicos linealizados del SEP que corresponden a las diferentes condiciones de falla deben ser distinguidos de las mediciones realizadas a un evento de falla. El problema de detección se basa en determinar que evento de falla ha ocurrido empleando datos de medición de las PMUs una vez que se ha despejado el evento de falla. La PMUs son instalados en el sistema eléctrico, estos datos se suponen que están disponibles en tiempo real, estas mediciones proporcionan datos sobre de los transitorios producto del evento de falla, después las señales de las PMUs se almacenan en el Concentrador de Datos (PDC), tal como lo indica la Figura 2.9. [18] 37 Figura 2.9- Red de Sincrofasores. [3] Estimación del ángulo de máquina mediante las mediciones fasoriales 2.2.1.1. Metodologías para determinar el ángulo de máquina (¿) Para la implementación del algoritmo es necesario realizar una correcta estimación del ángulo de rotor y de la velocidad del los generadores del sistema eléctrico, ya que la medición fasorial nos entrega información de los fasores de voltaje y corriente de las barras del sistema eléctrico. Para implementar el algoritmo se necesita la estimación del ángulo de rotor y de la velocidad de la máquina la cual será comparada con las obtenidas en la linealización del sistema y la regla de detección MAP será la encargada de determinar que evento de falla ocurrió. Para realizar estudios de estabilidad y analizar los problemas relacionados con el control de los niveles de voltaje y frecuencia de los sistemas eléctricos, es importante conocer los parámetros y variables de los generadores. Las medidas de interés se encuentra el ángulo de máquina o de carga (!), la cual permite analizar la 38 respuesta del generador ante condiciones transitorias y así determinar si el generador pierde o no el sincronismo. Entre las técnicas más importantes tenemos: Determinación del ! utilizando técnicas estroboscópicas. Esta técnica permite determinar ! tomando como referencia un pulso entregado por un sensor estroboscópico el cual indica el desplazamiento del rotor. Este pulso se lo compara con una señal de cruce por cero proveniente del voltaje del terminal del generador. Determinación de ! utilizando parámetros del generador En [27] implementan una metodología basadas en DSP (sigla en inglés de Digital Signal Processor), el cual permite estimar el ángulo del rotor de los generadores del sistema eléctrico. Para esta estimación se hace necesario el uso de algunos parámetros del generador, los cuales deben ser determinados previamente, entre los cuales tenemos: reactancia del eje de cuadratura cU y la resistencia del estator À. Además se requiere del valor del voltaje terminal Á, corriente de armadura e0 y los valores de potencia activa ;, potencia reactiva � y potencia aparente T. Las siguientes ecuaciones muestran la relación del ángulo de rotor respecto a las variables mencionadas: Âa~ ! = )e0S cU S ��s à $ e0S ÀS s}~Ã- )Á 6 e0S cU S s}~ à 6 e0S ÀS ��s Ã-. ! = Âa~ªR )e0S cU S ; $ e0S ÀS �- )ÁS T 6 e0S cUS � 6 e0S ÀS ;-. Siendo à el valor del ángulo de factor de potencia del generador. Según las normas de la IEEE, la aproximación de una estimación válida del ángulo de rotor es despreciando la resistencia del estator À. 39 Determinación de ! utilizando Redes Neuronales En algunos estudios se utilizan redes neuronales básicas de función radial para determinar ! y el flujo de potencia en eje directo. Estas estimaciones se las realiza mediante las variaciones del torque mecánico y voltaje de campo. La ventaja del uso de redes neuronales está en el entrenamiento del sistema eléctrico para aplicaciones en línea. En la referencia [28], desarrollan una técnica para estimar en ángulo de rotor y velocidad del generador, basados en la aplicación de redes neuronales artificiales usando mediciones fasoriales de voltaje y corriente en tiempo real. En el desarrollo de este método,se requiere el entrenamiento de dos redes, una que realice la estimación del ángulo de rotor y la otra para determinar la velocidad del generador. Las variables de entrada de la primera red son los voltajes, corrientes y ángulos medidos en ese mismo instante de tiempo y dos instantes antes. La estructura de la red neuronal para determinar la velocidad del rotor es similar a la primera red, que adicionalmente se utilizan tres entradas más que son el valor estimado de ! de la primera red. La desventaja de este método está en la necesidad de disponer de varios datos de entrada de la red. Así como el uso de un tiempo relativamente grande para el entrenamiento de la red neuronal artificial. En [29] se desarrolla un modelo tipo caja negra para la estimación del ángulo del rotor de un generador sincrónico, utilizando mediciones de voltaje y corriente en los terminales. El modelo está basado en redes neuronales del tipo perceptrón multicapa (MLP). A partir de simulaciones en el dominio del tiempo de un sistema de potencia básico, se obtienen los registros de voltaje y corriente, los cuales se utilizan como base de datos para entrenar y validar la red neuronal propuesta para la estimación del ángulo 40 del rotor. Se encuentra que el modelo basado en redes neuronales se adapta muy bien al modelo clásico del generador, mostrando un error cuadrático medio inferior a _ × _5ªR�. Para los casos en los cuales no se conocen los parámetros del generador o no se tiene bien definida la estructura del modelo de la máquina, se puede recurrir al modelado tipo caja negra, que sólo considera la relación entre un conjunto de datos de entrada y salida de un sistema. Para monitorear y controlar la estabilidad transitoria en tiempo real, el ángulo del rotor y la velocidad de los generadores sincrónicos son las cantidades más importantes a medir. Si estas cantidades pueden ser medidas con suficiente rapidez y exactitud se utilizan para el monitoreo de pérdida de sincronismo en tiempo real y para diseñar esquemas automáticos de estabilización de lazo cerrado. Las redes neuronales artificiales (ANN, Artificial neural networks), son caracterizadas por su arquitectura, algoritmos de entrenamiento o aprendizaje y funciones de activación. La arquitectura describe básicamente las conexiones entre las neuronas y consiste en una capa de entrada, una capa de salida y generalmente, una o varias capas ocultas entre éstas. La función de activación relaciona la salida de una neurona ante sus entradas, a partir del nivel de actividad de cada una de las entradas de la neurona. Como entradas de la red neuronal se seleccionaron el voltaje, la corriente y el ángulo de voltaje y de la corriente, medidos en los terminales de la máquina en los instantes '� ' $ _2{2' $ Y. La salida del modelo basado en la red neuronal consiste en una neurona que representa el ángulo del rotor para un punto de operación específico. En total, se seleccionaron 12 entradas para obtener una salida que corresponde al ángulo del rotor. El número de neuronas en la capa oculta se determinó experimentalmente de acuerdo al estudio del comportamiento de la red durante el proceso de 41 entrenamiento, teniendo en cuenta algunos factores como la velocidad de convergencia y el criterio de error, entre los más importantes. Este modelo es fácilmente expandible y aplicable a sistemas reales considerando que se cuenta con las medidas que se requieren como entrada y también por el alto desempeño obtenido en el seguimiento de ángulo del rotor. Con la metodología propuesta, se presenta una alternativa sencilla para la estimación del ángulo del rotor empleando sólo las medidas fasoriales de voltaje y corriente en los terminales de la máquina. Así, se propone una metodología viable para la implementación de la red neuronal entrenada con datos de simulación y basada en modelos más elaborados del generador sincrónico. Figura 2.10- Respuestas del ángulo del rotor y frecuencia de un generador en particular a un evento de falla. [18] La Figura 2.10, permite observar las respuestas de dos estados dinámicos del SEP (el ángulo del rotor y la frecuencia de un generador) ante un evento de falla. Las partes verdes del gráfico indican una operación de pre-falla. En cierto instante de tiempo, se produce un evento de falla (en este caso una falla trifásica), haciendo que los estados del sistema divergen, tal como se observa por la parte de color rojo de las curvas. Después del despeje de falla, correspondiente a las curvas azules, los 42 estados del sistema oscilan por un tiempo, hasta llegar a un nuevo estado de equilibrio. Para el esquema de detección, se toman mediciones de las PMU’s correspondientes a las trayectorias posteriores al despeje de la falla para estimar la hipótesis más probable. 2.2.2. FORMULACIÓN DEL PROBLEMA [18] En el presente proyecto se considera un sistema eléctrico que está sujeto a una serie de eventos de falla en las líneas de transmisión, por ejemplo, contacto de las líneas con objetos extraños o entre conductores, fallas en los equipos de protección, condiciones climatológicas que provocan averías en las torres de transmisión, entre otros. Para el propósito de este estudio, la topología nominal del sistema, incluyendo los parámetros de los generadores, las impedancias de línea, etc. son conocidas, así como el estado estacionario del sistema en condiciones nominales. Además, se puede establecer una lista completa de posibles eventos de falla de línea, y sus respectivas características de estado estable post-falla a través de un análisis de contingencia. La atención está en la localizar los eventos de falla que pueden llegar a desestabilizar al SEP, debido a que los operadores cumplen condiciones de seguridad y de operación N-1 que es razonable en la mayoría de los casos. La detección consiste en determinar que evento de falla se ha producido, empleando datos de medición sincrofasorial una vez despejada la falla, las cuales son proporcionadas por las PMUs. Matemáticamente el problema de detección se basa en determinar el vector de medición de las PMUs y en modelar al SEP como un modelo lineal de la dinámica de oscilación para cada posible evento de falla. Para realizar la detección, se desarrolla un detector de máxima probabilidad a posteriori (MAP). El análisis del detector MAP muestra que el evento de falla se puede identificar mediante la comparación de los datos medidos de las PMU’s con las respectivas respuestas pronosticadas por el modelo del sistema para cada evento de falla. 43 La estructura del algoritmo para la detección de Fallas se compone de la siguiente manera: 2.2.2.1. Planteamiento de las hipótesis Se consideran n hipótesis, que cada una indica un posible evento de falla. La hipótesis ?D indica un evento de falla en una línea de transmisión de la red eléctrica, cada hipótesis tiene una probabilidad a priori WÄD donde � WÄD = _AD�R . 2.2.2.2. Modelación del Sistema Eléctrico de potencia [7], [29], [30] Figura 2.11- Esquema de las ecuaciones que representan la dinámica del sistema eléctrico. [30] Matemáticamente para cada evento de falla (hipótesis ?D), la dinámica del sistema eléctrico se pueden modelar como un conjunto de ecuaciones algebraicas de entrada, como las ecuaciones (2.17), (2.18), (2.19), (2.20), (2,21) y (2.22) que describen la relación del generador con el sistema y entre los diferentes elementos del SEP. Además el sistema se modela con ecuaciones diferenciales no lineales, como las ecuaciones (2.9), (2.10), (2.11), (2.12), (2.13), (2.14), (2.15), y (2.16) que describen el comportamiento dinámico del sistema. Todo este conjunto de ecuaciones se utilizan 44 para llegar a modelar al sistema como las ecuaciones (2.23) y (2.24), como se observa en el esquema de la Figura 11. Se
Compartir