Diseño de un Relé Neuronal de Protección para Líneas Aéreas de

AT con Procesado de Señal Mediante la Transformada Wavelet

1. Introducción
1.1 Antecedentes

La función básica de las protecciones de los sistemas eléctricos de potencia es

proteger a los mismos contra condiciones de funcionamiento anómalo y los fallos
que pueden causar pérdidas y averías de equipos y aparatos. Existen muchos tipos
de perturbaciones que sufren los sistemas eléctricos de potencia como son los
cortocircuitos, sobrecargas, sobretensiones, oscilaciones y desequilibrios.

La mayoría de los fallos son cortocircuitos que se producen a causa del deterioro
mecánico del aislamiento, sobretensiones atmosféricas y de maniobra, viento y
objetos entre los conductores. Las perturbaciones se pueden limitar mediante
diseño mecánico resistente de los diferentes equipos e instalaciones, reforzando la
malla de tierras, limitando las corrientes de la falta.
Aumentando los niveles de aislamiento, apantallamientos y el empleo de
protecciones las protecciones de las líneas de transmisión de alta tensión (400 kV).
Hay dos tipos principales de protecciones de líneas de transmisión que son las
protecciones de distancia y las protecciones diferenciales. La protección de
distancia, se basa en la medición de la impedancia aparente de la línea de
transmisión desde el punto del relé hasta el punto del fallo.
Por otro lado, los relés diferenciales miden las corrientes en los dos extremos de la
línea, y dependiendo de la diferencia entre ellas, se manda o no una señal de
disparo. Las protecciones diferenciales son más fiables, pero son mucho más caras
que las protecciones de distancia por los canales de comunicación que intercambian
los valores de las corrientes entre los relés.
En los sistemas eléctricos de potencia existen muchos tipos de relés digitales en
funcionamiento. La mayoría están directamente afectados por el tipo del filtro usado
para eliminar los armónicos, junto con los fenómenos extraordinarios como los
arcos, la saturación de los transformadores de intensidad, la ferroresonancia de los
transformadores de tensión, etc.
Estos fenómenos, pueden causar un retardo adicional de tiempo y afectar
negativamente al rendimiento del relé. Los métodos de la inteligencia artificial en el
campo del análisis de los sistemas de potencia han aumentado muy rápidamente.
Uno de estos métodos es el empleo de las redes neuronales artificiales. Las redes
neuronales artificiales.

Se usarán para solucionar el problema de las protecciones de las líneas de

transmisión de alta tensión teniendo en cuenta unos fenómenos críticos como los
arcos dinámicos, la saturación de transformadores de intensidad y el cambio del
nivel de cortocircuito.
Los disturbios eléctricos que suceden con mayor frecuencia en las redes de energía
son, la depresión de voltaje con rango de amplitudes de 0.1 a 0.9 p.u. y una
distorsión de medio ciclo hasta un minuto, el incremento de voltaje con rango de 1.1
a 1.8 p.u. con una duración desde medio ciclo hasta un minuto. Ambos medidos en
𝑉𝑅𝑀𝑆 y la distorsión armónica de la forma de onda originada por la alimentación de
cargas no lineales.
Estos disturbios eléctricos que afectan a la calidad de la energía eléctrica, se
clasifican de acuerdo al tipo y duración de los mismos. Se pueden medir para su
identificación de acuerdo al estándar internacional de Testing and measurement
techniques- power quality measurement motos. Pero su identificación no es la más
precisa para los disturbios eléctricos.

1.2 Estado del arte

G. B. Gilerest, G. B. Rockefeller y E. A. Urde, Universidad Nacional de Singapur,
Singapur, Realizó un estudio que describen y presentan los resultados de las
pruebas de un relé de distancia para un sistema de 230 kV. Un programa
almacenado en un ordenador hace todas las funciones del relé usando las salidas
de un convertidor analógico-digital, que lee instantáneamente los valores de la
tensión y la corriente [1].

A. G. Phadke, and S. H. Horowitz, University of California, Usa, Sugieren la idea de

protecciones adaptativas, en las que el relé puede adaptarse, ponerse fuera de
servicio cuando tiene un defecto y transferir su función a otro intacto. Aquí también
abordan el uso de sistemas de protecciones redundantes, en los que se pueden
tomar decisiones usando operaciones lógicas como AND, OR o VOTE [2].

Murari Mohan Saha, University Technology of Beijín, China, Desarrollo análisis del
uso de las redes neuronales para mejorar el alcance de los relés de distancia y
localizar el lugar de los fallos en las líneas con condensadores en serie [3].

L. Van der Sluis, Universidad de Valencia, España, Realizó el uso de las redes
neuronales para adaptar el ajuste de los relés de distancia para los circuitos de
transmisión que contengan líneas dobles en paralelo. Los autores calculan un índice
para corregir el valor de la impedancia vista por el relé, a fin de distinguir
correctamente entre los fallos de primera y segunda zona cuando una línea está
fuera de funcionamiento [4].

Nabil Khalil, University de france, Francia, Desarrolla un relé de protección basado

en una red neuronal tipo FIR, cuyos cometidos son: la detección del fallo, la
detección de la fase afectada y la estimación de la dirección del fallo en todas las
condiciones de operación. El trabajo incluye también un relé específico para líneas
paralelas y una unidad especial para cada subestación que toma todas las salidas
de los relés de las líneas [5].

Lo que aquí se propone como proyecto es un sistema de protección para líneas

eléctricas de alta tensión que usa las señales de las tensiones y corrientes sin
filtrarlas, y que sirve como protección de distancia, protección mediante hilos piloto
y protección diferencial transversal. Con un relé neuronal MLF-DWT (MultiLayer
Feedforward – Discrete Wavelet Transform), cuyos cometidos son la detección del
fallo, así como de la fase afectada.

1.3 Justificación

El objetivo de este proyecto es minimizar los efectos de las perturbaciones sobre el

resto de la red, aislando el elemento fallado con rapidez evitando la propagación y
pérdida de estabilidad del sistema. Prevenir y atenuar los daños a los equipos,
minimizando los efectos de las variables anormales. Salvaguardar físicamente a las
personas evitando accidentes y lesiones.

1.4 Objetivo
Diseñar y construir un relé neuronal que realice las funciones de detección y
selección de la fase fallada, sentido del flujo de potencia en ausencia de fallo, y
estimación de la dirección del fallo. Usando patrones de los diferentes puntos de
ubicación y con todas las posibles condiciones de operación y de fallo. Utilizando
el relevador MultiLayer Feedforward – Discrete Wavelet Transform -MLF-DWT, para
líneas aéreas de AT con procesado de señal mediante la transformada Wavelet.

1.5 Metodología
 Figura 1. Se observa el proceso del proyecto por etapas.

Valores de tensión y corriente

módulo de detención Relé MLF-DWT Relé MLF

clasificación de fallo

Canal de Comunicación de
F
Fibras Ópticas
a
l
l
módulo de dirección a
Relé MLF
d
e
t
M Relé MLF Relé MLF Relé MLF
e
ó
c
d
u Fallos Unipolares t Fallos bipolares Fallos tripolares
a
l Fig. 1. Diagrama
d de bloques del hardware
o
a
d
e
l
Eno el primer bloque se muestra los valores de la corriente y la tensión de la línea de
transmisión,
c si se manifestara una falla en el sistema eléctrico de potencia la falla
pasara
a por el módulo de detención donde se encuentra el relé MLF-DWT y
clasificara
l el tipo de falla pasando por el módulo de localización donde se
encuentran
i los relés MFL quienes se encargarán de hacer esa clasificación de la
falla,
z si es una unipolar, bipolar o tripolar.
a
Tensión: El término tensión, con origen en el latín tensión, tiene diferentes
c
acepciones. Por lo general se refiere al estado en el que se encuentra un cuerpo
i
cuando está bajo la influencia de fuerzas que resultan opuestas. Tensión eléctrica
ó
Eléctrico, por su parte, es aquello vinculado a la electricidad (la propiedad de la
n
materia caracterizada por el rechazo o la atracción entre sus partes de acuerdo a la
presencia de protones o electrones). La idea de tensión eléctrica, de este modo, se
asocia a la magnitud que permite indicar la diferencia existente en el potencial
eléctrico que se registra entre dos puntos. La tensión eléctrica también se conoce
como voltaje, cuya unidad de medida es el voltio. El voltaje refleja el número de
voltios que intervienen en un cierto sistema eléctrico. Es importante tener en cuenta
que la tensión eléctrica no está relacionada con la distancia que recorre la carga,
sino que está determinada por el potencial eléctrico que existe entre los dos puntos
Corriente: Llamamos corriente eléctrica a aquella magnitud física que nos indica la
cantidad de electricidad que recorre un conductor, durante una unidad de tiempo
determinada. El mencionado flujo de intensidad eléctrica, de acuerdo a lo
establecido por el Sistema Internacional de Unidades, que es aquel sistema que en
este sentido adoptan la mayor parte de los países del planeta, se mide en lo que se
denomina amperios. Por caso, la corriente eléctrica es la consecuencia del
movimiento que presentan los electrones que se hayan dispuestos en el interior del
material en cuestión. En tanto, por este movimiento de cargas que provoca, es
habitual que la corriente eléctrica desencadene lo que se conoce como campo
magnético
Relé MLF-DWT: El relé consta de varios módulos que realizan las funciones de
detección y selección de la fase fallada, sentido del flujo de potencia en ausencia
de fallo, y estimación de la dirección del fallo. Se entrena usando patrones de los
diferentes puntos de ubicación y con todas las posibles condiciones de operación y
de fallo. Por tanto, puede ser colocado en cualquier lugar del sistema para su
protección después de ajustar el nivel de normalización de la corriente, que depende
de los límites de carga de líneas. El funcionamiento de la red neuronal del relé de
detección se complementa con la trasformada wavelet para el caso de la detección.
Relé MLF: Se acopla con el detector de fallo un estimador de la zona de fallo que
determinará la zona donde está localizado el fallo. Este estimador de distancia se
entrena localmente y en dependencia con la topología de la red en el lugar de
ubicación del relé. Esto significa que existen relés de distancia entrenados para
discriminar dos zonas hacia adelante, en el caso de estar conectados en una barra
de generación, o dos zonas hacia adelante y una hacia atrás, cuando se trata de
una línea de transmisión. como referencia para diseñar el relé de zona
Fibras Ópticas: La fibra óptica es un compuesto hecho de sílice o plásticos de alta
calidad, que consiste en pequeñas fibras que transmiten la luz, la función de la fibra
óptica es transferir dicha luz en frecuencias diferentes y es utilizada para transmitir
datos. El rendimiento en la fabricación de la fibra de vidrio es muy alto, pues con
poca cantidad de silicio se puede construir una cantidad muy elevada de fibra óptica.

Figura 1.2 se observa el proceso por etapa

 Adquisición de Iniciando caso de Base de datos de
datos estudio los casos de tipo
de fallas

Entrenamiento Procesamiento de
datos Extracción de
datos

Localización de
falla

Fig. 1.2 Diagrama a bloques del software

El entrenamiento es un proceso que busca un grupo de pesos sinápticos que harán

que la evolución del error decrezca hasta un valor mínimo. Sin embargo, la
superficie del error no es uniforme y tiene muchos mínimos; sólo uno de ellos es un
mínimo global y los otros son mínimos locales. El entrenamiento de una red
neuronal debe detenerse cuando el error se vuelve constante y no puede ser
reducido, esto significa que el proceso de entrenamiento ha alcanzado un mínimo
local o global.
El problema ahora es como saber si se trata de un mínimo local o global. Esta
pregunta es muy difícil de responder. Una respuesta podría ser que mediante la
prueba de generalización de la red neuronal y otra que mediante el entrenamiento
de la red con diferentes grupos de condiciones iniciales y factores de aprendizaje
hasta lograr un error mínimo.
El primer paso en el entrenamiento de una red neuronal es inicializar la red. Una
buena selección de los valores iniciales de los pesos sinápticos y de los umbrales
puede ayudar enormemente en el diseño satisfactorio de la red y su entrenamiento.
La inicialización de los pesos sinápticos y los umbrales en la red deben distribuirse
uniformemente en un rango pequeño para reducir la probabilidad de saturación de
las neuronas en la red.
Las redes neuronales durante la operación normal de propagación hacia adelante
usan sólo dos operaciones matemáticas, la suma y la multiplicación, y las funciones
sigmoideas. Cada neurona puede tener sus propios parámetros de la función
sigmoidea. En este trabajo, las redes neuronales se entrenaron teniendo en cuenta
que las neuronas en cada capa deben tener los mismos parámetros para facilitar la
implementación de la misma.

2. Fundamento Teórico

2.1 Redes neurales artificiales

La gran capacidad de procesamiento de información del cerebro, adaptabilidad a

los cambios y fortaleza al momento resolver los problemas a través de la experiencia
entre otras, han sido la inspiración para la creación de un modelo de simulación
llamado red neuronal artificial. Este proceso busca recrear su funcionamiento
mediante la utilización de modelos matemáticos, el objetivo es conseguir y dar
respuestas similares a las da el cerebro humano.

Una red neuronal artificial es un esquema de computación distribuida inspirada en

la estructura del sistema nervioso de los seres humanos. La arquitectura de una red
neuronal es formada conectando múltiples procesadores elementales, siendo éste
un sistema adaptivo que posee un algoritmo para ajustar sus pesos para alcanzar
los requerimientos de desempeño del problema basado en muestras
representativas.

El uso de redes neuronales ofrece las siguientes propiedades: No linealidad, mapeo

de entrada y salida y tolerancia a las fallas. Estas propiedades dotan a las redes
neuronales con la capacidad de resolver problemas complejos, que no pueden ser
resueltos de manera tradicional. Las RNA generalmente son utilizadas en la
clasificación de patrones que a simple vista son de difícil detección, separando la
información en grupos que poseen características similares.

La red neuronal está compuesta de neuronas artificiales interconectadas unas con

otras, cada neurona tiene una salida que depende de la función de propagación
consistente en la sumatoria de cada entrada Xi multiplicada por el peso de conexión
Wi., si el peso es positivo la conexión se denomina excitadora en caso contrario se
denomina inhibitoria. Seguidamente una función de activación y por último una
salida Y.
 Fig. 2.1 Esquema de una red neuronal artificial

Tipos de redes. Perceptrón es una red neuronal artificial formada por múltiples
capas, esto le permite resolver problemas que no son linealmente. El perceptrón
multicapa puede ser totalmente o localmente conectado. En el primer caso cada
salida de una neurona de la capa es entrada de todas las neuronas de siguiente
capa, mientras que en el segundo cada neurona de la capa es entrada de una serie
de neuronas de la siguiente capa.

X1

W1
X2
W2
Y
X3
W3

Xn
wn

Fig. 2.2 Esquema de una red neuronal tipo perceptrón

Propagación hacia atrás. Es un algoritmo de aprendizaje supervisado que se usa

para entrenar redes neuronales. Una vez que se ha aplicado un patrón a la entrada
de la red como estímulo, este se propaga desde la primera capa a través de las
capas superiores de la red, hasta generar una salida. La señal de salida se compara
con la salida deseada y se calcula una señal de error para cada una de las salidas.

Las salidas de error se propagan hacia atrás, partiendo de la capa de salida, hacia
todas las neuronas de la capa oculta que contribuyen directamente a la salida. Sin
embargo, las neuronas de la capa ocultan solo reciben una fracción de la señal total
del error, basándose aproximadamente en la contribución relativa que haya
aportado cada neurona a la salida original.

Este proceso se repite, capa por capa, hasta que todas las neuronas de la red hayan
recibido una señal de error que describa su contribución relativa al error total. La
importancia de este proceso consiste en que, a medida que se entrena la red, las
neuronas de las capas intermedias se organizan a sí mismas de tal modo que las
distintas neuronas aprenden a reconocer distintas características del espacio total
de entrada.

Fig. 2.3 Esquema de una red neuronal tipo propagación hacia atrás

2.3 El relevador
El relé o relevador es un dispositivo electromecánico. Funciona como un interruptor
controlado por un circuito eléctrico en el que, por medio de una bobina y
un electroimán, se acciona un juego de uno o varios contactos que permiten abrir o
cerrar otros circuitos eléctricos independientes
Dado que el relé es capaz de controlar un circuito de salida de mayor potencia que
el de entrada, puede considerarse, en un amplio sentido, como un amplificador
eléctrico. Como tal se emplearon en telegrafía, haciendo la función
de repetidores que generaban una nueva señal con corriente procedente de pilas
locales a partir de la señal débil recibida por la línea. Se les llamaba "relevadores"

Entrenamiento del relé MLF-DWT.

En el proceso del entrenamiento del relé se usaron patrones de fallo de todos los
relés. Cada patrón de fallo se compone de las muestras de tensión y corriente
correspondientes a sesenta y cuatro valores consecutivos. Patrones del
entrenamiento incluyen todas las posibles contingencias e influencias.
Como la saturación de los transformadores de intensidad, los fallos con arco y
francos, diferentes instantes de iniciación del fallo, diferentes niveles de cortocircuito
y diferentes tipos de barras. Como intervalo de muestreo del entrenamiento se tomó
el comprendido entre un ciclo antes del fallo y 1 ciclo durante el fallo. En figura 2 se
presenta el intervalo temporal de los patrones del entrenamiento. El nivel de la
tensión del arco.

Tabla 2. El diseño de las salidas del relé MLF-DWT durante el entrenamiento.

2.4 Comportamiento del relé MLF-DWT y análisis estadísticos

Los patrones de test usados son distintos de los usados en los entrenamientos. El
test incluirá el comportamiento del relé en todas las líneas que forman el circuito de
prueba. Esto se realizará para diferentes localizaciones de fallo, para fallos con arco
y sin arco, y asumiendo la saturación de los transformadores de intensidad.
También se puede ver el comportamiento del relé para fallos que se producen en
otras líneas y comprobar así el alcance del mismo. En la figura 2.1 se representa el
diagrama de la red eléctrica estudiada durante un fallo monofásico de la fase A
tierra, del relé MLF-DWT ubicado en el punto 10, estando la línea TL4 fuera del
servicio.
Fig. 2.1. Esquema de la red para un fallo de fase A y tierra con arco de 35 kV a 50
km del relé.

Fig. 2.2. Respuesta del relé MLF-DWT ubicado en el punto 10 para un fallo de la
fase a tierra con arco de 35 kV a 50 km del relé.

La respuesta del relé MLF-DWT está representa de forma estadística observarse

en general un buen comportamiento del mismo. Los resultados se han realizado
teniendo en cuenta la respuesta del relé situado indistintamente en ambos extremos
de la línea a la que ha de proteger, cuando ocurre un fallo en la misma, en las
diferentes líneas del circuito en estudio y con diferentes cargas y potencias de
cortocircuito.
Fig. 2.3. Rendimiento del relé MLF-DWT en tanto por ciento teniendo en cuenta
todas las posibles condiciones de fallo.
en este apartado y por los resultados obtenidos podemos asegurar que el relé MLF-
DWT tiene un buen comportamiento, es y el tiempo de respuesta de la red neuronal
de detección está situado entre 1,8 ms y 4 ms, re-tardándose hasta 4,5 ms en el
caso de fallo muy débiles alejados del relé. En el caso de la pérdida de datos, la
relevancia de estos está en función del momento en que se producen y de la
importancia de la pérdida.
Así, la ausencia de datos durante el funcionamiento normal del sistema que
provoque unos datos de valor cero a la entrada a la red neuronal tiende a ser
identificados como un corte en la alimentación de la línea y se clasifica como fallo.
En caso de que esto ocurra durante un fallo, la pérdida de datos tiende a reforzar la
respuesta del relé. Se observa también que la respuesta del relé es más sensible a
la pérdida de valores en las señales de tensión.
Se ha desarrollado una técnica para la protección de líneas eléctricas de alta tensión
basada en redes neuronales artificiales y en la transformada wavelet. Las redes
neuronales se han implementado para realizar las funciones de detección del fallo,
determinación de dirección del flujo en ausencia de fallo, estimación de la dirección
de fallo y estimación de la zona de fallo para sistemas radiales.

Referencias
[1] Rockefeller, G. D.; E. A., Udren, High Speed Distance Relaying using a Digital
Computer, II- Test Results. IEEE Trans. Power App. Syst., pp. 1244-1252,
May/June 2010.
[2] A. G. Phadke, and S. H. Horowitz, Microprocessor-Based UHS Relaying for
Distance Protection using Advanced Generation Signal Processing. IEEE Trans.
on Power De-livery, pp. 1121-1128 July 2008.

[3] Murari Mohan Saha, Detection of High Impedance Arcing Faults using A Multi-
Layer Perceptron. IEEE trans. on power delivary, No. 4, pp 1871-1877 October
2004.

[4] L. Van der Sluis, Power quality disturbance data compression using wavelet
transform methods. IEEE Trans. on Power Delivery, No 3, pp. 1250-1257, July
2007.

[5] Nabil Khalil, a new tool for the resonant grounded power distributing systems
relaying. IEEE Trans. on Power Delivery, No 3, pp. 1301-1308, July 2006.