Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
RESUMEN
PALABRAS CLAVES:
INTRODUCCIÓN
Primer caso: Carga = 10% de la carga nominal del transformador con factor de
potencia = 0.90, ZFUENTE = 1 + 1*j p.u. con flujo remanente igual a cero.
Segundo caso: Carga = 10% de la carga nominal del transformador con factor de
potencia = 0.90, ZFUENTE = 1.5 + 0.06*j p.u con flujo remanente igual a cero.
Tercer caso: Carga = 10% de la carga nominal del transformador con factor de
potencia = 0.90, ZFUENTE = 0.4 + 4*j p.u con flujo remanente igual a cero.
En el Modelo ATP solo se utilizará y simulará una muestra de los casos y escenarios
considerados para el entrenamiento de la red neuronal. Está muestra será de 60
simulaciones de 560 consideradas inicialmente para la etapa de entrenamiento de la red
neuronal artificial. Estos 60 casos están estructurados así:
Segundo caso: Carga = 10% de la carga nominal del transformador con factor de
potencia = 0.90, ZFUENTE = 1.5 + 0.06*j p.u con flujo remanente igual a cero.
Tercer caso: Carga = 80% de la carga nominal del transformador con factor de
potencia = 0.80, ZFUENTE = 0.4 + 4*j p.u con flujo remanente igual a cero.
La arquitectura de la red de neuronas que se utilizó, consiste en una red de dos capas con
alimentación hacia delante (feedforward) con 32 entradas, las neuronas en la primera capa
se determinaron a través del estudio del tiempo de convergencia y el error presentado por la
red, y una neurona en la segunda capa (o capa de salida), todas con una función de
transferencia sigmoidal bipolar. El número de neuronas de la primera capa se seleccionaron
en forma empírica; en el caso de la capa de salida, sólo se requirió de una neurona por
tratarse de una decisión binaria, corriente de cortocircuito (+1) y corriente de “inrush” (-1).