METODO PARA LA DISCRIMINACIÓN ENTRE LA CORRIENTE DE INRUS Y

CORTOCIRCUITO EN TRASFORMADORE DE POTENCIA USANDO REDES NEURONALES

ARTIFICIALES.

RESUMEN

En esta investigación se presenta un método para la discriminación entre la corriente de

“inrush” y cortocircuito usando Redes Neuronales Artificiales que servirá para mejorar
los sistemas de protección diferencial en los transformadores de potencia. Para la
obtención de los patrones de entrenamiento de la red Neuronal artificial se utilizo un
circuito eléctrico que emula el comportamiento de un sistema de potencia (diferentes
casos), conformado principalmente por un transformador de potencia, un generador y una
impedancia. Dicho sistema eléctrico se simulo en Matlab-Simulink para obtener las
corrientes diferenciales que posteriormente fueron utilizadas como señal de entrada a la
red Neuronal artificial para su entrenamiento.

PALABRAS CLAVES:

Protección transformadores de potencia, Redes Neuronales, corriente de “inrush”, corriente

cortocircuito, protección diferencial.

INTRODUCCIÓN

En la vida actual, la energía eléctrica tiene mucha importancia, ya que intervienen en la

mayoría de las actividades realizadas por el hombre, el fácil transporte desde la etapa de
generación pasando por la transmisión y finalmente la etapa de distribución y consumo,
presenta un bajo costo, es por ello que el mejor medio para transportar la energía es a través
de grandes instalaciones de conducción eléctrica (sistemas eléctricos de potencia).
El transformador de potencia es uno de los principales equipos en un sistema en un sistema
eléctrico de potencia, él permite transferir energía por el sistema de potencia mediante un
adecuado cambio de voltaje. Debido a la importancia que tienen estos equipos en los
sistemas de transmisión se hace necesario protegerlo de fallas internas y externas para
evitar daños y preservar la estabilidad en el sistema de potencia y continuidad del servicio.
Por consiguiente los transformadores de potencia en la mayoría de los casos, requieren de
una protección eléctrica altamente selectiva que permita despejar toda falla que pueda
presentarse. Para la protección eficiente de los transformadores se utiliza el principio de la
protección diferencial de corriente donde se compara la corriente que entra y sale de la zona
protegida, la diferencia entre ambas indicará la falla en la zona de protección, en el caso de
los transformadores se comparan las corrientes de las bobinas primaria y secundaria del
transformador, las cuales bajo condiciones normales o estables presentan una relación bien
definida. Cuando dichas corrientes exhiben un comportamiento distinto al de estado estable
se asume que a ocurrido un cortocircuito en el transformador, y el mismo debe ser puesto
fuera de servicio.
Cuando se energiza un transformador de potencia, se origina un fenómeno transitorio, en el
momento que se aplica un voltaje sinusoidal, en uno de sus lados circula una corriente
inicial (por el lado donde fué excitado), provocando un flujo magnético variable y a su vez
dando origen a un voltaje en el lado del secundario. Esta condición transitoria es un
fenómeno de magnetización propia en cada transformador, esta corriente inicial se llama
corriente de “inrush”. La corriente de inrush tiene la particularidad de tomar valores, de
corrientes comparable con los de cortocircuito, por un breve período de tiempo hasta
alcanzar un valor pequeño en régimen permanente.
Actualmente, El principal problema de la eficiencia y correcta operación de la protección
diferencial, es la presencia de la corriente de “inrush”, debido a que la misma puede
alcanzar valores comparables a las intensidades de cortocircuito, ocasionando una
incorrecta operación del sistema de protección. El método más común para discriminar
entre la corriente de cortocircuito y la corriente de inrush, es el de comparar los niveles de
armónicos, la corriente de cortocircuito difieren de la corriente de “inrush” en su forma de
onda, con una pronunciación mayor en la segunda, quinta, séptima armónica.
Aprovechando estas características, existen relés que discriminan estas corrientes, a través
de la segunda armónica que es la componente donde se manifiesta mayor diferencia. Sin
embargo a medida que los sistemas de transmisión crecen, tanto en capacidad como en
nivel de tensión y se incrementan el uso de los cables subterráneos, se pueden producir
corrientes de fallas con un importante contenido de segundo armónico, comparable con el
de la corriente de “inrush”, de tal manera que el esquema diferencial no siempre garantiza
la correcta discriminación de la protección.
Por lo tanto surge la necesidad, de desarrollar un método para resolver el problema que
presentan los diferentes algoritmos para diferenciar en forma correcta si se trata de una
corriente de “inrush” o una corriente de cortocircuito y a su vez evitando una desconexión
incorrecta del transformador, y por lo tanto preservar la continuidad y eficiencia del sistema
eléctrico. Debido a las ventajas y excelentes resultados que han proporcionado las Redes
Neuronales artificiales, en diferentes problemas de ingeniería, y especialmente en
reconocimiento de patrones, se diseñó un método que permita la discriminación correcta
entre la corriente de “inrush” y la corriente de cortocircuito e insensibilización de la
protección diferencial de transformadores de potencia usando Redes Neuronales artificiales.
PROCEDIMIENTO PARA LA OBTENCIÓN DEL METODO PARA LA
DISCRIMINACION ENTRE LA CORRIENTE DE INRUSH Y CORRIENTE DE
CORTOCIRCUITO EN LOS TRANSFORES DE POTENCIA USANDO REDES
NEURONALES ARTIFICIALES:

En este trabajo se presenta el desarrollo de un modelo de un sistema de potencia que

implica un transformador de potencia, con su correspondiente protección diferencial en
MATLAB-SIMULINK, para obtener la característica de la onda de la corriente diferencial
(muestreo), que posteriormente será utilizada como señal de entrada a la red neuronal
artificial para su entrenamiento.

SIMULACIÓN DE LAS CORRIENTES “INRUSH” Y CORTOCIRCUITO EN UN

TRANSFORMADOR USANDO SIMULINK-MATLAB.
Para el entrenamiento de la red de neuronas se utilizó la corriente de operación de un relé
diferencial, donde la corriente de operación es la que fluye a través del relé de operación en
el sistema de la figura1. La determinación de los patrones de entrenamiento se realizó
simulando la ocurrencia de una falla en el devanado secundario del transformador y la
conexión del transformador en 16 instantes de tiempo en un ciclo de la onda de voltaje (60
Hz), además se consideraron siete (7) casos para cada uno de los escenarios.
Se consideraron cinco escenarios de simulación, cada uno con diferentes condiciones de
operación para obtener las señales de la corriente de operación con el fin de obtener los
patrones de entrenamiento para la red. Estos escenarios son los siguientes:

I. Energización del transformador en vacío

II. Energización del transformador con carga.

III. Cortocircuito al energizar el transformador (en vacío).

IV. Cortocircuito al energizar el transformador (con carga).

V. Cortocircuito durante la operación normal del transformador

 Estas simulaciones se realizaron como se dijo anteriormente en 16 instantes de tiempo
durante un ciclo de voltaje (60 Hz.), Modificando la impedancia de la fuente para variar la
constante de tiempo de la componente incremental, y la impedancia de la carga para variar
los regímenes de operación del transformador, como también el flujo remanente del
transformador de potencia. A continuación se describe cada una de las condiciones con la
que se simularon los escenarios antes mencionados (casos de entrenamiento):

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.

Cuarto caso: Carga = 75 % de la carga nominal del transformador con factor de

potencia = 0.85, ZFUENTE = 1 + 1*j p.u con flujo remanente igual a cero.

Quinto caso: Carga = 66 % de la carga nominal del transformador con factor de

potencia = 0.98, ZFUENTE = 1 + 1*j p.u. con flujo remanente igual a cero.

Sexto caso: Carga = 10 % de la carga nominal del transformador con factor de

potencia = 0.90, ZFUENTE = 1 + 1*J p.u. con flujo remanente positivo = 0.4 p.u

Séptimo caso: Carga = 10 % de la carga nominal del transformador con factor de

potencia = 0.90, ZFUENTE = 1 + 1*j p.u. con flujo remanente negativo = 0.4 p.u

En esta sección se modela la protección diferencial de un transformador monofásico

de potencia, a fin de contar con un modelo para la simulación de diferentes casos que
permiten el estudio de fallas internas y corrientes de inrush. El modelo de la protección
diferencial de un transformador se muestra en la figura 1
Figura 1 Modelo en SIMULINK-MATLAB de la protección diferencial de un
transformador monofásico.

DESCRIPCIÓN DEL SISTEMA DE POTENCIA SIMULADO EN MATLAB-

SIMULINK
El sistema de potencia simulink-matlab es el mostrado en la figura 1; este consiste de
un transformador trifásico de 35 MVA que se conecta en una red de 11 KV. La relación del
transformador es de 11/66 KV por cada fase. La característica de saturación del
transformador se modela con un ciclo de histéresis (con flujo remanente según la condición
del escenario a simular). Una fuente programable de 11 KVrms que se conecta al primario
del transformador representa la barra 1 del sistema de potencia; en el secundario se coloca
en abierto. Además se coloca en el lado del primario una Zlìnea que representa la
impedancia de la línea más la impedancia del generador. Del lado del primario se coloca
una Z que representa la carga del sistema. En el secundario se conecta un interruptor (el
número tres) en serie con una resistencia con valor bajo que permitirá simular fallas
(cortocircuitos) del lado del secundario. En los transformadores de corriente al igual que el
transformador de potencia se consideró la saturación.
SIMULACIÓN DE LAS CORRIENTES “INRUSH” Y CORTOCIRCUITO EN UN
TRANSFORMADOR USANDO ATP.

El sistema de potencia modelado en ATP, se utilizó en éste trabajo con el objetivo de

convalidar las simulaciones realizadas en Matlab-Simulink ya que ATP es un programa muy
reconocido en el área de simulación de sistemas de potencia. En el modelo realizado en
ATP se consideraron al igual que en el modelo simulado en Matlab-Simulink cinco
escenarios, con diferentes condiciones de operación, las mismas se realizaron en cuatro(4)
instantes de tiempo durante un ciclo de voltaje (60 Hz). En esta investigación a diferencia
de otras se utilizaron dos programas de gran aceptación para la simulación de sistemas de
potencia y además se consideró la inclusión del ciclo de histéresis en el transformador de
potencia, lo cual no se había considerado en otras investigaciones relevantes.

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:

 Energización del transformador en vacío.

 Energización del transformador con carga.

 Cortocircuito al energizar el transformador (en vacío).

 Cortocircuito al energizar el transformador (con carga).

 Cortocircuito durante la operación normal del transformador.

Estas simulaciones se realizaron en 4 instantes de tiempo durante un ciclo de voltaje

(60 Hz.), Modificando la impedancia de la fuente, y la impedancia de la carga. A
continuación se describe cada una de las condiciones con la que se simularon los escenarios
antes mencionados:
 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 = 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.

El circuito a simular se presenta en la figura 2

Figura 2 Modelo en ATP de la protección diferencial de un transformador monofásico.

 COMPARACIÓN PARA LA VALIDACIÓN DEL MODÉLO EN MATLAB-
SIMULINK

La comparación de las corrientes simuladas (Inrush y Cortocircuito) en el transformador de

potencia, usando los programas Matlab-Simulink y ATP se realizó simulando y tabulando
los dos (2) primeros ciclos de la corriente de Inrush y cortocircuito en el transformador.
Esto es, a través de la tabulación de una muestra de la señal de corriente que consiste en
treinta y dos puntos (32) de los dos (2) primeros ciclos de corriente para los dos casos
(Inrush y Cortocircuito), estas simulaciones se realizaron en cuatro (4) instantes de tiempo
durante un ciclo de voltaje (60 Hz).

MATRIZ PARA EL ENTRENAMIENTO

Para el entrenamiento de la red de neuronas

La matriz de entrenamiento de la Red Neuronal Artificial se conformó por quinientos

sesenta (560) vectores, de treinta y dos los cuales corresponden a cada uno de los casos y
escenarios de simulación considerados. Cinco escenarios (5), siete (7) casos y dieciséis
energizaciones en diferentes puntos de la onda, dando como resultado los quinientos
sesenta casos que conforma la matriz o data de entrenamiento de la Red Neuronal Artificial.

ARQUITECTURA DE LA RED NEURONAL ARTIFICIAL

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).

Para el entrenamiento de la Red Neuronal Artificial se utilizo el algoritmo de entrenamiento

TRAINSCG por ser el más consistente en cuanto a convergencia, error promedio y épocas.

VALIDACIÓN O PRUEBAS FINALES DE LA RED NEURONAL ARTIFICIAL

Para probar el funcionamiento de la RNA se considero un caso diferente a los utilizados en

el entrenamiento, en los mismos cinco escenarios descritos. De esta forma la matriz de
entrada consta de 32 reglones y 20 columnas (cinco escenarios simulados en cuatro
instantes de tiempo) de las cuales las 8 primeras columnas corresponden a los escenarios 1
y 2 (energización) y las otras 12 columnas corresponden a los esenarios 3 4 y 5
(cortocircuitos). El caso de prueba es:

Carga=50MW, 15MVAR, Zfuente=13W, 0.1mH