1. Identificación y localización de múltiples fuentes de descarga parcial usando análisis de componentes independientes
- Author
-
Boya Lara, Carlos Allan, Ruiz Llata, Marta, UC3M. Departamento de Tecnología Electrónica, and Universidad Carlos III de Madrid. Departamento de Tecnología Electrónica
- Subjects
Descargas parciales ,Partial discharges ,Aislantes eléctricos ,Independent Component Analisys ,Fiabilidad ,Electrical insulation ,Electrónica ,Descargas eléctricas ,Reliability ,Análisis de Componentes Independientes - Abstract
La fiabilidad de los equipos eléctricos depende directamente de la integridad del aislamiento eléctrico. La detección, identificación y localización de las Descargas Parciales (DP) se utiliza como una herramienta para obtener información que permite evaluar el estado del aislamiento. Para la detección existen diferentes métodos, siendo los principales: el eléctrico, el acústico y el electromagnético. Posterior a la detección se aplican métodos para la identificación de las descargas y otros métodos que se enfocan en su localización. Normalmente, estos métodos asumen la presencia de una sola fuente de descarga, sin embargo, en ambiente reales, siempre existe la posibilidad de varias fuentes de descarga localizadas en diferentes puntos del aislante. Aunque se han propuestos métodos con el objetivo de identificar en ambientes de múltiples descargas, sus resultados sólo indican la presencia de más de una descarga o logran clasificar si no existe solapamiento. Las señales provenientes de más de una fuente DP se mezclan en los sensores, efecto que cambia sus características en tiempo y frecuencia de tal forma que se distorsiona la forma de onda de la señal y dificulta el cálculo de los tiempos de llegada o TDOA (Time Delay On Arrival). Este problema no permite que los métodos tradicionales de identificación y localización trabajen adecuadamente. La tesis doctoral propone un método para separar estas mezclas en las fuentes originales de DP. El método utiliza Análisis de Componentes Independientes (ICA, siglas en ingles de Independent Component Analisys) y se demuestra su utilidad aplicándolo a señales detectadas por los métodos de detección acústico y electromagnético. Estos métodos son llamados métodos de detección no convencionales y se aplican como una alternativa o complemento al método eléctrico convencional. ICA, recupera la forma de onda original de cada fuente y de manera automática las identifica. Está sustentado en una sólida teoría matemática y estadística y que ha sido desarrollada específicamente para solucionar el problema de mezclado de señales en ambientes reales. Además, es transparente al tipo de señales que procesa; es decir, no es afectado por las características particulares de un proceso, sólo es necesario que sean estadísticamente independientes, lo que ofrece un marco general para trabajar con todo tipo de señales. En la tesis se utiliza el algoritmo ICA-Amari para mezclas convolutivas. Es aplicado a mezclas acústicas generadas en una plataforma de ensayos en las cuales se simulan descargas de tipo superficial e internas. En estas pruebas se comprueba como el mezclado afecta las características de la forma de onda de las señales originales dificultando su identificación. Las mezclas son separadas en las señales originales lo que es validado utilizando patrones de energía en frecuencia. El algoritmo ICA-Amari estima parámetros de los cuales se pueden obtener los TDOA de cada fuente de DP con el objetivo de localizarlas. Finalmente, ICA es aplicado a señales electromagnéticas detectadas por antenas UHF. En este caso se generan DP desde dos fuentes del mismo tipo, pero colocadas en diferentes posiciones espaciales. Las DP son del tipo superficial. Debido a que estas señales tienen características muy similares, un método tradicional de identificación puede llegar a generar falsos positivos en estas condiciones, sin embargo, ICA identifica las dos DP e incluso ofrece información de los TDOA para la localización The reliability of electrical equipment depends directly on the integrity of the electrical insulation. The detection, identification, and location of Partial Discharge (PD) is used as a tool to obtain information that allows to evaluate the state of the insulation. For detection there are different methods, the main ones being electric, acoustic, and electromagnetic. After detection methods are applied for the identification of discharges and other methods that focus on their location. Normally, these methods assume the presence of a single source of discharge, however, in real environments, there is always the possibility of several sources of discharge located in different points of the insulation. Although methods have been proposed with the aim of identifying multiple discharge, their results only indicate the presence of more than one discharge or they can classify if there is no overlap. Signals from more than one DP source are mixed in the sensors, an effect that changes their characteristics in time and frequency in a way that distorts the signal waveform and makes difficult to calculate the arrival times or TDOA (Time Delay On Arrival). This problem does not allow traditional identification and localization methods to work properly. The doctoral thesis proposes a method to separate these mixtures in the original sources of DP. The method uses Independent Component Analysis (ICA) and demonstrates its usefulness by applying it to signals detected by acoustic and electromagnetic detection methods. These methods are called non-conventional methods and are applied as an alternative or complement to the conventional electrical method. ICA, retrieves the original waveform from each source and automatically identifies them. It is based on a solid mathematical and statistical theory and has been developed specifically to solve the problem of signal mixing in real environments. In addition, it is transparent to the type of signals it processes; it is not affected by the characteristics of a process and it is only necessary that signals are statistically independent. This provides a general framework for working with all kinds of signals. The thesis uses the ICA-Amari algorithm for convolutive mixtures. It is applied to acoustic mixtures generated in a test platform in which superficial and internal type discharges are simulated. In these tests, it is verified how the mixing affects the characteristics of the waveform of the original signals, making it difficult to identify them. The mixtures are separated into the original signals which is validated using frequency energy patterns. The ICA-Amari algorithm estimates parameters from which the TDOA can be obtained from each DP source to locate them. Finally, ICA is applied to electromagnetic signals detected by UHF antennas. In this case DP is generated from two sources of the same type, but placed in different spatial positions. DPs are of the superficial type. Because these signals have very similar characteristics, a traditional method of identification may lead to false positives under these conditions, however, ICA identifies the two PDs and even provides TDOA information for localization. Programa Oficial de Doctorado en Ingeniería Eléctrica, Electrónica y Automática Presidente: Horacio Lamela Rivera.- Secretario: Romano Giannetti.- Vocal: Miguel A. Sánchez-Urán González
- Published
- 2017