| dc.creator | Marulanda Durango, Jesser James | |
| dc.date | 2014-06-10T16:01:33Z | |
| dc.date | 2021-11-02T20:35:27Z | |
| dc.date | 2014-06-10T16:01:33Z | |
| dc.date | 2021-11-02T20:35:27Z | |
| dc.date | 2013 | |
| dc.identifier | T621.4025 M389;6310000107055 F2650 | |
| dc.identifier | https://hdl.handle.net/11059/4238 | |
| dc.description | Este documento presenta un modelo de horno de arco considerando la naturaleza no−lineal y altamente variable que exhibe este tipo de carga. A partir de la ecuación diferencial no lineal que describe la característica voltaje − corriente del arco eléctrico, se establecen fluctuaciones en el dominio del tiempo de la longitud del arco, suponiendo variaciones periódicas, aleatorias y caóticas simultáneamente. El modelo se desarrolla en el software de simulación SimulinkTM de MATLAB® usando una configuración típica para el circuito eléctrico de potencia. Los parámetros del modelo se dividen en dos grupos: deterministas y dinámicos. Se muestra el procedimiento de calibración de los parámetros del modelo usando diferentes enfoques. Inicialmente, se calibran los parámetros deterministas y luego los dinámicos. Se presentan tres métodos diferentes para calibrar los parámetros deterministas: regresión Bayesiana lineal, máxima verosimilitud y regularización de Tikhonov. Para calibrar los parámetros de la fase dinámica se utilizan dos enfoques: redes neuronales y máquinas de soporte vectorial. La red neuronal se utiliza como emulador del modelo, la cual ha sido entrenada con datos de simulación obtenidos del modelo del horno implementado en el entorno SimulinkTM. Una vez entrenada la red, los parámetros de interés se obtienen resolviendo un problema inverso. La máquina de soporte vectorial se utiliza para resolver el problema de regresión en el caso de múltiples salidas. Luego de obtener el modelo de regresión multidimensional del modelo del horno de arco usando datos generados en simulación, los parámetros del modelo se obtienen resolviendo el problema inverso tomando como entradas las señales reales. Al final, se muestra una comparación de resultados obtenidos con las técnicas utilizadas. | |
| dc.description | This document presents a model for AC electric arc furnace considering the highly nonlinear and time varying characteristics of this type of load. Using the nonlinear differential equation that describes the voltage – current characteristic, both voltage fluctuations in the time domain and the arc length are established assuming periodic, stochastic and chaotic variations. The model is developed using MATLAB® & SimulinkTM with parameters from a typical steel company. The model parameters are divided into two groups: deterministic and dynamic. Estimation of model parameters is accomplished using different techniques. Initially, the deterministic parameters are calibrated using three different methods: Bayesian linear regression, Tikhonov regularization and maximum likelihood. To calibrate the dynamic parameters two approaches were used: neural network and support vector machines (SVMs). The multilayer neural network is used an emulator of the electric arc furnace model. The neural network is trained using data obtained from the simulator of the electric arc furnace model implemented in SimulinkTM. Once the network is trained, the parameters of interest are obtained by solving an inverse problem. The support vector machines were used to solve regression problem in the case of multiple variables. After obtaining the multidimensional regression model of arc furnace using simulation, the model parameters of interest are obtained by solving the inverse problem taking as input the real signals. Finally, a comparison of results obtained with neural networks and SVMs is shown. | |
| dc.format | application/pdf | |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Pereira : Universidad Tecnológica de Pereira | |
| dc.publisher | Facultad de Ingenierías Eléctrica, Electrónica y Ciencias de la Computación | |
| dc.publisher | Maestría en Ingeniería Eléctrica | |
| dc.rights | Attribution-NonCommercial-Noderivatives 4.0 International | |
| dc.rights | EL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARÁGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD TECNOLOGICA de PEREIRA, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, decisión andina 351 de 1993, decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. | |
| dc.rights | openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Hornos eléctricos | |
| dc.subject | Estimación de parámetros | |
| dc.subject | Metalografía | |
| dc.title | desarrollo de una metodología para reducir el efecto flicker generado por un horno de arco eléctrico | |
| dc.type | masterThesis | |
| dc.type | acceptedVersion | |
