dc.contributorMarrero Ramírez, Secundino
dc.creatorRueda Flores, Walter Paúl
dc.date2023-03-09T15:22:26Z
dc.date2023-03-09T15:22:26Z
dc.date2022
dc.date.accessioned2023-08-08T21:34:12Z
dc.date.available2023-08-08T21:34:12Z
dc.identifierWalter Paúl Rueda Flores (2022); Desarrollo de un código de programación para el mantenimiento preventivo de transformadores de potencia. UTC. Latacunga. 117 p.
dc.identifierMUTC-001322
dc.identifierhttp://repositorio.utc.edu.ec/handle/27000/9790
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8083073
dc.descriptionPower transformers are the most important and, therefore, costly equipment inside a power substation, whether it is the elevation-power in a generating plant, transmission or sub-transmission in pass-through substations, or reduction-power for both public marketing companies and private companies that feed their production processes, according to these different types of uses, the equipment is subject to different environmental conditions such as degree of contamination, salinity, height, and relative humidity, among others, as well as factors of demand and quality of energy, which causes different electrical efforts and thermal situations inside the transformer. Consequently, it is necessary to implement different diagnostic techniques according to the stages of the maintenance plan, depending on the conditions. Hence, the following project aims to execute a programming code based on the Support Vector Machine (SVM) supervised learning algorithm o process the concentrations of gases in the mineral dielectric oil obtained from the Dissolved Gas Analysis (DGA). To interpret the data, the Duval method exposed in the IEEE C57.104™-2019 standard is used in such a way that form that serves for verification and comparison with standardized and nonstandardized methods such as Artificial Neural Networks (ANN), contributing to the decisions made in the preventive maintenance program to be implemented in the future in the different power transformers.
dc.descriptionLos transformadores de potencia son los equipos más importantes y por ende costosos al interior de una subestación de potencia, ya sea de elevación en una central generadora, transmisión o subtransmisión en subestaciones de paso, o de reducción tanto para empresas públicas de comercialización como para empresas privadas que alimentan sus procesos productivos, de acuerdo con estos distintos tipos de usos los equipos están sujetos a diferentes condiciones ambientales como grado de contaminación, salinidad, altura, humedad relativa, entre otros, a eso se le suma factores de demanda y calidad de energía, lo que provoca diferentes esfuerzos eléctricos y térmicos al interior del transformador. Consecuentemente resulta necesario implementar diferentes técnicas de diagnóstico de acuerdo con las etapas del plan de mantenimiento dependiendo de las condiciones propias, sobre este contexto, el propósito del siguiente proyecto es implementar un código de programación basado en el algoritmo de aprendizaje supervisado Support Vector Machine (SVM) para el procesamiento de los niveles de concentración de gases contenidos en el aceite dieléctrico mineral, obtenidos del Análisis de Gases Disueltos (DGA) y para la interpretación se utiliza el método de Duval expuesto en la norma IEEE C57.104™-2019, de tal forma que sirva para verificación y comparación con métodos estandarizados y no estandarizados como las Redes neuronales Artificiales (RNA), contribuyendo en las decisiones que se tomen en el programa de mantenimiento preventivo que se implementen a futuro en los distintos transformadores de potencia.
dc.format117 páginas
dc.languagespa
dc.publisherEcuador: Latacunga: Universidad Técnica de Cotopaxi (UTC)
dc.rightsopenAccess
dc.rightshttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/
dc.subjectTRANSFORMADOR
dc.subjectSVM
dc.subjectALGORITMOS
dc.subjectDIAGNOSTICO
dc.subjectELECTRICIDAD
dc.titleDesarrollo de un código de programación para el mantenimiento preventivo de transformadores de potencia
dc.typemasterThesis


Este ítem pertenece a la siguiente institución