Metodología para el análisis de sensibilidad de los localizadores de fallas ante los parámetros de modelado del sistema de potencia

El estudio de la calidad y confiabilidad de la energía eléctrica empezó a tener gran importancia para las empresas operadoras de red y para los usuarios, gracias a las exigencias de los entes de regulación. Entre los aspectos más importantes de la calidad se tiene en cuenta el servicio al cliente, la forma de onda y la continuidad del suministro de energía [MORA06]. Éste último es el principal aspecto de esta investigación. La continuidad del suministro de energía se ve afectada principalmente por la ocurrencia de fallas debido a diferentes eventos estocásticos como descargas atmosféricas, ruptura de aislamiento, contacto de animales o aspectos técnicos como falta de mantenimiento o deterioro de los elementos del sistema. Por lo tanto, para mantener la continuidad del suministro de energía y reducir el tiempo de duración de las interrupciones, se emplean dos tipos de métodos en sistemas de distribución: los métodos de localización de fallas basados en el modelo (MBM) y los métodos de localización de fallas basados en el conocimiento (MBC). Los MBM utilizan la topología del sistema y los valores de tensión y corriente de las fuentes de generación para determinar la distancia a la falla mediante un proceso iterativo. Los MBC utilizan la minería de datos y el aprendizaje de la máquina para indicar la zona donde se encuentra la falla. Sin embargo, ambos métodos tienen el inconveniente de la alta dependencia de los parámetros de modelado, de la dependencia de la calidad de los datos y de los altos costos de validación en entornos reales. Con el fin de robustecer los métodos de localización de fallas y de ajustarlos antes de implementarlos en un sistema de distribución, se implementa una metodología de análisis de sensibilidad global, la cual estudia el comportamiento de los métodos de localización ante diferentes estados operativos que puedan ocurrir en un sistema típico de distribución y determina los parámetros de modelado que más afectan su desempeño