Comparación con otras estrategias existentes

Para evaluar el grado de eficiencia en la detección y diagnóstico de fallas de los componentes con respecto a otros sistemas de dos etapas para el mismo propósito, se realizó una comparación entre el modelo final presentado hasta este momento, en este reporte y el sistema de identificación de Garza [2], basado en DICL (lógica de opción independiente dinámica) y DPMs (modelos probabilísticos dinámicos), específicamente en Redes Bayesianas Discretas y modelos probabilísticos de máxima entropía. Se realizaron 48 simulaciones, en la red eléctrica seleccionada, en donde aleatoriamente se seleccionaron un conjunto de 4 nodos de prueba (nodos 3, 9, 10 y 13) y se probaron ambos modelos para saber el estado real de éstos.

Las simulaciones fueron divididas para realizar dos tipos de pruebas. En la primera evaluación, cada simulación incluía uno de los cuatro nodos elegidos previamente para prueba con alguna falla aleatoria (línea a línea, una, dos o tres fases a tierra), y fallas aleatorias en otros nodos. La prueba de eficiencia, gira en torno a la determinación correcta del estado del nodo de prueba. La segunda evaluación consistió en la simulación de fallas aleatorias den los 4 nodos de prueba y la identificación correcta del estado de cada nodo. En ambas evaluaciones, el estado del interruptor de protección de seguridad fue determinado por la selección aleatoria de uno de sus tres estados: OPEN, FAIL, OK. La primera evaluación incluye el conjunto de simulaciones mostrada en la tabla D.2, del Apéndice D. Se pudo determinar el modo de operación correcto para el nodo de prueba en 19 de 24 pruebas en el modelo aquí presentado, esto es un 79.16% de éxito, en comparación con 22 de 24 correctas determinaciones del estado de nodo de prueba para el modelo de Garza [2], es decir, 91.6% de eficiencia. El resumen de las estadísticas por tipo de falla y por nodo son mostradas en las tablas 14 y 15.

Como se puede observar en la Tabla 14, el modelo aquí propuesto mejora el porcentaje de eficiencia del modelo basado en DICL-DPM para la detección de cierto tipo de fallas. Sin embargo, el porcentaje de eficiencia en casi todos los demás tipos de fallas es menor. En cuanto a la Tabla 15, se puede observar que en general el porcentaje de eficiencia por nodo, es mayor en el modelo DICL-DPM. Las comparaciones realizadas pueden verse en las Fig. 21 y 22.

La segunda evaluación incluye las simulaciones mostradas en la tabla D.3, en el Apéndice D. El nivel de eficiencia es de 57.29%, con la determinación del estado correcto del nodo en 55 de los 96 casos de prueba; en comparación con un 87.5% de una correcta identificación en el modelo de Garza [2], siendo solo 12 los casos identificados erróneamente. Las estadísticas por tipo de falla y por nodo son mostradas en las Tablas 16 y 17.

61

Modelo RBH Modelo DICL-DPM

Estado del

nodo Correcto Equivocado % Exactitud Correcto Equivocado % Exactitud

A­B­C Gnd  3  1  75.0  4  0  100.0  A­B Gnd  1  1  50.0  2  0  100.0  A Gnd  5  0  100.0  4  1  80.0  A­B  4  0  100.0  3  1  75.0  B­C  3  3  50.0  6  0  100.0  No Fault  3  0  100.0  3  0  100.0  Tabla 14: Evaluación 1 por tipo de falla     

Modelo RBH Modelo DICL-DPM

Número

de nodo Correcto Equivocado % Exactitud Correcto Equivocado % Exactitud

3  5  1  83.33  6  0  100.0  9  3  3  50.0  6  0  100.0  10  5  1  83.33  4  2  66.7  13  6  0  100.0  6  0  100.0  Tabla 15: Evaluación 1 por nodo      Figura 21: Gráfica de evaluación 1 por nodo

62

  Figura 22: Gráfica de evaluación 1 por tipo de falla

Modelo RBH Modelo DICL-DPM

Estado del nodo

Correcto Equivocado % Exactitud Correcto Equivocado % Exactitud

A-B-C Gnd 7 7 50.0 14 0 100.0 A-B Gnd 4 6 40.0 10 0 100.0 A Gnd 6 8 42.86 12 2 85.7 A-B 8 10 44.44 15 3 83.3 B-C 6 10 37.5 16 0 100.0 No Fault 24 0 100.0 17 7 70.8

Tabla 16: Evaluación 2 por tipo de falla

Modelo RBH Modelo DICL-DPM

Número

de nodo Correcto Equivocado % Exactitud Correcto Equivocado % Exactitud

3 13 11 54.16 19 5 79.1

9 13 11 54.16 21 3 87.5

10 8 16 33.33 21 3 87.5

13 21 3 95.8 23 1 95.8

63

  Figura 23: Gráfica de evaluación 2 por nodo

En la Tabla 14 se observa, que el tipo de error más común es la asignación de la falla cuando se tiene una falla línea a línea, en especial, las fases B-C (62.5% detecta erróneamente). Esto es debido, a que se presenta en el nodo 3 un comportamiento muy peculiar, al presentarse este tipo de falla (ver sección 3.2.2, Fig. 9), el cual afecta de una manera negativa la detección de la falla en los demás nodos. Al tener una falla línea a línea B-C en el nodo 3, el voltaje decae por el tiempo en que la carga de falla se presenta, pero al quitarse esta carga de falla, el voltaje no regresa a su nivel normal, por lo que afecta en el cálculo de medias, varianzas e índices de sí mismo, y de los demás nodos, es por esto, que es una falla que no permite el correcto diagnóstico la mayoría de las veces en otros nodos. En comparación con el modelo DICL-DPM, se puede observar que en general éste presenta mejores resultados, sin embargo, en el caso de nodos donde no existe falla, el modelo RBH presenta un mejor desempeño, acertando siempre el caso de falla o no falla. Las comparaciones realizadas pueden verse en las Fig. 23 y 24.

Por cada 24 nodos, solo 14 se pudieron detectar correctamente (esto es 57.29% de los casos) y no se pudieron identificar correctamente al menos los estados de 10 nodos. En comparación con el modelo DICL-DPM que obtuvo solo un nodo identificado erróneamente por cada 24 casos. En el modelo aquí presentado, solamente en 5 simulaciones se identificó correctamente el estado de los 4 nodos, teniendo un porcentaje de eficiencia de 20.83%, mientras que en el modelo DICL-DPM, se obtuvieron 13 simulaciones con un porcentaje de eficiencia de 54.2%. Esto es debido a que el modelo aquí propuesto, presenta resultados eficientes para la detección de 1 y 2 fallas, y resultados no tan prodigiosos para la detección de 3 fallas en adelante.

64

  Figura 24: Gráfica de evaluación 2 por tipo de falla

65

CAPÍTULO 5: SEGUNDA PARTE