Modelo Neuronal Dinámico del Generador Sincrónico con vistas al Diagnóstico

Resumen

 En el trabajo se presentan los resultados más importantes obtenidos por los autores en la elaboración de una Red Neuronal Dinámica para la detección de cortocircuitos entre espiras en el rotor de los generadores sincrónicos. Mediante esta red puede captarse la dinámica del rotor, lo cual es equivalente a estimar su constante de tiempo. Se justifican las variables de entrada y salida que se emplean en el desarrollo de la red y se selecciona su topología utilizando patrones de entrenamiento y trabajo sacados de un sistema modular de simulación elaborado por los autores. Se simula la existencia de fallos en el rotor y mediante su comparación con la Red entrenada se demuestra su aplicación en la detección de los fallos en el rotor.

In this paper, the more important results concerning the application of Dynamic Neural Model, developed by the authors, are presented. It will be used to detect interturn short circuits in the rotor winding. It permits to capture the rotor dynamics, i.e. to estimate the rotor time constant. The input and output variables employed in the artificial neural network are justified. Its topology is determined utilizing the learning and testing patterns, which are extracted from the simulation carried out using a Modular Simulation System proposed by the authors. Different rotor faults are simulated and, by its comparison with the trained artificial neural network in order to detect the failure condition, the applicability of the method is demonstrated.