Aplicación de técnicas de IA para procesamiento de señales eléctricas de un turbogenerador de 1198MVA.

Abstract

El sistema eléctrico español dispone de varios tipos de centrales que son las responsables de la generación de energía eléctrica, por lo que es importante que funcionen correctamente y que sean seguras durante su operación. La central nuclear de Cofrentes dispone de una potencia instalada de 1198MVA, con un único generador síncrono. Esta central comenzó a registrar un funcionamiento anómalo en su sistema de excitación concretamente en el regulador de tensión. El estudio de los registros de las formas de onda del sistema se realizó de manera manual, estudiando cada forma de onda individualmente. Dado el gran volumen del número de formas de onda, se propuso buscar una alternativa. Por ello, se inició este estudio cuyo objetivo es, por medio de técnicas de clasificación, conseguir agrupar gráficas de comportamiento normal que muestren una buena actuación del regulador de tensión ante un evento en la tensión de la red y agrupar, por otro lado, las gráficas de comportamiento anómalo que muestran un comportamiento inusual de dicho dispositivo. Se pretende así encontrar un patrón que ayude a identificar la forma de onda a estudiar. Para ello, se han evaluado dos técnicas clustering, concretamente K-means, y aprendizaje profundo o Deep learning, un componente clave de la Inteligencia Artificial que usa redes neuronales; no obstante, dada la extensión y duración de este proyecto, solo se ha probado el método K-means. A este algoritmo se le han ido aplicando mejoras hasta alcanzar un óptimo resultado de clasificación y como trabajo futuro se propone probar más modelos de clasificación para ampliar las posibilidades para la identificación del problema.

The Spanish electrical system has several types of power plants that are responsible for generating electricity, so it is important that they operate correctly in order to remain safe. The Cofrentes nuclear power plant has an installed capacity of 1198 MVA, with a single synchronous generator. This plant began to register anomalous operation in its excitation system, specifically in the voltage regulator. The study of the waveform records of the system was carried out manually, studying each waveform individually. Given the large volume of waveforms, an alternative was wanted. Therefore, this study was initiated with the aim of, through classification techniques, grouping graphs of normal behaviour that show good performance of the voltage regulator in case of a grid voltage event and, on the other hand, grouping graphs of anomalous behaviour that show unusual actions of the device. The goal is to find a pattern that helps identify the waveform to be studied. To achieve this, two clustering techniques have been evaluated, specifically K-means, and deep learning, a key component of Artificial Intelligence that uses neural networks. Due to the length of this project, only the K-means method has been tested. Improvements have been applied to this algorithm to achieve an optimal classification result, and for future work, more classification models will be tested to expand the possibilities for identifying the problem.