Técnicas de investigación en calidad eléctrica: Ventajas e inconvenientes

• Francisco Gil Montoya ^[1] ; Francisco Manzano Agugliaro ^[1] ; Julio Gómez López ^[1] ; Pedro Sánchez Alguacil ^[1]
  1. [1] Universidad de Almería

     Universidad de Almería

     Almería, España

     
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 79, Nº. 173, 2012
• Idioma: español
• Títulos paralelos:
  • Power quality research techniques: Advantages and disadvantages
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 3 Citas
• Resumen
  • español

    La calidad eléctrica juega un papel importantísimo en las redes eléctricas de hoy en día. Por esta razón, es de vital importancia contar con herramientas adecuadas que permitan una eficaz detección de anomalías o perturbaciones en dichos sistemas eléctricos. Frente a las técnicas usadas tradicionalmente, como la transforma de Fourier, hoy en día se están desarrollando nuevos métodos basados en transformadas de dominio, como la Transformada Wavelet o la Transformada S, unido a técnicas basadas en inteligencia artificial como la lógica difusa o las redes neuronales. En este artículo se hace un repaso, a la vez que se discuten estas nuevas técnicas, situándolas en contexto con las técnicas tradicionales y poniendo de manifiesto la superioridad y precisión que se consigue aplicando estos nuevos paradigmas matemáticos. Se detalla, fundamentalmente, la Transformada S y la Wavelet como herramienta de gran proyección y futuro en el análisis de la calidad eléctrica debido a su precisión, inmunidad al ruido e información de calidad que aporta

  • English

    Nowadays, power quality (PQ) plays a very important role in power systems. So that is why it is very important to use suitable tools allowing a precise detection of anomalies and perturbations in power systems. Given traditional analysis techniques, such as Fourier Transform, today new tools are being developed based on domain transformation, such as Wavelet Transform (WT) or S-Transform (ST), along with Artificial Intelligence (AI) techniques such as Fuzzy Logic (FL) or Artificial Neural Networks (ANN). In this paper, new algorithm and mathematic techniques are reviewed and discussed, and also compared with traditional techniques, revealing the precision and superiority achieved with these new techniques. ST and WT is detailed, basically, as a tool with great scope and future in power quality analysis because of its precision, noise immunity and its contribution with quality information about PQ