Comunicación presentada al V Congreso de Smart Grids
Autores
- Patricio G. Donato, Investigador, ICYTE (CONICET / UNMDP)
- Ignacio Carugati, Investigador, ICYTE (CONICET / UNMDP)
- Jorge L. Strack, Becario doctoral, ICYTE (CONICET / UNMDP)
- Carlos M. Orallo, Investigador, ICYTE (CONICET / UNMDP)
- Sebastián O. Maestri, Investigador, ICYTE (CONICET / UNMDP)
- Marcos A. Funes, Investigador, ICYTE (CONICET / UNMDP)
- Matías N. Hadad, Investigador, ICYTE (CONICET / UNMDP)
Resumen
Los eventos de tensión en redes de distribución eléctrica conforman uno de los tipos de perturbaciones más perniciosos, lo cual ha convertido a la calidad del servicio eléctrico en uno de los temas de mayor interés tanto para distribuidoras como para usuarios residenciales, comerciales e industriales. La detección de eventos y su correcta clasificación en forma automática son herramientas que pueden ayudar a la toma de decisiones tendientes a la mitigación del evento en sí o a la intervención a largo plazo sobre la red. En este trabajo se propone el uso de un algoritmo de clasificación automática de eventos particular, basado en el uso de información extraída de las tensiones de fase y línea, y su posterior comparación con una serie de modelos matemáticos previamente definidos. Se describe el funcionamiento del algoritmo y se muestran resultados prácticos obtenidos a partir de eventos de tensiones sobre la red de distribución eléctrica de baja tensión.
Palabras clave
Calidad de la Energía, Eventos de Tensión, Clasificación, Análisis
Introducción
En el curso de los últimos años las empresas del sector eléctrico y los organismos de control pertinentes, han redoblado sus esfuerzos en las cuestiones relativas a la evaluación y mejora de la calidad de la energía eléctrica. Esto abarca desde fenómenos como la distorsión de la forma de onda hasta la corrección del factor de potencia, pasando por los desbalances en redes trifásicas y los eventos de tensión. Estos últimos presentan un gran interés tanto por parte de las empresas distribuidoras como de los usuarios residenciales, comerciales e industriales. Básicamente, los eventos de tensión pueden definirse como reducciones de tensión entre el 10% y el 90% del valor nominal, o sobretensiones por arriba del 10% de la nominal, que tienen una duración entre medio ciclo de red (10ms en una red de 50Hz) hasta 3 minutos, aunque por lo general no superan el segundo de duración (Bollen & Gu, 2006). Se caracterizan, entre otras cosas, por tener un inicio y un final, a diferencia de otras perturbaciones, que tienen un comportamiento cuasi-estacionario (frecuencia, fluctuaciones de tensión, etc.). Se producen debido a incrementos transitorios de corriente, que provocan un cambio de las tensiones en el punto de conexión común (PCC) donde se encuentra el usuario en cuestión (Fig. 1).
Las causas de los incrementos de corriente que originan los eventos de tensión pueden hallarse en los cortocircuitos entre fases y fallas a tierra y neutro, en el arranque de motores de inducción, la energización de transformadores, las descargas atmosféricas y las maniobras de bancos de capacitores. Las consecuencias de los eventos de tensión son varias, pero a modo de ejemplo pueden citarse la caída de sistemas informáticos, la desconexión de contactores y elementos de protección, la reducción de torque en motores de inducción y la desconexión de aerogeneradores asincrónicos y de sistemas de inyección de energía a la red. En pocas palabras, provocan perjuicios que significan pérdidas económicas para los usuarios. Por estas razones, es necesario contar con la capacidad de registrar y evaluar los eventos en forma automática, identificando el comienzo y fin de los mismos, clasificándolos y, de ser posible, identificando las causas que los producen, para intervenir en el sistema y reducir los efectos adversos en los usuarios.
La clasificación de eventos de tensión se trata en la bibliografía específica a través del enfoque de la clasificación basada en modelos predefinidos. Uno de los sistemas de clasificación más difundidos en los últimos años es el denominado criterio ABC, que permite clasificar eventos según nueve modelos diferentes. Sobre este criterio se han desarrollado algunos métodos que implementan clasificaciones automáticas, basándose en relaciones de tensiones y el cálculo de índices que las caracterizan. Sin embargo, los mismos cometen errores de clasificación en determinadas condiciones de falla, lo cual reduce su fiabilidad en situaciones reales (Strack et al., 2018).
En este trabajo se propone el uso de un algoritmo de clasificación de eventos automático como herramienta para detectar y determinar el tipo de evento a fin de asistir a la toma de decisiones para la aplicación de las correcciones. Este algoritmo muestra un desempeño mejor al de otros métodos desarrollados en el pasado (Strack et al., 2018), y es factible de implementar en sistemas de análisis y/o monitoreo de energía en tiempo real. Este algoritmo sirve como herramienta en el diagnóstico y registro de fallas, para la posterior elaboración de estadísticas y/o la intervención sobre la red para la mejora de la calidad de la energía.
El criterio de clasificación ABC
Este criterio de clasificación se destaca por la variedad de tipos de eventos predefinidos que contiene y por su capacidad para describir la propagación de eventos a través de transformadores de potencia. El criterio ABC define siete tipos de huecos de tensión (tipos A-G) (Bollen & Gu, 2006), y posteriormente fue extendido en el trabajo de (Ignatova, 2009) con dos tipos de huecos y sobretensiones (tipos H e I). Las características de los modelos empleados facilitan la vinculación entre el tipo de evento y la falla que lo originó. Cada uno de los modelos se define a través de una serie de ecuaciones, que se encuentran tabuladas en la bibliografía específica.
Algoritmo de clasificación propuesto
Para que el criterio de clasificación sea útil, debe ser factible de implementarse en forma automática. Por tal razón, se propone realizar la clasificación mediante un algoritmo que compara los valores absolutos de las secuencias de las tensiones fundamentales medidas durante el evento con las secuencias derivadas de un modelo analítico de cada tipo de evento. Esta comparación se hace mediante el cálculo del error cuadrático medio entre las mediciones y los modelos, determinando cuál es el tipo de evento que mejor se ajusta a la realidad (Fig. 3).
Medición de tensiones de fase y cálculo de las componentes simétricas
El primer paso para clasificar un evento es adquirir las magnitudes de las tensiones de fase de la red trifásica y estimar las componentes de tensión fundamentales. Pero el valor de éstas por si solo no es suficiente, por lo que es necesario obtener información adicional, a través de un procedimiento conocido como descomposición en componentes simétricas. Este proceso permite interpretar la terna de tensiones trifásicas desbalanceadas como la suma de tres ternas balanceadas diferentes, conocidas como secuencia positiva, secuencia negativa y secuencia cero. La secuencia positiva tiene relación directa con la transferencia de energía desde el generador al usuario, mientras que la secuencia negativa es una medida del desbalance y por lo tanto, de la ineficiencia del sistema (Bollen & Gu, 2006). Por su parte, la componente de secuencia cero de la tensión fundamental es una medida del desbalance producido durante una falla asimétrica en una red con neutro aislado. El cómputo de estas componentes puede hacerse de diversas formas, aunque lo más aconsejable es hacerlo mediante un algoritmo de detección de secuencias, tal como se propone en (Carugati, 2016).
Cálculo de las componentes simétricas a partir del modelo
Una vez obtenida la información de la red eléctrica, es necesario hacer la comparación contra los modelos definidos en el criterio ABC. Para ello, se computan las ecuaciones correspondientes, obtenidas aplicando la transformada de Fortescue a las expresiones analíticas del modelo de clasificación ABC (Bollen & Zhang, 2003) (Ignatova, 2009), las cuales se resumen en la Tabla I. Como puede verse, los valores de la tabla se calculan a través de los parámetros de tensión de prefalla promedio entre las tres fases (E), esto es, la magnitud de tensión antes de que ocurra el evento en sí, y la amplitud del mismo (h). Dentro del algoritmo de clasificación propuesto se incluye la estimación de E conforme a la tensión de referencia deslizante propuesta en el estándar IEC 61000-4-30 y adoptada por IEEE 1564.
Por otro lado, el parámetro h se estima como el cociente h = V/E, donde V es la tensión en la fase fallada o entre las fases falladas durante el evento, también llamada tensión retenida. Ésta se puede estimar como la menor de las seis tensiones RMS fundamentales (tres de fase y tres de línea escaladas por un factor de ) de acuerdo a la ecuación:
Cálculo del error cuadrático medio y clasificación del evento
Una vez calculadas las componentes simétricas tanto del modelo como del evento real, se propone calcular el error cuadrático medio para cada tipo de evento definido en el criterio ABC, y de esta forma determinar cual es el tipo de evento más probable.
Se puede observar que a partir de la expresión del error cuadrático y los datos de la Tabla I que en el caso particular de los eventos tipo C y D, las secuencias son calculadas con la misma expresión, al igual que ocurre con los eventos F y G. En ambos casos, el error cuadrático calculado será el mismo, por lo que la discriminación entre uno y otro se hace determinando el número de fases afectadas de acuerdo a la mínima tensión RMS con la cuál se obtuvo la tensión V. Si la tensión mínima es una tensión de fase, entonces el evento es D o F (una sola fase afectada). Por el contrario, si la mínima tensión es una tensión de línea, entonces el evento es tipo C o G. La capacidad de discernimiento de eventos se ha evaluado en el trabajo de (Strack et al., 2018), mediante un análisis de error considerando todas las combinaciones posibles de intensidades del evento y de tensiones de prefalla, verificándose que el algoritmo distingue los diferentes tipos de eventos entre sí sin cometer errores.
Resultados obtenidos
Para poder verificar el comportamiento del algoritmo, se muestra a continuación una serie de ensayos realizados con datos reales adquiridos de la red eléctrica. En la Fig. 4 se observa un evento simétrico adquirido de la red eléctrica de baja tensión. Antes del evento el algoritmo de clasificación determina que la red se encuentra en estado normal (N), ya que las tensiones RMS se encuentran en el rango de valores 0.9Un<U<1.1Un, donde Un es la tensión nominal (220Vrms en este caso). Una vez transcurrido el transitorio inicial, el algoritmo de clasificación determina que ha acontecido un evento simétrico (tipo A), es decir, que afecta por igual a las tres fases. Este tipo de evento puede señalar, por el perfil del valor RMS, que se ha conectado un motor trifásico asincrónico de elevada potencia en relación a la potencia de cortocircuito de la red. Al finalizar el evento, se produce un breve transitorio durante la recuperación, e inmediatamente después el algoritmo vuelve a indicar la condición normal.
En la Fig. 5 se observa un evento asimétrico que afecta principalmente a la fase c (tipo D y F). Estos tipos de eventos no tienen un origen primario, sino que son consecuencia de la propagación a través de transformadores de potencia, de eventos originados a otros niveles de tensión. Existen dos posibilidades para estos eventos. Una es que se trate de un evento tipo B (evento asimétrico con principal caída en una de las tres fases) propagado a través de transformadores que eliminan la componente homopolar, y la otra es que sea un evento tipo C (evento asimétrico con principal caída en dos de las tres fases) propagado a través de transformadores que convierten tensiones de línea en tensiones de fase o viceversa. El algoritmo determina que primero tuvo lugar el evento tipo D y luego de aproximadamente 4 ciclos de red se convirtió en un tipo F. La diferencia entre ambos reside en la existencia o no de componente homopolar, la cual fue cambiando durante la evolución del mismo. Finalmente, durante la recuperación de la terna, el evento se transforma en un evento asimétrico con principal caída en las fases a y c (tipo G), que tampoco tienen un origen primario.
Por último, en la Fig. 6 se observa un evento asimétrico que afecta principalmente a las fases a y b (tipo G). No tiene un origen primario, sino que, en principio y sin tener en cuenta otros efectos, podría ser el resultado de la propagación de un evento tipo E a través de transformadores que eliminan la componente de secuencia cero. Se observa que a pesar de tratarse de un evento de poca amplitud (entre el 85% y 90% de la tensión nominal), el algoritmo es capaz de clasificarlo y determinar las fases afectadas en forma automática. Incluso puede observarse que durante la recuperación del evento las fases a y b adquieren un valor ligeramente superior a 0,9Un (entre 165ms y 195ms), y el algoritmo identifica que el evento se ha extinguido y que la red opera en modo normal.
Conclusiones
La calidad de la energía eléctrica se ha convertido en una cuestión prioritaria en las redes eléctricas modernas, debido a su relación directa con los costos de la energía, el mantenimiento, y la ocurrencia de fallas. Dentro de la amplia gama de fenómenos que afectan a la calidad de la energía se destacan los eventos de tensión, lo cuales están asociados a diversos orígenes y que tienen consecuencias varias, como la caída de sistemas informáticos, la desconexión de contactores y elementos de protección y la desconexión de sistemas de inyección de energía a la red, entre otras cosas. Por estos motivos, la detección de eventos y su correcta clasificación en forma automática son herramientas que pueden ayudar a la toma de decisiones tendientes a la mitigación del evento en sí o a la intervención a largo plazo sobre la red. El algoritmo presentado en este artículo permite hacer este trabajo adquiriendo las magnitudes de las tensiones de la terna trifásica, calculando las magnitudes de las componentes simétricas fundamentales a partir de ellas y evaluando la similitud respecto de una serie de modelos matemáticos predefinidos. Los resultados obtenidos demuestran que el algoritmo logra discernir entre nueve modelos de eventos diferentes, que cubren en forma general todos los tipos de fallas simétricas y asimétricas que pueden ocurrir en la red. A partir de esta clasificación, se pueden identificar las posibles causas, lo cual sirve tanto para generar acciones de mitigación de la falla o fuente causante del evento, como para elaborar estadísticas de eventos que sirvan para proyectar intervenciones a largo plazo. El algoritmo ha sido evaluado intensivamente con eventos adquiridos de la red eléctrica de distribución en baja tensión.
Referencias
- Bollen, M.H.J. & Zhang, L.D., 2003, Different methods for classification of three-phase unbalanced voltage dips due to faults, Electric Power Systems Research, Elsevier B.V., Amsterdam.
- Bollen, M.H.J. & Gu, I.Y.H., 2006, Signal processing of power quality disturbances, Wiley-IEEE Press, New Jersey.
- Carugati, I., Orallo, C.M., Donato, P.G., Maestri, S., Strack, J.L. & Carrica, D., 2016, Three-Phase Harmonic and Sequence Components Measurement Method Based on mSDFT and Variable Sampling Period Technique, IEEE Transactions on Instrumentation and Measurement, IEEE, New York.
- Ignatova, V., 2009, Methodes d’analyse de la qualité de l’énergie électrique. Application aux creux de tension et á la pollution harmonique, Ph.D. Thesis, Universite Joseph Fourier.
- Strack, J.L., Carugati, I., Orallo, C.M., Donato, P.G., Maestri, S.O. & Carrica, D.O., 2018, Analysis of Drawbacks and Constraints of Classification Algorithms for Three-Phase Voltage Dips, International Review of Electrical Engineering (IREE), Praise Worthy Prize, Roma.
- Strack, J.L., Carugati, I., Donato, P.G., Maestri, S.O., Di Mauro, G.F. & Carrica, D.O., 2018, Algoritmo de clasificación de eventos de tensión trifásicos basado en la transformada de Fortescue, IEEE Argencon 2018, Tucumán (Argentina).