Published

2011-06-01

Estimation of voltage sags patterns with k-means algorithm and clustering of fault zones in high and medium voltage grids

Estimación de patrones de hundimientos en tensión con el algoritmo k-means y agrupación de zonas de falla en redes de alta y media tensión

DOI:

https://doi.org/10.15446/ing.investig.v31n2SUP.25224

Keywords:

Sags classification, patterns voltage sags, K-means algorithm (en)
Clasificación de hundimientos en tensión, patrones de hundimientos en tensión, algoritmo k-means (es)

Downloads

Authors

  • Miguel Romero Universidad Nacional de Colombia
  • Luis Gallego Universidad Nacional de Colombia
  • Andrés Pavas Universidad Nacional de Colombia

This paper proposes k-means clustering algorithm to identify voltage sags patterns and group fault zones with similar impact in high and medium voltage electric. The proposed methodology comprises three stages. First, network modeling and faults simulation were performed in order to get information about voltage sags caused by faults in the transmission system. Voltage sags patterns were identified at the second stage by means of a k-means clustering algorithm, allowing the determination of fault zones. Using the power quality measurements data base of the major electricity utility of Bogotá, voltage sags were classified according to the previously determined voltage sags patterns. At the third stage of the methodology a comparison between simulated and measured sags is performed, allowing the identification of sags caused by faults.

En este artículo se propone el uso del algoritmo K-means para identificar patrones de hundimientos en tensión y agrupar zonas de falla con impacto similar en redes de alta y media tensión. La metodología propuesta comprende tres etapas. Primero, se realiza un modelo de la red de transmisión y distribución y se simula un barrido de todo tipo de fallas, obteniendo información sobre los hundimientos en tensión. En segundo lugar, se identifican patrones de hundimientos en tensión usando el algoritmo k-means y se determinan diferentes zonas de falla para cada uno de los patrones. Finalmente, se usan los patrones encontrados para clasificar información real de hundimientos en tensión registrados en Bogotá y se establecen las zonas de falla para grupos de hundimientos en tensión.

Downloads

Download data is not yet available.

References

Anderson P. Analysis of faulted power systems. IEEE Press Series on Power Engineering. Paul M. Anderson series Editor 1973.

Biswal, B., Dash, P.K., Panigrahi, B.K, Power Quality Disturbance Classification Using Fuzzy C-Means Algorithm and Adaptive Particle Swarm Optimization, Industrial Electronics, IEEE Transactions on vol.56, no.1, pp.212-220, Jan. 2009.

Bollen, M., Understanding Power Quality Problems Voltage sags and interruptions. IEEE Press. 2003.

Cajamarca., Torres., Pavas., Urrutia., Gallego. and Delgadillo., Impact Assessment of Power Quality Limits in Colombia: a Regulatory Approach. IEEE Latin América Transm. and Distrib. Conference. Caracas (Venezuela). 2006.

Camargo, M.; Jimenez, D. and Gallego, L.;, Using of Data Mining and Soft Computing Techniques for Modeling Bidding Prices in Power Markets, Intelligent System Applications to Power Systems, 2009. ISAP '09. 15th International Conference on, vol., no., pp.1-6, 8-12 Nov. 2009

CREG, Comisión Reguladora de Energía y Gas. Resolución CREG 024 abril 26 de 2005. Modificación de las normas de calidad de la potencia eléctrica aplicables a los servicios de Distribución de Energía Eléctrica. 2005.

Davies D and Bouldin D, A cluster separation measure. IEEE Transaction on pattern analysis and machine intelligence vol 1. 1979.

Goswami, A.K., Gupta, C.P., Singh, G.K. Area of vulnerability for prediction of voltage sags an analytical method in Indian distribution systems. Dept. of Electr. Eng., Indian Inst. of Technol., Roorkee. India Conference, 2008. INDICON 2008. Annual IEEE.

IEC, International Electrotechnical Commission, IEC. P-IEC 61000-4-30 Electromagnetic compatibility (EMC) - Part 4-30: Testing and measurement techniques, Power quality measurement methods. 2009.

Meléndez, J. Berjaga, X. Herraiz, S. Sánchez, S. Castro, M. Classification of voltage sags based on k-NN in the principal component space. Institut d Informatica i Aplicacions eXiT., Universitat de Girona (Spain) 2007.

Mokhlis, H., Khalid, A.R., Li, H.Y., Voltage sags pattern recognition technique for fault section identification in distribution networks, PowerTech, 2009 IEEE Bucharest, vol., no., pp.1-6, June 28 2009-July 2 2009.

Mora-Florez, J. Cormane-Angarita, G. Ordonez-Plata, K-means algorithm and mixture distributions for locating faults in power systems, Electric Power Systems Research, Volume 79, Issue 5, May 2009, Pages 714-721.

PAAS-UN., Innovación tecnológica en identificación y medición de clusters de calidad de potencia para Bogotá. Proyecto de Investigación financiado por COLCIENCIAS, CODENSA S.A. E.S.P. y la Universidad Nacional de Colombia. 2009.

Peña, D., Análisis de datos multivariantes. Mc Graw Hill, Universidad Carlos III de Madrid, 2002.

Queipo, N. Pintos, S. Fundamentos de data mining y sus aplicaciones. Clasificación no supervisada, 2001. Publicación en diapositivas ppt link: http://www.ica.luz.ve/dfinol/ME/ME6.ppt

Ramos A. Análisis conjunto. Curso de doctorado, tutorial, 2009, Material en Diapositivas. Link: http://www.slidefinder.net/s/spss_tutorial_ángel_ranewlinemos_domínguez/80590354

Romero, M., Pavas, A., Cajamarca, G., Gallego, L., A new methodology for the comparative analysis of sags among substations in a distribution network in Colombia, Harmonics and Quality of Power (ICHQP), 14th International Conference on, vol., no., pp.1-8, 26-29 Sept. 2010

Romero, Miguel F. Diseño de una metodología para el análisis de sags de tensión en redes de distribución. Universidad Nacional de Colombia. Maestría en ingeniería eléctrica. Tesis de grado 2010.