-.Estudio de pérdidas fijas y variables en transformadores. Soluciones

técnicas mediante control adaptativo.-

Autor: Fernando J. Espí García. Ingeniero de Control del H.U.R.H.A.E.I.H. Granada 2015

-. ÍNDICE.-•1.-Pérdidas y rendimientos en un transformador.•2.-Predicción de demanda - Control Adaptativo.• Red Neuronal Artificial. (R.N.A.)

• 3.-Próximos pasos.• 4.- Conclusiones.

-.Pérdidas en Transformadores.-

-.Pérdidas en Transformadores.-

-.Rendimientos en Transformadores.-

(Precio Total de Adquisición)

-.Rendimientos en Transformadores.-(Precio Total de Adquisición)

-.Predicción de demanda - Control.-• Uno o varios C.T. con varios trafos en paralelo.• Trafos normalmente a carga aleatoria ≠ ƞóptimo. • ¿Conexión de trafos para repartir la carga de

forma óptima?► Predicción de demanda + Control de conexión/desconexión.

-.Herramientas de Predicción.-• Antelación de la predicción: Corto, medio, largo plazo.• Variable: Predicción horaria o por picos.

• Sistemas de predicción:– Tradicionales.– Inteligentes Redes Neuronales Artificiales/Sis.Expertos/ Fuzzy

-.Red Neuronal Artificial (R.N.A.).-• Algoritmo matemático que permite

aproximar una función no lineal mediante métodos de regresión pero, determinando completamente, la No linealidad.

• Gran validez en predicción de demanda.

• Variables de entrada: Demandas pasadas y variables exógenas (Temperatura, día de la semana, aporte de iluminación exterior, etc…)

-.Red Neuronal Artificial (R.N.A.).-• Entrenamiento: Largos

plazos, mínimo 1 año.• Predicción a corto plazo.• Una vez entrenada se gana

en esfuerzo computacional pero se pierde claridad.

• Validación: Requiere varias validaciones.

-.Red Neuronal Artificial (R.N.A.).-

-.Red Neuronal Artificial (R.N.A.).-

-.Próximos pasos.-• Mejorar la RNA con variables exógenas que tengan

un alto grado de correlación con la demanda. (H.R., víspera de festivo, nubosidad…)

• Generar una estrategia de control efectiva y eficiente para la conexión y desconexión de trafos que esté integrada en la arquitectura de control. (Gestión de tiempos en las conexiones, creacción de alarmas, reacción ante sobre tensiones prolongadas…)

-.Conclusiones.-• Una buena elección de los trafos puede llevar a un

ahorro económico tanto por disminuir las pérdidas, como por aumentar su vida útil.

• En fase de diseño puede ser complicado predecir la carga soportada por cada trafo Interés en un sistema de predicción de demanda + Control para poder adecuar el número de trafos a la demanda (Máx. ƞ)

-.Conclusiones.-• Una RNA es una excelente herramienta de predicción

de demanda, pero debe de ser entrenada y diseñada para cada caso buscando todas las variables de entrada con alto índice de correlación con la demanda. (Trabajo largo y tedioso, pero a la larga computacional y económicamente rentable)

• Un sistema de control efectivo y eficiente en conjunción con una buena RNA nos lleva a grandes ahorros económicos manteniendo la continuidad y calidad de servicio o incluso mejorándolo.

GRACIAS POR SUATENCIÓN

fespig@saludcastillayleon.esTeléfono: 983 420 400 Ext. 83868