Localización 3D de descargas parciales
Localizar fallos eléctricos dentro de equipos de alta tensión en tres dimensiones, con redes neuronales convolucionales y métodos de optimización.
- Rol
- Trabajo Fin de Máster (TFM)
- Contexto
- Máster en Ingeniería de Telecomunicación, UPV/EHU
- Foco
- Simulación EM, deep learning, localización 3D
- 3D Localización de la fuente dentro de un volumen
- CST Simulación electromagnética
- CNN Combinadas con métodos de optimización
Demo interactiva — Simulación ilustrativa — no son resultados experimentales
Resumen
Las descargas parciales son pequeñas rupturas eléctricas en el aislamiento de los equipos de alta tensión. No cortocircuitan el sistema, pero lo degradan, y son uno de los primeros avisos de un fallo futuro. Saber dónde se producen es clave para el mantenimiento.
Cada descarga emite un pulso electromagnético. Al captarlo con varios sensores, las diferencias entre las señales recibidas codifican dónde está la fuente. Este trabajo explora cómo recuperar esa posición en tres dimensiones mediante redes neuronales convolucionales y métodos de optimización.
El reto
Los entornos reales son hostiles a las medidas limpias. Las envolventes metálicas reflejan el pulso una y otra vez (multitrayecto) y toda medida lleva ruido. Ambos degradan la localización.
Reunir medidas etiquetadas para cada posible posición de la fuente no es viable, así que el problema se aborda primero mediante simulación electromagnética.
Arquitectura
Decisiones clave
- 01
La simulación como fuente de datos
La propagación electromagnética se simula con CST Studio y genera las señales que observarían los sensores para descargas en posiciones conocidas.
- 02
Redes convolucionales para localizar
Las redes neuronales convolucionales aprenden la relación entre las señales recibidas por los sensores y la posición tridimensional de la fuente.
- 03
Aprendizaje y optimización, juntos
El trabajo combina redes neuronales con métodos de optimización para estimar la posición de la descarga en tres dimensiones.
- 04
Poner a prueba la robustez
El enfoque se estudia frente a ruido y multitrayecto, las dos condiciones que más degradan la localización en la práctica.
Tecnología
- CST Studio Suite
- Convolutional neural networks
- Optimization methods
- Signal processing
Notas
La visualización 3D de esta web es una simulación ilustrativa creada para el portfolio. No reproduce resultados experimentales ni métricas del trabajo.