Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porBenito Fuentes Guzmán Modificado hace 8 años
1
-.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
2
-. 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.
3
-.Pérdidas en Transformadores.-
5
-.Rendimientos en Transformadores.-
7
-.Predicción de demanda - Control.- Uno o varios C.T. con varios trafos en paralelo. Trafos normalmente a carga aleatoria ≠ ƞ óptimo. ¿Conexión de trafos para repartir la carga de forma óptima? ► Predicción de demanda + Control de conexión/desconexión.
8
-.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
9
-.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…)
10
-.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.
11
-.Red Neuronal Artificial (R.N.A.).-
13
-.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…)
14
-.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)
15
-.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.
16
GRACIAS POR SU ATENCIÓN fespig@saludcastillayleon.es Teléfono: 983 420 400 Ext. 83868 fespig@saludcastillayleon.es
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.