Interpretación de gases disueltos en aceite dieléctrico mediante redes neuronales para la detección de anomalías en transformadores de potencia de la subestación Novacero”.

Abstract

El siguiente documento presenta una herramienta de aprendizaje automático para la interpretación de gases disueltos en transformadores de potencia de la subestación Novacero, utilizando algoritmos de aplicación como redes neuronales y bosques aleatorios con lenguaje de programación Python. Mediante los resultados de ensayos de cromatografía de gases en aceite dieléctrico de varios artículos publicados, se utiliza el conjunto de datos entregados por el Análisis de Gases Disueltos (AGD) en cantidades de partes por millón (ppm), la cantidad de gases de hidrocarburos como el hidrógeno (H2), metano (CH4), etano (C2H6), etileno (C2H4) y acetileno (C2H2) que sirven para el aprendizaje y diagnóstico de resultados de falla. El proceso de implementación del algoritmo se realiza con 128 datos de entrenamiento y 64 datos de prueba para la comprobación del aprendizaje propuesto.