Identificación de fallas en los aisladores de una línea de transmisión mediante visión artificial.
No Thumbnail Available
Date
2022
Authors
Advisors
Journal Title
Journal ISSN
Volume Title
Publisher
Ecuador : Latacunga: Universidad Técnica de Cotopaxi (UTC)
Abstract
La presente investigación se basa en la identificación superficial de fallas de aisladores de porcelana de la línea de transmisión de 13.8 kV de las ciudades de Latacunga y Salcedo mediante visión artificial para conocer el estado de dichos elementos de una manera fácil y sencilla. Se inicio el desarrollo con una base de datos de 3000 imágenes de aisladores dividas en tres estados: sucios/flameados, rotos y en buen estado. Con dichas imágenes se procedió a entrenar a Yolo como algoritmo de identificación el cual se encuentra basado en redes neuronales, la identificación funciona tanto en tiempo real como en imágenes y videos pregrabados. Para que su manejo sea lo más sencillo posible, se realizó una interfaz gráfica con la finalidad de ser usado por un solo operario. Las pruebas de campo realizadas, demostraron que hay un gran porcentaje de aisladores que necesitan un mantenimiento dado que se encuentran rotos y/o sucios/flameados con un porcentaje del 50% de las muestras, adicionalmente el algoritmo posee una exactitud del 87.5% cuando trabaja en tiempo real, al aplicarlo a imágenes se obtuvo una exactitud de 94%, finalmente en videos pregrabados del 89%. En conclusión, es factible su implementación dentro de los planes de mantenimiento de las líneas de transmisión, disminuyendo los costos, dado que no es necesario contar con un carro grúa para la inspección, simplemente un operario que cuente con un dron y un computador personal para tomar la decisión de dar o no mantenimiento a los aisladores cerámicos.
Description
This research is based on the superficial fault’s identification in the porcelain insulators of the 13.8 kV transmission line of the cities of Latacunga and Salcedo through artificial vision, to know the status of these elements in an easy and simple way. Development began with a database of 3000 images of insulators divides into three states: dirty/flamed, broken and in good condition. With these images, Yolo was trained as identification algorithm, which is based on neural networks, the identification algorithm works both in real time and on pre-recorded images and videos. To make it’s handling as easy as possible, a graphical interface was designed to be used by a single operator. The field tests carried out showed that there is a high percentage of insulators that need maintenance since they are broken and/or dirty/flamed with a percentage of 50% of the samples, additionally the algorithm has an accuracy of 87.5% when works in real time, while the algorithm applied to images had an efficiency of 94% finally in videos of 89%. In conclusion, its implementation is feasible within the maintenance plans of the transmission lines, lowering costs, because it is not necessary to have a crane car for the inspection, in fact, it is just necessary an operator with a drone and a personal computer to make the decision of whether or not to perform maintenance.
Keywords
VISIÓN ARTIFICIAL, ALGORITMO, AISLADORES, REDES NEURONALES
Citation
Astudillo Cortez Vicente Paul (2022); Identificación de fallas en los aisladores de una línea de transmisión mediante visión artificial. UTC. Latacunga. 130 p.