Automatic identification of power quality events using a machine learning approach

Actualmente, los eventos de calidad de potencia (PQ) se han estudiado dado su importancia para las industrias, en cuanto a la eficiencia y la vida util de los elementos conectados a los sistemas electricos. Si las perturbaciones relacionadas con los eventos de PQ se clasifican (identifican) rapidamente y con una precision confiable, los costos y las perdidas generadas se reducirian. En este trabajo presentamos un enfoque basado en aprendizaje de maquina para la identificacion automatica de eventos PQ. Nuestra propuesta comprende las siguientes etapas: empleamos un espacio de representacion de caracteristicas basado en parametros de tiempo y frecuencia. Ademas, utilizamos una tecnica de analisis de relevancia supervisada, llamada Relieff, para resaltar la capacidad discriminante de las caracteristicas consideradas. Luego, evaluamos el exito de la clasificacion de eventos PQ con diferentes clasificadores agregando diferentes niveles de ruido bajo un esquema de validacion cruzada de 10 particiones. En este sentido, se genera una base de datos sintetica basada en el estandar IEEE 1159, considerando 3000 senales y diez clases (300 muestras por clase). Los resultados obtenidos muestran un rendimiento de clasificacion adecuado con clasificadores simples, cuadratico y k-NN, en comparacion con las metodologias mas avanzadas del estado del arte