UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA

BASADO EN SENSADO COMPRIMIDO

1
 UNIVERSIDAD POLITÉCNICA SALESIANA
SEDE QUITO

CARRERA:
INGENIERÍA ELÉCTRICA

Trabajo de titulación previo a la obtención del título de

INGENIERO ELÉCTRICO

TEMA:
UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA
BASADO EN SENSADO COMPRIMIDO

AUTOR:
MILTON DAVID LÓPEZ CADENA

TUTOR:
MILTON GONZALO RUIZ MALDONADO

Quito, julio 2018

2
 Datos de Catalogación Bibliográfica

Milton David López Cadena

UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA

BASADO EN SENSADO COMPRIMIDO

Universidad Politécnica Salesiana

Ingeniería Eléctrica

Breve reseña historia e información de contacto:

Milton David López Cadena (Y'1989-Jn'26). Realizó sus estudios

secundarios en el Colegio Particular "Electrónico Pichincha", se graduó
de Bachiller Técnico Industrial en la especialidad de Electromecánica.
Egresado de la Carrera de Ingeniería Eléctrica de la Universidad
Politécnica Salesiana. Su trabajo se basa en ubicación de fallas en redes
de distribución eléctrica.
mlopezc@est.ups.edu.ec

Milton Gonzalo Ruiz Maldonado (Y'1987-M'01). Milton Ruiz se

graduó de la Universidad Politécnica Salesiana en 2012 como
Ingeniero Electrónico y en 2015 como Ingeniero Eléctrico; Recibió su
M.Sc. en Redes de Comunicaciones en la Pontificia Universidad
católica del Ecuador; Sus intereses de investigación están en
comunicaciones verdes, infraestructura de medición avanzada, red
inteligente, redes inalámbricas, gestión de energía. Es profesor de la
Universidad Politécnica Salesiana, Ecuador y parte del Grupo de
Investigación GIREI.
mruizm@ups.edu.ec
Todos los derechos reservados:
Queda prohibida, salvo excepción prevista en la ley, cualquier forma de reproducción,
difusión de este texto con fines académicos o investigativos por cualquier medio, con la
debida notificación a los autores.
DERECHOS RESERVADOS
©2018 Universidad Politécnica Salesiana
QUITO-ECUADOR

II
 DECLARATORIA DE COAUTORÍA DEL DOCENTE TUTOR/A
Yo, Milton Gonzalo Ruíz Maldonado declaro que bajo mi dirección y asesoría fue
desarrollado el trabajo de titulación Ubicación de Fallas en Redes de Distribución
Eléctrica basado en Sensado Comprimido realizado por Milton David López Cadena,
obteniendo un producto que cumple con todos los requisitos estipulados por la
Universidad Politécnica Salesiana para ser considerados como trabajo final de titulación.

Quito, julio 2018

………………………………….
Milton Gonzalo Ruiz Maldonado
Cédula de identidad: 1714409065

III
 CESIÓN DE DERECHOS DE AUTOR

Yo, Milton David López Cadena, con documento de identificación N°

1717945347, manifiesto mi voluntad y cedo a la Universidad Politécnica Salesiana
la titularidad sobre los derechos patrimoniales en virtud de que soy autor del trabajo de
grado intitulado: “Ubicación de fallas en redes de distribución eléctrica basado en
sensado comprimido”, mismo que ha sido desarrollado para optar por el título de:
Ingeniero Eléctrico, en la Universidad Politécnica Salesiana, quedando la
Universidad facultada para ejercer plenamente los derechos cedidos anteriormente.
En aplicación a lo determinado en la Ley de Propiedad Intelectual, en mi condición de
autor me reservo los derechos morales de la obra antes citada. En concordancia, suscribo
este documento en el momento que hago entrega del trabajo final en formato impreso y
digital a la Biblioteca de la Universidad Politécnica Salesiana.

Firma

.............................................
Nombre: Milton David López Cadena
Cédula: 171794534-7
Fecha: Quito, julio 2018

IV
ÍNDICE GENERAL

Resumen ............................................................................................................................. 1
1. Introducción ................................................................................................................... 2
1.1 Redes de distribución eléctrica .................................................................................... 3
1.2 Fallas en Redes de Distribución Eléctrica .................................................................... 4
1.3 Tipos de Fallas en Redes de Distribución Eléctrica ..................................................... 5
2. Ubicación de fallas en Redes de Distribución ................................................................ 6
2.1 Descripción de la Transformada de Wavelets .............................................................. 7
2.2 Norma l1 matricial de aproximación. ........................................................................... 9
2.3 Sensado comprimido .................................................................................................... 9
2.4 Métodos de comparación para el Análisis del Sensado Comprimido ....................... 11
3. Formulación del Problema ........................................................................................... 12
4. Análisis de Resultados ................................................................................................. 13
5. Conclusiones ................................................................................................................ 19
5.1 Trabajos futuros ......................................................................................................... 19
6. Referencias ................................................................................................................... 19
7. Estado del Arte ............................................................................................................ 24

V
ÍNDICE DE FIGURAS

Figura 1. Redes de Distribución Eléctrica........................................................................................ 4

Figura 2. Red simplificada de Distribución Eléctrica. .................................................................. 5
Figura 3. Ubicación de Fallas en una Red de Distribución Eléctrica. ...................................... 7
Figura 4. Señales wavelet para construcción de diccionario. ..................................................... 8
Figura 5. Modelo estándar de Sensado Comprimido [42], [43]. ............................................... 9
Figura 6. Sistema eléctrico de distribución de prueba IEEE34 barras. .................................. 14
Figura 7. Corrientes de fase de sistema de IEEE 34 barras en pre falla. ............................... 14
Figura 8. Corrientes de fase valores RMS de sistema de IEEE 34 barras en pre falla. ..... 14
Figura 9. Simulación de estado estable en Sistema de prueba IEEE 34 barras.................. 14
Figura 10. Corrientes de cortocircuito trifásico del sistema de IEEE 34 barras. ................ 14
Figura 11. Corrientes de cortocircuito trifásico con valores RMS. ........................................ 14
Figura 12. Corrientes de cortocircuito bifásico del sistema de IEEE 34 barras. ................. 15
Figura 13. Corrientes de cortocircuito bifásico con valores RMS. ......................................... 15
Figura 14. Corrientes de cortocircuito Monofásico del sistema de IEEE 34 barras. ......... 15
Figura 15. Corrientes de cortocircuito Monofásico con valores RMS. ................................. 15
Figura 16. Toma de Datos de la Señal al 100%. .......................................................................... 15
Figura 17. Señal de reconstrucción Orthogonal Matching Persuit al 50% de datos. ......... 16
Figura 18. Señal de reconstrucción Least Square al 50% de datos. ........................................ 16
Figura 19. Señal de reconstrucción Basis Persuit al 50% de datos. ...................................... 16
Figura 20. Ubicación de falla de señal original con sensado comprimido. .......................... 17
Figura 21. Ubicación de falla de señal Least Square con sensado comprimido. ................ 17
Figura 22. Ubicación de falla de señal Basis Persuit con sensado comprimido. ................ 17
Figura 23. Ubicación de falla O. Marching Persuit con sensado comprimido. ................... 17
Figura 24. Tiempo de falla real tomado de software ATPDraw. ............................................. 18
Figura 25. Tiempo de falla real con señal Least Square. ........................................................... 18
Figura 26. Tiempo de falla real con señal Basis Persuit. ........................................................... 18
Figura 27. Tiempo de falla real con señal Orthogonal Matching Persuit. ............................ 18
Figura 28. Indicadores del estado del arte ...................................................................................... 32
Figura 29. Resumen del estado del arte .......................................................................................... 32
Figura 30. Indicadores del estado del arte ...................................................................................... 33

VI
ÍNDICE DE TABLAS

Tabla 1. Tipos de Fallas en Redes de Distribución Eléctrica a simular. ............................... 12

Tabla 2. Valores de reconstrucción de la señal comparados con Original. .......................... 16
Tabla 3. Valores de tiempo de localización de falla. .................................................................. 18
Tabla 4. Matriz del estado del arte ................................................................................................... 24

VII
 UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN
ELÉCTRICA BASADO EN SENSADO COMPRIMIDO
Resumen Abstract
En este artículo hace referencia a la In this article, refers on the location of
ubicación de fallas en las redes de faults in the electrical distribution
distribución eléctrica basada en sensado networks based on compressed sensing, it
comprimido, esto consiste en la consists in the reconstruction of
reconstrucción de las señales de corriente decomposed current signals by means of
descompuestas por medio de la wavelet transform. It described method
transformada de wavelets. Este método makes the location of faults optimum
descrito hace que la ubicación de fallas distribution systems to reduce
en sistemas de distribución sea el óptimo reconnection time taking into account as
para reducir el tiempo de reconexión a priority the location of fault in a
teniendo en cuenta como prioridad la transient system through the placement of
ubicación de la falla en un sistema smart meters that will create of voltage
transitorio por medio de la colocación de signal variation that is used to take pre-
medidores inteligentes que servirán como fault and failure values as required,
creadores de la señal de la variación de la forming a tension characteristic signal it
tensión que se utiliza para tomar valores will be importance for the reconstruction
de pre falla y falla según lo amerite, the same. This procedure allows to carry
formando una señal de característica de la out the algorithm for the location of faults
tensión la cual será de vital importancia in distribution networks applying the
para la reconstrucción de la misma. Este matrix rule of minimization l1 that allows
procedimiento permite llevar a cabo el finding these variations and therefore the
algoritmo para la ubicación de fallas en identification of failure according to their
las redes de distribución aplicando la values. The algorithm proposed by means
regla matricial de minimización l1 que of the matrix approach rules helps to take
permite encontrar dichas variaciones y measures in terms of the reduction of
por consiguiente la identificación de la failures, the reduction of time of
falla según sus valores. El algoritmo restoration of the system and the quality
propuesto por medio de las normas of the service in the node of failure
matriciales de aproximación ayuda a resulting in reliability in the networks in
tomar medidas en cuanto a la reducción front of disturbance decreasing the
de fallas, la reducción de tiempo de affectation to final user.
restablecimiento del sistema y la calidad Keywords: Fault location, Compressive
del servicio en el nodo de falla teniendo Sensing, wavelets transform, network
como resultado fiabilidad en las redes electrical distribution, electrical fault.
frente a una perturbación disminuyendo
la afectación al usuario final.
Palabras Clave: Ubicación de fallas,
Sensado Comprimido, transformada de
wavelets, red de distribución eléctrica,
falla eléctrica.

1
1. Introducción encarga de distribuir y comercializar la
El crecimiento de la demanda, en los energía eléctrica. La ubicación de
últimos años, ha hecho que los dichas fallas o perturbaciones por
sistemas eléctricos de potencia (SEP), medio del sensado comprimido en
en cada uno de sus subsistemas, redes de distribución eléctrica se la
crezcan de la mano considerando como utiliza como recuperador de señales
la principal característica la con un número mínimo de datos de
continuidad del servicio, la calidad y el muestras aplicando aproximaciones
costo de la energía suministrada al para la reconstrucción de las mismas ya
usuario final, ya que en un SEP puede que la teoría de sensado comprimido
ocurrir cualquier tipo de perturbación dice que se puede recuperar o
ya sea atmosférica, o fallas en los reconstruir una señal que puede haber
diferentes conductores como perdida sufrido de carencias en la toma de
de sus aislamientos y fallas en los datos [5], [6], desde su representación
equipos que componen las redes de dispersas, para ello la utilización de la
distribución [1]. Por medio de los transformada de wavelets hace que la
sistemas inteligentes se puede descomposición en diferentes señales
comunicar bidireccionalmente entre el se pueda utilizar las comparaciones con
cliente y la empresa de distribución de el algoritmo matemático propuesto,
energía eléctrica, monitoreando en calculando los errores de cada
tiempo real a cada uno de los reconstrucción mediante la
consumidores (industrial, comercial y comparación entre la señal de corriente
residencial) y el constante control de original y la señal reconstruida [7]. La
cualquier tipo de falla que se pudiese señal generada mostrará la ubicación
dar [1], [2]. Las redes de distribución de la falla o perturbación que se está
en un SEP se han desarrollado de dando frente al comportamiento de las
manera que la energía generada por señales, por medio de la comunicación
cualquier tipo de generación, de medidores inteligentes; la
convencional o no convencional, llegue adquisición de datos se realizan de
al usuario por medio de los sistemas de manera fácil y con mejor
transmisión de bajo voltaje con la comunicación, pero la inconsistencia
mayor confiabilidad, calidad y con un de la adquisición de datos producto de
impacto ambiental mínimo; para ello la problemas en los muestreos, fallas en la
duración de las interrupciones por comunicación con el centro de control
motivos de perturbaciones o fallas en o ataques que pueden perjudicar al
un sistema de distribución son de suma sistema eléctrico, hace que las señales
importancia para el SEP en la que la no sean la información que se necesita
calidad de energía entregada y la para la ubicación de fallas [8], [9]. Con
eficiencia en la restauración del sistema el sensado comprimido se propone
hace que la calidad de vida del usuario realizar la reconstrucción de la señal de
final no sufra afectaciones [3], [4]. una red de distribución eléctrica con el
Partiendo de la importancia de las menor número de datos o muestras que
redes de distribución se plantea la tienen una base vectorial en la que la
reducción del tiempo en la ubicación señal tiende a ser proyectada por medio
de fallas y controlando las de alguna transformada, en este caso, la
interrupciones en el SEP ya que el 80% transformada de wavelets [10], [11]. La
se presentan en los sistemas de transformada de wavelets no es más
distribución, al momento de ubicar la que un análisis matemático de señales
perturbación [1], [3], esta debe ser no estacionarias, esta transformada
puesta en servicio ya que el sistema se hace la descomposición de la señal o

2
función en un conjunto de parámetros los tiempos actuales la flexibilidad de
de traslación y escala dando como los sistemas eléctricos y el afán de
resultado una función llamada la llegar a minimizar los impactos
wavelet madre que está dada por la ambientales han motivado a impulsar
frecuencia versus el tiempo [12], [13], el desarrollo de nueva tecnología para
detectando la parte defectuosa del la distribución de energía eléctrica con
sistema y la ubicación de la la implementación de nuevas fuentes
perturbación o falla usando las de energía, como se muestra en la
características de la señal como son la Figura1 y también, como por ejemplo
corriente, el voltaje y el ángulo en el la Generación distribuida [1], [16]. Las
que se encuentra para la coordinaciones de los dispositivos de
descomposición [1], [10]. Uno de los protección que se encuentran en el
métodos de optimización para resolver sistema de distribución eléctrica deben
el sensado comprimido se lo realiza ser de vital importancia ya que en un
mediante las normas de minimización momento de falla o perturbación deben
matricial, las cuales realizan su ser identificadas correctamente y el
optimización mediante un vector aislamiento del área de falla debe ser lo
disperso en la cual se tendrá las más eficiente posible [8], [16]. Esta
condiciones para las aproximaciones identificación de fallas determinará la
iterativas haciéndola así una técnica confiabilidad de la red de distribución
con el diccionario que mejor se adapte de energía para reducir las pérdidas y
a la aproximación con pocos datos de mantener el voltaje en el SEP [1], [9],
la señal de corriente [2], [4]. En este [17]. En comparación de todos los
documento se propone la ubicación de sistemas que conforman el SEP, la
fallas en redes de distribución eléctrica distribución y el suministro de energía
basada en la teoría de sensado eléctrica a los usuarios finales debe ser
comprimido mediante la transformada continuo, sin interrupción y con un
de wavelets usando las normas valor del 95% del voltaje adecuado, el
matriciales y realizando el margen de cual permita que sus equipos eléctricos
error de cada uno de los diccionarios se mantengan operando con eficiencia
que se presentan a continuación. sin afectar el comportamiento normal
del sistema [9], [18]. En los sistemas
1.1 Redes de distribución eléctrica de distribución es donde se producen la
Las Redes de Distribución se las define mayoría de interrupciones debido a las
como flujos secuenciales de sistemas fallas o perturbaciones ya sean del tipo
que están diseñados para facilitar y ambiental interno o externo, lo cual
monitorear el movimiento de los representan hasta un 90%, y el resto es
servicios desde la fabricación o fuente generado por fallas en la generación y
hasta su consumo, teniendo en cuenta trasmisión eléctrica en este caso, la
que este servicio debe estar disponible identificación del tipo de falla que se
cuando el usuario lo necesite [2], [4], ocasiona es de mucha importancia, ya
[14], [15]. En un sistema de que a partir de esta se puede localizar
distribución eléctrica, la principal el punto dónde ocurrió dicha falla
función es abastecer de energía a las mejorando la continuidad del servicio
distintas instalaciones de los eléctrico [9], [17], [19]. Como se puede
consumidores [4]. Una de las distintas apreciar en la Figura 1 se describe un
características de la distribución de SEP desde su generación
energía es que se la transporta a niveles (convencional o no convencional),
muy bajos, por esta razón las redes de hasta el usuario final (industrial,
distribución son las adecuadas [6]. En comercial o residencial) haciendo

3
 Figura 1. Redes de Distribución Eléctrica.
Fuente: Autor

énfasis en el las redes de distribución funcionamiento del sistema eléctrico de

eléctrica. potencia [15]. Para realizar este
objetivo de fiabilidad, las redes de
1.2 Fallas en Redes de distribución deben estar equipadas con
Distribución Eléctrica las funcionalidades del sistema como
Los sistemas eléctricos de Potencia han son la gestión de la distribución y la
crecido rápidamente los últimos años, automatización de la distribución
esto es el resultado de un gran aumento siempre y cuando las redes estén
en el número de ramales en operación dotadas de dispositivos inteligentes los
[20], [21]. Estos ramales experimentan cuales se comunicarán con un centro de
fallas por causas naturales como adquisición de datos para evaluar y
lluvias, tormentas, rayos, nieve, etc. ejecutar acciones con el fin de
por causas de desgaste o mantener el sistema en funcionamiento
envejecimiento como son rotura del [1], [17], [19]. Las fallas eléctricas se
aislamiento, de mal funcionamiento del manifiestan con frecuencia en las redes
equipo de protección y por de distribución debido a su gran
transformadores en mal estado, complejidad en ramales extensos, en la
cortocircuitos causados por objetos Figura 2 se determina una red de
externos como animales o árboles, distribución simplificada, en la que se
afectando así al funcionamiento y buen observa las características de la misma,
desempeño del sistema [1], [17], [20]. en donde las fallas o perturbaciones
Las características para un causan el desabastecimiento y corte de
funcionamiento óptimo del sistema de energía eléctrica ya que al momento de
potencia cuando existen fallas en sus ocurrir dichas fallas actúan casi de
subsistemas son la confiabilidad, el manera inmediata los sistemas de
tiempo de la falla, la calidad de la protección para ello las fallas deben ser
energía eléctrica, el tiempo requerido localizadas y las protecciones puestas
para la detección, aislamiento y nuevamente en funcionamiento,
restauración del sistema después de la teniendo así el restablecimiento del
falla [15], [16]. La ubicación de fallas sistema [4]. Existen varias formas para
en redes de distribución es uno de los determinar la ubicación y detección de
desafíos más importantes en el las fallas de manera rápida y eficaz

4
dando como resultado el aislamiento de dando como resultado un
la falla y por lo tanto el tiempo de aumento de corriente de
restauración del sistema sea el mínimo cortocircuito sin desbalancear al
[14], [19]. sistema [18], [25]. Las Fallas
simétricas son aquellas en las
3 2 1 cuales la corriente y tensión en
las tres fases ocasionando daños
Y
R2 L1 R1
considerables al sistema, debido
L2
T1 a los desbalances que se
C4 C3 C2 C1 generan, provocan grandes
G1 flujos de corrientes de falla, y
Figura 2. Red simplificada de Distribución por lo general son provocadas
Eléctrica. por causas climáticas
Fuente: Autor
 Asimétricas: Estas fallas
1.3 Tipos de Fallas en Redes de involucran a las fases en
Distribución Eléctrica cortocircuito con tierra y entre
Las redes eléctricas de distribución fases, provocando un
están expuestas a distintas fallas las desbalance en el sistema en
cuales causan la apertura del sistema corriente y en tensión [17],
eléctrico dejándolo sin servicio de [18]. Las fallas asimétricas son
energía [13], [21], [22], [10]. Las fallas las siguientes; falla de línea a
en redes de distribución entre una o tierra, línea a línea o doble línea
varias fases y tierra se las considera del a tierra. En este caso la
tipo Paralelo, en los distintos casos, las corriente de falla de doble línea
fases se presentan en cortocircuito [23], o de línea a tierra puede o no
la caída de tensión y la corriente tener impedancia al momento
elevada de cortocircuito son diferentes de la falla. Sea por la rotura de
en cada punto del sistema causando el cualquier conductor o por la
desbalance y el daño de elementos del acción de algún dispositivo de
sistema [13], [24]. En redes eléctricas protección que puede o no abrir
de distribución las fallas también se simultáneamente, mediante la
presentan del tipo serie, las cuales se descomposición en
presentan por causas ajenas al sistema componentes simétricas de
ya sea de forma natural o por el secuencia cero, positiva, y
envejecimiento de los elementos de la negativa este tipo de fallas son
red que hacen que la falla se provoque estudiadas para que no haya el
por la ruptura de conductores, las deterioro de los distintos
causas más comunes de estas rupturas elementos en el sistema [12],
son las descargas atmosféricas ya que [18], [26].
se pueden dar en gran cantidad de
energía provocando los cortocircuitos A continuación, en una red de
trifásicos sin implicar a la tierra [8], distribución eléctrica, se tiene todas las
[17], [18]. Estas fallas se dividen en maneras en las que se pueden presentar
dos tipos que son simétricas y una perturbación o falla en paralelo ya
asimétricas. sea simétrica o asimétrica y son los
 Simétricas: Estas fallas se siguientes:
presentan de manera que las  Monofásicas a Tierra (LG):
tres fases se unan en algún Esta falla es cuando una fase
punto generando un hace cortocircuito con tierra.
cortocircuito o falla trifásica

5
  Bifásica (LL): Falla cuando dos minimización y el sensado
fases hacen cortocircuito. comprimido. La Sección III indica la
 Bifásica a Tierra (LLG): Falla descripción de la formulación del
problema y el método de solución. La
cuando dos fases hacen Sección IV muestra los resultados de
contacto a tierra. las simulaciones del método propuesto
 Trifásicas (3L): Falla cuando para una red de distribución. La
tres fases hacen contacto entre Sección V se presenta la conclusión del
sí. documento investigativo. La sección
VI hace referencia a los trabajos
 Trifásicas a tierra (3LG): Falla
futuros que se pueden implementar
cuando tres fases hacen junto a la investigación realizada.
contacto a tierra.
2. Ubicación de fallas en
Entre las fallas más comunes se tienen
las fallas del tipo monofásicas que Redes de Distribución
implican el cortocircuito de una de las
fases del sistema hacia tierra [17], La ubicación de fallas en redes de
haciendo que en tal fase el voltaje sea distribución es uno de los más
cero y dependiendo de la impedancia importantes problemas a solucionar en
de falla la corriente toma valores un SEP en operación, para ello es
sumamente altos produciendo un necesario contar con una buena
desbalance en el sistema [19], [21]. comunicación entre el centro de
Para las fallas entre fases se encuentran control, toma de decisiones y un buen
las fallas bifásicas que implican a dos estado de los equipos inteligentes para
fases en cortocircuito; en este punto la controlar y despejar dichas fallas, para
corriente tiene un valor más alto que el la ubicación de fallas [28], el
nominal pero del mismo valor que las procesamiento de la información por el
fases afectadas [18], [20]. Para este centro de control es la parte en la cual
caso la tensión también dependerá de la se realiza la supervisión de todo el
impedancia de falla, produciendo un sistema para la toma de decisiones en
desbalance en la fase consiguiente. Las la que se tomarán medidas, acciones y
fallas bifásicas en cortocircuito de dos procedimientos [4], [12], que hacen
fases con tierra la corriente aumenta su que el sistema siga en funcionamiento
valor y la tensión se disminuye en las o tratando de que la afectación de
fases, teniendo un desbalance en la fase alguna perturbación o falla no sea tan
no involucrada [27]. Las fallas prolongada para el usuario final, la
trifásicas también, llamadas simétricas, ubicación de la falla será la manera en
son aquellas fallas de cortocircuito la cual se tendrá el lugar exacto en que
entre las tres fases, este tipo de fallas ocurrió dicha falla [29], para ello es
tiene como característica que las necesario la lectura de las señales por
tensiones tienden a cero y la corriente medio de las Unidades Medición
toma valores elevados, y de la misma Fasorial (PMU por sus siglas en inglés)
manera como las fallas anteriores, el o medidores inteligentes (SM por sus
valor de la resistencia de falla será siglas en inglés) que toman un rol muy
indispensable para saber el valor a que importante ya que por medio de las
aumentará [4], [18], [19]. medidas entregadas se realizará el
El documento se ha organizado de la sensado comprimido para detectar el
siguiente manera. La Sección II detalla cambio de los valores de corriente,
la ubicación de fallas, la transformada voltaje y ángulo de la energía eléctrica
de wavelet y su utilización, la norma de [4],[6], [12],haciendo la reconstrucción

6
de la señal comunicada con pocos matriz generada para encontrar el
datos obtenidos en varias de las barras diccionario que necesita el sensado
del SEP, esta señal reconstruida por comprimido para encontrar la
medio del sensado comprimido hace reconstrucción de la señal más
que la señal se compare en cuestión de aproximada a la real está dada por la
milisegundos con las señales normales norma de minimización l1 la cual ayuda
obtenidas por un histórico del sistema a encontrar el vector que se aproxima a
[4], [12], [18]–[20], mediante el la localización del bus en falla [4], [9],
algoritmo se tiene a los diferentes tipos [31], para ello la manera de la
de fallas que anteriormente fueron colocación de los medidores
descritos, hacen que el centro de inteligentes y sus señales, serán
control haga las comparaciones mínimos y se encontraran en la red de
correspondientes para definir en qué distribución eléctrica optimizando la
barra del sistema y dónde se encuentra manera en la cual la ubicación de la
para activar las protecciones falla sea más rápida y eficiente.
8 7

correspondientes para aislar la falla y

V
mantener el servicio eléctrico con 2 km 2 km

normalidad sin afectar al usuario final 4

2 km
3

2 km
2
2 km
1
2 km
Y
en costo y en satisfacción del V V
T1

suministro [9], [29], [30]. Todas estas 6

2 km 2 km
5
G1

señales que se encuentran en pre falla y V

en falla que deben ser comunicadas por Figura 3. Ubicación de Fallas en una Red de
medio de una rápida y confiable Distribución Eléctrica.
Fuente: Autor
comunicación de dichas señales de los
medidores inteligentes, esto hace que 2.1 Descripción de la Transformada
se pueda trabajar con una pequeña
de Wavelets
cantidad de datos para reconstruir la
La descripción de una red de
señal mediante el sensado comprimido,
distribución eléctrica se define como la
en la Figura 3 se describe un ejemplo
parte esencial del SEP para el
de falla en la red de distribución con la
suministro de energía hacia el usuario
distancia de cada barra y la distribución
final, para ello sus elementos de
de los medidores inteligentes para
protección deben estar en perfectas
extraer los datos y valores de las
condiciones ya sea en mantenimiento
señales de corriente para la ubicación
preventivo o correctivo [11], [7], [3],
de la falla, el sensado comprimido trae
como en las barras de llegada y barras
beneficios significativos a los
de salida de energía de las
operadores para la ubicación de fallas
subestaciones que cumplen un trabajo
en las redes de distribución mejorando
muy importante al ser las que cumplen
en fiabilidad y en calidad del sistema
el trabajo de mantener el sistema
en general [8], [31]. La ubicación de
operativo, en este caso las barras deben
fallas en una red de distribución es una
ser bien protegidas al momento de una
propuesta muy abarcada ya que es una
falla o perturbación, al localizar las
problemática significativa en un SEP
fallas que pueden dañar los elementos
[32], es por eso que la descripción de
en la subestación se debe tener el
distintos métodos para la ubicación de
menor tiempo posible para la
fallas hacen que se busquen nuevas
reanudación de la puesta en marcha del
maneras de disminuir el tiempo de
sistema para no afectar a la
restauración de la falla y la
confiabilidad y estabilidad del SEP [6],
disminución del costo de operación del
[11]. La utilización de la transformada
mismo [31], [32]. En este caso la
wavelet se la realiza para el análisis de

7
las señales de corriente y voltaje
transitorio [22], [33], las cuales se ∫ (1)
transforman en valores de dominio de A partir de la traslación y cambio de
frecuencia y dominio de tiempo para escala se obtiene la Wavelet Madre que
ello la utilización de la transformada de está dada por:
wavelet en detección y ubicación de (2)
fallas en redes de distribución es muy √
importante ya que con ellas se realiza Donde es el factor de traslación, es
el sensado comprimido ubicando el factor de escala y * se refiere al
aquella fase o barra defectuosa que se conjugado de la wavelet madre [10],
encuentra en falla [33], [34], usando las [22], [34].
señales de voltaje, corriente y ángulo
de las señales de cada barra se realiza
en sensado comprimido
reconstruyendo la señal y
comparándola con la señales
transitorias antes medidas. Para el
procesamiento de señales se tiene
varias técnicas que son de gran utilidad
para el análisis de falla, como por
ejemplo la transformada de Fourier
(FT), esta puede analizar cualquier
Figura 4. Señales wavelet para construcción de
señal en estado estacionario y no diccionario.
estacionario pero con un margen de
error muy alto por motivos de perdida Transformada Wavelet Continua
de datos en el manejo de las señales (CWT). La (CWT) se desarrolla como
[12], [34], para ello fue creada la una técnica para resolver el problema, la
Trasformada de wavelet la cual ecuación (3) describe la resolución
resuelve el problema mediante analizando de manera que la señal
ventanas más pequeñas y frecuencia original es multiplicada por una función
más altas y viceversa, es decir, en wavelet, para ello la transformada se
ventanas más grandes con frecuencias calcula separadamente para distintas
más bajas utilizando las componentes partes de la señal en el dominio del
wavelets para su descomposición, estas tiempo [12], [22], [34].
componentes se describen como
Continuas (CWT) y Discreta (DWT) ∫ ( ) (3)
√
[3], [11], [12].
La transformada wavelet de una
función está dada por la Transformada Wavelet Discreta
(DWT). La (DWT) se desarrolla como
descomposición de la función en
una técnica para con pares de pasa altos
un conjunto de funciones wavelets
y pasa bajos sucesivos en cada parte de
, estas funciones se observan en
la ampliación de la transformada
las Figura 4 las cuales tienen distintas
wavelet, en la ecuación (4) se describe
formas para la reconstrucción de las
que en la primera parte la escala acoge
señales con mayor precisión en este
una gran cantidad de frecuencias, en la
caso se mantienen las seis tipos de
escala final la frecuencia tiene mayor
señales wavelets, tal como se indica en
tiempo de resolución [11], [12], [34].
la ecuación (1) la Transformada
wavelet se define de la siguiente
∑ ∑ (4)
manera:

8
Donde la constante no depende de la Donde en la ecuación indica el vector
función f (t). que se desea aproximar dado por K

∫ (5) 2.3 Sensado comprimido

Para la ecuación (5) de las funciones El sensado comprimido es el proceso

wavelets discretas los productos matemático el cual ayuda a realizar la
internos son iguales a cero. recuperación de una señal
unidimensional partiendo de una
2.2 Norma l1 matricial de cantidad menor de información de la
aproximación. misma para poderla reconstruir y realizar
Las normas matriciales de la representación dispersa [33], [39]–
aproximación se encuentran dadas en [41], el modelo del sensado comprimido
forma de vectores matriciales que se lo describe en la figura siguiente:
ayudan a recuperar señales las cuales
pueden llegar a tener pseudo-normas x Ψ z
que al aproximar a los vectores se
puede minimizar el error de = *
aproximación o reconstrucción, los
tipos de normas pueden ser l1, l2, l∞
[35], [36]. Vector Matriz Vector
Dispersión Diccionario Coeficiemtes
La norma l1 de minimización es de
gran utilidad para el sensado
a)
comprimido ya que recupera y x
aproxima las señales dispersas con y Φ
errores muy bajos [35], [37],
proporcionando un vector aproximado = *
el cual es muy escaso para la
localización de la falla. Para ello, en el
Vector
sensado comprimido, la minimización Observación
Matriz Medición Vector
Dispersión
de errores en la localización de la falla
hace que las normas de aproximación b)
ayuden al SEP con resultados fiables y Φ Ψ z
[33], [38].
En el sensado comprimido aplicado = * *
para la localización de fallas en
sistemas de distribución eléctrica, la Vector Matriz Medición
Matriz Vector
norma l1 es la considerada para Observación
Diccionario Coeficiemtes
desarrollar la aproximación de los
vectores y por consiguiente, la c)
z
reconstrucción de la señal la cual se y Θ
encuentra en el nodo donde ocurre la
falla [37], [39], en este caso el = *
despliegue de los sensores serán
mínimos para obtener la señal original. Vector Matriz
El cálculo del error de la norma l1 se lo Observación Reconstrucción Señal Vector
Coeficientes
realiza de la siguiente manera:
d)
‖ ‖ ∑ | | (6)
Figura 5. Modelo estándar de
Sensado Comprimido [42], [43].

9
El sensado comprimido hace que se conociendo que la formación de esta
pueda recuperar una señal a partir de matriz es difícil de encontrar los
una representación dispersa siempre y valores de los datos base, la notación
cuando se pueda conocer una parte de de la matriz es Z que viene dado por
señal original [41], [42], [43], para ello una matriz cuadrada (n*n) la que está
el vector X que es el vector que formada por datos bases de la señal
representa la señal a reconstruir como [40].
se muestra en la Figura 5 parte a). Este ∑ (7)
vector está formado por la información
de las mediciones que se obtuvieron en (8)
el sistema de distribución eléctrica y se Como se muestra en la Figura 5 parte
encuentra expresado como un vector b), el sensado comprimido está
columna de n*1 [4], [40], [41]. La conformado por parte de la señal
señal es un conjunto de datos que son original como se muestra en las
tomados en las mediciones del sistema ecuaciones (7) y (8) para ello la
de distribución y se puede representar combinación de otra matriz medición
como una combinación de coeficientes hace que se forme una nueva matriz en
vectoriales [15], los datos que se forma de vector para encontrar el
encuentran en menor proporción, son vector de observación (Y), la cual es
aquellos que se necesita para la conocida por datos de la señal original
recuperación de la señal porque y es lo más cercano a la señal original
contienen la información más tomados de la reconstrucción y
representativa de la señal original, y los combinación de los vectores [41]. Para
datos que tienen menos información de que la matriz sea una matriz cuadrada
la señal tienden a cero, el nombre que del orden m*m se toma los conceptos
toma este vector de la combinación de de matriz pseudoinversa la cual permite
coeficientes es el de vector de tener el orden de los vectores que serán
representación dispersa [1], [4], [40]. dependientes de las señales originales
El sensado comprimido está [44]. La Figura 5 muestra en la parte b)
constituido por una matriz o y c), la matriz Φ es aquella matriz que
diccionario la cual se forma por proviene de los valores originales de la
coeficientes aleatorios que está señal determinados por los medidores
formada por n filas y m columnas la de los cuales fueron tomados dichos
cual es, de manera directa, la parte más datos, esta matriz de medición (m*n) es
importante de proceso del sensado la encargada de contener los datos de
comprimido es la reconstrucción de la del diccionario y los datos del vector
señal y por consiguiente el proceso de dispersión. Para hallar la nueva matriz
muestreo en la localización de de la reconstrucción de la señal Θ
anomalías en la señal que por lo (m*n) que se muestra en la Figura 5
general no posee valor de columnas parte d), descrita en la ecuación (11) se
cero [40], [41], la matriz diccionario es deben multiplicar las matrices de
un conjunto de señales que tienen un medición con la matriz diccionario, la
determinado número de columnas y cual se encarga de mantener la teoría
filas que dependen solamente de los en sí del sensado comprimido de una
valores originales de la señal a ser señal con la restricción isométrica de
reconstruida que están correctamente las matrices [4], [12], [44].
distribuidas [4], [40], [41], por lo tanto (9)
junto con el vector dispersión (X) son
(10)
una representación de la misma señal a
reconstruir de manera más rápida (11)

10
 (12) los primeros resultados en la
reconstrucción de señales pero con la
Las normas de aproximación aplicadas limitación de los datos de la señal lo
para el sensado comprimido son hacen deficiente ante los diferentes
aquellas que dependen del algoritmos [46], [48]. En la siguiente
procesamiento de la señal mediante el ecuación la respuesta no se obtendrá una
método a utilizar en este caso los señal dispersa y los valores serán
métodos a utilizar son estructuras que distintos de cero [47], [48].
hacen un proceso de iteración para
poder llegar a la reconstrucción de la ̂ (14)
señal dependiendo del número de datos
de la señal [1], [4], [26]. La norma de 2) Basis persuit: El algoritmo Basis
aproximación l1 utilizada se basa en la persuit permite recuperar las señales las
siguiente ecuación que muestra el cuales presentan ruido recuperándolas de
argumento mínimo a utilizar manera estable [49] y con señales más
dispersas, este método es utilizado para
̂ ‖ ‖ (13) la recuperación de señales e imágenes
aplicando su técnica de recuperación de
El sensado comprimido es uno de los relajación convexa, diferenciándolo de
métodos más utilizados en lo que se los demás algoritmos [49], [50].
refiere a la reconstrucción de señales
ya que al no usar todos los datos de una ̂ ‖ ‖ (15)
señal, se la pude reconstruir y por lo
tanto, se mantiene la estructura de la 3) Orthogonal matching pursuit: Este
señal, su proceso iterativo junto a las algoritmo de recuperación de señales
norma de aproximación hace que el en conjunto con el sensado
sensado comprimido sea una estructura comprimido hace que la optimización
que tiene la característica esencial de del método sea más rápido y confiable
tener valores mínimos de datos para con señales dispersas y semidispersas,
poder recuperar, en este caso, los datos [43], [51], [52] para su reconstrucción
de una red de distribución eléctrica y se de la misma manera las condiciones a
lo puede describir como un proceso cumplir son propiedades que se
iterativo de optimización [4], [26]. encuentran definidas como
incoherencia mutua considerando lo
2.4 Métodos de comparación para siguiente: que ϕi y ϕj representen a las
el Análisis del Sensado columnas y filas de Φ, que son
Comprimido conocidas como los átomos [53].
1) Least squares: Este algoritmo realiza (16)
la reconstrucción de señales que no son √
muy dispersas, es decir con datos
limitados de la señal [45], [46], el |〈 〉| (17)
trabajo del algoritmo es encontrar la
respuesta mediante la descomposición de Donde es la incoherencia mutua.
mínimos cuadrados, para ello junto con Este algoritmo puede recuperar las
el sensado comprimido mejora el señales casi al mismo nivel de
muestreo y la adquisición de los datos de dispersión de la medición de la señal
la señal dispersa [47],[43], también se [52]. El proceso iterativo de Φ el cual
mejora la convergencia del algoritmo tiene casi los mismos valores de los
haciéndolo más eficiente y rápido. El datos de la señal hasta llegar a un
método de mínimos cuadrados es uno de número de iteraciones máxima y

11
buscando una solución óptima entre continuación se muestra una tabla de
posibles opciones encontrando la los tipos de fallas que se pueden
posible solución de manera general presentar en redes de distribución
[43], [54], [55]. eléctrica utilizadas en la simulación.
̂‖ ∑̂ ‖ (18)
Tabla 1. Tipos de Fallas en Redes de Distribución
Eléctrica a simular.
3. Formulación del
Problema TIPOS DE FALLAS
FASE A
MONOFÁSICAS FASE B
Ubicación de fallas en Redes FASE C
de distribución Eléctrica FASES A -B
En la formulación del problema para la BIFÁSICAS FASES B -C
localización de fallas en redes de FASES C -A
distribución eléctrica se utiliza el FASES A -B-T
BIFÁSICAS A
sensado comprimido con la FASES B -C-T
TIERRA
transformada de wavelet para la FASES C -A-T
reconstrucción de la señal y TRIFÁSICA FASES A-B-C
correspondientemente al diccionario TRIFÁSICA A
FASES A-B-C-T
que se utiliza para dar lugar al vector TIERRA
de dispersión, para poder encontrar el
punto de falla se requiere la norma de En la ubicación de la falla de un
minimización l1 que con los datos sistema de distribución eléctrica, debe
obtenidos de la señal de pre-falla y ser analizado por una herramienta
falla de las fases de distintos medidores matemática que permita reducir el
se almacenará con una resistencia de margen de error en la reconstrucción de
falla constante, en la red de la curva y en la toma de datos de dichas
distribución se utiliza una base de datos fallas, mediante el desarrollo del
para obtener el vector de corrientes, modelo del sensado comprimido en el
para el despliegue de los medidores software , los análisis de las

inteligentes que permiten que con los señales descritas por falla se manejarán
datos de la red de distribución los datos con exactitud y se mantendrán los
son representados como un vector de valores para una buena resolución
gráficas y partiendo del principio del matemática al momento de la ubicación
sensado comprimido permite de la falla por medio de la vinculación
reconstruir la señal con pocos datos del a . La
partiendo de la forma de la señal para ubicación mediante la norma de
lo cual se hace la simulación y obtener minimización l1 hace que la
una buena reconstrucción de la misma. metodología sea más precisa y con un
Para simulación de las curvas de falla margen de error mínimo, teniendo en
antes descritas (Monofásicas, Bifásicas cuenta el número de datos que
y Trifásicas), se almacenarán los datos tomaremos de la señal, para ello, los
con una resistencia de falla la cual será algoritmos en los que se realizarán las
la misma para las distintas fallas en la reconstrucciones con los diferentes
red de distribución eléctrica, dándonos diccionarios que permitirán hacer un
una obtención de los datos en cada análisis en distintas partes de la señal
nodo en el cual se colocarán los obteniendo el mejor rendimiento del
distintos medidores inteligentes con la sensado comprimido analizando la
información precisa del señal reconstruida con la señal original,
comportamiento del sistema, a el análisis consta de una comparación
entre los métodos utilizados y verificar

12
el beneficio del sensado comprimido para ello las señales wavelets
con las diferentes ecuaciones en la trabajarán con seis señales en cada
ubicación de la falla. diccionario ya que la reconstrucción
será más eficiente y estable sin afectar
Pseudocódigo de Ubicación de fallas las características esenciales de cada
en redes de Distribución basado en curva. Las wavelets que se utilizarán
Sensado Comprimido para la reconstrucción de las señales
Paso 1: serán del orden symlet4, coif4,
* Importar base de datos de aubechis 3-4, bior 1.5 y haar 4. Las
Señales de simulación de fallas wavelets y sus señales son parte de los
de ATPDraw a Matlab diccionarios que ayudarán a la
Paso 2: reconstrucción de las señales o curvas
* Señal origina con el 100% de
mediante su similitud a las
datos
* Definir el rango de falla para características de la señal formando el
la señal sensado comprimido que tiene como
* Formar los Diccionario objetivo minimizar el número de datos
Señales wavelets de la señal y minimizar el error en la
* Tomar el porcentaje de datos reconstrucción de la misma. A
de señal continuación se muestra el algoritmo
Paso 3: propuesto para la ubicación de fallas en
* Reducir de señal a porcentaje redes de distribución eléctrica basado
ingresado en sensado comprimido detallado
* Visualizar datos en donde desde la toma de datos del sistema y la
m<n de la matriz
reconstrucción de las curvas, hasta la
reconstrucción
* Creación de la matriz de ubicación de la falla.
Sensado Comprimido 4. Análisis de Resultados
* Encontramos el vector El análisis de fallas fue realizado en el
observación software , obteniendo
Paso 4: gráficas de señales previas a la falla y
* Aplicación de propiedad durante la falla en cada una de las
isométrica de las matrices fases, de la misma manera este
* Resolver la norma de
software permite visualizar el sistema
minimización l1
de distribución en cada uno de los
* Encontrar el vector
dispersión nodos y sus cambios en el momento de
* Ubicación de la falla la falla. La simulación de las fallas
Paso 5: antes descritas, entregan los valores
* Visualizar ubicación de falla RMS, Voltaje y Corriente en función
en reconstrucción de señal a del tiempo, lo cual es muy importante
Least square para saber el momento preciso en cual
* Visualizar ubicación de falla ocurrió la falla y sus valores
en reconstrucción de señal a correspondientes por fase. Para la toma
Basis Persuit. de datos se tomó en cuenta el sistema
* Visualizar ubicación de falla IEEE de 34 barras como se muestra en
en reconstrucción de señal a
la Figura 6.
Orthogonal Matching Persuit
Paso 6:
Terminar

Las señales wavelets hacen que la

reconstrucción de las señales mediante
los diccionarios tenga un mínimo error,

13
 34 25

15 32 20

12 29
25 15
10 27
2 3 4 6 7 8 11 14 22 24 26 28 31 10

SS/EE

9 20 21 23 5
30
1 5
18 0
33 0,00 0,02 0,04 0,06 0,08 0,10 [s] 0,12
(f ile CORRIENTESATP.pl4; x-v ar t) t:DA1 t:DB1 t:DC1

Figura 8. Corrientes de fase valores RMS de

sistema de IEEE 34 barras en pre falla.
13 16 17 19
40

Figura 6. Sistema eléctrico de distribución de 30

prueba IEEE34 barras. 20

Fuente: Autor 10

El sistema de prueba IEEE 34 barras es -10

un sistema idóneo ya que tiene las -20

características y las zonas para poder -30

-40
describir los eventos en falla como 0 10 20 30 40 50 60 [ms] 70
(f ile CORRIENTESATP.pl4; x-v ar t) t:DA1 t:DB1 t:DC1 c:XXXA -1A c:XXXB -1B
valores RMS y la descripción de cada c:XXXC -1C

Figura 9. Simulación de estado estable en Sistema

nodo. Para este caso se simulará el de prueba IEEE 34 barras.
troncal principal del sistema antes
mencionado. En la Figura 7 se muestra Para la simulación de las diferentes
las corrientes en pre falla y la Figura 10 fallas en un sistema de distribución se
muestra las corrientes en falla trifásica presenta a continuación las figuras con
después de los 10 milisegundos de los los valores nominales así como los
nodos de la troncal principal del valores RMS de cada una de las fases.
sistema de la IEEE de 34 barras y de la
600
misma manera, los valores RMS de las [A]

corrientes de los diferentes medidores 400

inteligentes en diferentes barras. 200

0
40
[A]

30
-200

20

-400
10

0
-600
0,04 0,06 0,08 0,10 0,12 0,14 [s] 0,16
-10 (file CORRIENTESATP.pl4; x-var t) c:XXXA -1A c:XXXB -1B c:XXXC -1C

-20 Figura 10. Corrientes de cortocircuito trifásico del

-30 sistema de IEEE 34 barras.
-40
0 10 20 30 40 50 [ms] 60
(file CORRIENTESATP.pl4; x-var t) c:XXXA -1A c:XXXB -1B c:XXXC -1C
600
Figura 7. Corrientes de fase de sistema de IEEE 34
barras en pre falla. 400

200

-200

-400

-600
0,070 0,085 0,100 0,115 0,130 0,145 [s] 0,160
(f ile CORRIENTESATP.pl4; x-v ar t) c:XXXA -1A c:XXXB -1B c:XXXC -1C t:DA1
t:DB1 t:DC1

Figura 11. Corrientes de cortocircuito trifásico con

valores RMS.

14
 500
[A] eficiente de reconstrucción de la señal
375

250
para encontrar la ubicación mediante la
125
teoría del sensado comprimido para lo
0
cual se describe en las figuras siguientes
-125
la reconstrucción de la señal en un 50 %
-250 de los datos de la señal original, en el
-375 software matemático para la solución
-500
0,04 0,06 0,08 0,10 0,12 0,14 [s] 0,16
con cada uno de los tres métodos
(file CORRIENTESATP.pl4; x-var t) c:XXXA -1A c:XXXB -1B c:XXXC -1C

Figura 12. Corrientes de cortocircuito bifásico del aplicativos para la toma de una buena
sistema de IEEE 34 barras. visualización del cambio y
reconstrucción de cada uno de los
500

375
métodos utilizados que son Last Square,
250
Basis Persuit y Orthogonal Matching
125 Persuit. Mediante el desarrollo de
0 modelamiento de ubicación de la falla se
-125
tendrán en cuenta los valores de
-250
corrientes pico de falla que se verán
-375

-500
reflejadas en el gráfico teniendo como
0,09 0,10
(f ile CORRIENTESATP.pl4; x-v ar t) c:XXXA -1A
0,11 0,12 0,13
c:XXXB -1B
0,14
c:XXXC -1C
[s]
t:DA1
0,15
resultado la ubicación de la falla en el
t:DB1 t:DC1

Figura 13. Corrientes de cortocircuito bifásico con

nodo descrito mediante las estadísticas
valores RMS. de la señal del medidor inteligente.
400
[A]

300

200

100

-100

-200

-300

-400
0,04 0,06 0,08 0,10 0,12 0,14 [s] 0,16
(file CORRIENTESATP.pl4; x-var t) c:XXXA -1A c:XXXB -1B c:XXXC -1C

Figura 14. Corrientes de cortocircuito Monofásico

del sistema de IEEE 34 barras.
400
Figura 16. Toma de Datos de la Señal al 100%.
300

200
En la Figura 17 se describe la toma de
100 datos de la señal simulada de la red de
0
distribución teniendo en cuenta que los
-100

-200
valores de corriente se encuentran
-300 alterados después de ocurrir la falla, la
-400
0,08 0,09
(file CORRIENTESATP.pl4; x-var t) c:XXXA -1A
0,10
c:XXXB -1B c:XXXC -1C t:DA1
0,11
t:DB1 t:DC1
0,12 0,13 [s] 0,14 señal es simulada con todos los puntos
para poder comparar cada método de
Figura 15. Corrientes de cortocircuito Monofásico
con valores RMS. reconstrucción de la señal.
La reconstrucción de la falla es de gran
En el análisis de los resultados, la ayuda al momento de encontrar la
reconstrucción de señales en la red de ubicación de la falla mediante el
distribución eléctrica se simuló con las comportamiento de la señal de
señales de corriente de pre falla y falla corriente ya que, como se observa en
las cuales se utilizaron y fueron las gráficas siguientes, tienden a variar
modificadas en el porcentaje de datos de y reflejar su magnitud en sub-corriente
la misma para encontrar el método más o sobre corriente donde la magnitud

15
 más alta de la corriente, determinará la para encontrar la similitud de las curvas
fase de falla y por consiguiente la barra con la curva original.
en donde ocurrió la falla.
Tabla 2. Valores de reconstrucción de la señal
comparados con Original.

O.
Least Basis
% De Marching
Square Persuit
Señal Persuit
% de % de
Original % de
Señal Señal
Señal
5 0,88 9,71 28,76
10 2,32 11,22 52,68
15 6,46 15,64 80,84
20 6,77 24,86 92,3
Figura 17. Señal de reconstrucción Orthogonal 25 13,87 41,89 94,44
Matching Persuit al 50% de datos.
30 13,19 49,36 95,68
35 16,14 53,36 96,51
40 18,45 69,39 97,19
45 25,06 64,45 97,66
50 21,45 70,4 98,09
55 35,04 80,33 98,46
60 29,62 82,71 98,8
65 31,14 73,16 99,22
70 37,88 87,89 99,51
75 41,53 87,39 99,7
80 50,24 79,62 99,82
Figura 18. Señal de reconstrucción Least Square al 85 67,08 84,13 99,94
50% de datos. 90 60,25 83,01 99,98
95 82,17 97,32 100
100 100 100 100

Como se muestra en la tabla 2 cada

método propuesto para la
reconstrucción de la señal tiene su
porcentaje de acercamiento a la señal
original, esto hace que se pueda
apreciar la variación de reconstrucción
por cada paso de porcentaje de señal
Figura 19. Señal de reconstrucción Basis Persuit al
original, como se observa el método de
50% de datos. Least square, según los valores, que es
el menos eficiente en la reconstrucción
Los resultados correspondientes a los de la señal teniendo un 21% de
resultados obtenidos se muestran en la reconstrucción al 50% de datos de la
tabla 2, en la que permite verificar el señal original siendo el más bajo
comportamiento de cada método en rendimiento de los métodos
porcentajes de la señal original a utilizar propuestos. De la misma manera el
para la simulación de la reconstrucción análisis del método Basis Persuit es
en cada caso se simuló en pasos de 5% mucho más uniforme ya que con el
mismo porcentaje anterior del 50% de

16
datos de la señal original, muestra el
70,4% de reconstrucción de la misma,
en este caso el método se acerca más y
su error de reconstrucción es mínimo.
Por último la reconstrucción por
Orthogonal Matching Persuit es el
método que tiene menor error el cual
mantiene un rango de similitud más
alto al de los anteriores métodos
haciendo de este el más eficiente ya
que tiene un 98,9% de reconstrucción
de la señal original ante un 50% de Figura 21. Ubicación de falla de señal Least Square
datos, obteniendo así el método con con sensado comprimido.
mejores resultados al reconstruir la
señal.
Para la resolución de la ubicación de la
falla basados en sensado comprimido
en una red de distribución eléctrica, se
simuló la señal en falla, después de
encontrar el método de reconstrucción
de la señal más idónea y con el análisis
descrita anteriormente se avaluó los
valores de corriente de falla que
mediante el sensado comprimido
Figura 22. Ubicación de falla de señal Basis Persuit
muestra la ubicación al momento del con sensado comprimido.
cambio de la señal, como se muestra
en la Figura 21, para ello se encuentra
cada método usando y la ubicación de
la falla que cada uno de estos muestra,
como ya se demostró anteriormente el
método de Orthogonal Matching
Persuit es el más eficiente al momento
de analizar la señal, por lo tanto la
ubicación de la falla se muestra muy
claramente en las gráficas siguientes.

Figura 23. Ubicación de falla O. Marching Persuit

con sensado comprimido.

Como se observa en las Figuras 21, 22,

23, 24, se ha realizado la aplicación del
sensado comprimido con el menor
número de datos de la señal original en
cada uno de los métodos, en los cuales
se observa que el método Orthogonal
Matching Persuit, es el más idóneo ya
Figura 20. Ubicación de falla de señal original con que para casi un 95% de la
sensado comprimido.
reconstrucción de la señal utiliza el
25% de datos de la señal, haciendo de
este el método más eficiente al ubicar

17
la falla con el mínimo despliegue de
medidores inteligentes que entreguen
las señales de estado de pre falla y
falla.
80

[A]

70

60

50

40

30

Figura 25. Tiempo de falla real con señal Least

20
Square.
10
0,1000 0,1000 0,1001 0,1001 0,1002 0,1002 [s] 0,1003
(file NODO.pl4; x-var t) c:XXXA -1A

Figura 24. Tiempo de falla real tomado de software

ATPDraw.

El tiempo de falla real es tomado de

software de simulación en
el rango propuesto de 70 amperios
como detección de la falla en la red de
distribución, como se observa en la
figura 25, el valor del tiempo de falla
es de 10,030 milisegundos en las
gráficas siguientes y se comparan los
Figura 26. Tiempo de falla real con señal Basis
tiempos obtenidos por cada método Persuit.
propuesto, los valores obtenidos se
analizan en la siguiente tabla 3.

Tabla 3. Valores de tiempo de localización de falla.

Datos Tiempo Error

Señal
% S.C %
Señal
100% 10,030 ms 0%
ATPDraw
Señal
original 100% 10,031 ms 0%
Matlab
Señal Figura 27. Tiempo de falla real con señal
Orthogonal Matching Persuit.
reconstruida
50% 10,400 ms 4%
Least El tiempo de ubicación de la falla es
square aquel que se encuentra en el rango de
Señal
corriente dado que el sensado
reconstruida
Basis
50% 9,900 ms 5% comprimido tiene para realizar la
persuit ubicación de la falla para lo cual el
Señal error es calculado a partir de la señal
reconstruida original donde la reconstrucción de la
Ortogonal 50% 10,039 ms 1% señal mediante los algoritmos, se
Matching analizan para llegar al método con
Persuit menor error, en este caso el método de
Orthogonal Matching Persuit, es
nuevamente el que ubica la señal de

18
falla en el rango dado con mayor de estudio propuesto ya que las
exactitud teniendo un 1% de error con barras que tuvieron falla se realizó
el 50% de datos de la señal original. la respectiva toma de valores en
pre-falla comparándolos con el
5. Conclusiones resultado del sensado comprimido
- El trabajo se basa en la ubicación y teniendo un margen de error
de fallas con la ayuda de sensado menor a los esperados durante la
comprimido y con la utilización de simulación de los tres algoritmos.
los filtros wavelets que mediante - El trabajo realiza la toma de valores
un algoritmo de reconstrucción de de corrientes independientemente
la curva y la norma de del tipo de falla que se haya
minimización l1, permiten ubicar la producido ayudando a que la
perturbación o falla en el lugar que ubicación sea en menor tiempo
ocurre. como una herramienta eficaz y
- El análisis se comprende las señales precisa para el restablecimiento del
de voltaje de pre-falla y falla para sistema eléctrico de potencia con el
que mediante el sensado menor número de datos de la señal
comprimido y el diccionario original.
utilizado de las señales wavelets
formen un vector de representación
5.1 Trabajos futuros
El sensado comprimido, como se ha
disperso ubicando así la falla en la
descrito en este artículo, es una
red de distribución eléctrica.
herramienta de gran utilidad para la
El algoritmo de la reconstrucción
ubicación de fallas en redes de
de la curva de los voltajes en la red
distribución eléctrica, se la puede
de distribución propuesta se realiza
emplear en diferentes áreas en las
con la técnica de reconstrucción
cuales la recuperación y eficiencia de
dispersa que utiliza la menor
las señales sean de gran necesidad. La
cantidad de datos de la señal y la
fiabilidad del método propuesto hace
reconstruye formando una señal
que el sensado comprimido pueda
más fiable para minimizar errores
ubicar cambios en la estabilidad de un
en la ubicación de fallas en un
sistema, con la ayuda de las señales
mínimo intervalo de tiempo desde
wavelets el método se hace más
que ocurre la falla hasta el despeje
robusto al momento del trabajo de
y estabilidad del sistema.
mediciones en tiempo real teniendo un
- La utilización de menos datos en la
desempeño satisfactorio en diferentes
creación de la señales de voltaje,
escenarios; para ello se puede
corriente y ángulo hace que el
reformular nuevas técnicas para el
sensado comprimido sea de gran
desarrollo de implementos para la
ayuda en la red de nodos del
ubicación de fallas en redes eléctricas.
sistema de distribución al
momento de una falla ya que la
reconstrucción de la señal frente a 6. Referencias
otros métodos es más confiable y
beneficioso al momento de [1] S. Jamali, A. Bahmanyar, and E.
localizar y realizar el análisis de las Bompard, “Fault location
señales obtenidas. method for distribution networks
- El método propuesto indica la using smart meters,” Meas. J.
minimización del error al momento Int. Meas. Confed., vol. 102, pp.
de la localización con respecto a la 150–157, 2017.
ubicación real de la falla en la red [2] L. He, Z. Wu, Z. Xu, and I.

19
 Voloh, “Fault Location in métodos basados en el
Distribution System with Load conocimiento,” Univ. Girona,
Uncertainty Analysis,” no. vol. I Volumen, no.
Powercon, pp. 20–22, 2014. Localizacion de Fallas en
[3] J. Tang, X. Yin, Z. Zhang, D. sistemas de distribucion, p. 151,
You, L. Ye, and Z. He, “Fault 2007.
location in distribution networks [10] V. Laface, I. A.
base on the use of wavelet Kougioumtzoglou, G. Malara,
packet analysis,” DRPT 2011 - and F. Arena, “Efficient
2011 4th Int. Conf. Electr. Util. processing of water wave
Deregul. Restruct. Power records via compressive sensing
Technol., pp. 825–830, 2011. and joint time-frequency
[4] M. Majidi, A. Arabali, and M. analysis via harmonic wavelets,”
Etezadi-Amoli, “Fault Location Appl. Ocean Res., vol. 69, pp. 1–
in Distribution Networks by 9, 2017.
Compressive Sensing,” IEEE [11] B. Feizifar, M. R. Haghifam, S.
Trans. Power Deliv., vol. 30, no. Soleymani, and A. Jamilazari,
4, pp. 1761–1769, 2015. “Fault location in combined
[5] C. Orozco-Henao, A. S. Bretas, overhead line and underground
R. Chouhy-Leborgne, A. R. cable distribution networks
Herrera-Orozco, and J. Marín- using fault transient based
Quintero, “Active distribution mother wavelets,” 12th Int.
network fault location Conf. Environ. Electr. Eng.
methodology: A minimum fault EEEIC 2013, pp. 41–45, 2013.
reactance and Fibonacci search [12] S. Dzakmic, T. Namas, and I.
approach,” Int. J. Electr. Power Dzafic, “Fault Classification
Energy Syst., vol. 84, pp. 232– Using Multi-resolution Analysis
241, 2017. and Discrete Wavelet
[6] A. Bahmanyar and S. Jamali, Transforms,” pp. 1–6, 2017.
“Fault location in active [13] G. Vamsi, “A Four Terminal
distribution networks using non- Transmission Line Protection by
synchronized measurements,” Wavelet Approach in the
Int. J. Electr. Power Energy Presence of SVC using Hybrid
Syst., vol. 93, pp. 451–458, Generation,” pp. 3–8, 2017.
2017. [14] P. K. Nayak, K. Sarwagya, and
[7] M. Shafiullah, M. A. Abido, and T. Biswal, “A Novel High
Z. Al-Hamouz, “Wavelet-based Impedance Fault Detection
extreme learning machine for Technique in Distribution
distribution grid fault location,” Systems With Distributed
IET Gener. Transm. Distrib., Generators,” IEEE Power
vol. 11, no. 17, pp. 4256–4263, Energy Soc. Gen. Meet., 2017.
2017. [15] M. Majidi, M. Etezadi-Amoli,
[8] D. Carrión, J. W. González, and and M. Sami Fadali, “A Novel
G. J. López, “Optimal Fault Method for Single and
Location in Transmission Lines Simultaneous Fault Location in
Using Hybrid Method,” 2017. Distribution Networks,” IEEE
[9] J. Flórez, “Localización de faltas Trans. Power Syst., vol. 30, no.
en sistemas de distribución de 6, pp. 1–9, 2014.
energía eléctrica usando [16] R. Kumar and D. Saxena, “Fault
métodos basados en el modelo y Location in Distribution

20
 Network with Distributed l 1 Sparse Recovery,” pp. 50–56,
Generation: An Overview and 2017.
Key Issues,” p. 6, 2016. [24] M. Wan, G. Y. Z. Lai, and Z.
[17] R. Perez, “IDENTIFICACIÓN Jin, “Feature extraction based on
DE FALLAS EN SISTEMAS,” fuzzy local discriminant
no. September, 2016. embedding with applications to
[18] A. Correa and R. Pérez, face recognition,” no. May 2010,
“Localización de fallas en pp. 301–308, 2011.
sistemas eléctricos de [25] A. Padilha-feltrin, I. Eléctrico,
distribución basados en la matriz and D. Ph, “Flujo de potencia en
de impedancia de barra.” Quito, sistemas de distribución
2017. considerando incertidumbre en
[19] F. M. Aboshady, M. Sumner, la demanda y en los parámetros
and D. W. P. Thomas, “A de los alimentadores,” no. 39,
double end fault location pp. 25–30, 2008.
technique for distribution [26] E. Signal and P. Conference,
systems based on fault-generated “GREEDY PURSUITS
transients,” 2017 IEEE 26th Int. ASSISTED BASIS PURSUIT
Symp. Ind. Electron., pp. 32–36, FOR COMPRESSIVE
2017. SENSING Sathiya Narayanan ,
[20] L. Shu-guang and Q. Ping-ge, Sujit Kumar Sahoo and
“A fault detection and isolation Anamitra Makur School of
algorithm for distribution Electrical and Electronic
systems containing distributed Engineering , Nanyang
generations,” vol. 1, no. x, pp. Technological University ,
1753–1756, 2011. Singapore Email :
[21] A. Campoccia, M. L. Di sathiya3@e.ntu.edu.sg,” pp.
Silvestre, I. Incontrera, and E. 694–698, 2015.
Riva Sanseverino, “A [27] W. Dullaert, H. Rogier, L. De
generalized methodology for Camillis, and T. Dhaene,
distribution systems faults “Improving Link Quality of
identification, location and UWB Communication Links by
characterization,” 2005 IEEE Means of PSWF-Basis Persuit
Russ. Power Tech, PowerTech, Denoising,” IEEE Top. Conf.
pp. 1–7, 2005. Antennas Propag. Wirel., pp.
[22] M.-F. Guo, X.-D. Zeng, D.-Y. 126–129, 2011.
Chen, and N.-C. Yang, “Deep- [28] Y. Gu and N. A. Goodman,
learning-based Earth Fault “Information-Theoretic
Detection using Continuous Compressive Sensing Kernel
Wavelet Transform and Optimization and Bayesian
Convolutional Neural Network Cramér-Rao Bound for Time
in Resonant Grounding Delay Estimation,” IEEE Trans.
Distribution Systems,” IEEE Signal Process., vol. 65, no. 17,
Sens. J., vol. 18, no. 3, pp. 1–1, pp. 4525–4537, 2017.
2017. [29] H. Chen, P. D. S. Assala, Y. Cai,
[23] N. A. C. Andryani, D. Sudiana, and P. Yang, “Intelligent
and D. Gunawan, “Electrical Transient Overvoltage Location
Capacitance Volume in Distribution Systems Using
Tomography Static Imaging Wavelet Packet Decomposition
using Compressive Sensing with and General Regression Neural

21
 Networks,” IEEE Trans. Ind. “Applications of compressed
Informatics, vol. PP, no. 99, pp. sensing and sparse
1–1, 2016. representations for state
[30] F. Trindade and W. Freitas, estimation in power systems,”
“Low Voltage Zones to Support Microwaves, Commun. Antennas
Fault Location in Distribution Electron. Syst. (COMCAS), 2015
Systems With Smart Meters,” IEEE Int. Conf., no. November,
IEEE Trans. Smart Grid, vol. pp. 1–4, 2015.
pp, no. 99, pp. 1–10, 2016. [37] L. A. Comerford and M. Beer,
[31] Y. Gu, Y. D. Zhang, and N. A. “Compressive sensing based
Goodman, “Optimized power spectrum estimation from
compressive sensing-based incomplete records by utilizing
direction-of-arrival estimation in an adaptive basis,” 2014.
massive MIMO,” ICASSP, IEEE [38] S. Qaisar, R. M. Bilal, W. Iqbal,
Int. Conf. Acoust. Speech Signal M. Naureen, and S. Lee,
Process. - Proc., no. 1, pp. “Compressive Sensing : From
3181–3185, 2017. Theory to Applications , a
[32] Y. Zhang, L. Comerford, I. A. Survey,” vol. 15, no. 5, pp. 443–
Kougioumtzoglou, and M. Beer, 456, 2013.
“Lp-norm minimization for [39] V. Duarte, Marco; Cameron,
stochastic process power “Compressive Sensing for
spectrum estimation subject to Signal Ensembles,” Ieee, pp.
incomplete data,” Mech. Syst. 244–250, 2009.
Signal Process., vol. 101, pp. [40] H. Mahyar et al., “Compressive
361–376, 2018. sensing of high betweenness
[33] R. Torkamani and R. A. centrality nodes in networks,”
Sadeghzadeh, “Bayesian Phys. A Stat. Mech. its Appl.,
compressive sensing using vol. 497, pp. 166–184, 2018.
wavelet based Markov random [41] L. Comerford, H. A. Jensen, F.
fields,” Signal Process. Image Mayorga, M. Beer, and I. A.
Commun., vol. 58, no. February, Kougioumtzoglou,
pp. 65–72, 2017. “Compressive sensing with an
[34] E. Ambikairajah, D. Zhang, T. adaptive wavelet basis for
Phung, T. Blackburn, and J. structural system response and
Chen, “Detection of high reliability analysis under
impedance faults using current missing data,” Comput. Struct.,
transformers for sensing and vol. 182, pp. 26–40, 2017.
identification based on features [42] J. C. Ferreira, E. L. Flores, and
extracted using wavelet G. A. Carrijo, “Quantization
transform,” IET Gener. Transm. Noise on Image Reconstruction
Distrib., vol. 10, no. 12, pp. Using Model-Based
2990–2998, 2016. Compressive Sensing,” IEEE
[35] P. Zhang, S. Wang, K. Guo, and Lat. Am. Trans., vol. 13, no. 4,
J. Wang, “A secure data pp. 1167–1177, 2015.
collection scheme based on [43] P. . Andrade Montoya and E. .
compressive sensing in wireless Inga Ortega, “Reconstrucción de
sensor networks,” Ad Hoc la curva de carga eléctrica
Networks, vol. 70, pp. 73–84, residencial a partir de selección
2018. muestral usando sensado
[36] I. Rozenberg and Y. Levron, comprimido,” 2017.

22
[44] M. Majidi, M. Etezadi-Amoli, Transmission in WSN,” pp. 52–
and H. Livani, “Distribution 58, 2015.
system state estimation using [53] J. Scarlett, J. S. Evans, S. Dey,
compressive sensing,” Int. J. and S. Member, “Compressed
Electr. Power Energy Syst., vol. Sensing with Prior Information :
88, pp. 175–186, 2017. Information-Theoretic Limits
[45] G. Chen, M. Gan, C. L. P. Chen, and Practical Decoders,” no. c,
and H. Li, “A Regularized 2011.
Variable Projection Algorithm [54] J. Wang, B. Shim, and S.
for Separable Nonlinear Least Member, “Exact Recovery of
Squares Problems,” ieee Trans. Sparse Signals Using
Automtic Control, vol. 9286, no. Orthogonal Matching Pursuit :
4, pp. 1–12, 2018. How Many Iterations Do We,”
[46] C. Geng and S. Chen, “Metric vol. 2, no. 2, pp. 1–9, 2016.
Learning-Guided Least Squares [55] J. Wang and B. Shim, “On the
Classifier Learning,” pp. 1–6, Recovery Limit of Sparse
2018. Signals Using Orthogonal
[47] S. Zhu, C. Chen, J. Xu, and X. Matching Pursuit,” IEEE Trans.
Guan, “Mitigating Quantization Signal Process., vol. 60, no. 9,
Effects on Distributed Sensor pp. 4973–4976, 2012.
Fusion : A Least Squares
Approach,” vol. 639798, no. c,
pp. 1–17, 2018.
[48] L. A. Sutawika, “Restricted
Boltzmann Machines for
Unsupervised Feature Selection
with Partial Least Square
Feature Extractor for Microarray
Datasets foi foi o foi o foj o o o
b ;,” pp. 257–260, 2017.
[49] H. Ohlsson, A. Y. Yang, R.
Dong, and S. S. Sastry,
“Nonlinear Basis Pursuit.”
[50] Y. Hsiaot and L. Daniel, “Sparse
Basis Pursuit on Automatic
Nonlinear Circuit Modeling [
Invited Special Session PaperjI,”
no. 1.
[51] M. Suchithra, P. Sukanya, P.
Prabha, O. K. Sikha, V.
Sowmya, and K. P. Soman, “An
Experimental Study on
Application of Orthogonal
Matching Pursuit Algorithm for
Image Denoising,” pp. 729–736,
2013.
[52] C. Engineering and T. Nadu,
“Compressed Sensing Based
Quantization with Prediction
Encoding / or Video

23
7. Estado del Arte
Tabla 4. Matriz del estado del arte

UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA BASADO EN SENSADO

COMPRIMIDO
FORMULACIÓN DEL PROPUESTAS PARA
RESTRICCIONES DEL SOLUCIÓN
DATOS TEMÁTICA PROBLEMA RESOLVER EL
PROBLEMA PROPUESTA
FUNCIONES OBJETIVO PROBLEMA

TIEMPO DE LOCALIZACIÓN DE FALLA

FALLAS EN REDES DE DISTRIBUCIÓN

ESTABILIDAD / CÁLCULO DE ERROR

RESTABLESIMIENTO DEL SISTEMA

HEURÍSTICA o METAHEURÍSTICAS
CONDICIONES DE COBERTURA

SIMULACION Y COMPARACIÓN
ESTABILIDAD DE VOLTAJE Y

CONDICIÓN DE CAPACIDAD/
LOCALIZACIÓN DE FALLAS

LOCALIZACIÓN DE FALLAS
ESTABILIDAD DE VOLTAJE

ESTABILIDAD DE VOLTAJE

MINIMIZACION DE FALLAS
SENSADO COMPRIMIDO

SENSADO COMPRIMIDO
DETECCIÓN DE FALLAS
TÍTULO DEL ARTÍCULO

ANÁLISIS DE SEÑALES
PUBLISH OR PERISH

ENRUTAMIENTO
SMART METERS

ALGORITMOS,
CORRIENTE
N° DE CITAS

PRECISIÓN
WAVELETS

WAVELETS

WAVELETS
COSTO

MINLP
ITEM

MILP
AÑO

ILP
A new technique to locate faults in distribution
1 2017 networks based on optimal coordination of numerical 1                    
directional overcurrent relays
A double end fault location technique for distribution
2 2017
systems based on fault-generated transients
1                        
A scheme based on ANNs for single-phase fault
3 2017
location in distribution systems with DG
0                      
A Novel High Impedance Fault Detection Technique in
4 2016
Distribution Systems With Distributed Generators
0                        
Low Voltage Zones to Support Fault Location in
5 2016
Distribution Systems With Smart Meters
7                      
A generalized methodology for distribution systems
6 2005
faults identification, location and characterization
7                    
Optimized compressive sensing-based direction-of-
7 2017
arrival estimation in massive MIMO
8                       
Harmonic analysis applied to seasonal variations in
8 1974
sickness absence
75                           
24

24
 UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA BASADO EN SENSADO
COMPRIMIDO
FORMULACIÓN DEL PROPUESTAS PARA
RESTRICCIONES DEL SOLUCIÓN
DATOS TEMÁTICA PROBLEMA RESOLVER EL
PROBLEMA PROPUESTA
FUNCIONES OBJETIVO PROBLEMA

TIEMPO DE LOCALIZACIÓN DE FALLA

FALLAS EN REDES DE DISTRIBUCIÓN

ESTABILIDAD / CÁLCULO DE ERROR

RESTABLESIMIENTO DEL SISTEMA

HEURÍSTICA o METAHEURÍSTICAS
CONDICIONES DE COBERTURA

SIMULACION Y COMPARACIÓN
ESTABILIDAD DE VOLTAJE Y

CONDICIÓN DE CAPACIDAD/
LOCALIZACIÓN DE FALLAS

LOCALIZACIÓN DE FALLAS
ESTABILIDAD DE VOLTAJE

ESTABILIDAD DE VOLTAJE

MINIMIZACION DE FALLAS
SENSADO COMPRIMIDO

SENSADO COMPRIMIDO
DETECCIÓN DE FALLAS
TÍTULO DEL ARTÍCULO

ANÁLISIS DE SEÑALES
PUBLISH OR PERISH

ENRUTAMIENTO
SMART METERS

ALGORITMOS,
CORRIENTE
N° DE CITAS

PRECISIÓN
WAVELETS

WAVELETS

WAVELETS
COSTO

MINLP
ITEM

MILP
AÑO

ILP
Information-Theoretic Compressive Sensing Kernel
9 2017 Optimization and Bayesian Cramér-Rao Bound for Time 13                      
Delay Estimation
10 2009 Compressive Sensing for Signal Ensembles 8                    
Fault location in combined overhead line and
11 2013 underground cable distribution networks using fault 1                     
transient based mother wavelets
Reconstruction of Dispersion Curves in the Frequency-
12 2017 Wavenumber Domain Using Compressed Sensing on a 2                      
Random Array
Applications of compressed sensing and sparse
13 2015
representations for state estimation in power systems
2                      
Fault Location in Distribution Networks by Compressive
14 2015
Sensing
36                    
Fault location in distribution networks base on the use of
15 2011
wavelet packet analysis
6                      
Electrical Capacitance Volume Tomography Static
16 2017 Imaging using Compressive Sensing with l 1 Sparse 2                      
Recovery
Fault locating in ungrounded and high-resistance
17 2011
grounded systems
111                      
25

25
 UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA BASADO EN SENSADO
COMPRIMIDO
FORMULACIÓN DEL PROPUESTAS PARA
RESTRICCIONES DEL SOLUCIÓN
DATOS TEMÁTICA PROBLEMA RESOLVER EL
PROBLEMA PROPUESTA
FUNCIONES OBJETIVO PROBLEMA

TIEMPO DE LOCALIZACIÓN DE FALLA

FALLAS EN REDES DE DISTRIBUCIÓN

ESTABILIDAD / CÁLCULO DE ERROR

RESTABLESIMIENTO DEL SISTEMA

HEURÍSTICA o METAHEURÍSTICAS
CONDICIONES DE COBERTURA

SIMULACION Y COMPARACIÓN
ESTABILIDAD DE VOLTAJE Y

CONDICIÓN DE CAPACIDAD/
LOCALIZACIÓN DE FALLAS

LOCALIZACIÓN DE FALLAS
ESTABILIDAD DE VOLTAJE

ESTABILIDAD DE VOLTAJE

MINIMIZACION DE FALLAS

SENSADO COMPRIMIDO
SENSADO COMPRIMIDO

DETECCIÓN DE FALLAS
TÍTULO DEL ARTÍCULO

ANÁLISIS DE SEÑALES
PUBLISH OR PERISH

ENRUTAMIENTO
SMART METERS

ALGORITMOS,
CORRIENTE
N° DE CITAS

PRECISIÓN
WAVELETS

WAVELETS

WAVELETS
COSTO

MINLP
ITEM

MILP
AÑO

ILP
A Novel Method for Single and Simultaneous Fault
18 2014
Location in Distribution Networks
40                       
Diagnosis of impedance fault in distribution system
19 2011 with distributed generations using radial basis function 0                
neural network
Fault Location in Distribution System with Load
20 2014
Uncertainty Analysis
5                   
D Istribution S Ystem C Ost M Ethodologies for D
21 2001
Istributed
11                    
A fault detection and isolation algorithm for distribution
22 2011
systems containing distributed generations
0                   
A Four Terminal Transmission Line Protection by
23 2017 Wavelet Approach in the Presence of SVC using Hybrid 15                     
Generation
A Regularized Variable Projection Algorithm for
24 2018
Separable Nonlinear Least Squares Problems
1                     
A secure data collection scheme based on compressive
25 2018
sensing in wireless sensor networks
1                   
Active distribution network fault location methodology:
26 2017 A minimum fault reactance and Fibonacci search 11                   
approach
26

26
 UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA BASADO EN SENSADO
COMPRIMIDO
FORMULACIÓN DEL RESTRICCIONES PROPUESTAS PARA
SOLUCIÓN
DATOS TEMÁTICA PROBLEMA DEL RESOLVER EL
PROPUESTA
FUNCIONES OBJETIVO PROBLEMA PROBLEMA

TIEMPO DE LOCALIZACIÓN DE FALLA

FALLAS EN REDES DE DISTRIBUCIÓN

ESTABILIDAD / CÁLCULO DE ERROR

RESTABLESIMIENTO DEL SISTEMA

HEURÍSTICA o METAHEURÍSTICAS
CONDICIONES DE COBERTURA

SIMULACION Y COMPARACIÓN
ESTABILIDAD DE VOLTAJE Y

CONDICIÓN DE CAPACIDAD/
LOCALIZACIÓN DE FALLAS

LOCALIZACIÓN DE FALLAS
ESTABILIDAD DE VOLTAJE

ESTABILIDAD DE VOLTAJE

MINIMIZACION DE FALLAS
SENSADO COMPRIMIDO

SENSADO COMPRIMIDO
DETECCIÓN DE FALLAS
TÍTULO DEL ARTÍCULO

ANÁLISIS DE SEÑALES
PUBLISH OR PERISH

ENRUTAMIENTO
SMART METERS

ALGORITMOS,
CORRIENTE
N° DE CITAS

PRECISIÓN
WAVELETS

WAVELETS

WAVELETS
COSTO

MINLP
ITEM

MILP
AÑO

ILP
An Experimental Study on Application of Orthogonal
27 2013
Matching Pursuit Algorithm for Image Denoising
6                   
Análisis del comportamiento eléctrico del sistema de
distribución ieee de 34 nodos usando un compensador
28 2015
estático de distribución (dstatcom) diseñado en atp/emtp para
0                    
la mitigación de sags y la mejora del factor de potencia

Bayesian compressive sensing using wavelet based Markov

29 2017
random fields
0                     
Compressed Sensing Based Quantization with Prediction
30 2015
Encoding / or Video Transmission in WSN
4                   
Compressed Sensing with Prior Information : Information-
31 2011
Theoretic Limits and Practical Decoders
49                      
Compressive Sensing : From Theory to Applications , a
32 2013
Survey
229                     
Compressive sensing based power spectrum estimation from
33 2014
incomplete records by utilizing an adaptive basis
11                     
Compressive sensing of high betweenness centrality nodes in
34 2018
networks
1                      
Compressive sensing with an adaptive wavelet basis for
35 2017 structural system response and reliability analysis under 8                     
missing data
27

27
 UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA BASADO EN SENSADO
COMPRIMIDO
FORMULACIÓN DEL RESTRICCIONES PROPUESTAS PARA
SOLUCIÓN
DATOS TEMÁTICA PROBLEMA DEL RESOLVER EL
PROPUESTA
FUNCIONES OBJETIVO PROBLEMA PROBLEMA

TIEMPO DE LOCALIZACIÓN DE FALLA

FALLAS EN REDES DE DISTRIBUCIÓN

ESTABILIDAD / CÁLCULO DE ERROR

RESTABLESIMIENTO DEL SISTEMA

HEURÍSTICA o METAHEURÍSTICAS
CONDICIONES DE COBERTURA

SIMULACION Y COMPARACIÓN
ESTABILIDAD DE VOLTAJE Y

CONDICIÓN DE CAPACIDAD/
LOCALIZACIÓN DE FALLAS

LOCALIZACIÓN DE FALLAS
ESTABILIDAD DE VOLTAJE

ESTABILIDAD DE VOLTAJE

MINIMIZACION DE FALLAS
SENSADO COMPRIMIDO

SENSADO COMPRIMIDO
DETECCIÓN DE FALLAS
TÍTULO DEL ARTÍCULO

ANÁLISIS DE SEÑALES
PUBLISH OR PERISH

ENRUTAMIENTO
SMART METERS

ALGORITMOS,
CORRIENTE
N° DE CITAS

PRECISIÓN
WAVELETS

WAVELETS

WAVELETS
COSTO

MINLP
ITEM

MILP
AÑO

ILP
D Istribution S Ystem C Ost M Ethodologies for D
36 2001
Istributed
11                     
Deep-learning-based Earth Fault Detection using
37 2017 Continuous Wavelet Transform and Convolutional 0                    
Neural Network in Resonant
Detection of high impedance faults using current
38 2016 transformers for sensing and identification based on 9                     
features extracted using wavelet transform
Distribution system state estimation using compressive
39 2017
sensing
4                      
Efficient processing of water wave records via
40 2017 compressive sensing and joint time-frequency analysis 3                     
via harmonic wavelets
Exact Recovery of Sparse Signals Using Orthogonal
41 2016
Matching Pursuit : How Many Iterations Do We
11                       
Fault location in active distribution networks using non-
42 2017
synchronized measurements
3                      
Fault Location in Distribution Network with Distributed
43 2016
Generation: An Overview and Key Issues
0                    
Fault location in distribution networks base on the use of
44 2011
wavelet packet analysis
6                    
28

28
 UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA BASADO EN SENSADO
COMPRIMIDO
FORMULACIÓN DEL RESTRICCIONES PROPUESTAS PARA
SOLUCIÓN
DATOS TEMÁTICA PROBLEMA DEL RESOLVER EL
PROPUESTA
FUNCIONES OBJETIVO PROBLEMA PROBLEMA

TIEMPO DE LOCALIZACIÓN DE FALLA

FALLAS EN REDES DE DISTRIBUCIÓN

ESTABILIDAD / CÁLCULO DE ERROR

RESTABLESIMIENTO DEL SISTEMA

HEURÍSTICA o METAHEURÍSTICAS
CONDICIONES DE COBERTURA

SIMULACION Y COMPARACIÓN
ESTABILIDAD DE VOLTAJE Y

CONDICIÓN DE CAPACIDAD/
LOCALIZACIÓN DE FALLAS

LOCALIZACIÓN DE FALLAS
ESTABILIDAD DE VOLTAJE

ESTABILIDAD DE VOLTAJE

MINIMIZACION DE FALLAS
SENSADO COMPRIMIDO

SENSADO COMPRIMIDO
DETECCIÓN DE FALLAS
TÍTULO DEL ARTÍCULO

ANÁLISIS DE SEÑALES
PUBLISH OR PERISH

ENRUTAMIENTO
SMART METERS

ALGORITMOS,
CORRIENTE
N° DE CITAS

PRECISIÓN
WAVELETS

WAVELETS

WAVELETS
COSTO

MINLP
ITEM

MILP
AÑO

ILP
Fault location method for distribution networks using smart
45 2017
meters
5                     
Feature extraction based on fuzzy local discriminant
46 2011
embedding with applications to face recognition
20                      
Flujo de potencia en sistemas de distribución considerando
47 2008 incertidumbre en la demanda y en los parámetros de los 1                     
alimentadores
GREEDY PURSUITS ASSISTED BASIS PURSUIT FOR
48 2015
COMPRESSIVE SENSING
15                     
49 2016 IDENTIFICACIÓN DE FALLAS EN SISTEMAS 11                      
Improving Link Quality of UWB Communication Links by
50 2011
Means of PSWF-Basis Persuit Denoising
7                     
Intelligent Transient Overvoltage Location in Distribution
51 2016 Systems Using Wavelet Packet Decomposition and General 10                     
Regression Neural Networks

Localización de faltas en sistemas de distribución de energía

52 2007 eléctrica usando métodos basados en el modelo y métodos 73                       
basados en el conocimiento
Lp-norm minimization for stochastic process power spectrum
53 2018
estimation subject to incomplete data
9                      
29

29
 UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA BASADO EN SENSADO
COMPRIMIDO
FORMULACIÓN DEL RESTRICCIONES PROPUESTAS PARA
SOLUCIÓN
DATOS TEMÁTICA PROBLEMA DEL RESOLVER EL
PROPUESTA
FUNCIONES OBJETIVO PROBLEMA PROBLEMA

TIEMPO DE LOCALIZACIÓN DE FALLA

FALLAS EN REDES DE DISTRIBUCIÓN

ESTABILIDAD / CÁLCULO DE ERROR

RESTABLESIMIENTO DEL SISTEMA

HEURÍSTICA o METAHEURÍSTICAS
CONDICIONES DE COBERTURA

SIMULACION Y COMPARACIÓN
ESTABILIDAD DE VOLTAJE Y

CONDICIÓN DE CAPACIDAD/
LOCALIZACIÓN DE FALLAS

LOCALIZACIÓN DE FALLAS
ESTABILIDAD DE VOLTAJE

ESTABILIDAD DE VOLTAJE

MINIMIZACION DE FALLAS
SENSADO COMPRIMIDO

SENSADO COMPRIMIDO
DETECCIÓN DE FALLAS
TÍTULO DEL ARTÍCULO

ANÁLISIS DE SEÑALES
PUBLISH OR PERISH

ENRUTAMIENTO
SMART METERS

ALGORITMOS,
CORRIENTE
N° DE CITAS

PRECISIÓN
WAVELETS

WAVELETS

WAVELETS
COSTO

MINLP
ITEM

MILP
AÑO

ILP
54 2018 Metric Learning-Guided Least Squares Classifier Learning 0                      
Mitigating Quantization Effects on Distributed Sensor
55 2018
Fusion : A Least Squares Approach
0                     
Modeling and Protection Scheme for IEEE 34 Radial
56 2014 Distribution Feeder with and Without Distributed 3                       
Generation
57 2013 Nonlinear Basis Pursuit 24                      
Non-linear high impedance fault distance estimation in
58 2018 power distribution systems: A continually online-trained 0                       
neural network approach
On the Recovery Limit of Sparse Signals Using Orthogonal
59 2012
Matching Pursuit
130                     
On the Sensing Matrix Performance for Support Recovery of
60 2014
Noisy Sparse Signals
2                        
Optimal Fault Location in Transmission Lines Using Hybrid
61 2017
Method
1                     
Preconditioning for Accelerated Iteratively Reweighted Least
62 2014
Squares in Structured Sparsity Reconstruction
35                    
30

30
 UBICACIÓN DE FALLAS EN REDES DE DISTRIBUCIÓN ELÉCTRICA BASADO EN SENSADO
COMPRIMIDO
FORMULACIÓN DEL RESTRICCIONES PROPUESTAS PARA
SOLUCIÓN
DATOS TEMÁTICA PROBLEMA DEL RESOLVER EL
PROPUESTA
FUNCIONES OBJETIVO PROBLEMA PROBLEMA

TIEMPO DE LOCALIZACIÓN DE FALLA

FALLAS EN REDES DE DISTRIBUCIÓN

ESTABILIDAD / CÁLCULO DE ERROR

RESTABLESIMIENTO DEL SISTEMA

HEURÍSTICA o METAHEURÍSTICAS
CONDICIONES DE COBERTURA

SIMULACION Y COMPARACIÓN
ESTABILIDAD DE VOLTAJE Y

CONDICIÓN DE CAPACIDAD/
LOCALIZACIÓN DE FALLAS

ESTABILIDAD DE VOLTAJE

LOCALIZACIÓN DE FALLAS

ESTABILIDAD DE VOLTAJE

MINIMIZACION DE FALLAS
SENSADO COMPRIMIDO

SENSADO COMPRIMIDO
DETECCIÓN DE FALLAS
TÍTULO DEL ARTÍCULO

ANÁLISIS DE SEÑALES
PUBLISH OR PERISH

ENRUTAMIENTO
SMART METERS

ALGORITMOS,
CORRIENTE
N° DE CITAS

PRECISIÓN
WAVELETS

WAVELETS

WAVELETS
COSTO

MINLP
ITEM

MILP
AÑO

ILP
Restricted Boltzmann Machines for Unsupervised Feature
63 2017 Selection with Partial Least Square Feature Extractor for 0                    
Microarray Datasets
Sparse Basis Pursuit on Automatic Nonlinear Circuit
64 2013
Modeling [ Invited Special Session PaperjI
3                    
LOCALIZACIÓN DE FALLAS EN REDES DE
65 2017 DISTRIBUCIÓN ELÉCTRICA POR SENSADO 0                   
COMPRIMIDO (COMPRESSIVE SENSING)
LOCALIZACIÓN DE FALLAS EN SISTEMAS DE
DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA USANDO
66 2016
GENERACIÓN DISTRIBUIDA Y BASADO EN MÉTODOS
0                        
ALGORÍTMICOS
Wavelet-based extreme learning machine for distribution
67 2017
grid fault location
1                    
CANTIDAD: 26 22 28 12 22 14 24 34 18 14 9 7 17 28 17 2 12 16 33 16 7 23 19 14 31 18
31

31
 TEMÁTICA FORMULACIÓN DEL PROBLEMA
FALLAS EN REDES 40
DE DISTRIBUCIÓN
30 35

Citas por Problemática

25 30
20
25
15
LOCALIZACIÓN DE 20
WAVELETS 10
FALLAS
5 15
0 10
5
0
DETECCIÓN DE FALLAS LOCALIZACIÓN DE ANÁLISIS DE SEÑALES ESTABILIDAD / ESTABILIDAD DE SMART METERS
FALLAS CÁLCULO DE ERROR VOLTAJE Y CORRIENTE

ESTABILIDAD DE SENSADO
VOLTAJE COMPRIMIDO

Figura 29. Resumen del estado del arte Figura 28. Indicadores del estado del arte
32

32
 SOLUCIONES DE MAYOR ANÁLISIS
35

30

25

Citas por Temática

20

15

10

0
ESTABILIDAD DE MINIMIZACION DE WAVELETS RESTABLESIMIENTO SENSADO SIMULACION Y
VOLTAJE FALLAS DEL SISTEMA COMPRIMIDO COMPARACIÓN

Figura 30. Indicadores del estado del arte

33

33