Técnicas de análisis exploratorio de datos y estrategias de visualización multidimensional del suministro eléctrico basadas en estadísticos de orden superior: indicadores globales para instrumentación moderna

Esta tesis doctoral propone un enfoque multidimensional para el análisis de la calidad del suministro eléctrico, integrando indicadores tradicionales y no tradicionales, herramientas de visualización avanzadas y técnicas de inteligencia artificial, con el objetivo principal de desarrollar nuevos métodos de medición que permitan caracterizar y clasificar eventos eléctricos complejos que surgen en redes modernas, marcadas por la creciente incorporación de energías renovables y comportamientos no lineales. La investigación comienza con una revisión exhaustiva de la literatura, identificando lagunas en los enfoques tradicionales, particularmente en la detección y diferenciación de eventos híbridos. A partir de este análisis, se seleccionaron indicadores tradicionales clave de calidad del suministro eléctrico (factor de cresta, THD, SNR), y se complementaron con estadísticos de orden superior. Posteriormente, se utilizó un indicador global para combinarlos, proporcionando una visión unificada del estado de la red eléctrica. Además, se desarrollaron gráficos radar como herramientas visuales optimizadas para facilitar la interpretación de fenómenos eléctricos tanto a expertos como a usuarios con menor experiencia técnica, así como impedir interpretaciones subjetivas del sistema objeto de estudio. Los métodos desarrollados se validaron utilizando, en primer lugar, señales sintéticas que modelan perturbaciones eléctricas puras, es decir, eventos aislados. Estas perturbaciones proceden de set de datos previamente publicados en bases de datos de prestigio, como la plataforma IEEE DataPort. Además, se utilizaron señales reales obtenidas por el grupo de investigación PAIDI-TIC-168, que monitoriza la instalación eléctrica de la Universidad. Los resultados demostraron una precisión cercana al 100% en la detección de eventos sintéticos y de eventos reales como sags, y del 29.79% para transitorios impulsivos reales. En comparación con métodos tradicionales, las herramientas desarrolladas ofrecieron mejoras significativas en la detección de eventos como notches (73%), transitorios impulsivos (54%) y spikes (38%). Asimismo, la tasa de éxito en la clasificación de las perturbaciones, a través de un árbol de decisiones diseñado en base a los indicadores, osciló entre el 90% y el 100%, en función de la perturbación analizada. En resumen, la tesis demuestra que combinaciones seleccionadas de indicadores, técnicas y herramientas de procesamiento de señales, junto con herramientas de IA y visualización, mejoran el análisis de PQ, facilitando la detección de perturbaciones específicas.

Author dc:creator

• Remigio Carmona, Paula

Advisors dc:contributor.advisor

• González de la Rosa, Juan José
• Florencias Oliveros, Olivia

• calidad del suministro
• power quality
• estadísticos de orden superior
• higher-order statistics
• visualización multidimensional
• multidimensional visualization
• Técnicas EDA
• EDA techniques
• machine learning

Statement dc:rights

• Attribution-NonCommercial-NoDerivatives 4.0 Internacional

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-nd/4.0/

Language dc:language.iso

spa

Handle dc:identifier.uri

http://hdl.handle.net/10498/38386

OAI identifier oai:identifier

oai:rodin.uca.es:10498/38386