desarrollo de una metodología para reducir el efecto flicker generado por un horno de arco eléctrico
Este documento presenta un modelo de horno de arco considerando la naturaleza no−lineal y altamente variable que exhibe este tipo de carga. A partir de la ecuación diferencial no lineal que describe la característica voltaje − corriente del arco eléctrico, se establecen fluctuaciones en el dominio d...
| Author: | |
|---|---|
| Format: | master thesis |
| Status: | Published version |
| Publication Date: | 2013 |
| Country: | Colombia |
| Institution: | Universidad Tecnológica de Pereira |
| Repository: | Repositorio Institucional UTP |
| Language: | Spanish |
| OAI Identifier: | oai:repositorio.utp.edu.co:11059/4238 |
| Online Access: | https://hdl.handle.net/11059/4238 |
| Access Level: | Open access |
| Keyword: | Hornos eléctricos Estimación de parámetros Metalografía |
| Summary: | Este documento presenta un modelo de horno de arco considerando la naturaleza no−lineal y altamente variable que exhibe este tipo de carga. A partir de la ecuación diferencial no lineal que describe la característica voltaje − corriente del arco eléctrico, se establecen fluctuaciones en el dominio del tiempo de la longitud del arco, suponiendo variaciones periódicas, aleatorias y caóticas simultáneamente. El modelo se desarrolla en el software de simulación SimulinkTM de MATLAB® usando una configuración típica para el circuito eléctrico de potencia. Los parámetros del modelo se dividen en dos grupos: deterministas y dinámicos. Se muestra el procedimiento de calibración de los parámetros del modelo usando diferentes enfoques. Inicialmente, se calibran los parámetros deterministas y luego los dinámicos. Se presentan tres métodos diferentes para calibrar los parámetros deterministas: regresión Bayesiana lineal, máxima verosimilitud y regularización de Tikhonov. Para calibrar los parámetros de la fase dinámica se utilizan dos enfoques: redes neuronales y máquinas de soporte vectorial. La red neuronal se utiliza como emulador del modelo, la cual ha sido entrenada con datos de simulación obtenidos del modelo del horno implementado en el entorno SimulinkTM. Una vez entrenada la red, los parámetros de interés se obtienen resolviendo un problema inverso. La máquina de soporte vectorial se utiliza para resolver el problema de regresión en el caso de múltiples salidas. Luego de obtener el modelo de regresión multidimensional del modelo del horno de arco usando datos generados en simulación, los parámetros del modelo se obtienen resolviendo el problema inverso tomando como entradas las señales reales. Al final, se muestra una comparación de resultados obtenidos con las técnicas utilizadas. |
|---|