Tecnología de procesamiento conjunto de radar láser e imagen óptica para distribución de energía

Área de la Ciencia:

• Ingeniería Eléctrica
• Ciencias de la Computación
• Inteligencia Artificial

Sus antecedentes:

• Los sistemas tradicionales de distribución de energía tienen dificultades con la identificación de fallas debido a cargas impredecibles y propagación compleja de fallas, lo que lleva a falsas alarmas y tiempos de respuesta lentos.
• Los métodos existentes carecen de la precisión requerida para una planificación de mantenimiento eficiente en entornos de red modernos y complejos.

Objetivo del estudio:

• Desarrollar un sistema avanzado de identificación y localización de fallas para redes de distribución de energía.
• Superar las limitaciones de los sistemas tradicionales mejorando la precisión, reduciendo los tiempos de respuesta y mejorando la precisión.

Principales métodos:

• El Modelo Híbrido de Aprendizaje Profundo de Características Multimodales (MDF-HDL) integra datos de LiDAR, imágenes ópticas y sensores para una identificación integral de fallas.
• Las capas de aprendizaje profundo crean representaciones de características multimodales, mejoradas con filtrado de Kalman para la fusión de características.
• Los árboles de decisión, optimizados con el algoritmo Adam, refinan los resultados de la clasificación, mientras que el mapeo GIS ayuda a la localización precisa de fallas.

Principales resultados:

• El modelo MDF-HDL logró métricas de alto rendimiento: 98.91% de precisión, 98.7% de precisión, 98.3% de recuperación y 98.5% de puntuación F1.
• El sistema demostró un tiempo de inferencia rápido de 12.5 milisegundos, lo que indica una alta eficiencia.
• La integración del mapeo GIS facilitó la identificación precisa de fallas para una planificación de mantenimiento eficaz.

Conclusiones:

• El modelo MDF-HDL ofrece una solución confiable y efectiva para la gestión de fallas en contextos complejos de redes eléctricas.
• Al aprovechar datos multimodales y algoritmos avanzados, el sistema supera las limitaciones tradicionales en la identificación y localización de fallas.
• La baja complejidad computacional y la alta precisión del modelo lo convierten en una herramienta valiosa para la modernización de la infraestructura de distribución de energía.