Resumen:
Esta tesis tiene como objetivo desarrollar un sistema de clasificación de fallas eléctricas basado en mediciones fasoriales y en un algoritmo de aprendizaje supervisado. El resultado final es un dispositivo realizado con ayuda de un FPGA (por sus siglas en inglés, field-programmable gate array).
El dispositivo desarrollado realiza el procesamiento de señales de corrientes en un sistema de potencia con ayuda de la transformada discreta de Fourier y una clasificación de fallas eléctricas en tiempo real mediante la técnica de máquina de soporte vectorial (SVM, por sus siglas del inglés para Support Vector Machine). Ambos algoritmos mencionados se implementan en un lenguaje interpretado, como primera prueba de su funcionamiento; utilizando dos funciones en Matlab™ para obtener el modelo y etiquetas de los datos de la SVM. Posteriormente, los algoritmos son sintetizados en hardware mediante un FPGA.
El propósito es la implementación en un sistema trifásico, con fasores de corriente como valores de entrada a la SVM y el despliegue de estos datos mediante una interfaz gráfica.