Universidad de la Costa

Batista, Jesús; De la cruz, Leonardo; González, Juan; Noreña, Leonardo;

Utria Víctor.

Importancia de la planeación a largo plazo del diseño de las redes

de trasmisión

Resumen – el artículo se basó en la recopilación de 5 estudios sobre el pronóstico de las líneas de

transmisión de energía eléctrica y la medición de los campos electromagnéticos de estas, con el fin
de evidenciar la contaminación electromagnética como un factor deteriorante de la calidad de la
energía.

Índice de Términos – campos electromagnéticos, líneas de transmisión, redes neuronales.,

medición.

Abstract - the article was based on the compilation of 5 studies on the forecast of electric power
transmission lines and the measurement of their electromagnetic fields, in order to demonstrate
electromagnetic pollution as a deteriorating factor in the quality of the electricity Energy.

INDEX OF TERMS - ELECTROMAGNETIC FIELDS, TRANSMISSION LINES, NEURAL NETWORKS.,

MEASUREMENT

I. INTRODUCCIÓN

Las líneas de transmisión se encargan de confinar la energía electromagnética al conductor

transversal limitado por su forma geométrica, no con la libertad de ondas que se propagan
por el aire [1], con el fin de monitorear, pronosticar y controlar las variables operativas del
sistema eléctrico [2], la implementación de algoritmos es un factor importante para planear
el paso de diferentes y futuras líneas de transmisión. Según el conocimiento de la
intensidad de las fuentes en las regiones y con los modelos de propagación apropiados las,
redes neuronales serán capaces de calcular la distribución del campo electromagnético de
las líneas de transmisión [3]. Si no se realiza esta planeación las consecuencias serán
acumulación de líneas y posibles riesgos en el aumento de campos electromagnéticos que
pueden influir en la calidad del servicio eléctrico.

II. MATERIALES Y MÉTODOS

A. Redes neuronales
El uso de inteligencia artificial en el modelado de materias complejas en ingeniería se ha
introducido como un método adecuado. Las redes neuronales de percepción multicapa
(MLP) son una clase popular de redes de alimentación directa. En [4], [5] el sistema difuso
Takagi-Sugeno se utiliza para determinar el campo magnético inducido por una línea de
transmisión con falla en una tubería enterrada.[6] El algoritmo genético se ha desarrollado
 Universidad de la Costa

para el ajuste de los parámetros difusos. Las redes neuronales artificiales también se
utilizan para estimar el campo electromagnético.
[6] Las redes neuronales de percepción multicapa (MLP) son una clase popular de redes de
alimentación directa. Se desarrollaron a partir del modelo matemático de la neurona y
consisten en una red de neuronas o percepciones. Una red MLP consta de una capa de
entrada, varias capas ocultas de neuronas y una capa de salida de neuronas. Las capas
ocultas y la capa de salida pueden tener diferentes funciones de activación. Las funciones
de base radial son redes neuronales de alimentación directa de dos capas con la función de
activación de las unidades ocultas como funciones de base radial.

B. METODOLOGÍA DE MEDICIÓN
Para la medición del campo electromagnético se deben tener en cuenta algunos factores
importantes como: características del sitio, distancia a la fuente de radiación, las variables a
medir, las unidades de medida, el tipo de medición; además, se debe estar familiarizado con
las normas relacionadas con este tipo de mediciones. Igualmente se deben conocer los
límites de exposición permitidos, contar con los instrumentos de medición requeridos y
conocer el patrón de radiación de la fuente.
Se analizó la información proporcionada por las variables de la línea eléctrica (voltaje,
corriente, nivel de temperatura), evaluando la línea de transmisión eléctrica en el escenario
de alta demanda, se consideraron las recomendaciones dadas en el Procedimientos estándar
para la medición de campos eléctricos y magnéticos de frecuencia de potencia de corriente
alterna Líneas [7]. Todas las mediciones se realizaron a una altura de un metro del suelo; la
distancia entre el medidor y el operador debe ser de al menos 2,5 metros, la distancia entre
el medidor y los objetos ubicados durante las medidas debe separarse con más de un metro;
las medidas se realizaron mensual y semanalmente durante el día de máxima demanda de la
semana; el período de observación fue entre 2013 y 2017.

Medición de emisión
Medición del valor promedio de la intensidad de campo eléctrico o magnético debidos a
una fuente de radiofrecuencia determinada, la cual opera a una frecuencia específica. Para
ello se utilizan equipos de medición en banda angosta. [8]

Medición de inmisión

Medición del campo electromagnético producto del aporte de múltiples fuentes de

radiofrecuencia, que operan a distintas frecuencias. En este tipo de mediciones se utilizan
equipos de banda ancha. Para evaluar la exposición poblacional se realiza la medición de
inmisión, ya que las personas están expuestas simultáneamente a muchas fuentes de
radiación [8]. En el proyecto se empleó un medidor de inmisión de campo electromagnético
isotrópico, modelo EMR–300 de la marca NARDA .[9] Este medidor utiliza diferentes
sondas de medición, dependiendo de si se desea medir el campo eléctrico o el magnético y
de la banda de frecuencia en la que se desea realizar la medición. Para hacer la medición,
previamente se debe recorrer el sitio con el objetivo de reconocer el tipo de instalación y
determinar los puntos de mayor interés para medir.

Método de diferencias finitas.

 Universidad de la Costa

Se utilizó MATLAB para modelar escenarios de perfil transversal y longitudinal. Este

estudio tiene como objetivo analizar la variación de EMF respecto a la topología utilizada y
las especificaciones físicas de las estructuras en las que se instalado. El método de
diferencia finita y el método de simulación de carga son las dos técnicas comunes que se
utilizan para estimar campos eléctricos y magnéticos de puntos específicos en un perfil de
una línea eléctrica [10].
El método de diferencias finitas asigna valores a los nodos y aplica [11], para que todos los
nodos libres estimen el valor potencial, luego se repite el proceso para todos los nodos
tomando como referencia el valor anterior de la iteración. Finalmente, este procedimiento
se repite hasta alcanzar un error mínimo en el proceso de iteración. Finalmente, la
contribución del campo eléctrico y magnético en [7] y [12] se utilizan siguiendo el
siguiente procedimiento: debe haber zonas identificadas o regiones parciales consideradas
como valores equipotenciales; seleccione el tipo de elemento adecuado para modelando
cada área; localizar todos los puntos de carga; elegir puntos para validar los valores de la
superficie; Era considera que el número de puntos debe ser igual al número de elementos de
carga.

III. RESULTADO Y DISCUSIÓN

 A Neural Network tool for the prediction of electromagnetic field in urban environment
(2006).[13]
El predictor neuronal se basa en una red neuronal de perceptrón multicapa (MLP) y
utiliza como datos de entrada las coordenadas espaciales de un punto que pertenece al
entorno considerado. restituyendo como salida el valor de la intensidad de campo en ese
punto. el interés principal ha sido encontrar el mejor equilibrio entre: precisión en la
predicción y el menor número de puntos de medición necesarios para lograrla, de tal
manera que se garantice no solo un instrumento útil para la predicción sino, Además, se
ha encontrado un sistema de seguimiento fácilmente factible. En particular, se ha
encontrado la mejor compensación, asumiendo una precisión de predicción objetiva del
5%, para dos valores diferentes de puntos de medición, 49 para el modelo Hata y 64
para el modelo Lee.

Tabla 1. Resultados numéricos del experimento.

 Medición de Campos Electromagnéticos en la Ciudad de Cali, Colombia (2007).[14]

En los 50 sitios de la ciudad de Cali los campos electromagnéticos están muy por
debajo de los limites permitidos, pero 2 de los 50 sitios sobrepasaron estos niveles,
estos correspondían a un sistema de telefonía celular y un sistema de radio AM.
 Universidad de la Costa

Gráfico 1 y grafico 2. Densidad de potencia medida en función del tiempo para un punto y
valores máximos y promedios medidos para todos los puntos en un sitio.

Gráfico 3 y grafico 4. Valores máximos medidos con respecto a 0.2mW/cm² y Valores

máximos en sistemas de telefonía celular con respecto a 0.2mW/cm².

 Aplicación de la red neuronal RBF y ANFIS para la predicción de campos

electromagnéticos alrededor de líneas eléctricas (2009)[15]

En este artículo, se abordan las redes neuronales ANFIS y RBF para estimar el campo
eléctrico y magnético alrededor de las líneas aéreas de transmisión de energía. El
método sugerido en este artículo da los resultados de una convergencia satisfactoria y
una precisión aceptable. Los resultados de las pruebas indican que el error absoluto
máximo es inferior al 4% cuando se utiliza RBF y es inferior al 5% cuando se utiliza
ANFIS.
Se desarrollaron a partir del modelo matemático de la neurona y consisten en una red de
neuronas o percepciones. Una red MLP consta de una capa de entrada, varias capas
ocultas de neuronas y una capa de salida de neuronas. Las capas ocultas y la capa de
salida pueden tener diferentes funciones de activación. Las funciones de base radial son
redes neuronales de alimentación directa de dos capas con la función de activación de
las unidades ocultas como funciones de base radial.
 Universidad de la Costa

Tabla 2. Valores absolutos de los errores relativos en los puntos de prueba.

 Pronóstico de la demanda de energía mediante algoritmos genéticos para garantía de
seguridad en el sistema de transporte eléctrico (2019). [16]

El estudio busco pronosticar la demanda de energía eléctrica utilizando redes

neuronales con un algoritmo de rertro propagación, los datos obtenidos arrojan un
margen aceptable del 0,4% donde el limite propuesto por la UPME es del 1,5%

Tabla 3. Resultado de error porcentual de la UPME de la previsión de la demanda de

energía frente a las redes neuronales considerando bajo, escenario medio y alto.

 Monitoreo de campos electromagnéticos y niveles de operación seguros en Líneas de

Transmisión de Energía Eléctrica (2019)[17]

Este estudio se enfocó en los niveles de operación segura de los campos

electromagnéticos de las líneas de transmisión, las medidas fueron en momentos de
máxima demanda, los valores medidos se compararon con los simulados en Matlab, el
error no superó el 1,2%. En todos los casos la línea eléctrica no supera los valores de
referencia recomendado por ICNIRP y RETIE.

Tabla 4. Valor medio de campo eléctrico y magnético.

 Universidad de la Costa

IV. CONCLUSIÓN
A través de la información recopilada de los artículos, se concluye que las redes neuronales
como método de planeación para el diseño previo de las redes eléctricas, es un factor
importante para evitar contaminación electromagnética que puede afectar la calidad del
servicio eléctrico en la etapa de transmisión.

V. REFERENCIAS

[1] VELA, Rodolfo Neri. Líneas de transmisión. McGraw-Hill, 1999.

[2] Gellings, C. Forecasting the net energy demand of turkey by artificial neural networks. Journal of the
Faculty of Engineering and Architecture of Gazi University, 29(3), 495–404. (2009).
[3] T. K. War, el al., "A survey of various pmpagation malsls for mobils communicalim," IEEEAnlenncu and
Pmpaponon Ada.reine, Volumc 45, hsus 3. June 2003, pp. 51-82.
[4] IG Damouis, KJ Satsios, DP Labridis, PS Dokopoulos, "Un sistema de lógica difusa para el cálculo de la
interferencia de líneas aéreas de transmisión en tuberías enterradas", Investigación de sistemas de energía
eléctrica, vol. 57, págs. 105-113, 2001
[5] IG Damouis, KJ Satsios, DP Labridis, PS Dokopoulos, "Un sistema de lógica difusa para el cálculo de la
interferencia de líneas aéreas de transmisión en tuberías enterradas", Investigación de sistemas de energía
eléctrica, vol. 57, págs. 105-113, 2001
[6] RJ Chelín austríaco, JJ Carroll, y AF Al-Ajlouni, "Aproximación de sistemas no lineales utilizando redes
neuronales de función de base radial", IEEE Trans. Redes neuronales, 12 (1), págs. 1-14, 2001
[7] IEEE 644-1994. Standard Procedures for Measurement of Power Frequency Electric and Magnetic Fields
From AC Power Lines (1994). IEEE.
[8] Cruz, V., Mediciones y Evaluación de las Radiaciones no Ionizantes de Cuarenta Estaciones Bases de
[9] Información Tecnológica – Vol. 18 Nº 3 - 2007
[10] energía eléctrica Research Institute, 2005).
[11] Guidelines for limiting exposure to time-varying electric, magnetic and electromagneic fields (up to 300
GHz). Health Physics, 75(4), 494–522. IEEE.
[12] ] IEEE C95.6-2002. Standard for Safety Levels with Respect to Human Exposure to Electromagnetic
Fields, 0–3 kHz, Electronics 50 (2002). New York. http://doi.org/10.1109/MPER.1995.350411 Jiang, M.,
Chen, T., Zhao, Y., Wu, Q., Feng, B., Xiong, S., & Wang, B. (2017).
[13] G. Capizzi, S. Coco and A. Laudani, "A Neural Network tool for the prediction of electromagnetic field
in urban environment," 2006 12th Biennial IEEE Conference on Electromagnetic Field Computation, Miami,
FL, 2006, pp. 60-60, doi: 10.1109/CEFC-06.2006.1632852.
[14] Aponte, G., Escobar, A., Pinedo, C. R., & Arizabaleta, G. (2007). Electromagnetic field measurement in
the city of cali, colombia. [Medición de campos electromagnéticos en la Ciudad de Cali Colombia]
Informacion Tecnologica, 18(3), 39-47. Retrieved from www.scopus.com
[15] J. J. Radulovic and V. M. Rankovic, "Application of RBF neural network and ANFIS for
electromagnetic field prediction around the power lines," 2009 9th International Conference on
Telecommunication in Modern Satellite, Cable, and Broadcasting Services, Nis, 2009, pp. 457-460, doi:
10.1109/TELSKS.2009.5339473.
[16] Silva-Ortega, et al. (2018). Demand Energy Forecasting Using Genetic Algorithm to
Guarantee Safety on Electrical Transportation System. Chemical Engineering Transactions.
[17] Silva-Ortega, et al. (2018) Monitoring Electromagnetic Fields and Safe Operation Levels in
Electrical Power Transmission Lines. Chemical Engineering Transactions. Vol 67