[en] ARTIFICIAL NEURAL NEYWORKS IN THE VOLTAGE CONTROL OF ELECTRICAL POWER SYSTEMS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Tipo de documento: | Outros |
Idioma: | por |
Título da fonte: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
Texto Completo: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=11488@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=11488@2 http://doi.org/10.17771/PUCRio.acad.11488 |
Resumo: | [pt] O controle das tensões dos diversos barramentos de um sistema elétrico de potência tem como objetivo garantir a qualidade da energia fornecida aos consumidores. As tensões devem respeitar níveis regulamentados pelo governo. Atualmente, no Sistema Elétrico de Potência (SEP) brasileiro, a tarefa do controle de tensão, realizada pelos operadores de tempo real, se baseia nos valores e tendências de diversas variáveis (tensões, potências reativas e ativas, sensibilidade dos equipamentos, dentre outras). Para a formação de um operador nessa tarefa são necessários de um a dois anos, tempo que poderia ser reduzido caso um sistema de apoio à decisão dedicado ao problema de controle de tensão estivesse à disposição durante o treinamento. Entretanto, em virtude do grande número de grandezas a serem analisadas e de suas não linearidades, é necessário uma ferramenta automática de apoio à decisão que seja capaz de tratar intrinsecamente relações não lineares. Deste modo, neste trabalho optou-se por desenvolver um sistema baseado em Redes Neurais Artificiais (RNA) para a confecção do sistema sugerido, com o objetivo de indicar a necessidade de realizar ações de controle de tensão utilizando-se dos recursos ou equipamentos disponíveis. O sistema desenvolvido é composto de três módulos: Pré-processamento; Análise e Classificação do evento; e Pós-processamento. Tal sistema serve para sugerir a manobra de equipamentos mais adequada para o controle de tensão. No estudo de caso, o sistema proposto foi avaliado nos equipamentos de controle de tensão (reatores, capacitores e tapes) constantes no Sistema de Transmissão em 765 kV, responsável pela interligação dos sistemas Sul e Sudeste do Brasil. Utilizando dados obtidos do sistema de aquisição em tempo real, diferentes configurações de RNAs foram testadas. Os melhores resultados foram obtidos com uma estrutura de duas redes neurais por equipamento a ser controlado, apresentando, em média, 80% de acerto em relação às manobras realizadas em tempo real. Em virtude da complexidade do problema, os resultados foram considerados mais do que satisfatórios, indicando a aplicabilidade desta técnica para a realização do sistema desejado. |
id |
PUC_RIO-1_fe4284117bf08dc9f59fd6ae4b8a23db |
---|---|
oai_identifier_str |
oai:MAXWELL.puc-rio.br:11488 |
network_acronym_str |
PUC_RIO-1 |
network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository_id_str |
534 |
spelling |
[en] ARTIFICIAL NEURAL NEYWORKS IN THE VOLTAGE CONTROL OF ELECTRICAL POWER SYSTEMS [pt] REDES NEURAIS ARTIFICIAIS APLICADAS NO CONTROLE DE TENSÃO DE SISTEMAS ELÉTRICOS DE POTÊNCIA [pt] REDE NEURAL[pt] SISTEMA ELETRICO DE POTENCIA[pt] CONTROLE DE TENSAO[en] NEURAL NETWORKS[en] ELECTRICAL POWER SYSTEM[en] VOLTAGE CONTROL [pt] O controle das tensões dos diversos barramentos de um sistema elétrico de potência tem como objetivo garantir a qualidade da energia fornecida aos consumidores. As tensões devem respeitar níveis regulamentados pelo governo. Atualmente, no Sistema Elétrico de Potência (SEP) brasileiro, a tarefa do controle de tensão, realizada pelos operadores de tempo real, se baseia nos valores e tendências de diversas variáveis (tensões, potências reativas e ativas, sensibilidade dos equipamentos, dentre outras). Para a formação de um operador nessa tarefa são necessários de um a dois anos, tempo que poderia ser reduzido caso um sistema de apoio à decisão dedicado ao problema de controle de tensão estivesse à disposição durante o treinamento. Entretanto, em virtude do grande número de grandezas a serem analisadas e de suas não linearidades, é necessário uma ferramenta automática de apoio à decisão que seja capaz de tratar intrinsecamente relações não lineares. Deste modo, neste trabalho optou-se por desenvolver um sistema baseado em Redes Neurais Artificiais (RNA) para a confecção do sistema sugerido, com o objetivo de indicar a necessidade de realizar ações de controle de tensão utilizando-se dos recursos ou equipamentos disponíveis. O sistema desenvolvido é composto de três módulos: Pré-processamento; Análise e Classificação do evento; e Pós-processamento. Tal sistema serve para sugerir a manobra de equipamentos mais adequada para o controle de tensão. No estudo de caso, o sistema proposto foi avaliado nos equipamentos de controle de tensão (reatores, capacitores e tapes) constantes no Sistema de Transmissão em 765 kV, responsável pela interligação dos sistemas Sul e Sudeste do Brasil. Utilizando dados obtidos do sistema de aquisição em tempo real, diferentes configurações de RNAs foram testadas. Os melhores resultados foram obtidos com uma estrutura de duas redes neurais por equipamento a ser controlado, apresentando, em média, 80% de acerto em relação às manobras realizadas em tempo real. Em virtude da complexidade do problema, os resultados foram considerados mais do que satisfatórios, indicando a aplicabilidade desta técnica para a realização do sistema desejado.[en] The main objective of the voltage control in Electrical Power System (EPS) is to guarantee the quality of the energy supplied to consumers. The voltage must respect government regulated levels. Currently, on the Brazilian EPS, the voltage control task is carried out by system operators based on diverse information, such as current values, and trends of electric variables (voltages, reactive and active powers, their sensitivities in the control devices performance, amongst others). To fully train a operator in this task it is necessary one or two years, period that could be greatly reduced if a decision support system was available during the operator`s training. However, due to the great number of variables that must be analyzed and their nonlinearity, an automatic decision support tool, capable to treat nonlinear relations, is necessary. Therefore, this work proposes a system based on Artificial Neural Networks (ANN), with the objective to identify the necessity or not to use the voltage control resources in the EPS. The developed system is composed of three modules: Pre-processing; Event Analysis and Classification; and Post-processing. Such decision support system suggests the most adequate equipment maneuver in the voltage control task. In the case study, the proposed system was evaluated using the available voltage control equipments (reactors, capacitors and transformer taps) in the 765 kV Transmission System, main responsible trunk for the interconnection of South and Southeastern Brazilian systems. Using real time data, different ANN configurations have been tested. The best results were obtained with a structure composed of two neural networks, for each controlled equipment, presenting, in average, 80% accuracy in relation to maneuvers occurred in real time. Due to the problem complexity, the results were considered more than satisfactory, indicating the applicability of this technique for the development of the desired system.MAXWELLMARLEY MARIA BERNARDES REBUZZI VELLASCOMARLEY MARIA BERNARDES REBUZZI VELLASCORENATO TEIXEIRA LIMA2008-03-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/otherhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=11488@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=11488@2http://doi.org/10.17771/PUCRio.acad.11488porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2019-07-09T00:00:00Zoai:MAXWELL.puc-rio.br:11488Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342019-07-09T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false |
dc.title.none.fl_str_mv |
[en] ARTIFICIAL NEURAL NEYWORKS IN THE VOLTAGE CONTROL OF ELECTRICAL POWER SYSTEMS [pt] REDES NEURAIS ARTIFICIAIS APLICADAS NO CONTROLE DE TENSÃO DE SISTEMAS ELÉTRICOS DE POTÊNCIA |
title |
[en] ARTIFICIAL NEURAL NEYWORKS IN THE VOLTAGE CONTROL OF ELECTRICAL POWER SYSTEMS |
spellingShingle |
[en] ARTIFICIAL NEURAL NEYWORKS IN THE VOLTAGE CONTROL OF ELECTRICAL POWER SYSTEMS RENATO TEIXEIRA LIMA [pt] REDE NEURAL [pt] SISTEMA ELETRICO DE POTENCIA [pt] CONTROLE DE TENSAO [en] NEURAL NETWORKS [en] ELECTRICAL POWER SYSTEM [en] VOLTAGE CONTROL |
title_short |
[en] ARTIFICIAL NEURAL NEYWORKS IN THE VOLTAGE CONTROL OF ELECTRICAL POWER SYSTEMS |
title_full |
[en] ARTIFICIAL NEURAL NEYWORKS IN THE VOLTAGE CONTROL OF ELECTRICAL POWER SYSTEMS |
title_fullStr |
[en] ARTIFICIAL NEURAL NEYWORKS IN THE VOLTAGE CONTROL OF ELECTRICAL POWER SYSTEMS |
title_full_unstemmed |
[en] ARTIFICIAL NEURAL NEYWORKS IN THE VOLTAGE CONTROL OF ELECTRICAL POWER SYSTEMS |
title_sort |
[en] ARTIFICIAL NEURAL NEYWORKS IN THE VOLTAGE CONTROL OF ELECTRICAL POWER SYSTEMS |
author |
RENATO TEIXEIRA LIMA |
author_facet |
RENATO TEIXEIRA LIMA |
author_role |
author |
dc.contributor.none.fl_str_mv |
MARLEY MARIA BERNARDES REBUZZI VELLASCO MARLEY MARIA BERNARDES REBUZZI VELLASCO |
dc.contributor.author.fl_str_mv |
RENATO TEIXEIRA LIMA |
dc.subject.por.fl_str_mv |
[pt] REDE NEURAL [pt] SISTEMA ELETRICO DE POTENCIA [pt] CONTROLE DE TENSAO [en] NEURAL NETWORKS [en] ELECTRICAL POWER SYSTEM [en] VOLTAGE CONTROL |
topic |
[pt] REDE NEURAL [pt] SISTEMA ELETRICO DE POTENCIA [pt] CONTROLE DE TENSAO [en] NEURAL NETWORKS [en] ELECTRICAL POWER SYSTEM [en] VOLTAGE CONTROL |
description |
[pt] O controle das tensões dos diversos barramentos de um sistema elétrico de potência tem como objetivo garantir a qualidade da energia fornecida aos consumidores. As tensões devem respeitar níveis regulamentados pelo governo. Atualmente, no Sistema Elétrico de Potência (SEP) brasileiro, a tarefa do controle de tensão, realizada pelos operadores de tempo real, se baseia nos valores e tendências de diversas variáveis (tensões, potências reativas e ativas, sensibilidade dos equipamentos, dentre outras). Para a formação de um operador nessa tarefa são necessários de um a dois anos, tempo que poderia ser reduzido caso um sistema de apoio à decisão dedicado ao problema de controle de tensão estivesse à disposição durante o treinamento. Entretanto, em virtude do grande número de grandezas a serem analisadas e de suas não linearidades, é necessário uma ferramenta automática de apoio à decisão que seja capaz de tratar intrinsecamente relações não lineares. Deste modo, neste trabalho optou-se por desenvolver um sistema baseado em Redes Neurais Artificiais (RNA) para a confecção do sistema sugerido, com o objetivo de indicar a necessidade de realizar ações de controle de tensão utilizando-se dos recursos ou equipamentos disponíveis. O sistema desenvolvido é composto de três módulos: Pré-processamento; Análise e Classificação do evento; e Pós-processamento. Tal sistema serve para sugerir a manobra de equipamentos mais adequada para o controle de tensão. No estudo de caso, o sistema proposto foi avaliado nos equipamentos de controle de tensão (reatores, capacitores e tapes) constantes no Sistema de Transmissão em 765 kV, responsável pela interligação dos sistemas Sul e Sudeste do Brasil. Utilizando dados obtidos do sistema de aquisição em tempo real, diferentes configurações de RNAs foram testadas. Os melhores resultados foram obtidos com uma estrutura de duas redes neurais por equipamento a ser controlado, apresentando, em média, 80% de acerto em relação às manobras realizadas em tempo real. Em virtude da complexidade do problema, os resultados foram considerados mais do que satisfatórios, indicando a aplicabilidade desta técnica para a realização do sistema desejado. |
publishDate |
2008 |
dc.date.none.fl_str_mv |
2008-03-27 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/other |
format |
other |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=11488@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=11488@2 http://doi.org/10.17771/PUCRio.acad.11488 |
url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=11488@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=11488@2 http://doi.org/10.17771/PUCRio.acad.11488 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
MAXWELL |
publisher.none.fl_str_mv |
MAXWELL |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell) instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
instname_str |
Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
instacron_str |
PUC_RIO |
institution |
PUC_RIO |
reponame_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
collection |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository.name.fl_str_mv |
Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
repository.mail.fl_str_mv |
|
_version_ |
1814822567139082240 |