Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDC

Detalhes bibliográficos
Autor(a) principal: Merlin, Victor Luiz
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=118659
Resumo: Orientador: Prof. Dr. Ricardo Caneloi dos Santos
id UFBC_2bbefa910d999e8e0c4e0846303ce55d
oai_identifier_str oai:BDTD:118659
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDCSISTEMAS HVDCRNAFONTES RENOVÁVEIS DE ENERGIAHVDC SYSTEMSRENEWABLE SOURCES OF ENERGYPROGRAMA DE PÓS-GRADUAÇÃO EM ENERGIA - UFABCOrientador: Prof. Dr. Ricardo Caneloi dos SantosTese (doutorado) - Universidade Federal do ABC, Programa de Pós-Graduação em Energia, Santo André, 2018.Os sistemas de transmissão de alta tensão em corrente contínua, conhecidos como HVDC, estão se tornando uma alternativa cada vez mais comum para atender à crescente demanda de energia elétrica, tendo em vista que estes podem propiciar uma conexão mais eficiente entre centrais geradoras e centros consumidores muito distantes. Além disso, a utilização de sistemas HVDC tem se mostrado uma alternativa viável para a conexão de fontes renováveis de energia, como, por exemplo, usinas eólicas offshore. No entanto, a implementação de sistemas de transmissão HVDC traz também a necessidade de uma proteção mais eficiente, com o objetivo de evitar danos aos equipamentos e minimizar problemas de qualidade de energia em caso de anomalias na rede. A proteção de sistemas HVDC apresenta uma série de desafios, sobretudo na detecção, classificação e localização de faltas, já que estas podem ocorrer a montante da subestação retificadora (CA), na linha de transmissão CC, ou jusante da subestação inversora (CA). A rápida detecção de faltas em sistemas HVDC tem grande relevância, visto que tais sistemas transportam grande quantidade de potência e possuem componentes com capacidade limitada para suportar elevadas correntes de falta. Este trabalho visa apresentar uma metodologia baseada em redes neurais artificiais para a detecção, classificação e localização de faltas em sistemas VSC-HVDC e LCC-HVDC. Essas tarefas são realizadas por meio da análise dos sinais de tensão CA e CC disponíveis somente na subestação retificadora, sem necessidade de link de comunicação. No entanto, os algoritmos desenvolvidos a partir da metodologia proposta são capazes de cobrir faltas tanto nas subestações conversoras, como na linha CC. Para desenvolver e avaliar os algoritmos propostos uma grande quantidade de casos de falta foi simulada, variando-se o tipo de falta, o local da falta e a resistência de falta, bem como as condições operativas dos sistemas CA. Os resultados obtidos revelam que por meio da metodologia proposta são obtidos algoritmos eficazes para a execução das tarefas de proteção nos sistemas VSC-HVDC e LCC-HVDC adotados neste trabalhoHigh voltage direct current (HVDC) systems are becoming an usual option for supplying the increase of energy demand, since these systems may supply more efficient connection from power generators to remote load centers. Moreover, HVDC systems have been considered a viable alternative to connect renewable energy sources as offshore windfarms. However, the implementation of HVDC systems brings the need for a fast and efficient protection for those systems, in order to avoid damages to equipment and infrastructure and minimize problems of power quality in case of power system faults or disturbances. HVDC protection presents many challenges on fault detections, classification and location, since they may occur upstream the rectifier station (on AC), in the transmition line (on DC) or downstream the inverter substation (also on AC). A fast fault detection in HVDC systems have is important, since these systems transmit large amounts of power and due to the technical limitations of disconnection devices. The purpose of this work is to present a methodology based on artificial neural network for fault detection, classification and location in VSC-HVDC and LCC-HVDC systems. This detection is made analyzing AC/DC voltage signals present on the rectifier substation without using communication links. Even so, the algorithms are able to cover faults in the converter substations as well as in the DC line. In the end of this work, the test results of the proposed algorithm for two different HVDC systems, one VSC and other LCC, are presented. In both systems, the algorithm was widely tested in many different fault cases in order to confirm its good performance. In order to develop and evaluate the proposed algorithms, a large number of fault cases were simulated, varying the fault type, the fault location and the fault resistance as well as the operational conditions of AC systems. The results show that, through the proposed methodology, the obtained algorithms are effective for protection tasks in the VSC-HVDC and LCC-HVDC systems adopted in this work.Santos, Ricardo Caneloi dosPavani, Ahda Pionkoski GriloVieria Júnior, José Carlos de MeloSilva, Fabiana Aparecida de ToledoManassero Junior, GiovanniMerlin, Victor Luiz2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf195 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=118659http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=118659&midiaext=77641http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=118659&midiaext=77642Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=118659porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2022-03-18T16:52:46Zoai:BDTD:118659Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2022-03-18T16:52:46Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDC
title Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDC
spellingShingle Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDC
Merlin, Victor Luiz
SISTEMAS HVDC
RNA
FONTES RENOVÁVEIS DE ENERGIA
HVDC SYSTEMS
RENEWABLE SOURCES OF ENERGY
PROGRAMA DE PÓS-GRADUAÇÃO EM ENERGIA - UFABC
title_short Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDC
title_full Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDC
title_fullStr Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDC
title_full_unstemmed Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDC
title_sort Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDC
author Merlin, Victor Luiz
author_facet Merlin, Victor Luiz
author_role author
dc.contributor.none.fl_str_mv Santos, Ricardo Caneloi dos
Pavani, Ahda Pionkoski Grilo
Vieria Júnior, José Carlos de Melo
Silva, Fabiana Aparecida de Toledo
Manassero Junior, Giovanni
dc.contributor.author.fl_str_mv Merlin, Victor Luiz
dc.subject.por.fl_str_mv SISTEMAS HVDC
RNA
FONTES RENOVÁVEIS DE ENERGIA
HVDC SYSTEMS
RENEWABLE SOURCES OF ENERGY
PROGRAMA DE PÓS-GRADUAÇÃO EM ENERGIA - UFABC
topic SISTEMAS HVDC
RNA
FONTES RENOVÁVEIS DE ENERGIA
HVDC SYSTEMS
RENEWABLE SOURCES OF ENERGY
PROGRAMA DE PÓS-GRADUAÇÃO EM ENERGIA - UFABC
description Orientador: Prof. Dr. Ricardo Caneloi dos Santos
publishDate 2018
dc.date.none.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=118659
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=118659
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=118659&midiaext=77641
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=118659&midiaext=77642
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=118659
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
195 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1801502103995154432

Registros relacionados