Metodologia baseada em redes neurais artificiais para detecção, classificação e localização de faltas em sistemas HVDC
Autor(a) principal: | |
---|---|
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 |