AnÃlise do Carregamento de Sistemas de SubtransmissÃo e de DistribuiÃÃo Usando Redes Neurais Artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFC |
Texto Completo: | http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=8258 |
Resumo: | O monitoramento do carregamento de componentes elÃtricos constitui-se em um aspecto de grande importÃncia para qualquer sistema de potÃncia, pois a partir dele podem ser observadas as condiÃÃes de seguranÃa dos seus componentes. O presente trabalho propÃe um mÃtodo computacional baseado em Redes Neurais Artificiais para monitorar o carregamento de componentes elÃtricos do sistema de distribuiÃÃo de energia, como transformadores, alimentadores e linhas de subtransmissÃo. A partir dos dados colhidos dos medidores das subestaÃÃes, contendo os valores de corrente do componente considerado, sÃo realizadas duas anÃlises: com transferÃncia de carga e sem transferÃncia de carga. Desta maneira, objetiva-se determinar os valores mÃximos de corrente nas duas situaÃÃes para o correspondente transformador, alimentador, ou linha de subtransmissÃo analisada. Busca-se entÃo, obter o seu carregamento mÃximo em ambos os casos e a partir desses valores, determinar se o componente està ou nÃo operando em boas condiÃÃes de seguranÃa. O valor mÃximo de corrente com transferÃncia de carga à simples de ser obtido, pois consiste apenas no valor mÃximo dos dados de corrente sem qualquer tipo de anÃlise mais aprofundada. PorÃm, o valor mÃximo de corrente sem transferÃncia de carga à bastante complexo de ser determinado, pois as condiÃÃes atÃpicas dos dados devem ser eliminadas. Desta forma, um mÃtodo empregando Redes Neurais Artificiais foi desenvolvido para obter este valor de corrente para os componentes analisados. Os resultados se mostraram bem prÃximos dos valores reais, comprovando a eficÃcia do mÃtodo. Finalmente, pode ser concluÃdo que o monitoramento à perfeitamente possÃvel de ser realizado, possibilitando um maior controle sobre os carregamentos, evitando danos tanto ao sistema de distribuiÃÃo, como ao sistema de potÃncia como um todo. |
id |
UFC_fb94a067a6a3e4a21a2a9dce2f680e75 |
---|---|
oai_identifier_str |
oai:www.teses.ufc.br:5794 |
network_acronym_str |
UFC |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFC |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAnÃlise do Carregamento de Sistemas de SubtransmissÃo e de DistribuiÃÃo Usando Redes Neurais ArtificiaisAnalysis of the subtransmission and distribution systems loading using Artificial Neural Networks2012-08-09Francisco KlÃber de AraÃjo Lima3434049134900044177399http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4449290J4Marcel Coelho AndradeUniversidade Federal do CearÃPrograma de PÃs-GraduaÃÃo em Engenharia ElÃtricaUFCBR Engenharia elÃtricaDistribuiÃÃo do poder elÃtrico Redes neurais Energia elÃtricaArtificial Neural Networks, Distribution systems, Power systems, Percentil statistical functionSISTEMAS ELETRICOS DE POTENCIAO monitoramento do carregamento de componentes elÃtricos constitui-se em um aspecto de grande importÃncia para qualquer sistema de potÃncia, pois a partir dele podem ser observadas as condiÃÃes de seguranÃa dos seus componentes. O presente trabalho propÃe um mÃtodo computacional baseado em Redes Neurais Artificiais para monitorar o carregamento de componentes elÃtricos do sistema de distribuiÃÃo de energia, como transformadores, alimentadores e linhas de subtransmissÃo. A partir dos dados colhidos dos medidores das subestaÃÃes, contendo os valores de corrente do componente considerado, sÃo realizadas duas anÃlises: com transferÃncia de carga e sem transferÃncia de carga. Desta maneira, objetiva-se determinar os valores mÃximos de corrente nas duas situaÃÃes para o correspondente transformador, alimentador, ou linha de subtransmissÃo analisada. Busca-se entÃo, obter o seu carregamento mÃximo em ambos os casos e a partir desses valores, determinar se o componente està ou nÃo operando em boas condiÃÃes de seguranÃa. O valor mÃximo de corrente com transferÃncia de carga à simples de ser obtido, pois consiste apenas no valor mÃximo dos dados de corrente sem qualquer tipo de anÃlise mais aprofundada. PorÃm, o valor mÃximo de corrente sem transferÃncia de carga à bastante complexo de ser determinado, pois as condiÃÃes atÃpicas dos dados devem ser eliminadas. Desta forma, um mÃtodo empregando Redes Neurais Artificiais foi desenvolvido para obter este valor de corrente para os componentes analisados. Os resultados se mostraram bem prÃximos dos valores reais, comprovando a eficÃcia do mÃtodo. Finalmente, pode ser concluÃdo que o monitoramento à perfeitamente possÃvel de ser realizado, possibilitando um maior controle sobre os carregamentos, evitando danos tanto ao sistema de distribuiÃÃo, como ao sistema de potÃncia como um todo.The monitoring of the electrical components loading is an aspect of great importance to any power system, since the components safety conditions can be observed from it. The present study proposes a computational method based on Artificial Neural Networks to monitor the electrical components loading of the power distribution system, as transformers, feeders and subtransmission lines. Based on the data collected from the substations meters, containing the electric current values of the considered component, two analyses are done: with load transfer and without load transfer. Thus, the aim is to determine the current maximum values in both situations to the corresponding transformer, feeder, or subtransmission line analyzed. Then it is sought to obtain the maximum loading in both cases and, from these values, to determinate whether or not the component is operating in good safety conditions. The maximum current with load transfer is simple to obtain, because it consists only in the maximum value of electrical current data without any deeper analysis. However, the maximum current without load transfer is very complex to be determined, once the atypical conditions of the data must be eliminated. Thereby, a method using Artificial Neural Networks was developed to estimate the values of the current to the analyzed components. The results were very close to the real ones, proving the effectiveness of the method. Finally, it can be concluded that the monitoring is perfectly possible to be performed, allowing greater control over the loadings, avoiding damages to both the distribution system and the power system as a whole.FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgicohttp://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=8258application/pdfinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da UFCinstname:Universidade Federal do Cearáinstacron:UFC2019-01-21T11:21:19Zmail@mail.com - |
dc.title.pt.fl_str_mv |
AnÃlise do Carregamento de Sistemas de SubtransmissÃo e de DistribuiÃÃo Usando Redes Neurais Artificiais |
dc.title.alternative.en.fl_str_mv |
Analysis of the subtransmission and distribution systems loading using Artificial Neural Networks |
title |
AnÃlise do Carregamento de Sistemas de SubtransmissÃo e de DistribuiÃÃo Usando Redes Neurais Artificiais |
spellingShingle |
AnÃlise do Carregamento de Sistemas de SubtransmissÃo e de DistribuiÃÃo Usando Redes Neurais Artificiais Marcel Coelho Andrade Engenharia elÃtrica DistribuiÃÃo do poder elÃtrico Redes neurais Energia elÃtrica Artificial Neural Networks, Distribution systems, Power systems, Percentil statistical function SISTEMAS ELETRICOS DE POTENCIA |
title_short |
AnÃlise do Carregamento de Sistemas de SubtransmissÃo e de DistribuiÃÃo Usando Redes Neurais Artificiais |
title_full |
AnÃlise do Carregamento de Sistemas de SubtransmissÃo e de DistribuiÃÃo Usando Redes Neurais Artificiais |
title_fullStr |
AnÃlise do Carregamento de Sistemas de SubtransmissÃo e de DistribuiÃÃo Usando Redes Neurais Artificiais |
title_full_unstemmed |
AnÃlise do Carregamento de Sistemas de SubtransmissÃo e de DistribuiÃÃo Usando Redes Neurais Artificiais |
title_sort |
AnÃlise do Carregamento de Sistemas de SubtransmissÃo e de DistribuiÃÃo Usando Redes Neurais Artificiais |
author |
Marcel Coelho Andrade |
author_facet |
Marcel Coelho Andrade |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Francisco KlÃber de AraÃjo Lima |
dc.contributor.advisor1ID.fl_str_mv |
34340491349 |
dc.contributor.authorID.fl_str_mv |
00044177399 |
dc.contributor.authorLattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4449290J4 |
dc.contributor.author.fl_str_mv |
Marcel Coelho Andrade |
contributor_str_mv |
Francisco KlÃber de AraÃjo Lima |
dc.subject.por.fl_str_mv |
Engenharia elÃtrica DistribuiÃÃo do poder elÃtrico Redes neurais Energia elÃtrica |
topic |
Engenharia elÃtrica DistribuiÃÃo do poder elÃtrico Redes neurais Energia elÃtrica Artificial Neural Networks, Distribution systems, Power systems, Percentil statistical function SISTEMAS ELETRICOS DE POTENCIA |
dc.subject.eng.fl_str_mv |
Artificial Neural Networks, Distribution systems, Power systems, Percentil statistical function |
dc.subject.cnpq.fl_str_mv |
SISTEMAS ELETRICOS DE POTENCIA |
dc.description.sponsorship.fl_txt_mv |
FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgico |
dc.description.abstract.por.fl_txt_mv |
O monitoramento do carregamento de componentes elÃtricos constitui-se em um aspecto de grande importÃncia para qualquer sistema de potÃncia, pois a partir dele podem ser observadas as condiÃÃes de seguranÃa dos seus componentes. O presente trabalho propÃe um mÃtodo computacional baseado em Redes Neurais Artificiais para monitorar o carregamento de componentes elÃtricos do sistema de distribuiÃÃo de energia, como transformadores, alimentadores e linhas de subtransmissÃo. A partir dos dados colhidos dos medidores das subestaÃÃes, contendo os valores de corrente do componente considerado, sÃo realizadas duas anÃlises: com transferÃncia de carga e sem transferÃncia de carga. Desta maneira, objetiva-se determinar os valores mÃximos de corrente nas duas situaÃÃes para o correspondente transformador, alimentador, ou linha de subtransmissÃo analisada. Busca-se entÃo, obter o seu carregamento mÃximo em ambos os casos e a partir desses valores, determinar se o componente està ou nÃo operando em boas condiÃÃes de seguranÃa. O valor mÃximo de corrente com transferÃncia de carga à simples de ser obtido, pois consiste apenas no valor mÃximo dos dados de corrente sem qualquer tipo de anÃlise mais aprofundada. PorÃm, o valor mÃximo de corrente sem transferÃncia de carga à bastante complexo de ser determinado, pois as condiÃÃes atÃpicas dos dados devem ser eliminadas. Desta forma, um mÃtodo empregando Redes Neurais Artificiais foi desenvolvido para obter este valor de corrente para os componentes analisados. Os resultados se mostraram bem prÃximos dos valores reais, comprovando a eficÃcia do mÃtodo. Finalmente, pode ser concluÃdo que o monitoramento à perfeitamente possÃvel de ser realizado, possibilitando um maior controle sobre os carregamentos, evitando danos tanto ao sistema de distribuiÃÃo, como ao sistema de potÃncia como um todo. |
dc.description.abstract.eng.fl_txt_mv |
The monitoring of the electrical components loading is an aspect of great importance to any power system, since the components safety conditions can be observed from it. The present study proposes a computational method based on Artificial Neural Networks to monitor the electrical components loading of the power distribution system, as transformers, feeders and subtransmission lines. Based on the data collected from the substations meters, containing the electric current values of the considered component, two analyses are done: with load transfer and without load transfer. Thus, the aim is to determine the current maximum values in both situations to the corresponding transformer, feeder, or subtransmission line analyzed. Then it is sought to obtain the maximum loading in both cases and, from these values, to determinate whether or not the component is operating in good safety conditions. The maximum current with load transfer is simple to obtain, because it consists only in the maximum value of electrical current data without any deeper analysis. However, the maximum current without load transfer is very complex to be determined, once the atypical conditions of the data must be eliminated. Thereby, a method using Artificial Neural Networks was developed to estimate the values of the current to the analyzed components. The results were very close to the real ones, proving the effectiveness of the method. Finally, it can be concluded that the monitoring is perfectly possible to be performed, allowing greater control over the loadings, avoiding damages to both the distribution system and the power system as a whole. |
description |
O monitoramento do carregamento de componentes elÃtricos constitui-se em um aspecto de grande importÃncia para qualquer sistema de potÃncia, pois a partir dele podem ser observadas as condiÃÃes de seguranÃa dos seus componentes. O presente trabalho propÃe um mÃtodo computacional baseado em Redes Neurais Artificiais para monitorar o carregamento de componentes elÃtricos do sistema de distribuiÃÃo de energia, como transformadores, alimentadores e linhas de subtransmissÃo. A partir dos dados colhidos dos medidores das subestaÃÃes, contendo os valores de corrente do componente considerado, sÃo realizadas duas anÃlises: com transferÃncia de carga e sem transferÃncia de carga. Desta maneira, objetiva-se determinar os valores mÃximos de corrente nas duas situaÃÃes para o correspondente transformador, alimentador, ou linha de subtransmissÃo analisada. Busca-se entÃo, obter o seu carregamento mÃximo em ambos os casos e a partir desses valores, determinar se o componente està ou nÃo operando em boas condiÃÃes de seguranÃa. O valor mÃximo de corrente com transferÃncia de carga à simples de ser obtido, pois consiste apenas no valor mÃximo dos dados de corrente sem qualquer tipo de anÃlise mais aprofundada. PorÃm, o valor mÃximo de corrente sem transferÃncia de carga à bastante complexo de ser determinado, pois as condiÃÃes atÃpicas dos dados devem ser eliminadas. Desta forma, um mÃtodo empregando Redes Neurais Artificiais foi desenvolvido para obter este valor de corrente para os componentes analisados. Os resultados se mostraram bem prÃximos dos valores reais, comprovando a eficÃcia do mÃtodo. Finalmente, pode ser concluÃdo que o monitoramento à perfeitamente possÃvel de ser realizado, possibilitando um maior controle sobre os carregamentos, evitando danos tanto ao sistema de distribuiÃÃo, como ao sistema de potÃncia como um todo. |
publishDate |
2012 |
dc.date.issued.fl_str_mv |
2012-08-09 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
status_str |
publishedVersion |
format |
masterThesis |
dc.identifier.uri.fl_str_mv |
http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=8258 |
url |
http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=8258 |
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.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Cearà |
dc.publisher.program.fl_str_mv |
Programa de PÃs-GraduaÃÃo em Engenharia ElÃtrica |
dc.publisher.initials.fl_str_mv |
UFC |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade Federal do Cearà |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFC instname:Universidade Federal do Ceará instacron:UFC |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFC |
collection |
Biblioteca Digital de Teses e Dissertações da UFC |
instname_str |
Universidade Federal do Ceará |
instacron_str |
UFC |
institution |
UFC |
repository.name.fl_str_mv |
-
|
repository.mail.fl_str_mv |
mail@mail.com |
_version_ |
1643295163683962880 |