Alocação ótima de medidores para fins de detecção de falhas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFJF |
Texto Completo: | https://repositorio.ufjf.br/jspui/handle/ufjf/5995 |
Resumo: | Este trabalho propõe um método baseado em algoritmos genéticos para alocação ótima de medidores na rede. A partir da alocação dos medidores, é verificado a assertividade alcançada na detecção de defeitos monofásicos, por área, com impedância na média tensão de sistemas de distribuição. Assim, é avaliado o desempenho da metologia de alocação ótima dos medidores. A saída do algoritmo, indica as posições que os medidores devem ser alocados, que formarão as respectivas áreas de observações para detecção. Para realizar a detecção de defeitos em sistemas de distribuição foi desenvolvido também um método utilizando redes neurais artificiais, que é utilizado como rotina interna do método de alocação de medidores, onde as entradas são grandezas elétricas de tensão e corrente, podendo ser medições fasoriais e/ou não-fasoriais, oriundas dos medidores definidos no método de alocação. Esta variação de tipos de medições serviu para analisar o desempenho na detecção do defeito do emprego de diferentes tipos de equipamentos de medição. A escolha da detecção de defeitos monofásicos é baseada no fato de que estes são a grande maioria nos sistemas de distribuição. O método desenvolvido consegue detectar defeitos monofásicos com resistência de arco variando entre 0 a 200 ohms, considerando ainda, variação do carregamento do sistema. O método proposto para alocação, bem como a rotina para detecção de falhas foi desenvolvido no ambiente MatLab®. Os testes foram realizados em sistemas do IEEE, apresentando bons resultados. |
id |
UFJF_0810e98ca322a5ec31fa0669aae460b6 |
---|---|
oai_identifier_str |
oai:hermes.cpd.ufjf.br:ufjf/5995 |
network_acronym_str |
UFJF |
network_name_str |
Repositório Institucional da UFJF |
repository_id_str |
|
spelling |
Araujo, Débora Rosana Ribeiro Penidohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4733094U1Araujo, Leandro Ramos dehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4706032P4Costa, Vander Menengoy dahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4760098E5Ferreira, Vitor Hugohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4718816H5http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4816483A3Acácio, Luciana Carvalho2017-12-22T11:27:58Z2017-12-072017-12-22T11:27:58Z2017-08-25https://repositorio.ufjf.br/jspui/handle/ufjf/5995Este trabalho propõe um método baseado em algoritmos genéticos para alocação ótima de medidores na rede. A partir da alocação dos medidores, é verificado a assertividade alcançada na detecção de defeitos monofásicos, por área, com impedância na média tensão de sistemas de distribuição. Assim, é avaliado o desempenho da metologia de alocação ótima dos medidores. A saída do algoritmo, indica as posições que os medidores devem ser alocados, que formarão as respectivas áreas de observações para detecção. Para realizar a detecção de defeitos em sistemas de distribuição foi desenvolvido também um método utilizando redes neurais artificiais, que é utilizado como rotina interna do método de alocação de medidores, onde as entradas são grandezas elétricas de tensão e corrente, podendo ser medições fasoriais e/ou não-fasoriais, oriundas dos medidores definidos no método de alocação. Esta variação de tipos de medições serviu para analisar o desempenho na detecção do defeito do emprego de diferentes tipos de equipamentos de medição. A escolha da detecção de defeitos monofásicos é baseada no fato de que estes são a grande maioria nos sistemas de distribuição. O método desenvolvido consegue detectar defeitos monofásicos com resistência de arco variando entre 0 a 200 ohms, considerando ainda, variação do carregamento do sistema. O método proposto para alocação, bem como a rotina para detecção de falhas foi desenvolvido no ambiente MatLab®. Os testes foram realizados em sistemas do IEEE, apresentando bons resultados.The proposal of this work is to develop a method based on genetic algorithms for optimal allocation of measurements units the distribution grid, which aims to detect monophasic defects with impedance in the medium voltage of distribution systems. The detection is performed by artificial neural networks. The developed methodology for optimal distribution of meters indicates as output the positions that the units should be allocated, creating detection areas. Artificial neural networks were used to perform fault detection in distribution systems, which is an internal routine of the measurement units distribution method. The inputs of the artificial neural networks are voltage and current. These electrical parameters can be either phasor measurements and/or non-phasor, depending on the category of meters defined in the allocation algorithm. The performance of different types of measurement equipment was executed by the analysis of different measurement types. It was selected single-phase defects due to the fact that these are the vast majority of faults in distribution systems. The developed method is able to identify single-phase defects with arc resistance ranging from 0 to 200 ohms, and it is also capable of correctly detect faults when considering load variation. The method of measurement unit allocation and the fault detection algorithm were developed in the software MatLab®. Tests were performed in IEEE systems, presenting good results.porUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Engenharia ElétricaUFJFBrasilFaculdade de EngenhariaCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAAlgoritmo genéticoRede neural artificialSistemas de distribuiçãoDetecção e localização de falta de alta impedânciaMedições fasoriais e não fasoriaisGenetic algorithmArtificial neural networkDistribution systemsDetection and location of high impedance faultsPhasor and non-phasor measurementsAlocação ótima de medidores para fins de detecção de falhasOptimum distribution of measurement units aiming fault detectioninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFTEXTlucianacarvalhoacacio.pdf.txtlucianacarvalhoacacio.pdf.txtExtracted texttext/plain213142https://repositorio.ufjf.br/jspui/bitstream/ufjf/5995/3/lucianacarvalhoacacio.pdf.txt5443819a04fcc67a3ba926902e92f641MD53THUMBNAILlucianacarvalhoacacio.pdf.jpglucianacarvalhoacacio.pdf.jpgGenerated Thumbnailimage/jpeg1121https://repositorio.ufjf.br/jspui/bitstream/ufjf/5995/4/lucianacarvalhoacacio.pdf.jpg232c9295e50d01e53d41b65d9409bcc9MD54ORIGINALlucianacarvalhoacacio.pdflucianacarvalhoacacio.pdfapplication/pdf3829408https://repositorio.ufjf.br/jspui/bitstream/ufjf/5995/1/lucianacarvalhoacacio.pdf88a83782335531c4be76d1544699c7bbMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82197https://repositorio.ufjf.br/jspui/bitstream/ufjf/5995/2/license.txt000e18a5aee6ca21bb5811ddf55fc37bMD52ufjf/59952019-06-16 08:48:18.293oai:hermes.cpd.ufjf.br:ufjf/5995TElDRU7vv71BIERFIERJU1RSSUJVSe+/ve+/vU8gTu+/vU8tRVhDTFVTSVZBCgpDb20gYSBhcHJlc2VudGHvv73vv71vIGRlc3RhIGxpY2Vu77+9YSwgdm9j77+9IChvIGF1dG9yIChlcykgb3UgbyB0aXR1bGFyIGRvcyBkaXJlaXRvcyBkZSBhdXRvcikgY29uY2VkZSBhbyBSZXBvc2l077+9cmlvIApJbnN0aXR1Y2lvbmFsIGRhIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRlIEp1aXogZGUgRm9yYSBvIGRpcmVpdG8gbu+/vW8tZXhjbHVzaXZvIGRlIHJlcHJvZHV6aXIsIHRyYWR1emlyIChjb25mb3JtZSBkZWZpbmlkbyBhYmFpeG8pLCBlL291IGRpc3RyaWJ1aXIgYSBzdWEgcHVibGljYe+/ve+/vW8gKGluY2x1aW5kbyBvIHJlc3VtbykgcG9yIHRvZG8gbyBtdW5kbyBubyBmb3JtYXRvIGltcHJlc3NvIGUgZWxldHLvv71uaWNvIGUgZW0gcXVhbHF1ZXIgbWVpbywgaW5jbHVpbmRvIG9zIGZvcm1hdG9zIO+/vXVkaW8gb3Ugdu+/vWRlby4KClZvY++/vSBjb25jb3JkYSBxdWUgbyBSZXBvc2l077+9cmlvIEluc3RpdHVjaW9uYWwgZGEgVW5pdmVyc2lkYWRlIEZlZGVyYWwgZGUgSnVpeiBkZSBGb3JhIHBvZGUsIHNlbSBhbHRlcmFyIG8gY29udGXvv71kbywgdHJhbnNwb3IgYSBzdWEgcHVibGljYe+/ve+/vW8gcGFyYSBxdWFscXVlciBtZWlvIG91IGZvcm1hdG8gcGFyYSBmaW5zIGRlIHByZXNlcnZh77+977+9by4gVm9j77+9IHRhbWLvv71tIGNvbmNvcmRhIHF1ZSBvIFJlcG9zaXTvv71yaW8gSW5zdGl0dWNpb25hbCBkYSBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkZSBKdWl6IGRlIEZvcmEgcG9kZSBtYW50ZXIgbWFpcyBkZSB1bWEgY++/vXBpYSBkZSBzdWEgcHVibGljYe+/ve+/vW8gcGFyYSBmaW5zIGRlIHNlZ3VyYW7vv71hLCBiYWNrLXVwIGUgcHJlc2VydmHvv73vv71vLiBWb2Pvv70gZGVjbGFyYSBxdWUgYSBzdWEgcHVibGljYe+/ve+/vW8g77+9IG9yaWdpbmFsIGUgcXVlIHZvY++/vSB0ZW0gbyBwb2RlciBkZSBjb25jZWRlciBvcyBkaXJlaXRvcyBjb250aWRvcyBuZXN0YSBsaWNlbu+/vWEuIFZvY++/vSB0YW1i77+9bSBkZWNsYXJhIHF1ZSBvIGRlcO+/vXNpdG8gZGEgc3VhIHB1YmxpY2Hvv73vv71vIG7vv71vLCBxdWUgc2VqYSBkZSBzZXUgY29uaGVjaW1lbnRvLCBpbmZyaW5nZSBkaXJlaXRvcyBhdXRvcmFpcyBkZSBuaW5nde+/vW0uCgpDYXNvIGEgc3VhIHB1YmxpY2Hvv73vv71vIGNvbnRlbmhhIG1hdGVyaWFsIHF1ZSB2b2Pvv70gbu+/vW8gcG9zc3VpIGEgdGl0dWxhcmlkYWRlIGRvcyBkaXJlaXRvcyBhdXRvcmFpcywgdm9j77+9IGRlY2xhcmEgcXVlIG9idGV2ZSBhIHBlcm1pc3Pvv71vIGlycmVzdHJpdGEgZG8gZGV0ZW50b3IgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIHBhcmEgY29uY2VkZXIgYW8gUmVwb3NpdO+/vXJpbyBJbnN0aXR1Y2lvbmFsIGRhIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRlIEp1aXogZGUgRm9yYSBvcyBkaXJlaXRvcyBhcHJlc2VudGFkb3MgbmVzdGEgbGljZW7vv71hLCBlIHF1ZSBlc3NlIG1hdGVyaWFsIGRlIHByb3ByaWVkYWRlIGRlIHRlcmNlaXJvcyBlc3Tvv70gY2xhcmFtZW50ZSBpZGVudGlmaWNhZG8gZSByZWNvbmhlY2lkbyBubyB0ZXh0byBvdSBubyBjb250Ze+/vWRvIGRhIHB1YmxpY2Hvv73vv71vIG9yYSBkZXBvc2l0YWRhLgoKQ0FTTyBBIFBVQkxJQ0Hvv73vv71PIE9SQSBERVBPU0lUQURBIFRFTkhBIFNJRE8gUkVTVUxUQURPIERFIFVNIFBBVFJPQ++/vU5JTyBPVSBBUE9JTyBERSBVTUEgQUfvv71OQ0lBIERFIEZPTUVOVE8gT1UgT1VUUk8gT1JHQU5JU01PLCBWT0Pvv70gREVDTEFSQSBRVUUgUkVTUEVJVE9VIFRPRE9TIEUgUVVBSVNRVUVSIERJUkVJVE9TIERFIFJFVklT77+9TyBDT01PIFRBTULvv71NIEFTIERFTUFJUyBPQlJJR0Hvv73vv71FUyBFWElHSURBUyBQT1IgQ09OVFJBVE8gT1UgQUNPUkRPLgoKTyBSZXBvc2l077+9cmlvIEluc3RpdHVjaW9uYWwgZGEgVW5pdmVyc2lkYWRlIEZlZGVyYWwgZGUgSnVpeiBkZSBGb3JhIHNlIGNvbXByb21ldGUgYSBpZGVudGlmaWNhciBjbGFyYW1lbnRlIG8gc2V1IG5vbWUgKHMpIG91IG8ocykgbm9tZShzKSBkbyhzKSBkZXRlbnRvcihlcykgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIGRhIHB1YmxpY2Hvv73vv71vLCBlIG7vv71vIGZhcu+/vSBxdWFscXVlciBhbHRlcmHvv73vv71vLCBhbO+/vW0gZGFxdWVsYXMgY29uY2VkaWRhcyBwb3IgZXN0YSBsaWNlbu+/vWEuCg==Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2019-06-16T11:48:18Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false |
dc.title.pt_BR.fl_str_mv |
Alocação ótima de medidores para fins de detecção de falhas |
dc.title.alternative.pt_BR.fl_str_mv |
Optimum distribution of measurement units aiming fault detection |
title |
Alocação ótima de medidores para fins de detecção de falhas |
spellingShingle |
Alocação ótima de medidores para fins de detecção de falhas Acácio, Luciana Carvalho CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Algoritmo genético Rede neural artificial Sistemas de distribuição Detecção e localização de falta de alta impedância Medições fasoriais e não fasoriais Genetic algorithm Artificial neural network Distribution systems Detection and location of high impedance faults Phasor and non-phasor measurements |
title_short |
Alocação ótima de medidores para fins de detecção de falhas |
title_full |
Alocação ótima de medidores para fins de detecção de falhas |
title_fullStr |
Alocação ótima de medidores para fins de detecção de falhas |
title_full_unstemmed |
Alocação ótima de medidores para fins de detecção de falhas |
title_sort |
Alocação ótima de medidores para fins de detecção de falhas |
author |
Acácio, Luciana Carvalho |
author_facet |
Acácio, Luciana Carvalho |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Araujo, Débora Rosana Ribeiro Penido |
dc.contributor.advisor1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4733094U1 |
dc.contributor.advisor-co1.fl_str_mv |
Araujo, Leandro Ramos de |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4706032P4 |
dc.contributor.referee1.fl_str_mv |
Costa, Vander Menengoy da |
dc.contributor.referee1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4760098E5 |
dc.contributor.referee2.fl_str_mv |
Ferreira, Vitor Hugo |
dc.contributor.referee2Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4718816H5 |
dc.contributor.authorLattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4816483A3 |
dc.contributor.author.fl_str_mv |
Acácio, Luciana Carvalho |
contributor_str_mv |
Araujo, Débora Rosana Ribeiro Penido Araujo, Leandro Ramos de Costa, Vander Menengoy da Ferreira, Vitor Hugo |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Algoritmo genético Rede neural artificial Sistemas de distribuição Detecção e localização de falta de alta impedância Medições fasoriais e não fasoriais Genetic algorithm Artificial neural network Distribution systems Detection and location of high impedance faults Phasor and non-phasor measurements |
dc.subject.por.fl_str_mv |
Algoritmo genético Rede neural artificial Sistemas de distribuição Detecção e localização de falta de alta impedância Medições fasoriais e não fasoriais Genetic algorithm Artificial neural network Distribution systems Detection and location of high impedance faults Phasor and non-phasor measurements |
description |
Este trabalho propõe um método baseado em algoritmos genéticos para alocação ótima de medidores na rede. A partir da alocação dos medidores, é verificado a assertividade alcançada na detecção de defeitos monofásicos, por área, com impedância na média tensão de sistemas de distribuição. Assim, é avaliado o desempenho da metologia de alocação ótima dos medidores. A saída do algoritmo, indica as posições que os medidores devem ser alocados, que formarão as respectivas áreas de observações para detecção. Para realizar a detecção de defeitos em sistemas de distribuição foi desenvolvido também um método utilizando redes neurais artificiais, que é utilizado como rotina interna do método de alocação de medidores, onde as entradas são grandezas elétricas de tensão e corrente, podendo ser medições fasoriais e/ou não-fasoriais, oriundas dos medidores definidos no método de alocação. Esta variação de tipos de medições serviu para analisar o desempenho na detecção do defeito do emprego de diferentes tipos de equipamentos de medição. A escolha da detecção de defeitos monofásicos é baseada no fato de que estes são a grande maioria nos sistemas de distribuição. O método desenvolvido consegue detectar defeitos monofásicos com resistência de arco variando entre 0 a 200 ohms, considerando ainda, variação do carregamento do sistema. O método proposto para alocação, bem como a rotina para detecção de falhas foi desenvolvido no ambiente MatLab®. Os testes foram realizados em sistemas do IEEE, apresentando bons resultados. |
publishDate |
2017 |
dc.date.accessioned.fl_str_mv |
2017-12-22T11:27:58Z |
dc.date.available.fl_str_mv |
2017-12-07 2017-12-22T11:27:58Z |
dc.date.issued.fl_str_mv |
2017-08-25 |
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 |
https://repositorio.ufjf.br/jspui/handle/ufjf/5995 |
url |
https://repositorio.ufjf.br/jspui/handle/ufjf/5995 |
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 |
Universidade Federal de Juiz de Fora (UFJF) |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFJF |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Faculdade de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFJF instname:Universidade Federal de Juiz de Fora (UFJF) instacron:UFJF |
instname_str |
Universidade Federal de Juiz de Fora (UFJF) |
instacron_str |
UFJF |
institution |
UFJF |
reponame_str |
Repositório Institucional da UFJF |
collection |
Repositório Institucional da UFJF |
bitstream.url.fl_str_mv |
https://repositorio.ufjf.br/jspui/bitstream/ufjf/5995/3/lucianacarvalhoacacio.pdf.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/5995/4/lucianacarvalhoacacio.pdf.jpg https://repositorio.ufjf.br/jspui/bitstream/ufjf/5995/1/lucianacarvalhoacacio.pdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/5995/2/license.txt |
bitstream.checksum.fl_str_mv |
5443819a04fcc67a3ba926902e92f641 232c9295e50d01e53d41b65d9409bcc9 88a83782335531c4be76d1544699c7bb 000e18a5aee6ca21bb5811ddf55fc37b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF) |
repository.mail.fl_str_mv |
|
_version_ |
1801661295258238976 |