Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Oliveira, Ângelo Rocha de
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFJF
Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/11401
Resumo: A presente tese propõe um esquema inteligente para classificação de faltas em sistemas de distribuição de energia elétrica, baseado em redes neurais artificiais e em um fator de sensibilidade, denominado Fator de Sequência Negativa (F2). O esquema, desenvolvimento com foco em faltas monofásicas, utiliza sinais de corrente medidos na subestação de onde se origina o alimentador de distribuição a ser protegido. O esquema proposto detecta e identifica o tipo de falta, indicando se houve ou não rompimento de condutor, auxiliando os sistemas de proteção atuais, minimizando e até mesmo evitando o risco de acidentes, incêndios, morte de animais e de pessoas em situações de faltas nos sistemas de distribuição. O fator F2 foi desenvolvido para melhorar o desempenho do esquema de proteção, haja vista que o comportamento é distinto para os tipos de falta estudados: série – no qual há o rompimento do condutor sem contato com o solo, shunt – onde o condutor tem contato com o solo mas não se rompe, série-shunt com cabo caído pelo lado da fonte e série-shunt com cabo caído pelo lado da carga. Os dois últimos são caracterizados pelo rompimento do condutor com subsequente queda ao solo. Foram realizadas simulações computacionais em ATP/MATLAB e em tempo real, do tipo Hardware-in-the-Loop com RTDS (Real-Time Digital Simulator) e os resultados obtidos mostram que o esquema proposto é eficiente para classificação dos tipos de faltas em sistemas de distribuição de energia elétrica e pode aumentar a segurança da proteção de redes de distribuição de média tensão.
id UFJF_a5a4f830ce39602323e552ccbc321ab3
oai_identifier_str oai:hermes.cpd.ufjf.br:ufjf/11401
network_acronym_str UFJF
network_name_str Repositório Institucional da UFJF
repository_id_str
spelling Oliveira, Edimar José dehttp://lattes.cnpq.br/9587439089642912Oliveira, Leonardo Willer dehttp://lattes.cnpq.br/9223644407644508Ferreira, Vitor Hugohttp://buscatextual.cnpq.br/Ramos, Tales Pulinhohttp://lattes.cnpq.br/8120950762439770Duque, Carlos Augustohttp://lattes.cnpq.br/6885901755516721Silva, Leandro Rodrigues Mansohttp://lattes.cnpq.br/1421239770201461http://lattes.cnpq.br/3401819655719801Oliveira, Ângelo Rocha de2019-12-16T21:41:08Z2019-12-102019-12-16T21:41:08Z2019-03-30https://repositorio.ufjf.br/jspui/handle/ufjf/11401A presente tese propõe um esquema inteligente para classificação de faltas em sistemas de distribuição de energia elétrica, baseado em redes neurais artificiais e em um fator de sensibilidade, denominado Fator de Sequência Negativa (F2). O esquema, desenvolvimento com foco em faltas monofásicas, utiliza sinais de corrente medidos na subestação de onde se origina o alimentador de distribuição a ser protegido. O esquema proposto detecta e identifica o tipo de falta, indicando se houve ou não rompimento de condutor, auxiliando os sistemas de proteção atuais, minimizando e até mesmo evitando o risco de acidentes, incêndios, morte de animais e de pessoas em situações de faltas nos sistemas de distribuição. O fator F2 foi desenvolvido para melhorar o desempenho do esquema de proteção, haja vista que o comportamento é distinto para os tipos de falta estudados: série – no qual há o rompimento do condutor sem contato com o solo, shunt – onde o condutor tem contato com o solo mas não se rompe, série-shunt com cabo caído pelo lado da fonte e série-shunt com cabo caído pelo lado da carga. Os dois últimos são caracterizados pelo rompimento do condutor com subsequente queda ao solo. Foram realizadas simulações computacionais em ATP/MATLAB e em tempo real, do tipo Hardware-in-the-Loop com RTDS (Real-Time Digital Simulator) e os resultados obtidos mostram que o esquema proposto é eficiente para classificação dos tipos de faltas em sistemas de distribuição de energia elétrica e pode aumentar a segurança da proteção de redes de distribuição de média tensão.The present thesis proposes an intelligent scheme for fault classification in distribution systems, based on artificial neural networks and a sensitivity factor, defined as Negative Sequence Factor (F2). The scheme, which focuses on single-phase faults, uses current signals measured at the substation from which the distribution feeder to be protected originates. The proposed scheme detects and identifies the type of fault, indicating cable disruption during a fault, assisting protection systems, minimizing and even avoiding the risk of accidents, fires, death of animals and people. The F2 factor was developed to improve the performance of the protection scheme, since its behavior is different for the fault types studied: series - in which there is cable disruption without ground contact, shunt - where there the cable touches the ground without disruption, series-shunt with cable fallen by the source side and series-shunt with cable fallen by the load side. The latter two are characterized by the cable disruption with subsequent fall to the ground. Computational simulations have been performed using ATP/MATLAB and Hardware-in-the-loop in real-time, with Real-Time Digital Simulator (RTDS). The results show that the proposed scheme is efficient for classifying fault types in distribution systems and can increase the safety of medium voltage distribution network protectionporUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Engenharia ElétricaUFJFBrasilFaculdade de EngenhariaAttribution-NonCommercial-ShareAlike 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-sa/3.0/br/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAClassificação de faltasDistribuiçãoRedes neurais artificiaisFault classificationDistributionArtificial neural networksMetodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81037https://repositorio.ufjf.br/jspui/bitstream/ufjf/11401/1/license_rdf996f8b5afe3136b76594f43bfda24c5eMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/11401/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALangelorochadeoliveira.pdfangelorochadeoliveira.pdfapplication/pdf3114276https://repositorio.ufjf.br/jspui/bitstream/ufjf/11401/3/angelorochadeoliveira.pdfbbcb4bfc0f9cc0051d9b8c03ceacb059MD53TEXTangelorochadeoliveira.pdf.txtangelorochadeoliveira.pdf.txtExtracted texttext/plain206247https://repositorio.ufjf.br/jspui/bitstream/ufjf/11401/4/angelorochadeoliveira.pdf.txt1897ba721a6df234533cae9730fe23a8MD54THUMBNAILangelorochadeoliveira.pdf.jpgangelorochadeoliveira.pdf.jpgGenerated Thumbnailimage/jpeg1219https://repositorio.ufjf.br/jspui/bitstream/ufjf/11401/5/angelorochadeoliveira.pdf.jpg6ceecb8ade450c85109df4a766a33b03MD55ufjf/114012023-10-31 04:03:23.409oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2023-10-31T06:03:23Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false
dc.title.pt_BR.fl_str_mv Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
title Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
spellingShingle Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
Oliveira, Ângelo Rocha de
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Classificação de faltas
Distribuição
Redes neurais artificiais
Fault classification
Distribution
Artificial neural networks
title_short Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
title_full Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
title_fullStr Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
title_full_unstemmed Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
title_sort Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
author Oliveira, Ângelo Rocha de
author_facet Oliveira, Ângelo Rocha de
author_role author
dc.contributor.advisor1.fl_str_mv Oliveira, Edimar José de
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/9587439089642912
dc.contributor.advisor-co1.fl_str_mv Oliveira, Leonardo Willer de
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/9223644407644508
dc.contributor.referee1.fl_str_mv Ferreira, Vitor Hugo
dc.contributor.referee1Lattes.fl_str_mv http://buscatextual.cnpq.br/
dc.contributor.referee2.fl_str_mv Ramos, Tales Pulinho
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/8120950762439770
dc.contributor.referee3.fl_str_mv Duque, Carlos Augusto
dc.contributor.referee3Lattes.fl_str_mv http://lattes.cnpq.br/6885901755516721
dc.contributor.referee4.fl_str_mv Silva, Leandro Rodrigues Manso
dc.contributor.referee4Lattes.fl_str_mv http://lattes.cnpq.br/1421239770201461
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/3401819655719801
dc.contributor.author.fl_str_mv Oliveira, Ângelo Rocha de
contributor_str_mv Oliveira, Edimar José de
Oliveira, Leonardo Willer de
Ferreira, Vitor Hugo
Ramos, Tales Pulinho
Duque, Carlos Augusto
Silva, Leandro Rodrigues Manso
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Classificação de faltas
Distribuição
Redes neurais artificiais
Fault classification
Distribution
Artificial neural networks
dc.subject.por.fl_str_mv Classificação de faltas
Distribuição
Redes neurais artificiais
Fault classification
Distribution
Artificial neural networks
description A presente tese propõe um esquema inteligente para classificação de faltas em sistemas de distribuição de energia elétrica, baseado em redes neurais artificiais e em um fator de sensibilidade, denominado Fator de Sequência Negativa (F2). O esquema, desenvolvimento com foco em faltas monofásicas, utiliza sinais de corrente medidos na subestação de onde se origina o alimentador de distribuição a ser protegido. O esquema proposto detecta e identifica o tipo de falta, indicando se houve ou não rompimento de condutor, auxiliando os sistemas de proteção atuais, minimizando e até mesmo evitando o risco de acidentes, incêndios, morte de animais e de pessoas em situações de faltas nos sistemas de distribuição. O fator F2 foi desenvolvido para melhorar o desempenho do esquema de proteção, haja vista que o comportamento é distinto para os tipos de falta estudados: série – no qual há o rompimento do condutor sem contato com o solo, shunt – onde o condutor tem contato com o solo mas não se rompe, série-shunt com cabo caído pelo lado da fonte e série-shunt com cabo caído pelo lado da carga. Os dois últimos são caracterizados pelo rompimento do condutor com subsequente queda ao solo. Foram realizadas simulações computacionais em ATP/MATLAB e em tempo real, do tipo Hardware-in-the-Loop com RTDS (Real-Time Digital Simulator) e os resultados obtidos mostram que o esquema proposto é eficiente para classificação dos tipos de faltas em sistemas de distribuição de energia elétrica e pode aumentar a segurança da proteção de redes de distribuição de média tensão.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-12-16T21:41:08Z
dc.date.available.fl_str_mv 2019-12-10
2019-12-16T21:41:08Z
dc.date.issued.fl_str_mv 2019-03-30
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufjf.br/jspui/handle/ufjf/11401
url https://repositorio.ufjf.br/jspui/handle/ufjf/11401
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-ShareAlike 3.0 Brazil
http://creativecommons.org/licenses/by-nc-sa/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 3.0 Brazil
http://creativecommons.org/licenses/by-nc-sa/3.0/br/
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/11401/1/license_rdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11401/2/license.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11401/3/angelorochadeoliveira.pdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11401/4/angelorochadeoliveira.pdf.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/11401/5/angelorochadeoliveira.pdf.jpg
bitstream.checksum.fl_str_mv 996f8b5afe3136b76594f43bfda24c5e
8a4605be74aa9ea9d79846c1fba20a33
bbcb4bfc0f9cc0051d9b8c03ceacb059
1897ba721a6df234533cae9730fe23a8
6ceecb8ade450c85109df4a766a33b03
bitstream.checksumAlgorithm.fl_str_mv MD5
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_ 1801661266753748992