Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
Autor(a) principal: | |
---|---|
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_ |
1813193881411387392 |