Detecção de falta de alta impedância em sistema de distribuição radial utilizando redes neurais artificiais

• Autor(a) principal: Kotlinski, Eliseu
• Data de Publicação: 2013
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNIJUI
• Texto Completo: http://bibliodigital.unijui.edu.br:8080/xmlui/handle/123456789/2363
• topic: Modelagem matemática; Sistemas de potência; Identificação de sistemas; Inteligência artificial

A necessidade de entregar energia pelas concessionárias a seus consumidores, com qualidade e continuidade é condição fundamental para o bom funcionamento de um sistema de distribuição. A falta monofásica de alta impedância é um distúrbio nos sistemas de distribuição de energia bastante frequente, cuja origem pode ser a mais variada possível tais como galhos de árvore que podem cair sobre a rede elétrica, descargas atmosféricas, choque de algum automóvel contra um poste, dentre outros eventos que podem ser citados. O pronto restabelecimento do sistema no tempo mais breve possível, com a detecção e eliminação deste transitório continuam sendo uma tarefa trabalhosa pelas próprias características que estas perturbações apresentam. Por isso, ainda hoje as faltas monofásicas são objeto de estudos, a fim de caracterizar melhor este evento, sendo possível atuar na sua neutralização no tempo mais breve possível. Redes neurais artificiais é uma alternativa na tarefa de identificação. Este trabalho tem por objetivo contribuir na investigação das potencialidades das redes neurais na identificação de falta monofásica em redes de distribuição. Tomando como referência um sistema de distribuição de energia com cinco alimentadores na configuração radial, três tipos de falta foram simulados em posições diferentes nos alimentadores. A primeira situação simulada consiste em uma falta monofásica de alta impedância variável, a segunda consiste na retirada e posterior reposição de cargas no sistema e a terceira situação consiste na simulação das duas situações transitórias citadas anteriormente sequencialmente. Redes neurais artificiais foram projetadas e testadas na tarefa de identificação dos eventos transitórios simulados. O algoritmo empregado no treinamento das redes foi o de retropropagação do erro (Bakpropagation) em conjunto com nove algoritmos de otimização do erro de aprendizagem. As redes foram testadas e os resultados analisados e apresentados neste trabalho.