Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.

Detalhes bibliográficos
Autor(a) principal: Menezes, Marlim Pereira
Data de Publicação: 2008
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/3/3143/tde-10112008-113506/
Resumo: Este trabalho apresenta o desenvolvimento de algoritmos para determinação da estimativa da distância de ocorrência de falta em uma linha de transmissão de alta tensão, em relação a um terminal local, e também a classificação do tipo de falta, utilizando técnicas baseadas em redes neurais artificiais. Os testes e a validação dos algoritmos propostos são feitos a partir de dados simulados para os fasores de tensão e corrente, em regime permanente, com uso da linguagem MATLAB. Os fasores são obtidos com uso de cálculo tradicional de curto e parâmetros reais de uma linha de transmissão conhecida. Em casos reais os fasores seriam obtidos de amostras de tensões e correntes detectadas por dispositivos de proteção localizados nos terminais local e remoto da linha de transmissão em análise. As simulações das redes neurais para a classificação do tipo de falta e para a obtenção da estimativa da distância de falta foram feitas com duas rotinas escritas em MATLAB levando em consideração erros de medição dos fasores. Os resultados obtidos permitem avaliar a eficiência e a precisão dos algoritmos propostos em relação aos já existentes e conhecidos na literatura, e que usam somente equacionamento elétrico.
id USP_f6a04551b9c7a85cd7fd24801bd8626d
oai_identifier_str oai:teses.usp.br:tde-10112008-113506
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.Classification and location faults in transmission lines, using different artificial neural networks architectures.Artificial intelligenceArtificial neural networksFault locationLinhas de transmissão de energia elétricaRedes neuraisTransmission linesEste trabalho apresenta o desenvolvimento de algoritmos para determinação da estimativa da distância de ocorrência de falta em uma linha de transmissão de alta tensão, em relação a um terminal local, e também a classificação do tipo de falta, utilizando técnicas baseadas em redes neurais artificiais. Os testes e a validação dos algoritmos propostos são feitos a partir de dados simulados para os fasores de tensão e corrente, em regime permanente, com uso da linguagem MATLAB. Os fasores são obtidos com uso de cálculo tradicional de curto e parâmetros reais de uma linha de transmissão conhecida. Em casos reais os fasores seriam obtidos de amostras de tensões e correntes detectadas por dispositivos de proteção localizados nos terminais local e remoto da linha de transmissão em análise. As simulações das redes neurais para a classificação do tipo de falta e para a obtenção da estimativa da distância de falta foram feitas com duas rotinas escritas em MATLAB levando em consideração erros de medição dos fasores. Os resultados obtidos permitem avaliar a eficiência e a precisão dos algoritmos propostos em relação aos já existentes e conhecidos na literatura, e que usam somente equacionamento elétrico.This work presents the development of algorithms for determination of the estimate of the distance of occurrence of fault in a high voltage transmission line, in relation to a local terminal, and also the classification of the fault type, using techniques based on artificial neural networks. The tests and the validation of the proposed algorithms are made using simulated data for the voltage and current phasors, in steady state, with use of the MATLAB language. The phasors are obtained with use of traditional calculation of short-circuit and real parameters of a known transmission line. In real cases the phasors would be obtained with samples of voltages and currents detected by protection devices located in the local and remote terminals of the transmission line in analysis. The simulations of the neural networks for the classification of the fault type and for the obtaining the estimate of the fault distance were done with two routines written in MATLAB taking into account measurement errors of the phasors. The obtained results allow to evaluate the efficiency and the accuracy of the proposed algorithms in relation to the already existent and known in the literature, and that use only electric equations.Biblioteca Digitais de Teses e Dissertações da USPPereira, Carlos Eduardo de MoraisMenezes, Marlim Pereira2008-08-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/3/3143/tde-10112008-113506/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:09:57Zoai:teses.usp.br:tde-10112008-113506Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:09:57Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.
Classification and location faults in transmission lines, using different artificial neural networks architectures.
title Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.
spellingShingle Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.
Menezes, Marlim Pereira
Artificial intelligence
Artificial neural networks
Fault location
Linhas de transmissão de energia elétrica
Redes neurais
Transmission lines
title_short Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.
title_full Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.
title_fullStr Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.
title_full_unstemmed Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.
title_sort Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.
author Menezes, Marlim Pereira
author_facet Menezes, Marlim Pereira
author_role author
dc.contributor.none.fl_str_mv Pereira, Carlos Eduardo de Morais
dc.contributor.author.fl_str_mv Menezes, Marlim Pereira
dc.subject.por.fl_str_mv Artificial intelligence
Artificial neural networks
Fault location
Linhas de transmissão de energia elétrica
Redes neurais
Transmission lines
topic Artificial intelligence
Artificial neural networks
Fault location
Linhas de transmissão de energia elétrica
Redes neurais
Transmission lines
description Este trabalho apresenta o desenvolvimento de algoritmos para determinação da estimativa da distância de ocorrência de falta em uma linha de transmissão de alta tensão, em relação a um terminal local, e também a classificação do tipo de falta, utilizando técnicas baseadas em redes neurais artificiais. Os testes e a validação dos algoritmos propostos são feitos a partir de dados simulados para os fasores de tensão e corrente, em regime permanente, com uso da linguagem MATLAB. Os fasores são obtidos com uso de cálculo tradicional de curto e parâmetros reais de uma linha de transmissão conhecida. Em casos reais os fasores seriam obtidos de amostras de tensões e correntes detectadas por dispositivos de proteção localizados nos terminais local e remoto da linha de transmissão em análise. As simulações das redes neurais para a classificação do tipo de falta e para a obtenção da estimativa da distância de falta foram feitas com duas rotinas escritas em MATLAB levando em consideração erros de medição dos fasores. Os resultados obtidos permitem avaliar a eficiência e a precisão dos algoritmos propostos em relação aos já existentes e conhecidos na literatura, e que usam somente equacionamento elétrico.
publishDate 2008
dc.date.none.fl_str_mv 2008-08-19
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 http://www.teses.usp.br/teses/disponiveis/3/3143/tde-10112008-113506/
url http://www.teses.usp.br/teses/disponiveis/3/3143/tde-10112008-113506/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256925300850688

Registros relacionados