Detecção e classificação de faltas em linhas de transmissão utilizando redes neurais artificiais

• Autor(a) principal: Junges, Estevan Luiz
• Data de Publicação: 2018
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
• Texto Completo: http://hdl.handle.net/10737/2235
• topic: ENG; Transmissão; Detecção de Faltas; Redes Neurais Artificiais

O presente trabalho apresenta uma proposta de um sistema de detecção e classificação de faltas em linhas de transmissão, baseado em redes neurais artificiais. O banco de dados para o treinamento e validação da rede neural foi gerado através do software de análise de transientes ATP, com o auxílio de um programa computacional desenvolvido para gerar o arquivo de circuito base da simulação de cada caso. A implementação da rede neural foi feita na linguagem Python, com a utilização das bibliotecas Keras, Tensorflow e Scikit-Learn especificas para aplicações de machine learning. A rede neural desenvolvida possui 6 entradas, que corresponde a corrente e a tensão de cada fase da linha de transmissão, e 11 saídas, que correspondem a cada um dos estados de operação do sistema. Os resultados obtidos mostram que a utilização de redes neurais artificiais é viável para a detecção e classificação de faltas.