Detecção e classificação rápida de faltas em linhas de transmissão utilizando redes neurais artificiais (2000)
- Authors:
- Autor USP: GIOVANINI, RENAN - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- Subjects: INTELIGÊNCIA ARTIFICIAL; ELETRÔNICA DE POTÊNCIA; LINHAS AÉREAS DE TRANSMISSÃO DE ENERGIA ELÉTRICA
- Language: Português
- Abstract: Proteger as linhas de transmissão é uma das tarefas mais importantes dentro dos sistemas elétricos de potência. Faltas em linhas de transmissão devem ser localizadas precisamente e extintas o mais rápido possível. Paral tal, o esquema de proteção de linhas utiliza valores amostrados de correntes e tensões para a execução das tarefas de detecção, classificação e localização da falta. Neste esquema, grandezas trifásicas de corrente (IA, IB, IC) e tensão (VA, VB, VC) compõem as entradas do sistema. Após a detecção e classificação da falta, o relé efetua o cálculo da impedância aparente para a verificação da zona de proteção na qual a falta se insere (localização). Dentro deste contexto, a rápida detecção e a correta classificação da falta são passos fundamentais para a lógica de controle de um relé. Para a utilização de sistemas de proteção com alta velocidade de operação, o conjunto detector mais classificador deve realizar uma decisão precisa do tipo de falta envolvida em menos de 10 ms após a ocorrência desta. Alguns métodos convencionais têm lidado com este problema, porém os tempos para estimação do tipo de falta são algumas vezes excessivamente longos. Este trabalho apresenta um novo sistema que provê uma rápida e confiável detecção e classificação de faltas através das medidas de valores de correntes trifásicas. O novo método utiliza-se da teoria de Redes Neurais Artificiais, baseada em dois diferentes tipos de redes (MLP e RBF), para a tarefa de detecção e classificação de faltas nos níveis de tempo requeridos para um moderno sistema de proteção. Um estudo comparativo em relação ao desempenho das redes mencionadas também foi realizado.Os testes efetuados para as redes dos tipos MLP e RBF mostraram que o sistema proposto foi capaz de detectar e classificar corretamente 100% dos casos estudados. Deve ainda ser ressaltado, que a maior parte dos casos (93% para a rede ) MLP e 84% para a rede RBF), o processo de detecção e classificação foi completado com no máximo 5 amostras de pós-falta (5 ms). Isto demonstra a rapidez na tarefa de detecção e classificação embutida no método proposto, principalmente levando-se em consideração os tempos apresentados pelos métodos convencionais
- Imprenta:
- Publisher place: São Carlos
- Date published: 2000
- Data da defesa: 28.08.2000
-
ABNT
GIOVANINI, Renan. Detecção e classificação rápida de faltas em linhas de transmissão utilizando redes neurais artificiais. 2000. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2000. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18133/tde-17112017-152327/. Acesso em: 11 maio 2024. -
APA
Giovanini, R. (2000). Detecção e classificação rápida de faltas em linhas de transmissão utilizando redes neurais artificiais (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18133/tde-17112017-152327/ -
NLM
Giovanini R. Detecção e classificação rápida de faltas em linhas de transmissão utilizando redes neurais artificiais [Internet]. 2000 ;[citado 2024 maio 11 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18133/tde-17112017-152327/ -
Vancouver
Giovanini R. Detecção e classificação rápida de faltas em linhas de transmissão utilizando redes neurais artificiais [Internet]. 2000 ;[citado 2024 maio 11 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18133/tde-17112017-152327/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
