Use este identificador para citar ou linkar para este item: https://repositorio.ufjf.br/jspui/handle/ufjf/20259
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
sabrinadealmeidaandrade (2).pdf1.04 MBAdobe PDFVisualizar/Abrir
Tipo: Trabalho de Conclusão de Curso
Título: Localização de faltas monofásicas em sistemas de distribuição utilizando algoritmos genéticos
Autor(es): Andrade, Sabrina de Almeida
Primeiro Orientador: Araujo, Debora Rosana Ribeiro Penido
Second Advisor: Araujo, Leandro Ramos
Co-orientador: Oliveira, Leonardo Willer
Resumo: Os sistemas de distribuição compõem uma parte fundamental do Sistema Elétrico de Potência, sendo responsáveis pela entrega de energia elétrica aos consumidores. Devido à complexidade desses sistemas, é necessário que eles apresentem um bom nível de confiabilidade, garantindo o atendimento das cargas na maior parte do tempo possível. Um dos problemas mais comuns que comprometem essa confiabilidade são as faltas, que podem interromper o fornecimento de energia por períodos consideráveis, afetando a rotina dos consumidores. Assim, torna-se importante o desenvolvimento de metodologias para a localização de faltas de maneira rápida, eficiente e precisa. Diante desse contexto, o presente trabalho propõe um método para a localização de faltas utilizando Algoritmos Genéticos. O método baseia-se na simulação de curto-circuitos monofásicos no sistema com a medição das correntes em pontos específicos da rede na situação de falta (chamadas correntes reais). Posteriormente, por meio de função objetivo de Algoritmo Genético, busca-se a partir de simulações de curtos, definidos pelos parâmetros do AG, diminuir o erro entre as correntes reais e calculadas (pelo AG), determinando a barra, a fase e a impedância de falta para cada caso de estudo analisado. As simulações e a obtenção dos resultados foram realizadas com os softwares OpenDSS e MATLAB®, utilizando o sistema IEEE 13 Barras. Os resultados mostraram precisão e eficácia do método proposto.
Abstract: Distribution systems are a fundamental part of the Electric Power System, being responsible for delivering electrical energy to consumers. Due to the complexity of these systems, they must present a good level of reliability, ensuring the continuous supply of loads for the majority of the time. One of the most common problems that compromise this reliability are faults, which can interrupt the energy supply for considerable periods, affecting consumers's routines. Therefore, developing methodologies for fast, efficient, and accurate fault location is essential. In this context, the present work proposes a method for fault location using Genetic Algorithms. The method is based on the simulation of single-phase short circuits in the system, calculating the currents at specific points in the network under fault conditions (referred to as simulated currents). Subsequently, using the objective function of a Genetic Algorithm, simulations of faults4defined by the GA parameters4are performed to minimize the error between the actual and calculated currents (by the GA), determining the bus, phase, and fault impedance for each analyzed case study. The simulations and result acquisition were carried out using the OpenDSS and MATLAB® software, applying the IEEE 13-Bus system. The results
Palavras-chave: Localização de faltas
Fault location
Análise de curto-circuitos
Short circuit analysis
Sistemas de Distribuição
Distribution systems
Algoritmo Genético
Genetic Algorithm
OpenDSS
OpenDSS
CNPq: CNPq: Engenharias: Engenharia Elétrica
Idioma: por
País: Brasil
Editor: Universidade Federal de Juiz de Fora (UFJF)
Sigla da Instituição: UFJF
Departamento: Faculdade de Engenharia
Tipo de Acesso: Acesso Restrito
Attribution-NoDerivs 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-nd/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/20259
Data do documento: 12-Mar-2025
Aparece nas coleções:Engenharia Elétrica - Potência e Energia - TCC Graduação



Este item está licenciado sob uma Licença Creative Commons Creative Commons