Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/11401
Files in This Item:
File Description SizeFormat 
angelorochadeoliveira.pdf3.04 MBAdobe PDFThumbnail
View/Open
Type: Tese
Title: Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
Author: Oliveira, Ângelo Rocha de
First Advisor: Oliveira, Edimar José de
Co-Advisor: Oliveira, Leonardo Willer de
Referee Member: Ferreira, Vitor Hugo
Referee Member: Ramos, Tales Pulinho
Referee Member: Duque, Carlos Augusto
Referee Member: Silva, Leandro Rodrigues Manso
Resumo: A presente tese propõe um esquema inteligente para classificação de faltas em sistemas de distribuição de energia elétrica, baseado em redes neurais artificiais e em um fator de sensibilidade, denominado Fator de Sequência Negativa (F2). O esquema, desenvolvimento com foco em faltas monofásicas, utiliza sinais de corrente medidos na subestação de onde se origina o alimentador de distribuição a ser protegido. O esquema proposto detecta e identifica o tipo de falta, indicando se houve ou não rompimento de condutor, auxiliando os sistemas de proteção atuais, minimizando e até mesmo evitando o risco de acidentes, incêndios, morte de animais e de pessoas em situações de faltas nos sistemas de distribuição. O fator F2 foi desenvolvido para melhorar o desempenho do esquema de proteção, haja vista que o comportamento é distinto para os tipos de falta estudados: série – no qual há o rompimento do condutor sem contato com o solo, shunt – onde o condutor tem contato com o solo mas não se rompe, série-shunt com cabo caído pelo lado da fonte e série-shunt com cabo caído pelo lado da carga. Os dois últimos são caracterizados pelo rompimento do condutor com subsequente queda ao solo. Foram realizadas simulações computacionais em ATP/MATLAB e em tempo real, do tipo Hardware-in-the-Loop com RTDS (Real-Time Digital Simulator) e os resultados obtidos mostram que o esquema proposto é eficiente para classificação dos tipos de faltas em sistemas de distribuição de energia elétrica e pode aumentar a segurança da proteção de redes de distribuição de média tensão.
Abstract: The present thesis proposes an intelligent scheme for fault classification in distribution systems, based on artificial neural networks and a sensitivity factor, defined as Negative Sequence Factor (F2). The scheme, which focuses on single-phase faults, uses current signals measured at the substation from which the distribution feeder to be protected originates. The proposed scheme detects and identifies the type of fault, indicating cable disruption during a fault, assisting protection systems, minimizing and even avoiding the risk of accidents, fires, death of animals and people. The F2 factor was developed to improve the performance of the protection scheme, since its behavior is different for the fault types studied: series - in which there is cable disruption without ground contact, shunt - where there the cable touches the ground without disruption, series-shunt with cable fallen by the source side and series-shunt with cable fallen by the load side. The latter two are characterized by the cable disruption with subsequent fall to the ground. Computational simulations have been performed using ATP/MATLAB and Hardware-in-the-loop in real-time, with Real-Time Digital Simulator (RTDS). The results show that the proposed scheme is efficient for classifying fault types in distribution systems and can increase the safety of medium voltage distribution network protection
Keywords: Classificação de faltas
Distribuição
Redes neurais artificiais
Fault classification
Distribution
Artificial neural networks
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Language: por
Country: Brasil
Publisher: Universidade Federal de Juiz de Fora (UFJF)
Institution Initials: UFJF
Department: Faculdade de Engenharia
Program: Programa de Pós-graduação em Engenharia Elétrica
Access Type: Acesso Aberto
Attribution-NonCommercial-ShareAlike 3.0 Brazil
Creative Commons License: http://creativecommons.org/licenses/by-nc-sa/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/11401
Issue Date: 30-Mar-2019
Appears in Collections:Doutorado em Engenharia Elétrica (Teses)



This item is licensed under a Creative Commons License Creative Commons