https://repositorio.ufjf.br/jspui/handle/ufjf/11401
File | Description | Size | Format | |
---|---|---|---|---|
angelorochadeoliveira.pdf | 3.04 MB | Adobe PDF | 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