Use este identificador para citar ou linkar para este item: https://repositorio.ufjf.br/jspui/handle/ufjf/11401
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
angelorochadeoliveira.pdf3.04 MBAdobe PDFThumbnail
Visualizar/Abrir
Tipo: Tese
Título: Metodologia para classificação de faltas em redes de distribuição baseada em redes neurais artificiais
Autor(es): Oliveira, Ângelo Rocha de
Primeiro Orientador: Oliveira, Edimar José de
Co-orientador: Oliveira, Leonardo Willer de
Membro da banca: Ferreira, Vitor Hugo
Membro da banca: Ramos, Tales Pulinho
Membro da banca: Duque, Carlos Augusto
Membro da banca: 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
Palavras-chave: Classificação de faltas
Distribuição
Redes neurais artificiais
Fault classification
Distribution
Artificial neural networks
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Idioma: por
País: Brasil
Editor: Universidade Federal de Juiz de Fora (UFJF)
Sigla da Instituição: UFJF
Departamento: Faculdade de Engenharia
Programa: Programa de Pós-graduação em Engenharia Elétrica
Tipo de Acesso: Acesso Aberto
Attribution-NonCommercial-ShareAlike 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-nc-sa/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/11401
Data do documento: 30-Mar-2019
Aparece nas coleções:Doutorado em Engenharia Elétrica (Teses)



Este item está licenciado sob uma Licença Creative Commons Creative Commons