Detecção e localização de faltas monofásicas em sistema de distribuição baseadas em redes neurais artificiais com uso de algoritmo genético para alocação de medidores

• Ano de defesa: 2024
• Autor(a) principal: Silva, João Pedro Brito da
• Orientador(a): Araujo, Débora Rosana Ribeiro Penido
• Banca de defesa: Oliveira, Leonardo Willer de , Ando Junior, Oswaldo Hideo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Engenharia Elétrica
• Departamento: Faculdade de Engenharia
• País: Brasil
• Palavras-chave em Português: Sistemas de distribuição; Faltas de alta impedância; Detecção e localização de faltas; Redes neurais artificiais; Algoritmo genético; Distribution systems; High-impedance faults; Fault detection and location; Artificial neural networks; Genetic algorithm
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/18261

Neste trabalho, foi proposto um método que utiliza redes neurais artificiais (RNAs) para detectar e localizar faltas de alta impedância em sistemas de distribuição de energia elétrica. Para a realização deste estudo, foram utilizadas medições de corrente como dados de entrada das RNAs, e como forma de avaliar o desempenho, foram usados três tipos de medições: não fasoriais, de sequência e fasoriais. Além disso, foi utilizado o algoritmo genético para otimizar a alocação dos medidores. A implementação do método se deu pelo desenvolvimento de dois conjuntos de RNAs: um composto por redes neurais associadas a cada um dos barramentos do sistema de distribuição e outro formado por três RNAs, sendo cada uma exclusiva a uma fase do circuito, e dessa maneira, a detecção das faltas e a localização das barras e fases defeituosas puderam ser determinadas. Os testes para validação do método foram conduzidos em três sistemas: IEEE 13 barras, IEEE 34 barras e IEEE 123 barras. Os resultados mostraram que, apesar das dificuldades impostas, o método foi eficaz na maioria dos cenários propostos. As RNAs se mostraram robustas na detecção de faltas e na localização da fase com defeito, apresentando eficiências acima de 90% na maioria dos casos testados. A localização do barramento com falta foi indicada por um grupo de barras prováveis, o que reduziu o campo de busca e mostrou eficiência superior a 90% quando a otimização foi usada. Os locais onde os medidores foram instalados foram cruciais para o desempenho do método, e o algoritmo genético provou ser uma ferramenta eficaz para essa otimização. Para implementação computacional do método, foram utilizados os softwares OpenDSS® e Matlab®.