Detalhes bibliográficos
| Ano de defesa: |
2020 |
| Autor(a) principal: |
Nascimento, Kelvin Bryan do
 |
| Orientador(a): |
Araujo, Débora Rosana Ribeiro Penido
|
| Banca de defesa: |
Melo, Igor Delgado de
,
Duque, Felipe Gomes
|
| 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: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://repositorio.ufjf.br/jspui/handle/ufjf/11551
|
Resumo: |
Neste trabalho são desenvolvidos métodos de detecção e identificação de defeitos em sistemas de distribuição radiais utilizando redes neurais artificiais. Vários tipos de defeitos monofásicos foram estudados, tais como: defeitos de contato com alta impedância, defeitos de abertura de condutores e defeitos simultâneos. Primeiramente, cada um desses tipos de defeitos foi analisado separadamente em um sistema teste. O objetivo foi determinar as melhores formas para detectá-los. As simulações computacionais foram realizadas com a comunicação entre o Matlab e o OpenDSS e foram divididas em duas categorias. A primeira categoria utiliza informações de correntes oriundas de medidores alocados no sistema como dados de entrada das redes neurais para detecção e identificação de cada um dos tipos de defeitos tratados neste trabalho. Nas simulações dessa categoria, o objetivo principal foi analisar o impacto do número de medidores e do tipo de medição nos resultados das redes neurais. Quando mais de um medidor foi alocado, realizou-se a divisão do sistema em áreas de detecção. Essa divisão pode apresentar um maior custo de implantação e até de processamento computacional, porém facilita no processo de localização do defeito, já que diminui a área de busca, ou seja, a área onde o defeito pode ter ocorrido. A segunda categoria das simulações computacionais utiliza informações de tensões nas barras terminais como dados de entrada de redes neurais para detecção de defeitos de abertura ou simultâneos em áreas predefinidas. A detecção dos defeitos ocorreu separadamente para cada fase do sistema, isto é, cada rede neural criada detectava defeitos em uma determinada área de uma determinada fase do sistema utilizado. Os resultados computacionais de ambas as categorias foram bons, mostrando a robustez das estruturas de redes neurais desenvolvidas. Neste trabalho também foram realizadas simulações em tempo real para testes mais realistas das redes neurais. Para isso, utilizou-se o dispositivo dSPACE para modelagem das redes neurais e o RTDS para simulação do sistema de distribuição. Os resultados obtidos também foram bons, confirmando a robustez e mostrando a aplicação prática da técnica empregada |
