Estimação das parcelas de contribuição de cargas não lineares na distorção harmônica de tensão de um barramento de interesse do sistema elétrico de potência utilizando rede neural artificial

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: MANITO, Allan Rodrigo Arrifano lattes
Orientador(a): BEZERRA, Ubiratan Holanda lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Pará
Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
Departamento: Instituto de Tecnologia
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: http://repositorio.ufpa.br/jspui/handle/2011/12042
Resumo: Apresenta-se neste trabalho uma metodologia para estimar a contribuição de cargas não lineares na distorção harmônica de tensão de um barramento de interesse do sistema elétrico de potência. A estimação é realizada através da construção de um modelo com base em redes neurais artificiais (RNA) juntamente com uma análise de sensibilidade nos neurônios de entrada da rede neural. A entrada do modelo neural é constituída pelas correntes harmônicas provenientes das cargas não lineares que compõem o sistema estudado, e a saída da RNA corresponde aos valores de tensão harmônica no barramento sob estudo, para a mesma frequência harmônica. O estudo é realizado para cada ordem harmônica individualmente e os dados necessários para a construção do modelo bem como para validação dos resultados são obtidos a partir de campanhas de medição sincronizadas e por meio de simulação computacional, através de estudos de fluxo de carga harmônico. A partir de comparações dos resultados de referência via simulação computacional com os resultados obtidos via modelo neural, é observado que a metodologia desenvolvida é capaz de classificar corretamente o grau de impacto de cargas não lineares na distorção de tensão em uma barra de interesse do sistema elétrico. Adicionalmente, é demonstrada a eficácia da metodologia em dois sistemas reais a fim de verificar o bom desempenho desta metodologia diante de dados reais obtidos durante campanhas de medição.