Detalhes bibliográficos
| Ano de defesa: |
2004 |
| Autor(a) principal: |
Figueiredo, Pio Antonio de |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://www.teses.usp.br/teses/disponiveis/18/18133/tde-24082016-102537/
|
Resumo: |
O trabalho ressalta a importância do tema Qualidade da Energia (QE) e apresenta alguns dos diversos distúrbios responsáveis pelo seu comprometimento. Tais distúrbios, quando presentes em um dado sistema elétrico, podem causar sérios danos tanto aos equipamentos de medição e controle pertencentes ao fornecedor de energia, como também aos equipamentos mais sensíveis pertencentes aos usuários deste sistema. Os fenômenos mais freqüentes no estudo da QE foram destacados, bem como suas definições. Conhecidos estes fenômenos, implementou-se um algoritmo computacional, utilizando como ferramenta a transformada rápida de Fourier janelada (Windowed Fast Fourier Transform - WFFT) - TRFJ, para identificar e classificar estas perturbações em um dado sistema elétrico de distribuição. Para que o resultado fosse o mais próximo possível de uma situação real, utilizou-se para análise, um sistema elétrico real de distribuição da CPFL (Companhia Paulista de Força e Luz). Sobre o referido sistema elétrico foram simulados casos de afundamentos, elevações e oscilações de tensão, criando assim, um banco de dados para, posteriormente, podermos testar e validar o algoritmo computacional implementado, na identificação destes fenômenos. Este algoritmo permite variarmos tanto o tamanho da janela, quanto a freqüência amostral do sinal. Neste estudo em particular, utilizamos tamanhos de janelas de 1 ciclo e 1/2 ciclo, e freqüência amostral do sinal, de 7,68 kHz (inicialmente utilizada para obtenção do banco de dados), e 0,769 kHz, aproximadamente. Como resultados, obtivemos que o tamanho da janela de dados para esta implementação, não apresentou diferenças significativas na análise, quando comparados com os dados iniciais. Entretanto, observa-se um comportamento contrário com a variação da taxa amostral, ou seja, quanto menor a freqüência amostral empregada, maior a perda de informações importantes em relação ao sinal inicial. |
