Monitoramento em tempo real da estabilidade de tensão usando redes neurais artificiais.

• Ano de defesa: 2018
• Autor(a) principal: Paz Salazar, Pablo Daniel
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial neural network; Continuation power flow; Estabilidade de sistemas; Online monitoring; Redes neurais; Sistemas elétricos de potência; Voltage stability
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3143/tde-24092018-073910/

Nos dias atuais, há muitos casos em que sistemas de potência estão operando perto dos seus limites de estabilidade devido a restrições econômicas e leis ambientais. A estabilidade de tensão é uma matéria de muita pesquisa e interesse devido a que é considerado como uma das maiores ameaças na segurança dos sistemas. Uma prevenção exitosa de colapso do sistema baseia-se na precisão do método, a simplicidade dos índices, e muito baixo tempo de computação. Este trabalho apresenta uma rede Perceptron Multicamada (PMC) como proposta para monitoramento em tempo real da estabilidade de tensão de sistemas de potência usando como principais dados de entrada medidas obtidas do sistema SCADA. Os dados de treinamento são obtidos com cálculos de fluxo de potência continuado. A rede Perceptron Multicamadas é apresentada como um aproximador universal de funções, que diminui o tempo computacional dos métodos convencionais como o fluxo de potência continuado. Por fim, a topologia da rede PMC proposta é avaliada com o sistema de 30 barras do IEEE, e os resultados em relação ao tempo de computação e precisão são comparados com o método de fluxo de potência continuado.