Localização de faltas em redes de distribuição de energia elétrica: uma metodologia utilizando redes neurais artificiais aliada a dados de reclamação de clientes de uma concessionária

• Ano de defesa: 2018
• Autor(a) principal: Souza, Fabrício Augusto de
• Orientador(a): Castoldi, Marcelo Favoretto
• Banca de defesa: Castoldi, Marcelo Favoretto , Silva, Murilo da , Mathias Neto, Waldemar Pereira , Souza, Silvio Aparecido de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Cornelio Procopio
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• País: Brasil
• Palavras-chave em Português: Falhas de energia elétrica; Redes neurais (Computação); Energia elétrica - Distribuição; Electric power failures; Neural networks (Computer science); Electric power distribution
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/4543

A regulamentação do setor elétrico ocorrido nas últimas décadas, aliado com o aumento do nível de informação dos consumidores do setor, tem exigido das concessionárias de distribuição de energia elétrica maior eficiência de seus sistemas e maiores níveis de qualidade no fornecimento de energia a seus clientes. Desta forma, aspectos relacionados à duração das interrupções no fornecimento de energia se tornaram prioritários para as concessionárias. Neste cenário, com o intuito de melhorar a eficiência na localização de faltas em áreas rurais a partir de dados de corrente e tensão da saída do alimentador que ocorreu a falta, utilizando Redes Neurais Artificiais, aliado às informações referentes a chamadas de reclamações de clientes da região atingida. A metodologia desenvolvida se deu por meio de simulações no software ATPDraw, para geração dos dados de entrada das Redes Neurais Artificiais, desenvolvidas no software Matlab® em duas etapas, sendo a primeira responsável pela classificação das faltas e a segunda pela sua localização no alimentador do sistema de distribuição simulado. A utilização de dois tipos de Redes Neurais Artificiais, a Perceptron Multicamadas e os Mapas de Kohonen, uma para cada etapa, garantem um diferencial para a técnica. Os resultados apresentados apontam o potencial da metodologia proposta.