5.1 Conclusões Gerais
Neste trabalho foi desenvolvido um método utilizando redes neurais para a detecção de defeitos monofásicos na média tensão envolvendo o solo, com baixa e média impedância de curto-circuito, em sistemas de distribuição.
Foram propostas e analisadas diversas configurações de redes neurais para esta tarefa. Foram utilizadas no desenvolvimento as redes neurais artificiais de reconhecimento de padrões, onde as entradas são grandezas elétricas de tensão e corrente, podendo ser medições fasoriais e/ou não-fasoriais.
O método proposto conseguiu identificar defeitos monofásicos com resistência de arco variando entre 0 a 20 ohms, e para isto foram testadas a utilização de dados de medições em diversos pontos da rede de distribuição.
Também foi realizada uma extensiva avaliação para comparar diferentes características para as redes utilizadas para a detecção, considerando variações nas entradas de dados e arranjos de redes neurais para a detecção de defeitos. Resumindo, foi avaliado o comportamento da uma rede neural quando submetida a apenas entradas não- fasoriais, apenas entradas fasoriais e entradas em componentes de sequências, além de modificações na estrutura da rede como o número de neurônios da camada intermediária. Notou-se, para a detecção do tipo de defeitos e sistema estudados, que medições com base em componentes de sequência utilizadas como dados de entrada auxiliaram consideravelmente na detecção, mas notou-se também que uma alocação otimizada dos pontos de medições não-fasoriais pode melhorar a detecção. Uma questão que permaneceu em aberto é a comparação do aumento da qualidade das medições (aumento de medições fasoriais) x aumento da quantidade de informações (medições não-fasoriais). Considera-se os resultados obtidos interessantes, porém, tem-se a clareza de que muito mais trabalho (mais simulações, mais correlações, mais casos analisados) é necessário para poder generalizar as observações e conclusões aqui obtidas para outros sistemas também.
5.2 Trabalhos Futuros
Pode-se pensar em melhorias para os métodos propostos e além disso, existem análises relativas à detecção de defeitos que podem também ser mais exploradas utilizando o método proposto e estratégias diferenciadas de simulação de redes neurais. Assim, ficam como sugestões para trabalhos futuros:
Comparação do aumento da qualidade das medições (aumento de medições fasoriais) x aumento da quantidade de informações (medições não-fasoriais). Desenvolvimento de redes neurais para detecção de outros tipos de defeitos, como
fase-fase.
Consideração da detecção de defeitos em redes de distribuição na presença de geração distribuída.
Bibliografia
Abdel-Akher, M.; Nor, K. M., 2010 “Fault analysis of multiphase distribution systems using
symmetrical components”, Power Delivery, IEEE Transactions on, v. 25, n. 4, p. 2931–
2939.
Andrade, S. R. C., 2008, “Sistemas de medição fasorial sincronizada”, Belo Horizonte.
Borba, S; Pires, R, 2006, “Vantagens da instalação para as empresas de transmissão e para o
operador nacional do sistema de PMU/SPMS (unidade de medição fasorial/sistemas de medição fasorial sincronizada)”. X Simpósio de Especialistas em Planejamento da
Operação e Expansão Elétrica, Florianópolis, Brasil.
Borges, A. Afonso, 2013, “Redes neurais artificiais (perceptron e adaline)”. Material de Aula - Universidade Federal de Uberlândia.
Bretas, A. S., Salim, K. C., & Salim, R. H. 2012, “Hybrid fault diagnosis formulation for
unbalanced underground distribution feeders”, International Journal of Power and
Energy Systems, 32(1), 12.
Butler, K. L.; Momoh, J. A., 1993, “Detection and classification of line faults on power
distribution systems using neural networks”, Proceedings of the 36th Midwest Symposium on Circuits and Systems, 1993, p. 368–371 vol.1”.
Carvalho Filho, M., Penido, D. R. R., Araujo, L. R., 2015, “A fault analysis algorithm for
unbalanced distribution systems”. Revista IEEE América Latina, v. 13, p. 107-115.
Churchland, P. S. and Sejnowski, T. J., 1992, “The computational brain”, MA: MIT Press.
Eberl, G., Hänninen, S., Lehtonen, M., & Schegner, P., 2000, “Comparison of artificial neural
networks and conventional algorithms in ground fault distance computation”. In Power
Ehrensperger, J. G., 2004, “Sistemas de medição fasorial sincronizada: análise do estado da arte
e aplicações no monitoramento de sistemas de energia elétrica”, Dissertação, Santa
Catarina: Universidade Federal de Santa Catarina.
Fausett, L., 1994, “Fundamentals of neural networks: architectures, algorithms, and
applications”. Englewood Cliffs, Prentice Hall.
Filho, S. M. Et all, 2005, “Sistema de medição fasorial princípios e aplicações”, VIIISTPC- ST21.
Garcia, J. C., Vega Garcia, V., & Kagan, N. 2014, “Detection of high impedance faults in
overhead multi grounded networks”, In Industry Applications (INDUSCON), 2014 11th
IEEE/IAS International Conference on (pp. 1-6). IEEE.
Gomes, H. M., 2012, “Reconhecimento de Padrões e Redes Neurais”.
Haykin, S., 2001, “Redes neurais princípios e prática”, 2º edição, Porto Alegre.
Huang, Y.-C.; Yang, H.-T.; Huang, C.-L., 1997, “A new intelligent hierarchical fault diagnosis
system”, IEEE Transactions on Power Systems, v. 12, n. 1, p. 349–356.
Ledesma, J. J. G., 2012, “Uma metodologia para análise da coordenação e seletividade da
proteção de sistemas de distribuição”, Juiz de Fora: Universidade Federal de Juiz de Fora.
Michalik, M., Rebizant, W., Lee, S. J., & Kang, S. H., 2008, “New ANN-based algorithms for
detecting HIFs in multigrounded MV networks”, Power Delivery, IEEE Transactions
on, 23(1), 58-66
Mynan, M. V., Harikrishna A., Singh V., 2011, “Sincrofasores redefinindo os sistemas SCADA”.
Nikoofekr, I., Sarlak, M., & Shahrtash, S., 2013, “Detection and classification of high impedance
faults in power distribution networks using ART neural networks”, In Electrical
Ou, T. C., 2013, “Ground fault current analysis with a direct building algorithm for microgrid
distribution”, International Journal of Electrical Power & Energy Systems, 53, 867-875.
Penido, D. R. R., Araujo, L. R., Carneiro JR, S., Pereira, J. L. R., 2013, “A new tool for multiphase
electrical systems analysis based on current injection method”, International Journal of
Electrical Power & Energy Systems, v. 44, p. 410-420.
Penido, D. R. R., Araujo, L. R., Carvalho Filho, M., 2015 “An Enhanced Tool for Fault Analysis
in Multiphase Electrical Systems” International Journal of Electrical Power & Energy
Systems, Volume 75, Pages 215–225.
PRODIST 8, 2010 - Agência Nacional de Energia Elétrica – ANEEL, “Procedimentos de
distribuição de energia elétrica no sistema elétrico nacional – PRODIST: qualidade da energia elétrica, procedimento (módulo 8)”. Brasília, DF. Disponível http://www.aneel.gov.br/arquivos/PDF/Modulo8_Revisao_5.pdf. Acesso em: 15 Maio 2015.
Riani, L. M., 2008 “Análise de defeitos em coordenadas de fase utilizando modelagem a quatro
condutores e fluxo de potência continuado”, Juiz de Fora: Universidade Federal de Juiz
de Fora.
Rosenblatt, F., 1958, “The Perceptron: A probalistic model for information storage and
organization in the brain”. Psychol. Ver., 65:386-408.
Salim, R. H., De Oliveira, K. R. C., Filomena, A. D., Resener, M., & Bretas, A. S., 2008, “Hybrid
fault diagnosis scheme implementation for power distribution systems automation”, Power Delivery, IEEE Transactions on, 23(4), 1846-1856.
Sarlak, M., & Shahrtash, S., 2011, “High impedance fault detection using combination of multi-
layer perceptron neural networks based on multi-resolution morphological gradient features of current waveform”, Generation, Transmission & Distribution, IET, 5(5), 588-
595.
Souza, J. A., 1999, “Reconhecimento de padrões usando indexação recursiva”, Florianópolis.
Souza, M. de S., 2003, “Análise trifásica de defeitos utilizando-se fluxo de potência continuado
baseado no método de injeção de correntes trifásico – MICT”, Juiz de Fora: Universidade
Federal de Juiz de Fora.
Todesco, J.L, 1995, “Reconhecimento de Padrões usando uma rede neuronal artificial com uma
função de base radial: uma aplicação na classificação de cromossomos humanos". Tese
apresentada ao Programa de Pós-Graduação em Engenharia de Produção da Universidade Federal de Santa Catarina para obtenção do Título de Doutor em Engenharia, Florianópolis.
Von Zuben, F. J, Castro, L. N., 2003, “RNAs, Classificação de Padrões e Motivação
Geométrica", Notas de aula da disciplina Redes Neurais, Faculdade de Engenharia
Elétrica e Engenharia Computação da Unicamp, Campinas-SP, 2003.
Warren, C. A., 1996, “Distribution reliability: what is it?”, IEEE Industry Applications Magazine, Piscataway .
Yan, X. Q., Xu, Z. Y., Wen, A.; Yang, Q. X., 2012, “Fault analysis principle for twelve-phase