Abstract— The main purpose of this paper is to present architecture of automated system that allows monitoring and tracking in real time (online) the possible occurrence of faults and electromagnetic transients observed in primary power distribution networks. Through the interconnection of this automated system to the utility operation center, it will be possible to provide an efficient tool that will assist in decision-making by the Operation Center. In short, the desired purpose aims to have all tools necessary to identify, almost instantaneously, the occurrence of faults and transient disturbances in the primary power distribution system, as well as to determine its respective origin and probable location. The compilations of results from the application of this automated system show that the developed techniques provide accurate results, identifying and locating several occurrences of faults observed in the distribution system.
Keywords— Fault Detection, Intelligent Systems, Fault Location, Expert Systems, Power System Protection.
I. INTRODUÇÃO
DETECÇÃO, a classificação e a localização de faltas em sistemas de energia elétrica constituíram-se, ao longo dos anos, em metas almejadas por diversos setores do sistema elétrico de potência, tais como o setor de transmissão e o segmento de distribuição de energia elétrica. Assim, em função da declarada demanda por sistemas automáticos capazes de detectarem, classificarem e localizarem faltas em sistemas de energia elétrica, observa-se junto à literatura correlata proposições de trabalhos que fazem uso das mais distintas ferramentas, nas mais variadas conjunções, com o intuito de contribuírem à concretização das bases envolvidas com o trinômio detecção-classificação-localização de faltas.
Em [1], por exemplo, os autores propõem o emprego de algoritmos computacionais baseados na análise da hexa-decomposição dos fasores de tensão e de corrente do sistema elétrico sob falta com o objetivo de determinar sua localização, ou seja, determinar o quão distante da fonte a falta ocorreu. Essa metodologia inicialmente foi proposta para elaboração de algoritmos específicos à proteção de sistemas de
L. Zamboni, Bandeirante Energia S/A, São Paulo, SP, Brasil, lucca.zamboni@edpbr.com.br
I. N. da Silva, Universidade de São Paulo, São Carlos, SP, Brasil, insilva@sc.usp.br
R. A. S. Fernandes, Universidade de São Paulo, São Carlos, SP, Brasil, ricardo.asf@gmail.com
L. N. Soares, Espírito Santo Centrais Elétricas S/A, Serra, ES, Brasil, leandrosoares@edpbr.com.br
energia elétrica, conforme delineado em [2]. No entanto, de acordo com o apresentado nas discussões de [1], a grande limitação da abordagem proposta é a necessidade de se efetuar medição em pelo menos dois pontos do sistema, ou seja, essa metodologia torna-se mais adequada à localização de faltas em sistemas de transmissão de energia elétrica do que em sistemas de distribuição.
Contornando o inconveniente da obrigação de se efetuar medições das tensões e correntes trifásicas em pelo menos dois pontos do sistema de energia elétrica, em [3] delineia-se uma proposição para a identificação de faltas empregando-se apenas um conjunto de medições. Assim, de posse desse conjunto e de suas correspondentes decomposições em componentes simétricas, a abordagem proposta estrutura a matriz de impedância do sistema e, por meio de sua dinâmica temporal, sugere-se que o trecho sob falta possa ser determinado. A fim de validar a abordagem desenvolvida, estudos de caso são conduzidos e os resultados providos pela metodologia são comparados com aqueles que de fato denotam a realidade das faltas simuladas. Porém, apesar da correta identificação das faltas em grande parte dos casos, os autores pontuam que a eficiência da técnica está condicionada à precisão das impedâncias da linha de distribuição. Dessa forma, as simples e constantes variações de carga e de temperatura ambiente, por exemplo, seriam capazes de comprometer a eficiência da abordagem desenvolvida. Constata-se assim, que essas metodologias, tais como a destacada em [3], não possuem robustez frente à dinâmica não linear de um sistema elétrico de potência, o que podem gerar falsos alarmes ou inoperância sob certas condições.
Uma forma de contornar as limitações de técnicas determinísticas como aquela destacada em [3], é incorporar ao sistema proposto redundâncias de informações. Tendo como base essa constatação, a qual é herdada de outros ramos do conhecimento, os autores do trabalho apresentado em [4] procuraram não apenas valer-se de impedâncias calculadas a partir da topologia física da rede, mas também de seus valores obtidos por meio das medidas de tensão e de corrente constantemente oscilografados na subestação origem do alimentador sob monitoramento. No referido trabalho, resultados de simulações computacionais são destacados e a qualidade dos resultados são superiores àqueles obtidos por técnicas convencionais. Porém, limitações quanto à localização de faltas em sistemas de distribuição de energia elétrica com correntes desbalanceadas são pontuadas, podendo-se o erro de estimação ser de até 25%.
L. Zamboni, I. N. da Silva, Member, IEEE, L. N. Soares and R. A. S. Fernandes, Member, IEEE
Fault Detection in Power Distribution Systems
Using Automated Integration of Computational
Intelligence Tools
Contornando as limitações das técnicas convencionais, os sistemas inteligentes surgem como uma nova proposta à tratabilidade de problemas cujas soluções são intrinsecamente complexas. Esse é o caso da detecção, classificação e localização de faltas de sistemas de distribuição de energia elétrica onde, em virtude do número e da não-linearidade das variáveis envolvidas, a precisão, a robustez e a eficácia de um sistema dedicado a essas finalidades podem ser profundamente afetadas quando constituído unicamente por ferramentas ditas convencionais.
Um exemplo dessa nova tendência é o trabalho apresentado em [5], onde técnicas correlatas aos espaços esparsos e algoritmos genéticos são combinadas de maneira a constituir um sistema capaz de localizar faltas em sistemas de energia elétrica. Assim, o referido trabalho buscou contornar a problemática do mau condicionamento das matrizes de admitância do sistema por meio de técnicas convencionais, sendo que o problema da localização de faltas é realizado por meio dos algoritmos genéticos, os quais possuem eficiência comprovada quando da busca por soluções ótimas.
Outro exemplo de convergência de técnicas convencionais e de sistemas inteligentes é o trabalho destacado em [6]. O objetivo de seu desenvolvimento fora a classificação de faltas em sistemas de energia elétrica por meio de análise multi-nível fornecida pela decomposição wavelet das formas de onda de tensão e de corrente. Esse tipo de análise reconhecidamente fornece informações sobre distúrbios em sistemas elétricos de potência e possui ampla aplicabilidade no contexto da qualidade de energia inclusive. No entanto, a análise dos resultados oriundos dessa ferramenta para processamento de sinais não se procede de forma natural e é necessária grande experiência para que as conclusões alcançadas sejam factíveis aos fatos reais. Por outro lado, os sistemas de inferência fuzzy possuem a meta de emularem a forma aproximada do raciocínio humano.
Complementando o exposto acima, o mesmo autor de [6], apresenta em [7], como se pode implementar, por meio das ferramentas de processamento de sinais empregados e por meio dos sistemas fuzzy, um método para classificação de faltas em sistemas de distribuição de energia elétrica com habilidades para distinguir faltas reais de manobras programadas no sistema, como por exemplo, a energização de transformadores. Além dos algoritmos genéticos e dos sistemas de inferência fuzzy, outra ferramenta advinda da inteligência computacional são as redes neurais artificiais. Como exemplo da aplicação das redes neurais no contexto da localização de faltas em sistemas de distribuição, destaca-se o trabalho relatado em [8], aonde os autores conduzem sua pesquisa empregando decomposições vetoriais das formas de onda de tensão e de corrente e redes neurais artificiais para a determinação do local de ocorrência da falta no referido sistema.
No entanto, mesmo diante do emprego de sistemas inteligentes, os resultados comprobatórios podem não possuir todos os requisitos almejados, ou ainda, tais resultados são dignos de melhorias. Tendo tais aspectos como premissa, é
cada vez mais comum o desenvolvimento de sistemas para a detecção, classificação e localização de faltas que fazem uso não de apenas um sistema especialista, mas sim de vários desses sistemas dispostos de maneira ordenada. Esse é o caso da abordagem proposta recentemente em [9]. Nesse artigo, os autores empregam redes neurais artificiais dispostas em paralelo, cada qual sendo responsável por indicar qual fora o tipo de falta e sua provável localização.
Paralelamente, a integração e a comunicação de sistemas voltados à operação de um sistema elétrico de potência é uma tônica mundial desde meados dos anos 70, conforme historicamente relatado em [10]. É certo, porém, que nesses mais de 30 anos de evolução dos sistemas de controle e monitoramento muitos conceitos foram criados, bem como novas alternativas para redução de custos com tais sistemas foram implementadas, conforme destacado em [11].
Acompanhando as tendências para um moderno sistema de supervisão e controle da distribuição, este artigo apresenta uma arquitetura de sistema integrado para identificação e localização de faltas que pode auxiliar os operadores do sistema de distribuição a tomarem decisões acertadas, contribuindo-se assim para a elevação dos índices de desempenho e, conseqüentemente, para o aumento do nível de satisfação de seus clientes.
II. SISTEMA AUTOMATIZADO PARA IDENTIFICAÇÃO E LOCALIZAÇÃO DE FALTAS
O desenvolvimento de todo o sistema automatizado pode ser dividido em diversos objetivos. Assim, por meio da Fig. 1, tem-se a ilustração, de forma esquemática, da modularização do sistema de identificação e localização de faltas proposto. Conforme se pode observar o sistema é composto pelo módulo de aquisição de dados, módulo de pré-processamento, módulo de identificação de transitórios, sistema de identificação das fases participantes da falta, sistema classificador de faltas e pelo sistema localizador de faltas. Resumidamente, esse sistema opera fazendo-se uso dos dados aquisitados do sistema de distribuição. Em princípio, esses dados são constituídos pelas três tensões de fase e pelas três correntes de linha. Considerando-se que o emprego de TC não é comum na medição da corrente de terra, essa grandeza é calculada tendo como resultado a corrente residual dos transformadores de corrente de fase.
O módulo de aquisição de dados tem por funcionalidade a adequação dos níveis de tensão e de corrente do sistema de distribuição de maneira que os mesmos possam ser digitalizados e aquisitados. Esses dados digitalizados são, por sua vez, processados e seus principais parâmetros são determinados por meio do módulo de pré-processamento. Fazendo-se uso desses parâmetros, o módulo de identificação de transitórios detecta quando um distúrbio se inicia e, em virtude de sua identificação, classifica o mesmo como sendo advindo de alterações de carga no sistema de distribuição ou proveniente de uma condição de falta. A identificação de uma condição de falta, por sua vez, desencadeia a operação do sistema de identificação das fases participantes da falta. Por
fim, tendo como dados as fases que participaram da falta, o sistema classificador de faltas informa qual o tipo de falta que tem sido identificado, ao passo que o sistema localizador de falta indica o local onde a mesma ocorreu.
Figura 1. Representação esquemática do sistema de identificação e localização de faltas.
A principal funcionalidade do módulo de pré-processamento é de agrupar ou compactar os dados de formas de onda a fim de que a quantidade excessiva de dados, advindos desses sinais, possa ser representado por um menor número de parâmetros.
O módulo de identificação de transitórios permite identificar a existência de transitórios de corrente e tensão em sistemas de distribuição, independentemente de sua origem. Esse resultado dará seguimento ao processo de identificação das fases participantes e de sua respectiva classificação.
De forma mais específica, a representação esquemática
mostrada na Fig. 1 pode ser complementada pelo diagrama de blocos apresentado na Fig. 2, em que se observam as etapas destinadas à identificação de faltas, discriminação de fases participantes e estimação da distância e da resistência de falta.
Oscilografias:
Tensão & Correntes Pré-processador
Sistema identificador de falta
FT Shunt
FT Shunt FT SérieFT Série FFFF FFTFFT 3F3F
Distância Distância Resistência Resistência Distância Distância Resistência Resistência Distância
Distância DistânciaDistância
Resistência Resistência
Distância Distância
Sistema de gerenciamento de informações Figura 2. Diagrama esquemático do sistema identificador de faltas.
Por intermédio desse diagrama esquemático é possível observar que, diante da identificação da ocorrência de uma falta, tem-se a conseqüente determinação do tipo de falta identificada. A identificação do tipo de falta recebe grande importância, uma vez que essa característica determinará a forma pela qual os dados do distúrbio serão processados com o objetivo de se determinar as fases participantes da falta, assim como de se proceder com a estimação da distância de ocorrência e da resistência de falta.
A Fig. 3 apresenta a arquitetura do sistema para determinação do tipo de falta identificada. A operação deste sistema atribui, para cada tipo de falta, um índice de probabilidade o qual, se próximo à unidade, indica uma forte tendência do distúrbio estar associado a esse tipo de falta. Se, por outro lado, esse índice estiver próximo de ser nulo, o oposto se aplica. Assim, o módulo de classificação de falta informa o tipo de falta tendo como base o maior índice de probabilidade calculado, em que o rótulo FFF refere-se às faltas trifásicas, DLF às faltas fase, FFT às faltas fase-fase-terra, FFP às faltas fase-terra paralela e FFS às faltas fase-terra série.
=
=
=
=
=
=
=
=
=
=
max Classificação de faltasFFF
DLF
FFT
FFP
FFS
FFF
DLF
FFT
FFP
FFS
Figura 3. Diagrama esquemático para o sistema de identificação da tipologia da falta. Aquisição de dados Pré- Processamento Identificação de transitórios Condição Normal Transitório Condição
de falta Alteração de carga
Sistema de identificação das fases participantes da falta Fase A Fase B Fase C Terra
Sistema classificador de faltas
Conjunto de informações de saída
Uma vez identificada o tipo de falta, tem-se a necessidade de se identificar as fases participantes da falta. Para as faltas do tipo DLF e FFT, o sistema da Fig. 4 é empregado.
Figura 4. Diagrama esquemático para discriminação das fases participantes para faltas do tipo DLF e FFT.
Já para as faltas do tipo FFP e FFS, o diagrama representado na Fig. 5 passa a ser então válido.
Figura 5. Diagrama esquemático para discriminação das fases participantes para faltas do tipo FFP e FFS.
Tanto a identificação do tipo de falta como o processo de discriminação das fases participantes da falta fez uso de dados advindos da técnica de decomposição em componentes ortogonais [12,13]. O número de componentes empregadas em cada uma dessas tarefas fora igual a cinco. Além disso, recebendo como entradas tais componentes, tem-se redes neurais artificiais do tipo perceptron multicamadas, as quais foram treinadas por meio de conjuntos de amostras compostos, para cada tipo de falta, por um total de 18 mil situações de faltas simuladas computacionalmente.
III. SUPERVISÓRIO DO SISTEMA DE AQUISIÇÃO DE DADOS
A aquisição de sinais de tensões e de correntes referentes a um sistema de energia elétrica, assim como um sistema de distribuição de energia elétrica, faz uso não apenas de hardware específico como também de softwares que sejam hábeis na identificação dos fenômenos que se deseja monitorar. Assim, a necessidade de se identificar distúrbios advindos de uma possível condição faltosa, no alimentador monitorado, torna-se requisito primeiro para o software que estará controlando o hardware. Além de ser capaz de
identificar a ocorrência de distúrbios, o software deve ser munido de funcionalidades para o correto armazenamento dos sinais aquisitados, visando os seguintes processamentos:
Identificar se o distúrbio oscilografado é decorrente de uma condição faltosa;
Classificar o tipo de falta que ocorrera; Discriminar as fases participantes da falta; Estimar a distância de ocorrência da falta;
Estimar a resistência de falta com o intuito de se pontuar os possíveis eventos desencadeadores da mesma;
Eleger e ponderar os possíveis ramais onde a falta fora verificada.
Assim, o software confeccionado para supervisionar os sinais aquisitados pelo hardware fora implementado sobre a plataforma LabView, a qual é reconhecidamente específica para se desempenhar tarefas como aquelas que são pertinentes ao projeto em questão. A referida implementação contempla de maneira unificada tanto a identificação de distúrbios como também a supervisão do arquivamento das oscilografias realizadas.
A identificação dos distúrbios é realizada tendo como base os valores instantâneos das correntes, bem como os valores instantâneos da corrente de seqüência zero e da tensão de mesma seqüência. Conseqüentemente, se os referidos sinais ultrapassarem os limiares pré-determinados o software identificará o fato como um distúrbio, decorrendo então no arquivamento dos sinais aquisitados.
Nessa primeira versão do sistema, uma taxa de aquisição de 96 amostras por ciclo, ou seja, um total de 5.760 amostras por segundo está sendo empregada; porém, caso seja necessário, o sistema desenvolvido poderá chegar até 30.720 amostras por segundo, equivalentemente a 512 amostras por ciclo. Ainda, o sistema considera, quando do armazenamento dos sinais aquisitados, um tempo de 5 ciclos para o pré-distúrbio, gravando-se um tempo total que perfaz um segundo.
Com o objetivo de ilustrar algumas das interfaces homem/máquina do supervisório desenvolvido, a Fig. 6 é apresentada. Na seqüência, por meio da Fig. 7, o módulo de verificação de registros realizados é igualmente retratado.
Figura 6. Interface do sistema supervisório de ocorrência de distúrbios elétricos em alimentadores de sistemas de distribuição de energia elétrica.
=
=
=
=
=
=
max Discriminação de fasesA
B
C
A
B
C
=
=
=
=
=
=
max Discriminação de fasesAB
BC
CA
AB
BC
CA
Figura 7. Interface do sistema de visualização de eventos oscilografados.
IV. RESULTADOS DE SIMULAÇÕES REFERENTES AO SISTEMA DE IDENTIFICAÇÃO E LOCALIZAÇÃO DE
FALTAS
Os conjuntos de simulações computacionais empregados no desenvolvimento desta pesquisa foram compostos, cada um, por um universo de 18 mil simulações. A Fig. 8 apresenta o histograma da distribuição percentual do número de simulações em função da distância.
Figura 8. Histograma da distribuição percentual do número de simulações em função da distância.
O histograma da Fig. 8, além de apresentar a distribuição percentual do número de simulações em função da distância, permite também inferir que o número de barras a uma distância igual ou inferior a um quilômetro é o de maior monta. Além disso, a concentração de barras a uma distância entre 5 e 10 quilômetros recebe destaque para esse alimentador em específico.
A Seção II ressaltou a importância de se ter a discriminação da fase participante da falta como processo adicional. Essa importância pode ser justificada por meio do gráfico apresentado na Fig. 9. Nessa figura se tem o histograma do erro para estimação da distância de ocorrência da falta, desconsiderando-se para tanto as fases envolvidas.
Por meio do gráfico da Fig. 9, pode-se então verificar que o erro de estimação da distância, desconsiderando-se a fase participante da falta, tem (nessas condições) concentração dentro do intervalo de -10% a 10%.
Figura 9. Histograma do erro para estimação da distância desconsiderando-se as fases participantes da falta.
Considerando-se agora a informação da fase participante da falta, o comportamento do erro se modifica e se mostra mais apropriado aos propósitos do projeto. Esse aspecto é evidenciado na Fig. 10, onde se destaca o comportamento do erro considerando-se as faltas onde a Fase A se fez participante. Observa-se aqui que o erro na estimação da distância fica bem mais precisos que os casos da Fig. 9.
Figura 10. Histograma do erro para estimação da distância para faltas envolvendo a Fase A.
Para todas as outras fases, os resultados produzidos pelo sistema automatizado de identificação e localização de falta também foram similares àqueles apresentados na Fig. 10.
V. CONCLUSÕES
Neste artigo foi apresentado um esquema baseado na utilização de sistemas inteligentes para identificação e localização eficiente de faltas em sistemas de distribuição, levando-se em consideração as tensões de fase e correntes de linha observadas na subestação.
A arquitetura proposta foi elaborada de maneira modular a fim de conferir um maior índice de redundância aos processos de identificação e localização de faltas. O encadeamento das tarefas de identificação de transitórios com a tarefa de discriminação dos mesmos e, por fim, com a tarefa de identificação das fases participantes da falta confere uma
maior robustez ao sistema como um todo.
Além de uma arquitetura modular e robusta sob o ponto de vista da ocorrência de falhas, o sistema inteligente para identificação de faltas foi implementado fazendo-se uso de ferramentas, comprovadamente eficientes, dedicadas à realização do pré-processamento dos sinais de tensão e de corrente amostrados na subestação. Essas ferramentas operam sobre os referidos sinais de maneira a lhes extrair características que particularizem e diferenciem condições de faltas das demais condições normais de operação.
Assim, a eficiência dessas ferramentas de pré-processamento, baseadas na técnica de decomposição por componentes ortogonais, conferem ao sistema uma robustez e precisão tanto no que se refere à identificação de faltas fase-ferra, bem como para a determinação da fase participante da mesma. As respostas obtidas permitiram verificar o quão correlacionadas as componentes ortogonais podem estar com a execução de ambas as tarefas.
Os resultados finais derivados da aplicação do sistema proposto foram plenamente satisfatórios, sendo os mesmos testados e validados tanto por meio de dados advindos de simulações como também aqueles obtidos de oscilografias de faltas realizadas na subestação.
REFERÊNCIAS
[1] F. Chunju, C. Huarong and Y. Weiyong, “Application of six-sequence fault components in fault location for joint parallel transmission line,” Tsinghu Science and Technology, vol. 10, no. 2, pp. 247-253, 2005. [2] G. Yaozhong, New Types of Protective Relaying and Fault Location –
Theory and Technique, Xi'an Jiao Tong University Press, 1996. [3] W. N. Mahmood, R. N. Mukerjee and V. K. Ramachandaramurthy,
“Fault point identification in a power network using single-point measurement,” Proceedings of the IEEE TENCON Conference, pp. 381-384, 2004.
[4] M. S. Choi, S. J. Lee and D. S. Lee, “A new fault location algorithm using direct circuit analysis for distribution systems,” IEEE Transactions on Power Delivery, vol. 19, no. 1, pp. 35-41, 2004.
[5] S. Luo, M. Kezunovic and D. R. Sevick, “Locating faults in the transmission network using field measurements, simulation data and genetic algorithm,” Electric Power Systems Research, vol. 71, pp. 169-177, 2004.
[6] O. A. S. Youssef, “Combined fuzzy-logic wavelet-based fault classification technique for power system relaying,” IEEE Transactions on Power Delivery, vol. 19, no. 2, pp. 582-589, 2004.
[7] O. A. S. Youssef, “Applications of fuzzy-logic-wavelet-based techniques for transformers inrush currents identification and power system faults classification,” Proceedings of the IEEE PES Power Systems Conference and Exposition, pp. 553-559, 2004.
[8] L. S. Martins, J. F. Martins, V. Fernão Pires and C. M. Alegria, “A neural space vector fault location for parallel doublé-circuit distribution lines,” Electrical Power & Energy Systems, vol. 27, 225-231, 2005. [9] R. N. Mahanty and P. B. D. Gupta, “Application of RBF neural network
to fault classification and location in transmission lines,” IEE Proceedings on Generation, Transmission and Distribution, vol. 151, no. 2, pp. 201-212, 2004.
[10] J. Zaborzsky, K. Whang and K. Prasad, “Fast contingency evaluation using concentric relaxation,” IEEE Transactions on Power Apparatus and Systems, vol. PAS-99, no. 1, pp. 28-36, 1980.
[11] K. Tomsovic, D. E. Bakken, V. Venkatasubramanian and A. Bose, "Designing the next generation of real-time control, communication, and computations for large power systems," Proceedings of the IEEE (Special Issue on Energy Infrastructure Systems), vol. 93, no. 5, pp. 965-979, 2005.
[12] R. A. Flauzino e I. N. Silva, “Uma abordagem baseada na técnica de decomposição em componentes ortogonais e sistemas de inferência fuzzy para localização de faltas de alta-impedância em sistemas de distribuição de energia elétrica,” Anais do VIII Simpósio Brasileiro de Automação Inteligente, pp. 1-6, 2007.
[13] R. A. Flauzino, Identificação e Localização de Faltas de Alta Impedância em Sistemas de Distribuição Baseadas em Decomposição por Componentes Ortogonais e Inferência Fuzzy, Tese de Doutorado, Universidade de São Paulo (USP), Escola de Engenharia de São Carlos, Brasil, 2007.
Lucca Zamboni possui graduação (2003) e mestrado (2007) em Engenharia Elétrica pela Universidade Presbiteriana Mackenzie. Atualmente, está cursando Doutorado em Engenharia Elétrica pela EESC/USP, desempenhando também a função de Gerente do Programa de P&D da Bandeirante Energia S/A. Suas atividades de pesquisa incluem as áreas de distribuição de energia e aplicações de inteligência artificial em sistemas elétricos de potência.
Ivan Nunes da Silva possui graduação em Engenharia Elétrica e em Ciência da Computação, ambos pela Universidade Federal de Uberlândia. Recebeu os títulos de mestre e doutor em Engenharia Elétrica pela UNICAMP, em 1995 e 1997, respectivamente. Atualmente, ele é professor associado junto ao Departamento de Engenharia Elétrica da EESC/USP. Suas pesquisas incluem as áreas de sistemas inteligentes e proteção de sistemas elétricos de potência.
Leandro Nascimento Soares possui graduação em Engenharia Elétrica pela UNIEST. Atualmente, ele é Engenheiro Eletricista junto à área de Estudos de Proteção da EDP-ESCELSA, estando também cursando Pós-Graduação em Sistemas Elétricos de Potência. Suas atividades de pesquisa incluem as áreas de proteção de sistemas elétricos de potência, distribuição de energia elétrica e automatização de processos.
Ricardo Augusto Souza Fernandes possui graduação em Engenharia Elétrica pela Fundação Educacional de Barretos. Obteve o título de mestre pela Escola de Engenharia de São Carlos (EESC/USP), em 2009. Atualmente, realiza pesquisa para obtenção do título de doutor em Engenharia Elétrica pela EESC/USP. Suas atividades de pesquisa incluem a aplicação de sistemas inteligentes em estudos relacionados aos sistemas elétricos de potência.
