SlideShare uma empresa Scribd logo
Universidade Federal de Santa Catarina
EEL7890 - Projeto Final de Curso em Engenharia Elétrica




             José Felipe Dalcin Stieven
   Orientação: Prof.ª Jacqueline Gisele Rolim
Estrutura da
            Apresentação
 Objetivos      
 Descrição do Problema
 Metodologia de Trabalho
 Desenvolvimento
 Exemplo de aplicação
 Conclusões e sugestões para trabalhos futuros




                                                  2
Objetivos
                        
 Desenvolver uma nova metodologia para localização
  de faltas em redes de distribuição rural;
 Oferecer uma solução que potencialize as técnicas já
  praticadas;
 Viabilidade técnica e econômica;
 Reduzir o tempo gasto pelas equipes de manutenção
  na procura pela falta.



                                                         3
Descrição do problema
                        
 Quando ocorre uma falta na rede elétrica, vários
  consumidores no campo ficam sem energia;
 A falta é um fenômeno aleatório;
 A extensão das linhas é da ordem de dezenas de
  quilômetros;
 A equipe de manutenção realiza longas buscas pela
  rede até encontrar o defeito.



                                                      4
Metodologia de trabalho
                        
 Levantamento das características que particularizam
  a Rede de Distribuição Rural (RDR);
 Reproduzir essas características através de modelo
  computacional;
 Simular faltas de diferentes tipos;
 Desenvolver um método capaz de indicar a distância
  à falta com informações da corrente elétrica;
 Propor uma nova metodologia para localização de
  faltas em RDRs;
 Avaliar o desempenho da metodologia proposta;
                                                        5
Características da RDR
 Não-homogeneidade entre os
  condutores utilizados no
                                   
  alimentador principal e nos
  ramais;
 As linhas trifásicas não são
  transpostas;
 Os ramais monofásicos causam
  considerável desequilíbrio de
  carga no sistema;
 As correntes de desequilíbrio
  retornam pelo sistema de
  aterramento;
 Fornecimento de energia a
  residências rurais;
 Baixos níveis de curtos-circuitos.


                                       6
Características da RDR
         




                         7
Esquemático do modelo computacional   8
Causas de falta no meio
                    rural
                       
 Árvores próximas a rede elétrica;
 Ação de fenômenos meteorológicos;
 Defeito em isoladores;
 Queimadas acidentais ou propositais nas
  proximidades da rede elétrica;
 Contato acidental entre veículos de grande porte
  com os condutores de energia;
 Outros acidentes.


                                                     9
Causas de falta no meio
        rural
          




                          10
Simulação de faltas
                        
 O modelo computacional e as simulações de faltas
  foram feitos no software ATP;
 As faltas são aplicadas em diferentes posições do
  sistema teste;
 Ocorrências de faltas monofásicas com diferentes
  resistências de falta;




                                                      11
Simulação de faltas
        




                      12
Simulação de faltas
        




                      13
O problema das
múltiplas possibilidades
                         
 Faltas ocorridas em diferentes ramais podem ter as
  mesmas características para observações feitas na
  subestação de energia;
 Nesses casos, não é possível identificar, a priori, qual
  foi o ramal afetado;
 O problema é intrínseco a todos os sistemas de
  distribuição onde só a subestação contém
  equipamentos automatizados.


                                                             14
Mapear a relação
           entrada-saída
                        
 A resposta do sistema a diferentes ocorrências de
  falta é complexa, pois é influenciada por vários
  fatores;
 Os métodos analíticos disponíveis para indicar a
  localização das faltas são complexos e apresentam
  limitações;
 Trabalhos recentes mostraram que as Redes Neurais
  Artificiais (RNAs) são uma alternativa interessante
  aos métodos analíticos.

                                                        15
Redes Neurais
       Artificiais (RNAs)
                       
 A forma como o cérebro humano processa as
  informações é totalmente diferente de como um
  computador digital faz;
 A grande capacidade de processamento de
  informações do cérebro humano tem motivado
  diversas pesquisas;
 Os pesquisadores McCullogh e Pitts propuseram em
  seu trabalho o modelo matemático de um neurônio
  artificial.

                                                     16
Redes Neurais
      Artificiais (RNAs)
 Os neurônios artificiais
  são agrupados em
  camadas para formar
  uma Rede Neural
  Artificial (RNA);
 As RNAs podem
  aprender a
  desempenhar uma
  tarefa apenas
  observando exemplos.
                              17
RNAs mapeando a
 relação entrada-saída
           
 κ — Razão entre o
  módulo da corrente
  elétrica durante a falta e o
  módulo da corrente                  ENTRADA   OCULTA   SAÍDA


  elétrica pré-falta na fase
  comprometida medidos                                           Distância
                                                                  à falta
                                 κ
  na subestação de energia;
 Δ — Diferença entre o
  ângulo da corrente                                             Resistência
                                                                  de falta
                                 Δ𝜙
  elétrica durante a falta e o
  ângulo da corrente
  elétrica pré-falta na fase
  comprometida medidos
  na subestação de energia.

                                                                               18
RNAs mapeando a
   relação entrada-saída
 Cada fase do                          Quantidade de
  alimentador principal       Seção
                                           exemplos
  contém sua RNA           Alimentador
                            principal
                                             1953
  correspondente, assim        A1            126
                               A2            147
  também acontece com          A3            210
  os ramais;                   B1            210
                               B2            126
 Todas as RNAs são            B3            147
                               C1            147
  estruturalmente iguais       C2            210
  e foram concebidas no        C3            126
                             TOTAL           3402
  software MATLAB.
                                                         19
RNAs mapeando a
relação entrada-saída
          




                        20
Nova metodologia para
  localização de faltas
           
 1º) O sistema de proteção da subestação anuncia a ocorrência
  de falta na RDR e registra as informações sobre esse evento;
 2º) Verifica-se se a proteção instalada na subestação atuou ou
  não para isolar o defeito;
 3º) As correntes elétricas na fase afetada nos instantes
  pré, durante e pós-falta são extraídas das informações
  armazenadas.
 4º) Utilizando informações contidas nas referidas correntes, o
  método (RNAs) indica a distância à falta.



                                                                   21
Exemplo de aplicação
Ocorrência de falta no ramal A3 à 2,7 km do seu início com 243 Ω de
resistência de falta.




                                                                  22
Exemplo de aplicação
                        
 As informações coletadas na subestação mostram
  que o defeito ocorreu na fase A e a proteção da
  subestação não atuou para isolar o defeito;
 O pré-processamento da correntes elétricas indicam:
   κ: 5,01;
   Desvio angular Δ : 15,06º;
   Carga remanescente na fase A após atuação da
    proteção: 61,1%.



                                                        23
Exemplo de aplicação
                        
 As redes neurais responsáveis por ramais na fase A
  (RNA-A1, RNA-A2 e RNA-A3) são acionadas. Os
  resultados obtidos são:
   RNA-A1: 20,80 km do início do ramal A1;
   RNA-A2: 4,75 km do início ramal A2;
   RNA-A3: 2,64 km do início do ramal A3.




                                                       24
Exemplo de aplicação
 Não é possível determinar se a falta ocorreu no ramal A2 ou A3
  apenas com informações coletadas na subestação de energia;
 É necessário então analisar o gráfico de carga remanescente
  esperada.
                   Carga remanescente esperada – fase A
            100%

             80%

             60%          68.4%
                                      60.5%     Normal
             40%
                                                Ramal isolado
             20%

             0%
                         A2          A3                            25
Exemplo de aplicação
                            
 Comparando a carga remanescente real com a esperada, é
  possível ordenar as possibilidades de acordo com suas
  chances de estarem corretas:
   1ª) Ramal A3: à 2,64 km de distância do seu início
   2ª) Ramal A2: à 4,75 km de distância do seu início;

 Havendo disponibilidade de outras informações é possível
  refinar o ranking.



                                                             26
Conclusões
                          
 Este trabalho apresentou uma nova metodologia para o
  problema de localização de faltas em RDRs;
 A integração entre as técnicas já praticadas e a
  metodologia potencializou os resultados obtidos;
 A tecnologia necessária para empregar a metodologia já
  se encontra disponível na maioria das RDRs;
 O treinamento das RNAs é um processo um tanto
  trabalhoso e lento, contudo, uma vez que as redes estão
  treinadas, o processamento das informações para indicar
  a distância à falta é simples e rápido.

                                                            27
Sugestões para trabalhos
                     futuros
                           
 Realizar testes com a nova metodologia em RDRs reais;
 Considerar a influência na localização da falta com a
  entrada de cargas sazonais de grande porte no sistema;
 Estudar o impacto sobre o desempenho ao se utilizar um
  número menor de exemplos para o treinamento das
  RNAs;
 Simular a variação de carga nos ramais e a ampliação da
  RDR;
 Análise considerando a presença de banco de capacitores
  ao longo da linha.

                                                            28
Muito Obrigado!
                
      José Felipe Dalcin Stieven

Aluno de Engenharia Elétrica da UFSC
   E-mail: jfelipedalcin@gmail.com




                                       29

Mais conteúdo relacionado

Semelhante a REDES NEURAIS ARTIFICIAIS APLICADAS À LOCALIZAÇÃO DE FALTAS EM REDES DE DISTRIBUIÇÃO RURAL

Fluxo de potencia
Fluxo de potenciaFluxo de potencia
18.ago esmeralda 15.15_360_emg
18.ago esmeralda 15.15_360_emg18.ago esmeralda 15.15_360_emg
18.ago esmeralda 15.15_360_emg
itgfiles
 
Avaliacao maquinas eletricas e acionamentos
Avaliacao maquinas eletricas e acionamentosAvaliacao maquinas eletricas e acionamentos
Avaliacao maquinas eletricas e acionamentos
Sergio Henrique de Paula
 
Falhas em Cascata na Rede Brasileira de Alta Tensão
Falhas em Cascata na Rede Brasileira de Alta TensãoFalhas em Cascata na Rede Brasileira de Alta Tensão
Falhas em Cascata na Rede Brasileira de Alta Tensão
William Paiva
 
05 amplificador diferencial
05 amplificador diferencial05 amplificador diferencial
05 amplificador diferencial
Universidade Federal de Santa Catarina
 
[Ottoni micro05] resume
[Ottoni micro05] resume[Ottoni micro05] resume
[Ottoni micro05] resume
Marcio Machado Pereira
 
Manual instal eletricas_prova
Manual instal eletricas_provaManual instal eletricas_prova
Manual instal eletricas_prova
Pedro Cruz
 

Semelhante a REDES NEURAIS ARTIFICIAIS APLICADAS À LOCALIZAÇÃO DE FALTAS EM REDES DE DISTRIBUIÇÃO RURAL (7)

Fluxo de potencia
Fluxo de potenciaFluxo de potencia
Fluxo de potencia
 
18.ago esmeralda 15.15_360_emg
18.ago esmeralda 15.15_360_emg18.ago esmeralda 15.15_360_emg
18.ago esmeralda 15.15_360_emg
 
Avaliacao maquinas eletricas e acionamentos
Avaliacao maquinas eletricas e acionamentosAvaliacao maquinas eletricas e acionamentos
Avaliacao maquinas eletricas e acionamentos
 
Falhas em Cascata na Rede Brasileira de Alta Tensão
Falhas em Cascata na Rede Brasileira de Alta TensãoFalhas em Cascata na Rede Brasileira de Alta Tensão
Falhas em Cascata na Rede Brasileira de Alta Tensão
 
05 amplificador diferencial
05 amplificador diferencial05 amplificador diferencial
05 amplificador diferencial
 
[Ottoni micro05] resume
[Ottoni micro05] resume[Ottoni micro05] resume
[Ottoni micro05] resume
 
Manual instal eletricas_prova
Manual instal eletricas_provaManual instal eletricas_prova
Manual instal eletricas_prova
 

REDES NEURAIS ARTIFICIAIS APLICADAS À LOCALIZAÇÃO DE FALTAS EM REDES DE DISTRIBUIÇÃO RURAL

  • 1. Universidade Federal de Santa Catarina EEL7890 - Projeto Final de Curso em Engenharia Elétrica José Felipe Dalcin Stieven Orientação: Prof.ª Jacqueline Gisele Rolim
  • 2. Estrutura da Apresentação  Objetivos   Descrição do Problema  Metodologia de Trabalho  Desenvolvimento  Exemplo de aplicação  Conclusões e sugestões para trabalhos futuros 2
  • 3. Objetivos   Desenvolver uma nova metodologia para localização de faltas em redes de distribuição rural;  Oferecer uma solução que potencialize as técnicas já praticadas;  Viabilidade técnica e econômica;  Reduzir o tempo gasto pelas equipes de manutenção na procura pela falta. 3
  • 4. Descrição do problema   Quando ocorre uma falta na rede elétrica, vários consumidores no campo ficam sem energia;  A falta é um fenômeno aleatório;  A extensão das linhas é da ordem de dezenas de quilômetros;  A equipe de manutenção realiza longas buscas pela rede até encontrar o defeito. 4
  • 5. Metodologia de trabalho   Levantamento das características que particularizam a Rede de Distribuição Rural (RDR);  Reproduzir essas características através de modelo computacional;  Simular faltas de diferentes tipos;  Desenvolver um método capaz de indicar a distância à falta com informações da corrente elétrica;  Propor uma nova metodologia para localização de faltas em RDRs;  Avaliar o desempenho da metodologia proposta; 5
  • 6. Características da RDR  Não-homogeneidade entre os condutores utilizados no  alimentador principal e nos ramais;  As linhas trifásicas não são transpostas;  Os ramais monofásicos causam considerável desequilíbrio de carga no sistema;  As correntes de desequilíbrio retornam pelo sistema de aterramento;  Fornecimento de energia a residências rurais;  Baixos níveis de curtos-circuitos. 6
  • 8. Esquemático do modelo computacional 8
  • 9. Causas de falta no meio rural   Árvores próximas a rede elétrica;  Ação de fenômenos meteorológicos;  Defeito em isoladores;  Queimadas acidentais ou propositais nas proximidades da rede elétrica;  Contato acidental entre veículos de grande porte com os condutores de energia;  Outros acidentes. 9
  • 10. Causas de falta no meio rural  10
  • 11. Simulação de faltas   O modelo computacional e as simulações de faltas foram feitos no software ATP;  As faltas são aplicadas em diferentes posições do sistema teste;  Ocorrências de faltas monofásicas com diferentes resistências de falta; 11
  • 14. O problema das múltiplas possibilidades   Faltas ocorridas em diferentes ramais podem ter as mesmas características para observações feitas na subestação de energia;  Nesses casos, não é possível identificar, a priori, qual foi o ramal afetado;  O problema é intrínseco a todos os sistemas de distribuição onde só a subestação contém equipamentos automatizados. 14
  • 15. Mapear a relação entrada-saída   A resposta do sistema a diferentes ocorrências de falta é complexa, pois é influenciada por vários fatores;  Os métodos analíticos disponíveis para indicar a localização das faltas são complexos e apresentam limitações;  Trabalhos recentes mostraram que as Redes Neurais Artificiais (RNAs) são uma alternativa interessante aos métodos analíticos. 15
  • 16. Redes Neurais Artificiais (RNAs)   A forma como o cérebro humano processa as informações é totalmente diferente de como um computador digital faz;  A grande capacidade de processamento de informações do cérebro humano tem motivado diversas pesquisas;  Os pesquisadores McCullogh e Pitts propuseram em seu trabalho o modelo matemático de um neurônio artificial. 16
  • 17. Redes Neurais Artificiais (RNAs)  Os neurônios artificiais são agrupados em camadas para formar uma Rede Neural Artificial (RNA);  As RNAs podem aprender a desempenhar uma tarefa apenas observando exemplos. 17
  • 18. RNAs mapeando a relação entrada-saída   κ — Razão entre o módulo da corrente elétrica durante a falta e o módulo da corrente ENTRADA OCULTA SAÍDA elétrica pré-falta na fase comprometida medidos Distância à falta κ na subestação de energia;  Δ — Diferença entre o ângulo da corrente Resistência de falta Δ𝜙 elétrica durante a falta e o ângulo da corrente elétrica pré-falta na fase comprometida medidos na subestação de energia. 18
  • 19. RNAs mapeando a relação entrada-saída  Cada fase do  Quantidade de alimentador principal Seção exemplos contém sua RNA Alimentador principal 1953 correspondente, assim A1 126 A2 147 também acontece com A3 210 os ramais; B1 210 B2 126  Todas as RNAs são B3 147 C1 147 estruturalmente iguais C2 210 e foram concebidas no C3 126 TOTAL 3402 software MATLAB. 19
  • 20. RNAs mapeando a relação entrada-saída  20
  • 21. Nova metodologia para localização de faltas   1º) O sistema de proteção da subestação anuncia a ocorrência de falta na RDR e registra as informações sobre esse evento;  2º) Verifica-se se a proteção instalada na subestação atuou ou não para isolar o defeito;  3º) As correntes elétricas na fase afetada nos instantes pré, durante e pós-falta são extraídas das informações armazenadas.  4º) Utilizando informações contidas nas referidas correntes, o método (RNAs) indica a distância à falta. 21
  • 22. Exemplo de aplicação Ocorrência de falta no ramal A3 à 2,7 km do seu início com 243 Ω de resistência de falta. 22
  • 23. Exemplo de aplicação   As informações coletadas na subestação mostram que o defeito ocorreu na fase A e a proteção da subestação não atuou para isolar o defeito;  O pré-processamento da correntes elétricas indicam:  κ: 5,01;  Desvio angular Δ : 15,06º;  Carga remanescente na fase A após atuação da proteção: 61,1%. 23
  • 24. Exemplo de aplicação   As redes neurais responsáveis por ramais na fase A (RNA-A1, RNA-A2 e RNA-A3) são acionadas. Os resultados obtidos são:  RNA-A1: 20,80 km do início do ramal A1;  RNA-A2: 4,75 km do início ramal A2;  RNA-A3: 2,64 km do início do ramal A3. 24
  • 25. Exemplo de aplicação  Não é possível determinar se a falta ocorreu no ramal A2 ou A3 apenas com informações coletadas na subestação de energia;  É necessário então analisar o gráfico de carga remanescente esperada. Carga remanescente esperada – fase A 100% 80% 60% 68.4% 60.5% Normal 40% Ramal isolado 20% 0% A2 A3 25
  • 26. Exemplo de aplicação   Comparando a carga remanescente real com a esperada, é possível ordenar as possibilidades de acordo com suas chances de estarem corretas:  1ª) Ramal A3: à 2,64 km de distância do seu início  2ª) Ramal A2: à 4,75 km de distância do seu início;  Havendo disponibilidade de outras informações é possível refinar o ranking. 26
  • 27. Conclusões   Este trabalho apresentou uma nova metodologia para o problema de localização de faltas em RDRs;  A integração entre as técnicas já praticadas e a metodologia potencializou os resultados obtidos;  A tecnologia necessária para empregar a metodologia já se encontra disponível na maioria das RDRs;  O treinamento das RNAs é um processo um tanto trabalhoso e lento, contudo, uma vez que as redes estão treinadas, o processamento das informações para indicar a distância à falta é simples e rápido. 27
  • 28. Sugestões para trabalhos futuros   Realizar testes com a nova metodologia em RDRs reais;  Considerar a influência na localização da falta com a entrada de cargas sazonais de grande porte no sistema;  Estudar o impacto sobre o desempenho ao se utilizar um número menor de exemplos para o treinamento das RNAs;  Simular a variação de carga nos ramais e a ampliação da RDR;  Análise considerando a presença de banco de capacitores ao longo da linha. 28
  • 29. Muito Obrigado!  José Felipe Dalcin Stieven Aluno de Engenharia Elétrica da UFSC E-mail: jfelipedalcin@gmail.com 29