O presente trabalho visa a utilização da transformada Wavelet no monitoramento do sistema elétrico no que diz respeito a problemas de qualidade da energia com o intuito de detectar, localizar e classificar os mesmos. A transformada Wavelet tem surgido na literatura como uma nova ferramenta para análise de sinais, utilizando funções chamadas Wavelet mãe para mapear sinais em seu domínio, fornecendo informações simultâneas nos domínios tempo e freqüência. A transformada Wavelet é realizada através de filtros decompondo-se um dado sinal em análise multiresolução. Por esta, obtém-se a detecção e a localização de distúrbios relacionados com a qualidade da energia decompondo-se o sinal em dois outros que representam uma versão de detalhes (correspondente as altas freqüências do sinal) e uma versão de aproximação (correspondente as baixas freqüências do sinal). A versão de aproximação é novamente decomposta obtendo-se novos sinais de detalhes e aproximações e assim sucessivamente. Sendo assim, os distúrbios podem ser detectados e localizados no tempo em função do seu conteúdo de freqüência. Estas informações fornecem também características únicas pertinentes a cada distúrbio, permitindo classificá-los. Desta forma, propõe-se neste trabalho o desenvolvimento de um algoritmo classificador automático de distúrbios relacionados com a qualidade da energia baseado unicamente nas decomposições obtidas da análise multiresolução. / The aim of the present dissertation is to apply the Wavelet transform to analyze power quality problems, detecting, localizing and classifying them. The topic Wavelet transform, has appeared in the literature as a new tool for the analysis of signals, using functions called mother Wavelet to map signals in its domain, supplying information in the time and frequency domain, simultaneously. Wavelet transform is accomplished through filters decomposing a provided signal in multiresolution analysis. The detection and localization of disturbances are obtained by decomposing a signal into two other signals that represent, a detailed version (high frequency signals) and a smoothed version (low frequency signals). The smoothed version is decomposed again, and new detailed and smoothed signals are obtained. This process is repeated as many times as necessary and the disturbances can be detected and localized in the time as a function of its level frequency. This information also supplies characteristics to each disturbance, allowing classifying them. Thus, this research presents a way to develop an automatic classifying algorithm of power quality disturbances, based only on multiresolution analysis.

O presente trabalho visa a utilização da transformada Wavelet no monitoramento do sistema elétrico no que diz respeito a problemas de qualidade da energia com o intuito de detectar, localizar e classificar os mesmos. A transformada Wavelet tem surgido na literatura como uma nova ferramenta para análise de sinais, utilizando funções chamadas Wavelet mãe para mapear sinais em seu domínio, fornecendo informações simultâneas nos domínios tempo e freqüência. A transformada Wavelet é realizada através de filtros decompondo-se um dado sinal em análise multiresolução. Por esta, obtém-se a detecção e a localização de distúrbios relacionados com a qualidade da energia decompondo-se o sinal em dois outros que representam uma versão de detalhes (correspondente as altas freqüências do sinal) e uma versão de aproximação (correspondente as baixas freqüências do sinal). A versão de aproximação é novamente decomposta obtendo-se novos sinais de detalhes e aproximações e assim sucessivamente. Sendo assim, os distúrbios podem ser detectados e localizados no tempo em função do seu conteúdo de freqüência. Estas informações fornecem também características únicas pertinentes a cada distúrbio, permitindo classificá-los. Desta forma, propõe-se neste trabalho o desenvolvimento de um algoritmo classificador automático de distúrbios relacionados com a qualidade da energia baseado unicamente nas decomposições obtidas da análise multiresolução. / The aim of the present dissertation is to apply the Wavelet transform to analyze power quality problems, detecting, localizing and classifying them. The topic Wavelet transform, has appeared in the literature as a new tool for the analysis of signals, using functions called mother Wavelet to map signals in its domain, supplying information in the time and frequency domain, simultaneously. Wavelet transform is accomplished through filters decomposing a provided signal in multiresolution analysis. The detection and localization of disturbances are obtained by decomposing a signal into two other signals that represent, a detailed version (high frequency signals) and a smoothed version (low frequency signals). The smoothed version is decomposed again, and new detailed and smoothed signals are obtained. This process is repeated as many times as necessary and the disturbances can be detected and localized in the time as a function of its level frequency. This information also supplies characteristics to each disturbance, allowing classifying them. Thus, this research presents a way to develop an automatic classifying algorithm of power quality disturbances, based only on multiresolution analysis.

Este trabalho apresenta um estudo da aplicação da Transformada de Fourier Janelada à Qualidade da Energia Elétrica. Esta abordagem procura, pela implementação de um algoritmo computacional, detectar, localizar e classificar eventuais distúrbios que ocorrem em um determinado Sistema Elétrico. Da situação atual, tem-se que variações nas formas de ondas dos sinais de tensão como elevação, afundamento e interrupção de tensão, oscilações transitórias e ruídos, são freqüentes, chamando a atenção para a qualidade da energia elétrica fornecida pelas concessionárias. A análise de tais fenômenos, que normalmente é descrita no domínio do tempo (resolução de equação diferencial) ou no domínio da freqüência (através da Transformada de Fourier), pode agora ser analisada simultaneamente em ambos os domínios do tempo e da freqüência, dispondo-se da Transformada de Fourier Janelada. As janelas utilizadas para esta finalidade foram as de Hanning, retangular e a de Kaiser. Para esta análise em específico, a simulação dos diversos distúrbios ocorridos no sistema de distribuição foi realizada através do software ATP - Alternative Transients Program - cujas características seguem corretamente um sistema real da concessionária CPFL - Companhia Paulista de Força. Os testes efetuados mostraram que a Transformada de Fourier Janelada possui uma grande potencialidade quanto à sua aplicação na avaliação da qualidade da energia elétrica. / This dissertation presents a study of Windowed Fourier Transform applied to Power Quality. By the implementation of a computational algorithm, this approach aims to detect, locate and classify disturbances that may occur in Power Systems. Variations in voltage waveforms, such as sag, swell, interruption, oscillatory transient and noise have became frequent in electric systems, attracting the attention to the power quality supplied. The analysis of such phenomena, which is usually described either in the time domain (differential equation resolution) or in the frequency domain (Fourier Transform), can now be analyzed simultaneously in both domains: time and frequency, by the windowed Fourier Transform. The windows used to provide this information are the Hanning, rectangular and Kaiser. The simulation of the diverse disturbances occurred in the distribution system was accomplished by means of ATP software - Alternative Transients Program - whose characteristics correctly follow a real distribution system of CPFL electric utility. The tests show the windowed Fourier Transform has a great potentiality when applied to evaluate the power quality.

Este trabalho apresenta um estudo da aplicação da Transformada de Fourier Janelada à Qualidade da Energia Elétrica. Esta abordagem procura, pela implementação de um algoritmo computacional, detectar, localizar e classificar eventuais distúrbios que ocorrem em um determinado Sistema Elétrico. Da situação atual, tem-se que variações nas formas de ondas dos sinais de tensão como elevação, afundamento e interrupção de tensão, oscilações transitórias e ruídos, são freqüentes, chamando a atenção para a qualidade da energia elétrica fornecida pelas concessionárias. A análise de tais fenômenos, que normalmente é descrita no domínio do tempo (resolução de equação diferencial) ou no domínio da freqüência (através da Transformada de Fourier), pode agora ser analisada simultaneamente em ambos os domínios do tempo e da freqüência, dispondo-se da Transformada de Fourier Janelada. As janelas utilizadas para esta finalidade foram as de Hanning, retangular e a de Kaiser. Para esta análise em específico, a simulação dos diversos distúrbios ocorridos no sistema de distribuição foi realizada através do software ATP - Alternative Transients Program - cujas características seguem corretamente um sistema real da concessionária CPFL - Companhia Paulista de Força. Os testes efetuados mostraram que a Transformada de Fourier Janelada possui uma grande potencialidade quanto à sua aplicação na avaliação da qualidade da energia elétrica. / This dissertation presents a study of Windowed Fourier Transform applied to Power Quality. By the implementation of a computational algorithm, this approach aims to detect, locate and classify disturbances that may occur in Power Systems. Variations in voltage waveforms, such as sag, swell, interruption, oscillatory transient and noise have became frequent in electric systems, attracting the attention to the power quality supplied. The analysis of such phenomena, which is usually described either in the time domain (differential equation resolution) or in the frequency domain (Fourier Transform), can now be analyzed simultaneously in both domains: time and frequency, by the windowed Fourier Transform. The windows used to provide this information are the Hanning, rectangular and Kaiser. The simulation of the diverse disturbances occurred in the distribution system was accomplished by means of ATP software - Alternative Transients Program - whose characteristics correctly follow a real distribution system of CPFL electric utility. The tests show the windowed Fourier Transform has a great potentiality when applied to evaluate the power quality.

A presença de distúrbios na energia elétrica fornecida aos consumidores pode causar a diminuição no tempo de vida útil dos equipamentos, mal funcionamento ou até mesmo sua perda. Desse modo, ferramentas capazes de realizar a detecção, localização, classificação, compressão e o armazenamento de sinais de forma automática e organizada são essenciais para garantir um processo de monitoramento adequado ao sistema elétrico de potência como um todo. Dentre as ferramentas comumente aplicadas às tarefas supramencionadas, pode-se destacar a Transformada Wavelet (TW) e as Redes Neurais Artificiais (RNAs). Contudo, ainda não foi estabelecida uma metodologia para obtenção e validação da TW e seu nível de decomposição, bem como da arquitetura e da topologia de RNAs mais apropriadas às tarefas supracitadas. O principal fato que levou a esta constatação deve-se à análise da literatura correlata, onde é possível notar o uso de distintas TW e RNAs. Neste contexto, a primeira contribuição desta pesquisa foi o projeto e desenvolvimento de um método eficiente de segmentação de sinais com distúrbios associados à Qualidade da Energia Elétrica (QEE). O método desenvolvido se beneficia das propriedades da TW de identificação temporal de descontinuidades em sinais. A segunda contribuição é o desenvolvimento de um algoritmo automático que, por meio do método de segmentação desenvolvido e de classificação por RNAs, indique as melhores ferramentas (Wavelets e RNAs) para as tarefas de segmentação, extração de características e classificação de distúrbios de QEE. Esse algoritmo foi desenvolvido com base nos recursos dos Algoritmos Evolutivos (AEs) e adotou RNAs do tipo Perceptron Multicamadas, pois, esta arquitetura pode ser considerada consagrada no que se refere à classificação de padrões. Por fim, a terceira contribuição é relativa ao desenvolvimento de um procedimentos baseados em AEs, a fim de se aprimorar métodos de compressão de dados que preservem as informações relevantes nos sinais de QEE. Assim, é importante mencionar que os resultados dessa pesquisa poderão determinar mecanismos automáticos a serem utilizados no processo de registro, tratamento e armazenamento de informações que serão importantes para se manter um banco de dados (histórico) atualizado nas concessionárias de energia, a partir do qual, índices e um melhor mapeamento e entendimento de todos os distúrbios relacionados à QEE poderão ser melhor entendidos e solucionados. / The presence of disturbances in the electrical power supplied to consumers can decrease the lifetime of the equipment, cause malfunction or even their breakdown. Thus, tools able to perform detection, localization, classification, compression and storage of signals automatically and organized manner are essential to ensure adequate monitoring process to electric power systems as a whole. Among the tools commonly applied to the tasks mentioned above, one can highlight the Wavelet Transform (WT) and Artificial Neural Networks (ANN). However, the WT has not been established yet and nor its level of decomposition, as well as the most appropriate ANN architecture and topology to the tasks already mentioned. The main fact that has led to this finding is due to the review of related literature, where it is possible to note the use of distinct WT and ANN. Therefore, the first contribution of this research was the design and development of an efficient method of segmentation of signals associate to Power Quality (PQ) disturbances. The developed method take advantage of WT properties of temporal identification of signal discontinuities. The second contribution is the development of an automatic algorithm that, through the segmentation method developed and classification by ANN, indicates the best tools (Wavelets and ANN) for the tasks of segmentation, extraction of characteristics and classification of QEE disturbances. This algorithm was developed based on the resources of the Evolutionary Algorithms and it adopts Multi-layered Perceptron type ANN, once this architecture can be considered consecrated with regard to the pattenrs classification. Finally, the third contribution is related to the development of EA based procedures in order to improve data compression methods that preserve the relevant information in the PQ signals. Thus, it is important to mention that the results of this research may determine automatic mechanisms to be used in the process of recording, processing and storing information that will be important in order to maintain an up-to-date (historical) database in the utilities, from which , indexes and a better mapping and understanding of all PQ related disturbances can be better understood and solved.

A presença de distúrbios na energia elétrica fornecida aos consumidores pode causar a diminuição no tempo de vida útil dos equipamentos, mal funcionamento ou até mesmo sua perda. Desse modo, ferramentas capazes de realizar a detecção, localização, classificação, compressão e o armazenamento de sinais de forma automática e organizada são essenciais para garantir um processo de monitoramento adequado ao sistema elétrico de potência como um todo. Dentre as ferramentas comumente aplicadas às tarefas supramencionadas, pode-se destacar a Transformada Wavelet (TW) e as Redes Neurais Artificiais (RNAs). Contudo, ainda não foi estabelecida uma metodologia para obtenção e validação da TW e seu nível de decomposição, bem como da arquitetura e da topologia de RNAs mais apropriadas às tarefas supracitadas. O principal fato que levou a esta constatação deve-se à análise da literatura correlata, onde é possível notar o uso de distintas TW e RNAs. Neste contexto, a primeira contribuição desta pesquisa foi o projeto e desenvolvimento de um método eficiente de segmentação de sinais com distúrbios associados à Qualidade da Energia Elétrica (QEE). O método desenvolvido se beneficia das propriedades da TW de identificação temporal de descontinuidades em sinais. A segunda contribuição é o desenvolvimento de um algoritmo automático que, por meio do método de segmentação desenvolvido e de classificação por RNAs, indique as melhores ferramentas (Wavelets e RNAs) para as tarefas de segmentação, extração de características e classificação de distúrbios de QEE. Esse algoritmo foi desenvolvido com base nos recursos dos Algoritmos Evolutivos (AEs) e adotou RNAs do tipo Perceptron Multicamadas, pois, esta arquitetura pode ser considerada consagrada no que se refere à classificação de padrões. Por fim, a terceira contribuição é relativa ao desenvolvimento de um procedimentos baseados em AEs, a fim de se aprimorar métodos de compressão de dados que preservem as informações relevantes nos sinais de QEE. Assim, é importante mencionar que os resultados dessa pesquisa poderão determinar mecanismos automáticos a serem utilizados no processo de registro, tratamento e armazenamento de informações que serão importantes para se manter um banco de dados (histórico) atualizado nas concessionárias de energia, a partir do qual, índices e um melhor mapeamento e entendimento de todos os distúrbios relacionados à QEE poderão ser melhor entendidos e solucionados. / The presence of disturbances in the electrical power supplied to consumers can decrease the lifetime of the equipment, cause malfunction or even their breakdown. Thus, tools able to perform detection, localization, classification, compression and storage of signals automatically and organized manner are essential to ensure adequate monitoring process to electric power systems as a whole. Among the tools commonly applied to the tasks mentioned above, one can highlight the Wavelet Transform (WT) and Artificial Neural Networks (ANN). However, the WT has not been established yet and nor its level of decomposition, as well as the most appropriate ANN architecture and topology to the tasks already mentioned. The main fact that has led to this finding is due to the review of related literature, where it is possible to note the use of distinct WT and ANN. Therefore, the first contribution of this research was the design and development of an efficient method of segmentation of signals associate to Power Quality (PQ) disturbances. The developed method take advantage of WT properties of temporal identification of signal discontinuities. The second contribution is the development of an automatic algorithm that, through the segmentation method developed and classification by ANN, indicates the best tools (Wavelets and ANN) for the tasks of segmentation, extraction of characteristics and classification of QEE disturbances. This algorithm was developed based on the resources of the Evolutionary Algorithms and it adopts Multi-layered Perceptron type ANN, once this architecture can be considered consecrated with regard to the pattenrs classification. Finally, the third contribution is related to the development of EA based procedures in order to improve data compression methods that preserve the relevant information in the PQ signals. Thus, it is important to mention that the results of this research may determine automatic mechanisms to be used in the process of recording, processing and storing information that will be important in order to maintain an up-to-date (historical) database in the utilities, from which , indexes and a better mapping and understanding of all PQ related disturbances can be better understood and solved.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-04-24T12:12:06Z No. of bitstreams: 1 eduardopestanadeaguiar.pdf: 1937921 bytes, checksum: 0472ffffb70cabf120dc5de86d6626b1 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-04-24T16:55:00Z (GMT) No. of bitstreams: 1 eduardopestanadeaguiar.pdf: 1937921 bytes, checksum: 0472ffffb70cabf120dc5de86d6626b1 (MD5) / Made available in DSpace on 2017-04-24T16:55:00Z (GMT). No. of bitstreams: 1 eduardopestanadeaguiar.pdf: 1937921 bytes, checksum: 0472ffffb70cabf120dc5de86d6626b1 (MD5) Previous issue date: 2011-08-30 / A presente dissertação tem como objetivo discutir o uso de técnicas de otimização baseadas no gradiente conjugado e de informações de segunda ordem para o treinamento de sistemas de inferência fuzzy singleton e non-singleton. Além disso, as soluções computacionais derivadas são aplicadas aos problemas de classificação de distúrbios múltiplos e isolados em sinais elétricos. Os resultados computacionais, obtidos a partir de dados sintéticos de distúrbios em sinais de tensão, indicam que os sistemas de inferência fuzzy singleton e non-singleton treinados pelos algoritmos de otimização considerados apresentam maior velocidade de convergência e melhores taxas de classificação quando comparados com aqueles treinados pelo algoritmo de otimização baseada em informações de primeira ordem e é bastante competitivo em relação à rede neural artificial perceptron multicamadas - multilayer perceptron (MLP) e ao classificador de Bayes. / This master dissertation aims to discuss the use of optimization techniques based on the conjugated gradient and on second order information for the training of singleton or non-singleton fuzzy inference systems. In addition, the computacional solutions obtained are applied to isolated a multiple disturbances classification problems in electric signals. Computational results obtained from synthetic data from disturbances in electric signals indicate that singleton or non-singleton fuzzy inference systems trained by the considered optimization algorithms present greater convergence speed and better classification rates when compared to those data trained by an optimization algorithm based on first order information and is quite competitive with multilayer perceptron neural network and Bayesian classifier.

No contexto de Smart Grids, determinar a correta localização das fontes causadoras de Variação de Tensão de Curta Duração (VTCD) não é uma tarefa simples, devido à curta duração destes eventos e também, por sua rápida propagação nas redes de distribuição de energia elétrica. Neste sentido, esse trabalho apresentou um método híbrido recursivo baseado em ferramentas da área de aprendizado de máquinas (algoritmo de agrupamento e base de regras), o qual é capaz de localizar as fontes de VTCD, a partir da análise dos das características dos distúrbios disponibilizadas pelos smart meters instalados no sistema. Assim, o trabalho destinouse ao desenvolvimento de uma plataforma em hardware para aquisição, detecção e classificação dos distúrbios, através de um Sistema Operacional de Tempo Real. Em seguida o algoritmo de agrupamento (k-means) agrupou os dados dos medidores de forma a definir dois clusters, onde um deles correspondeu aos medidores que estão longe da região que ocorreu o distúrbio e o outro, correspondeu aos medidores que estavam localizados próximos da região de ocorrência do distúrbio. Na segunda etapa, um sistema baseado em regras determinou qual dos clusters abrangeu o nó de origem. No entanto, quando o algoritmo determinou uma região muito grande, essa região é introduzida recursivamente, como entrada da metodologia desenvolvida, para refinar a região de localização. O sistema resultante foi capaz de estimar a região de localização com uma taxa de acerto acima de 90%. Assim, o método teve sua concepção adequada ao empregado nos centros de controle e operações de concessionárias de energia elétrica, visando apoiar a decisão do corpo técnico para que ações corretivas fossem estabelecidas de forma assertiva. / In the Smart Grids context, the correct location of short-duration voltage variations sources is not a trivial task, because of the short duration of these events and for rapid propagation in the distribution feeder. In this sense, aiming to develop a recursive hybrid method based on machine learning area tools (clustering algorithm and rule base) that is able to locate the sources of short-duration voltage variations, it was used data from smart meters installed along the distribution feeder. The recursive hybrid method, as input, received the disturbance characteristics provided by the meters installed in the system. Thus, this thesis aimed to development of a measurement hardware for signal acquisition, detection, classification through a realtime operating system. Then, k-means clustering algorithm grouped the meters data in order to define two clusters, where one of them corresponded to the meters that were distant from the region that occurred the disturbance and the other one corresponded to the meters, which were located near to the disturbance occurrence region. In a second step, a rule-based system determined which of the clusters corresponded to the source node. When the algorithm determined a very large region, that region was recursively introduced as input of the developed methodology to decrease its size. The resulting system was able to estimate the location region with a accuracy above 90%. Therefore, this method showed a suitable design for employment by operation control centers of power sector concessionaires, aiming to support technical staff decision to stablish assertive corrective actions.

No contexto de Smart Grids, determinar a correta localização das fontes causadoras de Variação de Tensão de Curta Duração (VTCD) não é uma tarefa simples, devido à curta duração destes eventos e também, por sua rápida propagação nas redes de distribuição de energia elétrica. Neste sentido, esse trabalho apresentou um método híbrido recursivo baseado em ferramentas da área de aprendizado de máquinas (algoritmo de agrupamento e base de regras), o qual é capaz de localizar as fontes de VTCD, a partir da análise dos das características dos distúrbios disponibilizadas pelos smart meters instalados no sistema. Assim, o trabalho destinouse ao desenvolvimento de uma plataforma em hardware para aquisição, detecção e classificação dos distúrbios, através de um Sistema Operacional de Tempo Real. Em seguida o algoritmo de agrupamento (k-means) agrupou os dados dos medidores de forma a definir dois clusters, onde um deles correspondeu aos medidores que estão longe da região que ocorreu o distúrbio e o outro, correspondeu aos medidores que estavam localizados próximos da região de ocorrência do distúrbio. Na segunda etapa, um sistema baseado em regras determinou qual dos clusters abrangeu o nó de origem. No entanto, quando o algoritmo determinou uma região muito grande, essa região é introduzida recursivamente, como entrada da metodologia desenvolvida, para refinar a região de localização. O sistema resultante foi capaz de estimar a região de localização com uma taxa de acerto acima de 90%. Assim, o método teve sua concepção adequada ao empregado nos centros de controle e operações de concessionárias de energia elétrica, visando apoiar a decisão do corpo técnico para que ações corretivas fossem estabelecidas de forma assertiva. / In the Smart Grids context, the correct location of short-duration voltage variations sources is not a trivial task, because of the short duration of these events and for rapid propagation in the distribution feeder. In this sense, aiming to develop a recursive hybrid method based on machine learning area tools (clustering algorithm and rule base) that is able to locate the sources of short-duration voltage variations, it was used data from smart meters installed along the distribution feeder. The recursive hybrid method, as input, received the disturbance characteristics provided by the meters installed in the system. Thus, this thesis aimed to development of a measurement hardware for signal acquisition, detection, classification through a realtime operating system. Then, k-means clustering algorithm grouped the meters data in order to define two clusters, where one of them corresponded to the meters that were distant from the region that occurred the disturbance and the other one corresponded to the meters, which were located near to the disturbance occurrence region. In a second step, a rule-based system determined which of the clusters corresponded to the source node. When the algorithm determined a very large region, that region was recursively introduced as input of the developed methodology to decrease its size. The resulting system was able to estimate the location region with a accuracy above 90%. Therefore, this method showed a suitable design for employment by operation control centers of power sector concessionaires, aiming to support technical staff decision to stablish assertive corrective actions.