ALMEIDA, A. R. O uso de análise de componentes independentes na extração de características dos sinais transitórios de faltas em linhas de transmissão de energia elétrica. 2017. 97 f. Tese (Doutorado em Engenharia Elétrica)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2017. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2017-10-05T11:40:13Z No. of bitstreams: 1 2017_tese_aralmeida.pdf: 10134467 bytes, checksum: 1fe4fbcbc4c1b84143957b9cc2985ba9 (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2017-11-08T12:54:55Z (GMT) No. of bitstreams: 1 2017_tese_aralmeida.pdf: 10134467 bytes, checksum: 1fe4fbcbc4c1b84143957b9cc2985ba9 (MD5) / Made available in DSpace on 2017-11-08T12:54:55Z (GMT). No. of bitstreams: 1 2017_tese_aralmeida.pdf: 10134467 bytes, checksum: 1fe4fbcbc4c1b84143957b9cc2985ba9 (MD5) Previous issue date: 2017-09-01 / Several methods for localization and classification of faults in electric power transmission lines, using conventional techniques, computational intelligence and digital signal processing techniques have been proposed, intensively, on literature in the last three decades. These methods have improved the process of characterization of faults in various aspects. However, even the methods based on Wavelet Transform (WT), Artificial Neural Networks (ANN) and other techniques derived from smart Computing, do not have convenient and systematic way treaty faults in transmission systems whose data are contaminated by noise. Based on this evidence, this paper proposes a combination of methods using Independent Component Analysis (ICA), the Theory of the Travelling Waves (TTW) and Support Vector Machine (SVM) effective approaches to extracting characteristics of transient signals of fault even before signs considerably contaminated by noise. The approach was applied to locate and recognize faults in a transmission line 500 kV high voltage that connects the substation of President Dutra - MA to the substation of Boa Esperança - PI. The experiment was carried out for different types of faults that have occurred in different locations. The use of these methods applied to a real transmission line model has proven that the proposed methods, in combination, result in superior performance on location and classification of faults. The obtained errors are less than 1% to the location and accuracy of 100% for the classification of faults with noise. The proposed approach has shown performance best when compared to major conventional techniques, as well as when compared to techniques using Artificial Neural Networks and other computational intelligence techniques / Vários métodos para localização e classificação de faltas em linhas de transmissão energia elétrica, utilizando técnicas convencionais, inteligência computacional e técnicas de processamento digital de sinais têm sido propostas, de forma intensiva, na literatura nas tês últimas décadas. Esses métodos têm melhorado o processo de caracterização das faltas em vários aspectos. No entanto, mesmo os métodos baseados em Transformada Wavelet (TW), Redes Neurais Artificiais (RNA) e outras técnicas advindas da computação inteligente, não têm tratado de forma conveniente e sistemática as faltas em sistemas de transmissão cujos dados são contaminados por ruído. Partindo desta evidência, este trabalho propõe combinações de métodos que utilizam a Análise de Componentes Independentes (ACI), a Teoria das Ondas Viajantes (TOV) e Máquina de Vetores de Suporte (MVS) em abordagens eficientes para a extração de características dos sinais transitórios de falta mesmo diante de sinais consideravelmente contaminados por ruído. A abordagem foi aplicada para localizar e reconhecer as faltas, em uma linha de transmissão de alta tensão de 500 kV que interliga a subestação de Presidente Dutra - Ma à subestação de Boa Esperança -PI. O experimento foi realizado para diferentes tipos de faltas que ocorrem em diferentes localizações. A utilização destes métodos aplicados a um modelo real de linha de transmissão tem comprovado que os métodos propostos, de forma combinada, resultam em desempenho superior na localização e classificação de faltas. Os erros obtidos são inferiores a 1% para a localização com acurácia de 100% para a classificação de faltas com ruído. O desempenho da abordagem proposta tem apresentado melhores resultados quando comparados às principais técnicas convencionais, assim quando comparados às técnicas que utilizam Redes Neurais Artificiais e outras técnicas de inteligência computacional

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-05-18Bitstream added on 2014-06-13T18:08:27Z : No. of bitstreams: 1 barros_ac_me_ilha.pdf: 537823 bytes, checksum: 11c161179ae4dad9ba89c41455601030 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Este trabalho tem por objetivo apresentar uma metodologia, para detecção e classificação de faltas de curto-circuito, direcionada para os eventos de alta impedância em subestações de energia elétrica. A detecção é executada por um cálculo algébrico simples via observação da diferença absoluta entre o valor eficaz médio estimado e o valor eficaz medido a partir da oscilografia das correntes trifásicas. Caso seja detectada a anomalia de corrente, procede-se a sua classificação baseada na lógica fuzzy. Trata-se de um problema que apresenta maiores dificuldades de identificação e classificação, tendo em vista que tais perturbações são sutis, o que se diferenciam em relação aos eventos caracterizados como de baixa e ou de média impedância. Os distúrbios de alta impedância, muitas vezes, não são detectados pelo sistema proteção. Neste caso, o sistema de proteção consideraos como uma operação em regime permanente, não distinguindo entre uma falta de alta impedância e um aumento/diminuição da corrente elétrica em decorrência das variações da demanda solicitada pelos consumidores. Ressalta-se que a metodologia, aqui proposta, segue os princípios formulados na referência Decanini (2008), com as devidas adaptações ao problema associado às faltas de alta impedância. A metodologia, proposta neste trabalho, usa dados oscilográficos que são processados de modo que a detecção e classificação das faltas possam ser estimadas através de um conjunto de características extraídas dos sinais de correntes. Este conjunto de característica é classificado pela lógica nebulosa e sua saída resulta na indicação do tipo da falta. Deve-se ressaltar que este algoritmo além de ser eficiente na detecção e classificação de faltas de alta impedância, sua eficiência destacase também na localização e detecção de faltas de baixa impedância... / This work presents a methodology to detect and classify short circuit faults principally for high impedance occurrences in electrical power systems. The detection is executed by a simple algebraic calculus observing the absolute difference with the efficient medium estimated value and the efficient value measured from the oscillogram of the three-phase currents. When a current anomaly is detected the classification is based on the fuzzy logic. It is a problem that presents some difficulties in identification and classification, considering that these perturbations are little which are different from the events characterized as low or medium impedance. The high impedance perturbations sometimes are not detected by the protection system. In this case, the protection system considers as one operation in steady state, and do not distinguish with a high impedance fault or an increasing/ decreasing of the electrical current due to the demand variation requested by the users. It is emphasized that the proposed methodology follows the fundamentals according the reference Decanini (2008), with the adaptations to the associated problem to the high impedance faults. The proposed methodology use oscillogram data that are processed in a way that the detection and classification of the faults are estimated by a set of characteristics from the current signals. This set is classified by logic fuzzy and the output results on the type of the fault. It is emphasized that this algorithm besides being efficient is detecting and classifying high impedance faults, is also efficient in localizing and detecting low impedance faults. The necessary data for the diagnosis of the faults were obtained by simulation of a radial feeder model with the ATP software. Results are satisfactory and show the viability of the proposed methodology that is faster for obtaining the solutions and is able to detect... (Complete abstract click electronic access below)

Proteger as linhas de transmissão é uma das tarefas mais importantes dentro dos sistemas elétricos de potência. Faltas em linhas de transmissão devem ser localizadas precisamente e extintas o mais rápido possível. Para tal, o esquema de proteção de linhas utiliza valores amostrados de correntes e tensões para a execução das tarefas de detecção, classificação e localização da falta. Neste esquema, grandezas trifásicas de corrente (IA, IB, IC) e tensão (VA, VB, VC) compõem as entradas do sistema. Após a detecção e classificação da falta, o relé efetua o cálculo da impedância aparente para a verificação da zona de proteção na qual a falta se insere (localização). Dentro deste contexto, a rápida detecção e a correta classificação da falta são passos fundamentais para a lógica de controle de um relé. Para a utilização de sistemas de proteção com alta velocidade de operação, o conjunto detector + classificador deve realizar uma decisão precisa do tipo de falta envolvida em menos de 10 ms após a ocorrência desta. Alguns métodos convencionais têm lidado com este problema, porém os tempos para estimação do tipo de falta são algumas vezes excessivamente longos. Este trabalho apresenta um novo sistema que provê uma rápida e confiável detecção e classificação de faltas através das medidas de valores de correntes trifásicas. O novo método utiliza-se da teoria de Redes Neurais Artificiais, baseada em dois diferentes tipos de redes (MLP e RBF), para a tarefa de detecção e classificação de faltas nos níveis de tempo requeridos para um moderno sistema de proteção. Um estudo comparativo em relação ao desempenho das redes mencionadas também foi realizado. Os testes efetuados para as redes dos tipos MLP e RBF mostraram que o sistema proposto foi capaz de detectar e classificar corretamente 100% dos casos estudados. Deve ainda ser ressaltado, que na maior parte dos casos (93% para a rede MLP e 84% para a rede RBF), o processo de detecção e classificação foi completado com no máximo 5 amostras de pós-falta (5ms). Isto demonstra a rapidez na tarefa de detecção e classificação embutida no método proposto, principalmente levando-se em consideração os tempos apresentados pelos métodos convencionais. / Transmission line protection is one of the major tasks for a power system. Transmission line faults must be located accurately and isolated as fast as possible. In order to perform this task, the power system protection system uses the three-phase currents (IA, IB, IC) and voltages (VA, VB, VC) to detect, classify and locate the fault. After detecting and classifying the fault, the relay calculates the apparent impedance to verify in which protection zone the fault is located. Taking this into account, precise and fast detection and classification methods are fundamental steps for the relay control algorithm. The combination detection + classification must carry out the correct response in less than 10 ms after the fault for a high-speed protection system. Some conventional methods have treated this problem but the time for a correct classification is sometimes excessively long. This work presents a fast and reliable new system for fault detection and classification using the three-phase current measurements. This new system is based on Artificial Neural Networks (RBF and MLP) for the detection and classification tasks. A comparative study involving both types of neural networks was done. Tests showed that the proposed system was able to correctly detect and classify 100% of the studied cases where the majority (93% of the cases for MLP net and 84% for RBF net) of them was done in up to 5 post-fault samples (5 ms). The afore-mentioned demonstrates the high speed of the new method for the detection and classification tasks when compared to the conventional ones.

Proteger as linhas de transmissão é uma das tarefas mais importantes dentro dos sistemas elétricos de potência. Faltas em linhas de transmissão devem ser localizadas precisamente e extintas o mais rápido possível. Para tal, o esquema de proteção de linhas utiliza valores amostrados de correntes e tensões para a execução das tarefas de detecção, classificação e localização da falta. Neste esquema, grandezas trifásicas de corrente (IA, IB, IC) e tensão (VA, VB, VC) compõem as entradas do sistema. Após a detecção e classificação da falta, o relé efetua o cálculo da impedância aparente para a verificação da zona de proteção na qual a falta se insere (localização). Dentro deste contexto, a rápida detecção e a correta classificação da falta são passos fundamentais para a lógica de controle de um relé. Para a utilização de sistemas de proteção com alta velocidade de operação, o conjunto detector + classificador deve realizar uma decisão precisa do tipo de falta envolvida em menos de 10 ms após a ocorrência desta. Alguns métodos convencionais têm lidado com este problema, porém os tempos para estimação do tipo de falta são algumas vezes excessivamente longos. Este trabalho apresenta um novo sistema que provê uma rápida e confiável detecção e classificação de faltas através das medidas de valores de correntes trifásicas. O novo método utiliza-se da teoria de Redes Neurais Artificiais, baseada em dois diferentes tipos de redes (MLP e RBF), para a tarefa de detecção e classificação de faltas nos níveis de tempo requeridos para um moderno sistema de proteção. Um estudo comparativo em relação ao desempenho das redes mencionadas também foi realizado. Os testes efetuados para as redes dos tipos MLP e RBF mostraram que o sistema proposto foi capaz de detectar e classificar corretamente 100% dos casos estudados. Deve ainda ser ressaltado, que na maior parte dos casos (93% para a rede MLP e 84% para a rede RBF), o processo de detecção e classificação foi completado com no máximo 5 amostras de pós-falta (5ms). Isto demonstra a rapidez na tarefa de detecção e classificação embutida no método proposto, principalmente levando-se em consideração os tempos apresentados pelos métodos convencionais. / Transmission line protection is one of the major tasks for a power system. Transmission line faults must be located accurately and isolated as fast as possible. In order to perform this task, the power system protection system uses the three-phase currents (IA, IB, IC) and voltages (VA, VB, VC) to detect, classify and locate the fault. After detecting and classifying the fault, the relay calculates the apparent impedance to verify in which protection zone the fault is located. Taking this into account, precise and fast detection and classification methods are fundamental steps for the relay control algorithm. The combination detection + classification must carry out the correct response in less than 10 ms after the fault for a high-speed protection system. Some conventional methods have treated this problem but the time for a correct classification is sometimes excessively long. This work presents a fast and reliable new system for fault detection and classification using the three-phase current measurements. This new system is based on Artificial Neural Networks (RBF and MLP) for the detection and classification tasks. A comparative study involving both types of neural networks was done. Tests showed that the proposed system was able to correctly detect and classify 100% of the studied cases where the majority (93% of the cases for MLP net and 84% for RBF net) of them was done in up to 5 post-fault samples (5 ms). The afore-mentioned demonstrates the high speed of the new method for the detection and classification tasks when compared to the conventional ones.

Submitted by Patrícia Cerveira (pcerveira1@gmail.com) on 2017-05-29T17:39:15Z No. of bitstreams: 1 Daniel Souto Dissertação.pdf: 2907570 bytes, checksum: 0379fd854c367debb9d8b6237a881084 (MD5) / Rejected by Biblioteca da Escola de Engenharia (bee@ndc.uff.br), reason: Bom dia, Patrícia! Rejeitei este item, pois fiquei com dúvida se é realmente acesso restrito. Conforme orientações da Jane, o acesso é aberto. Você está colocando acesso restrito. O acesso somente é restrito quando a tese ou dissertação serão publicadas e se exige ineditismo, ou quando o produto do trabalho tem segredo empresarial ou virará patente. Nos demais casos, é aberto. Aguardo retorno. Atenciosamente, Catarina Ribeiro Bibliotecária BEE - Ramal 5992 on 2017-06-29T13:54:55Z (GMT) / Submitted by Patrícia Cerveira (pcerveira1@gmail.com) on 2017-06-29T18:56:23Z No. of bitstreams: 1 Daniel Souto Dissertação.pdf: 2907570 bytes, checksum: 0379fd854c367debb9d8b6237a881084 (MD5) / Approved for entry into archive by Biblioteca da Escola de Engenharia (bee@ndc.uff.br) on 2017-07-03T12:39:19Z (GMT) No. of bitstreams: 1 Daniel Souto Dissertação.pdf: 2907570 bytes, checksum: 0379fd854c367debb9d8b6237a881084 (MD5) / Made available in DSpace on 2017-07-03T12:39:19Z (GMT). No. of bitstreams: 1 Daniel Souto Dissertação.pdf: 2907570 bytes, checksum: 0379fd854c367debb9d8b6237a881084 (MD5) / O problema de diagnóstico de faltas em linhas de transmissão constitui um dos principais desafios para gestão técnica de instalações de transmissão. A assertividade nesta atividade é fundamental para suporte à tomada de decisão, reduzindo as taxas de indisponibilidade e promovendo o restabelecimento célere da função transmissão, contribuindo para melhoria da qualidade do serviço e reduzindo os impactos financeiros advindos de reduções na parcela variável. Este documento apresenta uma proposta de sistema inteligente para classificação e localização de faltas em linhas de transmissão. Os algoritmos utilizados são baseados nos chamados modelos neurais autônomos, que incluem técnicas analíticas para seleção de entradas e especificação automática da estrutura sem a necessidade do uso de um conjunto independente de dados para validação. Ao utilizar a inferência bayesiana para especificação e treinamento de perceptrons de múltiplas camadas (MLPs), o sistema inteligente fornece respostas probabilísticas para classificação do tipo de defeito e também para a distância da falta em relação à subestação monitorada. Para desenvolvimento dos modelos são utilizados dados técnicos de uma linha de transmissão integrante do Sistema Interligado Nacional (SIN), a qual é modelada em um “software” de simulação de transitórios eletromagnéticos, ATP, visando estabelecer os diversos cenários de falta. Foram analisados dois tipos de rede equivalente, uma detalhada e outra simples, de forma a precisar qual o melhor modelo e se há diferenças significativas nos resultados em termos de representação das faltas. As bases de dados com as oscilografias de tensão e corrente obtidas para cada tipo de defeito são utilizadas para treinamento e teste do sistema inteligente, sendo demonstrando o potencial dos algoritmos utilizados. / The problem of fault diagnosis in transmission lines is one of the main challenges for the technical management of transmission facilities. The assertiveness on this activity is crucial to support decision making, reducing unavailability rates and promoting rapid reinstatement of the transmission function, contributing to the improvement of service quality and reducing the financial impacts arising from reductions in the variable portion. This document presents a proposal of intelligent system for classification and location of faults in transmission lines. The algorithms used are based on the so-called autonomous neural models which include analytical techniques for input selection and automatic structure specification without the need for an independent set of data for validation. Using Bayesian inference for specification and training of multilayer perceptrons (MLPs), the intelligent system provides probabilistic responses for classification of the type of fault and also for the distance of the fault from the monitored substation. Thus for the development of the models, technical data are used of a transmission line that is part of the National Interconnected System (SIN) which is modeled in an electromagnetic transient simulation software, ATP, aiming to establish the various fault scenarios. Furthermore, two types of equivalent network were analyzed, one detailed and one simple, in order to specify the best model and if there were significant differences in results in terms of fault representation. The databases with voltage and current oscillographs obtained for each type of fault are used for training and testing of the intelligent system, demonstrating the potential of the algorithms used.