O presente trabalho visa apresentar um modelo alternativo e completo de proteção para linhas de transmissão utilizando-se de Redes Neurais Artificiais (RNAs). Pela aplicação, busca-se um modelo que venha a realizar a detecção do defeito, a classificação quanto ao tipo de falta ocorrida e a localização da mesma no que diz respeito à verificação das zonas de proteção em um menor tempo se comparado com as propostas convencionais. As grandezas analisadas referem-se a valores amostrados de tensões e correntes do sistema elétrico, cujos valores foram obtidos através de simulações computacionais utilizando o software Alternative Transientes Program (ATP). O desenvolvimento do trabalho está dividido em módulos, que dizem respeito à implementação das arquiteturas para a detecção, classificação e a localização da falta. Ressalta-se que o objetivo de treinar os módulos foi o de se obter arquiteturas de RNAs fixas (software NeuralWorks), as quais representam todo o conhecimento armazenado do sistema de proteção. Com estas arquiteturas fixas, através de um algoritmo computacional apropriado e implementado na linguagem de programação \"C\", pode-se então obter as respostas sobre todas as prováveis condições de operação do sistema de transmissão. Os resultados alcançados pela aplicação deste modelo alternativo de proteção ilustram que o desempenho global das arquiteturas de RNAs é altamente satisfatório e condizente para uma possível aplicação prática. Deve ser enfatizado que o esquema proposto se mostra altamente preciso, com alta velocidade de atuação, apresentando características bastante desejáveis para um sistema de proteção moderno. Deve ser mencionado que esta pesquisa foi desenvolvida em cooperação com o Departamento de Engenharia Elétrica e Eletrônica da Universidade de Bath/Inglaterra. / This work presents an alternative Artificial Neural Network (ANN) approach to simulate a complete scheme for a transmission line protection. From this application, we intend to obtain a complete model to detect the fault, to classify the fault type occurred and to locate it on the protection zones as quickly as possible when compared to conventional approaches. The voltage and current sampled values from the electric power system are analyzed and they are generated by computational simulation using the Alternative Transients Program (ATP) software. In order to perform the simulation, the study was subdivided into different neural network modules for fault detection, fault classification as well as fault location. It should be pointed out that the modules training objective was to obtain the appropriate fixed ANNs architectures (software NeuralWorks), which represent all stored knowledge from the protection system operation. With these fixed architectures, by an appropriate computational algorithm implemented in a C code language, all expected correct responses described above for different operation conditions can be obtained. The results obtained by application of this alternative protection approach, show that the global performance of the ANNs architecture was highly satisfactory and suitable to a practical application. It should be emphasized that the scheme proposed is highly precise with high speed of response, showing desirable characteristics to a modern protection system. It should be mentioned that this research was developed in cooperation with the Department of Electronic and Electrical Engineering - University of Bath/England.

O presente trabalho visa apresentar um modelo alternativo e completo de proteção para linhas de transmissão utilizando-se de Redes Neurais Artificiais (RNAs). Pela aplicação, busca-se um modelo que venha a realizar a detecção do defeito, a classificação quanto ao tipo de falta ocorrida e a localização da mesma no que diz respeito à verificação das zonas de proteção em um menor tempo se comparado com as propostas convencionais. As grandezas analisadas referem-se a valores amostrados de tensões e correntes do sistema elétrico, cujos valores foram obtidos através de simulações computacionais utilizando o software Alternative Transientes Program (ATP). O desenvolvimento do trabalho está dividido em módulos, que dizem respeito à implementação das arquiteturas para a detecção, classificação e a localização da falta. Ressalta-se que o objetivo de treinar os módulos foi o de se obter arquiteturas de RNAs fixas (software NeuralWorks), as quais representam todo o conhecimento armazenado do sistema de proteção. Com estas arquiteturas fixas, através de um algoritmo computacional apropriado e implementado na linguagem de programação \"C\", pode-se então obter as respostas sobre todas as prováveis condições de operação do sistema de transmissão. Os resultados alcançados pela aplicação deste modelo alternativo de proteção ilustram que o desempenho global das arquiteturas de RNAs é altamente satisfatório e condizente para uma possível aplicação prática. Deve ser enfatizado que o esquema proposto se mostra altamente preciso, com alta velocidade de atuação, apresentando características bastante desejáveis para um sistema de proteção moderno. Deve ser mencionado que esta pesquisa foi desenvolvida em cooperação com o Departamento de Engenharia Elétrica e Eletrônica da Universidade de Bath/Inglaterra. / This work presents an alternative Artificial Neural Network (ANN) approach to simulate a complete scheme for a transmission line protection. From this application, we intend to obtain a complete model to detect the fault, to classify the fault type occurred and to locate it on the protection zones as quickly as possible when compared to conventional approaches. The voltage and current sampled values from the electric power system are analyzed and they are generated by computational simulation using the Alternative Transients Program (ATP) software. In order to perform the simulation, the study was subdivided into different neural network modules for fault detection, fault classification as well as fault location. It should be pointed out that the modules training objective was to obtain the appropriate fixed ANNs architectures (software NeuralWorks), which represent all stored knowledge from the protection system operation. With these fixed architectures, by an appropriate computational algorithm implemented in a C code language, all expected correct responses described above for different operation conditions can be obtained. The results obtained by application of this alternative protection approach, show that the global performance of the ANNs architecture was highly satisfactory and suitable to a practical application. It should be emphasized that the scheme proposed is highly precise with high speed of response, showing desirable characteristics to a modern protection system. It should be mentioned that this research was developed in cooperation with the Department of Electronic and Electrical Engineering - University of Bath/England.

O monitoramento e diagnóstico, com a consequente localização dos curtos-circuitos em Sistemas de Distribuição (SD), fazem parte de um processo complexo, exigindo esforços e agilidade das equipes técnicas de manutenção das concessionárias de energia elétrica. Quando se trata de um SD Subterrâneo (SDS), a complexidade de localização das faltas aumenta, pois não é possível realizar a inspeção visual. Por este motivo, desenvolver e aprimorar métodos para monitorar, classificar e localizar as situações de faltas em SD tem sido de relevante interesse para a comunidade técnico-científica nos últimos anos. Neste contexto, apresenta-se nesta pesquisa um método para processar as informações necessárias para classificar e localizar a ocorrência de um curto-circuito (monofásico, bifásico e/ou trifásico, com e/ou sem o envolvimento da terra) em um SDS. O processamento das informações foi realizado por meio da observação da propagação dos afundamentos de tensão, decorrentes de curtos-circuitos passíveis de ocorrência no SDS, e pela alocação de um número reduzido de medidores, permitindo a classificação e localização precisa da falta. Um dos diferenciais da metodologia proposta é que esta utiliza somente os valores eficazes das tensões trifásicas, registradas em medidores estrategicamente alocados, para indicação da área afetada e classificação das fases envolvidas. A metodologia é baseada no emprego de redes neurais artificiais. Os resultados encontrados são promissores, indicando a aplicabilidade da metodologia proposta. / The monitoring and diagnostics, with the consequent localization of short circuits in Distribution Systems (DS), are part of a complex process, requiring efforts and agility of the technical teams of maintenance of electric utilities. In the case of an underground DS (UDS), the location of faults complexity increases, because it is not possible to perform visual inspection. For this reason, develop and improve methods to monitor, sort and locate the fault situations in DS has been of relevant interest to the technical-scientific community in recent years. In this context, this study presents a method for processing the information required to classify and locate the occurrence of a short circuit (single phase, biphasic and / or phase with and / or without the involvement of the earth) on a UDS. The information processing was carried out by observing the propagation of voltage sags, caused by short circuits that may occur in the UDS, and the allocation of a few meters, allowing classification and precise location of the fault. One of the proposed methodology differentials is that it uses only the RMS values of the three-phase voltages, registered in strategically located meters, for indicating the affected area and classification of the phases involved. The methodology is based on the use of artificial neural networks. The results found are promising, indicating the applicability of the proposed methodology.

O monitoramento e diagnóstico, com a consequente localização dos curtos-circuitos em Sistemas de Distribuição (SD), fazem parte de um processo complexo, exigindo esforços e agilidade das equipes técnicas de manutenção das concessionárias de energia elétrica. Quando se trata de um SD Subterrâneo (SDS), a complexidade de localização das faltas aumenta, pois não é possível realizar a inspeção visual. Por este motivo, desenvolver e aprimorar métodos para monitorar, classificar e localizar as situações de faltas em SD tem sido de relevante interesse para a comunidade técnico-científica nos últimos anos. Neste contexto, apresenta-se nesta pesquisa um método para processar as informações necessárias para classificar e localizar a ocorrência de um curto-circuito (monofásico, bifásico e/ou trifásico, com e/ou sem o envolvimento da terra) em um SDS. O processamento das informações foi realizado por meio da observação da propagação dos afundamentos de tensão, decorrentes de curtos-circuitos passíveis de ocorrência no SDS, e pela alocação de um número reduzido de medidores, permitindo a classificação e localização precisa da falta. Um dos diferenciais da metodologia proposta é que esta utiliza somente os valores eficazes das tensões trifásicas, registradas em medidores estrategicamente alocados, para indicação da área afetada e classificação das fases envolvidas. A metodologia é baseada no emprego de redes neurais artificiais. Os resultados encontrados são promissores, indicando a aplicabilidade da metodologia proposta. / The monitoring and diagnostics, with the consequent localization of short circuits in Distribution Systems (DS), are part of a complex process, requiring efforts and agility of the technical teams of maintenance of electric utilities. In the case of an underground DS (UDS), the location of faults complexity increases, because it is not possible to perform visual inspection. For this reason, develop and improve methods to monitor, sort and locate the fault situations in DS has been of relevant interest to the technical-scientific community in recent years. In this context, this study presents a method for processing the information required to classify and locate the occurrence of a short circuit (single phase, biphasic and / or phase with and / or without the involvement of the earth) on a UDS. The information processing was carried out by observing the propagation of voltage sags, caused by short circuits that may occur in the UDS, and the allocation of a few meters, allowing classification and precise location of the fault. One of the proposed methodology differentials is that it uses only the RMS values of the three-phase voltages, registered in strategically located meters, for indicating the affected area and classification of the phases involved. The methodology is based on the use of artificial neural networks. The results found are promising, indicating the applicability of the proposed methodology.