Identificar e localizar faltas em alimentadores de distribuição representa um passo importante para a melhoria da qualidade de energia, pois proporciona impactos diretos sobre o tempo de inspeção. Na verdade, a duração da inspeção implica consideravelmente no intervalo em que os consumidores estão sem energia elétrica, quando ocorre uma interrupção não programada. O objetivo deste trabalho é fornecer um sistema de detecção automática de curtos-circuitos, permitindo aos profissionais das companhias de distribuição acompanhar e monitorar de maneira on-line a ocorrência de possíveis faltas e transitórios eletromagnéticos observados na rede primária de distribuição. A abordagem de detecção utiliza um sistema híbrido que combina ferramentas inteligentes e convencionais para identificar e localizar faltas em redes primárias. Os resultados que foram compilados demonstram grande potencialidade de aplicação da proposta em sistemas de distribuição. / Efficient faults identification and location in power distribution lines constitute an important step for power quality improvement, since they provide direct impacts on the inspection time. In fact, the duration of inspection implies directly in the time interval where consumers are without power, considering here the occurrence of a non-programmed interruption. The objective of this work is to provide an automated fault detection system, allowing to the power companies engineers to online track and monitor the possible occurrence of faults and electromagnetic transients observed in the primary network for the distribution circuits. The detection approach uses a hybrid system, which combines a set of intelligent and conventional tools to identify and locate faults in the primary networks. Validation results show great application potential in distribution systems.

Identificar e localizar faltas em alimentadores de distribuição representa um passo importante para a melhoria da qualidade de energia, pois proporciona impactos diretos sobre o tempo de inspeção. Na verdade, a duração da inspeção implica consideravelmente no intervalo em que os consumidores estão sem energia elétrica, quando ocorre uma interrupção não programada. O objetivo deste trabalho é fornecer um sistema de detecção automática de curtos-circuitos, permitindo aos profissionais das companhias de distribuição acompanhar e monitorar de maneira on-line a ocorrência de possíveis faltas e transitórios eletromagnéticos observados na rede primária de distribuição. A abordagem de detecção utiliza um sistema híbrido que combina ferramentas inteligentes e convencionais para identificar e localizar faltas em redes primárias. Os resultados que foram compilados demonstram grande potencialidade de aplicação da proposta em sistemas de distribuição. / Efficient faults identification and location in power distribution lines constitute an important step for power quality improvement, since they provide direct impacts on the inspection time. In fact, the duration of inspection implies directly in the time interval where consumers are without power, considering here the occurrence of a non-programmed interruption. The objective of this work is to provide an automated fault detection system, allowing to the power companies engineers to online track and monitor the possible occurrence of faults and electromagnetic transients observed in the primary network for the distribution circuits. The detection approach uses a hybrid system, which combines a set of intelligent and conventional tools to identify and locate faults in the primary networks. Validation results show great application potential in distribution systems.

A diminuição no custo de computadores pessoais tem favorecido a construção de sistemas computacionais complexos, tais como aglomerados e grades. Devido ao grande número de recursos existentes nesses sistemas, a probabilidade de que faltas ocorram é alta. Uma abordagem que auxilia a tornar sistemas mais robustos na presença de faltas é a detecção de sua ocorrência, a fim de que processos possam ser reiniciados em estados seguros, ou paralisados em estados que não ofereçam riscos. Abordagens comumente adotadas para detecção seguem, basicamente, três tipos de estratégias: as baseadas em mensagens de controle, em estatística e em aprendizado de máquina. No entanto, elas tipicamente não consideram o comportamento de processos ao longo do tempo. Observando essa limitação nas pesquisas relacionadas, este trabalho apresenta uma abordagem para medir a variação no comportamento de processos ao longo do tempo, a fim de que mudanças inesperadas sejam detectadas. Essas mudanças são consideradas, no contexto deste trabalho, como faltas, as quais representam transições indesejadas entre estados de um processo e podem levá-lo a processamento incorreto, fora de sua especificação. A proposta baseia-se na estimação de cadeias de Markov que representam estados visitados por um processo durante sua execução. Variações nessas cadeias são utilizadas para identificar faltas. A abordagem proposta é comparada à técnica de aprendizado de máquina Support Vector Machines, bem como à técnica estatística Auto-Regressive Integrated Moving Average. Essas técnicas foram escolhidas para comparação por estarem entre as mais empregadas na literatura. Experimentos realizados mostraram que a abordagem proposta possui, com erro \'alfa\' = 1%, um F-Measure maior do que duas vezes o alcançado pelas outras técnicas. Realizou-se também um estudo adicional de predição de faltas. Nesse sentido, foi proposta uma técnica preditiva baseada na reconstrução do comportamento observado do sistema. A avaliação da técnica mostrou que ela pode aumentar em até uma ordem de magnitude a disponibilidade (em horas) de um sistema / The cost reduction for personal computers has enabled the construction of complex computational systems, such as clusters and grids. Because of the large number of resources available on those systems, the probability that faults may occur is high. An approach that helps to make systems more robust in the presence of faults is their detection, in order to restart or stop processes in safe states. Commonly adopted approaches for detection basically follow one of three strategies: the one based on control messages, on statistics or on machine learning. However, they typically do not consider the behavior of processes over time. Observing this limitation in related researches, this work presents an approach to measure the level of variation in the behavior of processes over time, so that unexpected changes are detected. These changes are considered, in the context of this work, as faults, which represent undesired transitions between process states and may cause incorrect processing, outside the specification. The approach is based on the estimation of Markov Chains that represent states visited by a process during its execution. Variations in these chains are used to identify faults. The approach is compared to the machine learning technique Support Vector Machines, as well as to the statistical technique Auto-Regressive Integrated Moving Average. These techniques have been selected for comparison because they are among the ones most employed in the literature. Experiments conducted have shown that the proposed approach has, with error \'alpha\'= 1%, an F-Measure higher than twice the one achieved by the other techniques. A complementary study has also been conducted about fault prediction. In this sense, a predictive approach based on the reconstruction of system behavior was proposed. The evaluation of the technique showed that it can provide up to an order of magnitude greater availability of a system in terms of uptime hours

O objetivo deste trabalho é estudar a identificação, classificação, localização e setorização de faltas em redes de distribuição radiais, verificar a maneira de aplicar e integrar diversas ferramentas numéricas convencionais, assim como ferramentas de sistemas inteligentes, visando identificar a ocorrência de uma falta, classificar as fases envolvidas com a mesma, e aplicar as diversas ferramentas existentes a fim de localizar em tempo real o eventual local onde houve a ocorrência da falta, permitindo que a mesma possa ser setorizada dentro do sistema da concessionária e informada ao centro de operações, usando uma nova abordagem inteligente baseada em análise espectral de sinais. / The aim of this work is study the identification, classification, location and sectorization of a fault in distribution radial networks, check how to implement and integrate various conventional numerical tools, as well as intelligent systems based tools, to identify the occurrence of a fault, classify the phases involved with it, and apply the various tools available to locate the place where a fault was occurred in real time, enabling it to be sectorized into the utility system and informed to operational center using a new intelligent approach based on spectral signals analysis.

O objetivo deste trabalho é estudar a identificação, classificação, localização e setorização de faltas em redes de distribuição radiais, verificar a maneira de aplicar e integrar diversas ferramentas numéricas convencionais, assim como ferramentas de sistemas inteligentes, visando identificar a ocorrência de uma falta, classificar as fases envolvidas com a mesma, e aplicar as diversas ferramentas existentes a fim de localizar em tempo real o eventual local onde houve a ocorrência da falta, permitindo que a mesma possa ser setorizada dentro do sistema da concessionária e informada ao centro de operações, usando uma nova abordagem inteligente baseada em análise espectral de sinais. / The aim of this work is study the identification, classification, location and sectorization of a fault in distribution radial networks, check how to implement and integrate various conventional numerical tools, as well as intelligent systems based tools, to identify the occurrence of a fault, classify the phases involved with it, and apply the various tools available to locate the place where a fault was occurred in real time, enabling it to be sectorized into the utility system and informed to operational center using a new intelligent approach based on spectral signals analysis.

Made available in DSpace on 2014-06-11T19:22:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-09-08Bitstream added on 2014-06-13T18:08:25Z : No. of bitstreams: 1 souza_fa_me_ilha.pdf: 1540078 bytes, checksum: dcdf1d9d8a1a4c7ac5611476ba3ddbee (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Atualmente as empresas do setor elétrico deparam–se cada vez mais com as exigências do mercado energético sendo obrigadas a assegurarem aos seus clientes bons níveis de continuidade e confiabilidade no serviço de fornecimento da energia elétrica e também atender os índices de continuidade do serviço estabelecidos pela agência reguladora do setor elétrico (ANEEL – Agência Nacional de Energia Elétrica). Para alcançar estes objetivos além de investir na otimização dos seus sistemas de transmissão e distribuição, as empresas responsáveis têm investido na automação de suas operações, buscando alternativas que reduzam os tempos de interrupção por faltas permanentes nos sistemas de potência. Através de informações disponíveis em uma subestação, é possível estabelecer um procedimento para determinar e classificar condições de faltas, localizando o elemento de proteção acionado, e assim fornecer o apoio à tomada de decisão no ambiente de subestações de sistemas de distribuição de energia elétrica. Neste trabalho é proposta uma metodologia que fornece respostas rápidas (controle on line), para detecção e classificação de faltas em sistemas de distribuição de energia elétrica através de informações analógicas disponíveis em uma subestação, tais como amostras de sinais de tensões e correntes na saída dos alimentadores, com uma arquitetura reconfigurável paralela que usa dispositivos lógicos programáveis (Programables Logics Devices – PLDs) -FPGAs e a linguagem de descrição de hardware – VDHL (Very High Speed Integraded Circuit – VHSIC). Para validar o sistema proposto, foram gerados dados de forma aleatória, compatíveis com informações fornecidas em tempo real pelo sistema SCADA (supervisory control and data-acquisition) de uma subestação real. Os resultados obtidos com as simulações realizadas, mostram que a... / Currently companies of the energy industry is facing increasingly with the requirements of the energy market are obliged to ensure their customers good levels of continuity in service and reliability of supply of electric energy and also meet the rates of continuity of service established by the agency regulator of the energy industry (ANEEL - National Electric Energy Agency). To achieve these goals than to invest in optimization of its transmission and distribution systems, the companies responsible have invested in automation of its operations, seeking alternatives that reduce the time of interruption by failures in the systems of permanent power. Through information available in a substation, it is possible to establish a procedure for identifying and classifying conditions of absence, finding the element of protection driven, and thus provide support for decision-making within the environment of substations to distribution systems for power. This work is proposed a methodology that provides quick answers (control online), for detection and classification of faults in distribution systems of electric energy through analog information available on a substation, such as samples for signs of tensions and currents in the output of feeders, with an architecture that uses parallel reconfigurable programmable logic devices (Programables Logics Devices - PLDs)-FPGAs and the language of description of hardware - VDHL (Very High Speed Circuit Integraded - VHSIC). To validate the proposed system, data were generated at random, consistent with information provided by the system in real time SCADA (supervisory control and data-acquisition) of a real substation. The results obtained with the simulations conducted, show that the proposed methodology, presents satisfactory results, and times of reasonable answers.

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)

A diminuição no custo de computadores pessoais tem favorecido a construção de sistemas computacionais complexos, tais como aglomerados e grades. Devido ao grande número de recursos existentes nesses sistemas, a probabilidade de que faltas ocorram é alta. Uma abordagem que auxilia a tornar sistemas mais robustos na presença de faltas é a detecção de sua ocorrência, a fim de que processos possam ser reiniciados em estados seguros, ou paralisados em estados que não ofereçam riscos. Abordagens comumente adotadas para detecção seguem, basicamente, três tipos de estratégias: as baseadas em mensagens de controle, em estatística e em aprendizado de máquina. No entanto, elas tipicamente não consideram o comportamento de processos ao longo do tempo. Observando essa limitação nas pesquisas relacionadas, este trabalho apresenta uma abordagem para medir a variação no comportamento de processos ao longo do tempo, a fim de que mudanças inesperadas sejam detectadas. Essas mudanças são consideradas, no contexto deste trabalho, como faltas, as quais representam transições indesejadas entre estados de um processo e podem levá-lo a processamento incorreto, fora de sua especificação. A proposta baseia-se na estimação de cadeias de Markov que representam estados visitados por um processo durante sua execução. Variações nessas cadeias são utilizadas para identificar faltas. A abordagem proposta é comparada à técnica de aprendizado de máquina Support Vector Machines, bem como à técnica estatística Auto-Regressive Integrated Moving Average. Essas técnicas foram escolhidas para comparação por estarem entre as mais empregadas na literatura. Experimentos realizados mostraram que a abordagem proposta possui, com erro \'alfa\' = 1%, um F-Measure maior do que duas vezes o alcançado pelas outras técnicas. Realizou-se também um estudo adicional de predição de faltas. Nesse sentido, foi proposta uma técnica preditiva baseada na reconstrução do comportamento observado do sistema. A avaliação da técnica mostrou que ela pode aumentar em até uma ordem de magnitude a disponibilidade (em horas) de um sistema / The cost reduction for personal computers has enabled the construction of complex computational systems, such as clusters and grids. Because of the large number of resources available on those systems, the probability that faults may occur is high. An approach that helps to make systems more robust in the presence of faults is their detection, in order to restart or stop processes in safe states. Commonly adopted approaches for detection basically follow one of three strategies: the one based on control messages, on statistics or on machine learning. However, they typically do not consider the behavior of processes over time. Observing this limitation in related researches, this work presents an approach to measure the level of variation in the behavior of processes over time, so that unexpected changes are detected. These changes are considered, in the context of this work, as faults, which represent undesired transitions between process states and may cause incorrect processing, outside the specification. The approach is based on the estimation of Markov Chains that represent states visited by a process during its execution. Variations in these chains are used to identify faults. The approach is compared to the machine learning technique Support Vector Machines, as well as to the statistical technique Auto-Regressive Integrated Moving Average. These techniques have been selected for comparison because they are among the ones most employed in the literature. Experiments conducted have shown that the proposed approach has, with error \'alpha\'= 1%, an F-Measure higher than twice the one achieved by the other techniques. A complementary study has also been conducted about fault prediction. In this sense, a predictive approach based on the reconstruction of system behavior was proposed. The evaluation of the technique showed that it can provide up to an order of magnitude greater availability of a system in terms of uptime hours

Orientador: Carlos Roberto Minussi / Resumo: Esta pesquisa apresenta o desenvolvimento de uma ferramenta para a detecção e classificação de curtos-circuitos em sistemas de distribuição de energia elétrica, a qual é baseada no uso combinado da análise multirresolução e rede neural ARTMAP-fuzzy. A análise multirresolução permite a identificação de singularidades nas oscilografias e a rede da família ART garante ao sistema classificador a capacidade de aprendizado contínuo de novos padrões sem perder o conhecimento previamente adquirido. Todo o processo de diagnóstico é realizado em uma única etapa, reduzindo o custo computacional da metodologia. A eficiência do sistema é verificada por uma análise direta, na qual se contabiliza a quantidade total de acertos, e por uma avaliação comparativa, a qual envolve a substituição da rede ARTMAP-fuzzy pela rede ARTMAP-Euclideana. Resultados mostram que o sistema é eficiente, sendo capaz de detectar e classificar 100% das falhas elétricas. / Abstract: This research presents the development of a tool for the detection and classification of short circuits in electric power distribution systems, which is based on the combined use of multi-resolution analysis and fuzzy ARTMAP neural network. The multiresolution analysis allows the identification of singularities in the oscillographs and the ART family network guarantees to the classifier the ability to continuously learn new patterns without losing the previously acquired knowledge. The entire diagnostic process is performed in a single step, reducing the computational effort. The efficiency of the system is verified by a direct analysis, in which the total number of hits is counted, and by a comparative evaluation, which involves the replacement of the fuzzy ARTMAP network by the Euclidean ARTMAP network. Results show that the system is efficient, being able to detect and classify 100% of the electrical faults. / Mestre

Submitted by Samira Prince (prince@ufpa.br) on 2012-10-04T14:54:56Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstudosEstrategiasIdentificacao.pdf: 2040894 bytes, checksum: 421158111d58a4a457e1d3b266d03ac6 (MD5) / Approved for entry into archive by Ana Rosa Silva(arosa@ufpa.br) on 2012-10-08T12:57:43Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstudosEstrategiasIdentificacao.pdf: 2040894 bytes, checksum: 421158111d58a4a457e1d3b266d03ac6 (MD5) / Made available in DSpace on 2012-10-08T12:57:43Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstudosEstrategiasIdentificacao.pdf: 2040894 bytes, checksum: 421158111d58a4a457e1d3b266d03ac6 (MD5) Previous issue date: 2012 / FAPESPA - Fundação Amazônia de Amparo a Estudos e Pesquisas / Esta dissertação apresenta uma técnica para detecção e diagnósticos de faltas incipientes. Tais faltas provocam mudanças no comportamento do sistema sob investigação, o que se reflete em alterações nos valores dos parâmetros do seu modelo matemático representativo. Como plataforma de testes, foi elaborado um modelo de um sistema industrial em ambiente computacional Matlab/Simulink, o qual consiste em uma planta dinâmica composta de dois tanques comunicantes entre si. A modelagem dessa planta foi realizada através das equações físicas que descrevem a dinâmica do sistema. A falta, a que o sistema foi submetido, representa um estrangulamento gradual na tubulação de saída de um dos tanques. Esse estrangulamento provoca uma redução lenta, de até 20 %, na seção desse tubo. A técnica de detecção de falta foi realizada através da estimação em tempo real dos parâmetros de modelos Auto-regressivos com Entradas Exógenas (ARX) com estimadores Fuzzy e de Mínimos Quadrados Recursivos. Já, o diagnóstico do percentual de entupimento da tubulação foi obtido por um sistema fuzzy de rastreamento de parâmetro, realimentado pela integral do resíduo de detecção. Ao utilizar essa metodologia, foi possível detectar e diagnosticar a falta simulada em três pontos de operação diferentes do sistema. Em ambas as técnicas testadas, o método de MQR teve um bom desempenho, apenas para detectar a falta. Já, o método que utilizou estimação com supervisão fuzzy obteve melhor desempenho, em detectar e diagnosticar as faltas aplicadas ao sistema, constatando a proposta do trabalho. / This dissertation presents a technique for detection and diagnosis of incipient faults, which cause changes in behavior of the system under investigation and are reflected in the mathematical model’s parameters values variation. As a testbed, was constructed a model of an industrial system computing environment Matlab/Simulink, which consists of a dynamic plant composed of two tanks linked to each other. The modeling of this plant was carried out by physical equations that describe the dynamics of the system. The fault, which the system was submitted, represents a gradual clogging in the exit pipe of the tank 2. This bottleneck causes a gradual reduction, up to 20%, of the pipe section. The technique of fault detection was performed by real-time estimation of parameters Auto-regressive models with exogenous inputs (ARX) with fuzzy and Recursive Least Squares (RLS) estimators. Already, the percentage clogging diagnosis of the pipe was obtained by a fuzzy system parameter tracking, fed back by the integral of the residue detection. Using this methodology, it was possible to detect and diagnose the simulated fault in three differents operating points of the system. In both techniques tested, the RLS method perform well, only to detect fault. Otherwise, the fuzzy method performed better, in detect and diagnose the fault applied to the system, noting the work propose.