Problemas ocasionados por perturbações na qualidade da energia elétrica (QEE) podem provocar sérios prejuízos, tanto de cunho social, quanto financeiros, aos clientes conectados ao sistema elétrico de potência como um todo. Neste contexto, os clientes que mais sofrem são os clientes industriais, pois estes possuem cargas sensíveis a vários distúrbios associados à falta da QEE. Sendo assim, para adoções de medidas preventivas, ou corretivas, que melhorem os índices de QEE, faz-se necessário um monitoramento dos sistemas elétricos que permita um melhor acompanhamento da ocorrência dos distúrbios. Nesta pesquisa é proposta a modelagem do problema de alocação ótima de monitores de QEE em sistemas de distribuição com múltiplos objetivos, os quais são: minimização do custo do monitoramento, minimização da ambiguidade topológica, maximização do monitoramento das cargas, maximização da quantidade de ramais monitorados, minimização da quantidade de afundamentos não monitorados, e maximização da redundância do monitoramento dos afundamentos. Na resolução do problema foi utilizado o Algoritmo Evolutivo Multiobjetivo com Tabelas (AEMT), adotado por ter boa capacidade de resolução com muitos objetivos. Os resultados obtidos permitiram observar que o AEMT forneceu as fronteiras de Pareto com soluções diversificadas e bem distribuídas ao longo da mesma, mostrando-se de grande relevância para o planejamento de sistemas de monitoramento da QEE em sistemas de distribuição de energia. A principal contribuição desta tese é o fornecimento de um modelo que permite às empresas de energia avaliar os investimentos que farão nos seus sistemas de monitoramento considerando seis critérios distintos, permitindo uma maior flexibilidade no estabelecimento do plano de monitoramento e uma melhor análise do custo/benefício considerando os seis aspectos abordados. / Problems arising from disturbances in power quality (PQ) can cause serious damage, both social, and financial, to customers connected to the electrical power distribution systems as a whole. In this context, the customers who suer most are industrial customers, as they have loads sensitive to various disturbances associated with the lack of PQ. Thus, in order to adopt preventive or corrective measures to improve PQ rates, it is necessary to monitor electrical systems to allow better oversight of the occurrence of disturbances. In this research, the proposal is to model the problem of optimal allocation of power quality monitors in distribution systems with multiple objectives. The multiple objectives are: minimizing the monitoring cost, minimizing ambiguities in topology, maximizing the load monitoring, maximizing the area monitoring, minimizing the voltage sag unmonitored, and maximizing the redundancy in the sag monitoring. In solving the problem, a Multiobjective Evolutionary Algorithm with Tables (MEAT) was adopted due to ability to deal with many objectives. The results show that the AMET finds a set of ecient solutions that are diversified and well-distributed along the Pareto Front, and that they are highly relevant for planning of PQ monitoring systems in electrical power distribution systems. The main contribution of this thesis is to provide a model that allows utilities better evaluate investments that they will make in their monitoring systems comprising six dierent criteria, allowing greater flexibility in establishing the monitoring plan and a better analysis of cost/benefit considering the six aspects.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O objetivo deste trabalho é contribuir com o desenvolvimento de uma técnica baseada em sistemas inteligentes que possibilite a localização exata ou aproximada do ponto de origem de uma Variação de Tensão de Curta Duração (VTCD) (gerada por uma falta) em um sistema de distribuição de energia elétrica. Este trabalho utiliza um Phase-Locked Loop (PLL) com o intuito de detectar as faltas. Uma vez que a falta é detectada, os sinais de tensão obtidos durante a falta são decompostos em componentes simétricas instantâneas por meio do método proposto. Em seguida, as energias das componentes simétricas são calculadas e utilizadas para estimar a localização da falta. Nesta pesquisa, são avaliadas duas estruturas baseadas em Redes Neurais Artificiais (RNAs). A primeira é projetada para classificar a localização da falta em um dos pontos possíveis e a segunda é projetada para estimar a distância da falta ao alimentador. A técnica aqui proposta aplica-se a alimentadores trifásicos com cargas equilibradas. No desenvolvimento da mesma, considera-se que há disponibilidade de medições de tensões no nó inicial do alimentador e também em pontos esparsos ao longo da rede de distribuição. O banco de dados empregado foi obtido através de simulações de um modelo de alimentador radial usando o programa PSCAD/EMTDC. Testes de sensibilidade empregando validação-cruzada são realizados em ambas as arquiteturas de redes neurais com o intuito de verificar a confiabilidade dos resultados obtidos. Adicionalmente foram realizados testes com faltas não inicialmente contidas no banco de dados a fim de se verificar a capacidade de generalização das redes. Os desempenhos de ambas as arquiteturas de redes neurais foram satisfatórios e demonstram a viabilidade das técnicas propostas para realizar a localização de faltas em redes de distribuição. / The aim of this work is to contribute to the development of a technique based on intelligent systems that allows the accurate location of the Short Duration Voltage Variations (SDVV) origin in an electrical power distribution system. Once the fault is detected via a Phase-Locked Loop (PLL), voltage signals acquired during the fault are decomposed into instantaneous symmetrical components by the proposed method. Then, the energies of the symmetrical components are calculated and used to estimate the fault location. In this work, two systems based on Artificial Neural Networks (ANN) are evaluated. The first one is designed to classify the fault location into one of predefined possible points and the second is designed to estimate the fault distance from the feeder. The technique herein proposed is applies to three-phase feeders with balanced loads. In addition, it is considered that there is availability of voltage measurements in the initial node of the feeder and also in sparse points along the distribution power grid. The employed database was made using simulations of a model of radial feeder using the PSCAD / EMTDC program. Sensitivity tests employing cross-validation are performed for both approaches in order to verify the reliability of the results. Furthermore, in order to check the generalization capability, tests with faults not originally contained in the database were performed. The performances of both architectures of neural networks were satisfactory and they demonstrate the feasibility of the proposed techniques to perform fault location on distribution grids.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O objetivo deste trabalho é contribuir com o desenvolvimento de uma técnica baseada em sistemas inteligentes que possibilite a localização exata ou aproximada do ponto de origem de uma Variação de Tensão de Curta Duração (VTCD) (gerada por uma falta) em um sistema de distribuição de energia elétrica. Este trabalho utiliza um Phase-Locked Loop (PLL) com o intuito de detectar as faltas. Uma vez que a falta é detectada, os sinais de tensão obtidos durante a falta são decompostos em componentes simétricas instantâneas por meio do método proposto. Em seguida, as energias das componentes simétricas são calculadas e utilizadas para estimar a localização da falta. Nesta pesquisa, são avaliadas duas estruturas baseadas em Redes Neurais Artificiais (RNAs). A primeira é projetada para classificar a localização da falta em um dos pontos possíveis e a segunda é projetada para estimar a distância da falta ao alimentador. A técnica aqui proposta aplica-se a alimentadores trifásicos com cargas equilibradas. No desenvolvimento da mesma, considera-se que há disponibilidade de medições de tensões no nó inicial do alimentador e também em pontos esparsos ao longo da rede de distribuição. O banco de dados empregado foi obtido através de simulações de um modelo de alimentador radial usando o programa PSCAD/EMTDC. Testes de sensibilidade empregando validação-cruzada são realizados em ambas as arquiteturas de redes neurais com o intuito de verificar a confiabilidade dos resultados obtidos. Adicionalmente foram realizados testes com faltas não inicialmente contidas no banco de dados a fim de se verificar a capacidade de generalização das redes. Os desempenhos de ambas as arquiteturas de redes neurais foram satisfatórios e demonstram a viabilidade das técnicas propostas para realizar a localização de faltas em redes de distribuição. / The aim of this work is to contribute to the development of a technique based on intelligent systems that allows the accurate location of the Short Duration Voltage Variations (SDVV) origin in an electrical power distribution system. Once the fault is detected via a Phase-Locked Loop (PLL), voltage signals acquired during the fault are decomposed into instantaneous symmetrical components by the proposed method. Then, the energies of the symmetrical components are calculated and used to estimate the fault location. In this work, two systems based on Artificial Neural Networks (ANN) are evaluated. The first one is designed to classify the fault location into one of predefined possible points and the second is designed to estimate the fault distance from the feeder. The technique herein proposed is applies to three-phase feeders with balanced loads. In addition, it is considered that there is availability of voltage measurements in the initial node of the feeder and also in sparse points along the distribution power grid. The employed database was made using simulations of a model of radial feeder using the PSCAD / EMTDC program. Sensitivity tests employing cross-validation are performed for both approaches in order to verify the reliability of the results. Furthermore, in order to check the generalization capability, tests with faults not originally contained in the database were performed. The performances of both architectures of neural networks were satisfactory and they demonstrate the feasibility of the proposed techniques to perform fault location on distribution grids.

Due to the result of the sudden fossil fuels over-night price rises of 1973/1974, coupled with the depletion of the traditional energy resources, many initiatives globally have addressed the efficient use of these resources. Since then, several renewable energy sources have been introduced as alternatives to traditional resources to protect environmental resources and to improve quality of life. Globally, there are more than a quarter of the human population experiencing an energy crisis, particularly those living in the rural areas of developing countries. One typical example of this is Nigeria. This is a country with approximately 80% of her population consistently relying on combustible biomass from wood and its charcoal derivative. Nigeria has an abundant amount of both renewable and fossil fuel resources, but due to the lack of a reasonable energy policy (until recently), it has concentrated on traditional fossil fuels alone. Renewable energy is now Globally considered as a solution for mitigating climate change and environmental pollution. To assess the sustainability of renewable energy systems, the use of sustainability indicators is often necessary. These indicators are not only able to evaluate all the sustainability criteria of the renewable energy sources,1 but also can provide numerical results of sustainability assessment for different objective systems.