Este trabalho apresenta o estado da arte das técnicas mais aplicadas para localização de faltas e modelagem de faltas de alta impedância e propõe a utilização de uma recente técnica baseada na decomposição dos sinais em componentes ortogonais. Este estudo avalia a aplicabilidade da técnica proposta utilizando dados reais de um sistema de distribuição de energia brasileiro, além de apresentar os conceitos teóricos sobre a decomposição em componentes ortogonais. / This work presents the state of the art of the most used techniques for locating and modelling high impedance faults and proposes the use of a recent technique based on the decomposition of the signals in orthogonal components. The objective of this study is to evaluate the application of the proposed technique using real data from a Brazilian distribution network, and presents the theory on orthogonal decomposition.

Este trabalho apresenta o estado da arte das técnicas mais aplicadas para localização de faltas e modelagem de faltas de alta impedância e propõe a utilização de uma recente técnica baseada na decomposição dos sinais em componentes ortogonais. Este estudo avalia a aplicabilidade da técnica proposta utilizando dados reais de um sistema de distribuição de energia brasileiro, além de apresentar os conceitos teóricos sobre a decomposição em componentes ortogonais. / This work presents the state of the art of the most used techniques for locating and modelling high impedance faults and proposes the use of a recent technique based on the decomposition of the signals in orthogonal components. The objective of this study is to evaluate the application of the proposed technique using real data from a Brazilian distribution network, and presents the theory on orthogonal decomposition.

O presente trabalho desenvolve uma topologia de controle para o gerador de indução duplamente alimentado (GIDA) em condições normais e em condições de falta monofásica. O sistema de controle é dividido em três partes principais: sistema de identificação de faltas, controle em condições normais e controle em condições de falta monofásica. A primeira parte, o sistema de identificação (SI) de faltas, é responsável pela seleção da topologia de controle da máquina. O SI é composto por uma combinação entre redes neurais artificiais (RNA) e a Fast Fourier Transform (FFT). As RNA são responsáveis pela identificação do estado atual da rede, se possui falta ou não. Os dados de entrada das RNA são as correntes de linha do estator que passam por um pré-processamento por meio da FFT. Alguns conteúdos harmônicos de saída da FFT irrelevantes no processo de identificação são eliminados por um método similar ao Principal Components Analysis (PCA). A segunda parte do trabalho é o controle em condições normais, sendo ativado quando o SI aponta a ausência de faltas. A topologia de controle vetorial é utilizada nesta condição para manter a tensão e frequência constante com a velocidade mecânica do eixo variável. A última parte do trabalho é o controle em condições adversas, que é ativado quando o SI detecta uma falta monofásica. A topologia de controle nesta condição utiliza as transformações ortogonais para reduzir o fluxo concatenado no enrolamento do estator com falta. A utilização deste novo controle reduz a corrente do estator quando comparado com o controle vetorial em condições de falta, sendo que a tensão do estator nas fases sem falta é mantida dentro de uma faixa de operação. O trabalho possui resultados de simulação das três principais partes do sistema de controle. Primeiramente, resultados do controle vetorial de tensão e frequência do GIDA sob condições de velocidade do eixo variável e cortes de carga são apresentados. Logo após, apresenta-se os resultados do SI na identificação de faltas monofásicas na fase B e o seu comportamento sob condições adversas como desequilíbrio de carga e cortes de cargas. Finalmente, alguns resultados do controle em condições de falta sobre uma falta fase-neutro na fase B são apresentados. / This paper presents a control topology for doubly fed induction generator (DFIG) in normal and single fault conditions. The control system is divided into three main parts: fault identification system, control in normal condition and control in single fault conditions. In the first part, the system of identification (SI) is responsible for selecting the topology of the control. The SI is composed by a combination of artificial neural networks (ANN) and Fast Fourier Transform (FFT). The ANN is responsible for identifying the current state of the grid, if has fault or not. The inputs of the ANN are stator currents line through of a pre-processing by means of FFT. Some harmonic contents are irrelevant in the identification process and they are eliminated by a method similar to Principal Components Analysis (PCA). The second part of the paper is the control under normal conditions, activated when the SI indicates the absence of faults. The topology of vector control in this condition is used to maintain the voltage and frequency constant, where the speed of the mechanical axis variable. The last part of the work is the control in adverse conditions, which is activated when the SI detects a singlephase fault. The control topology in this condition uses the orthogonal transformations to reduce the mutual flux in the stator winding with fault. The use of this new control reduces the stator current as compared to vector control in fault conditions, and the stator voltage in the stages without fault is maintained within an operating range. The paper has simulation results of three main parts of the control system. First, the results of the vector control voltage and frequency of DFIG under conditions of variable shaft speed and load sections are provided. Soon after, the results of the SI in identifying faults in the phase B under conditions such as load imbalance and cutting loads are shown. Finally, some results of control in fault condition in the phase B are shown.

Este trabalho propôs o desenvolvimento e a avaliação de uma metodologia com o propósito de identificar anomalias em redes de comunicação Profinet, muito utilizadas na automação de plantas industriais. A metodologia desenvolvida está fundamentada na análise das características de comunicação do protocolo Profinet e na identificação e classificação de padrões, sendo esta, uma das principais aplicações do uso de Redes Neurais Artificiais (RNA). As anomalias são identificadas por meio da análise do tráfego de rede Profinet em sua fase de operação. Tais anomalias podem ser desde defeitos comuns apresentados pelos equipamentos da rede e/ou tentativas de ataques a esta, que por sua vez, podem gerar instabilidade e mau funcionamento da unidade industrial que fazem parte. Para o desenvolvimento deste trabalho foram apresentados: o detalhamento do protocolo Profinet, os mecanismos de segurança mais utilizados atualmente, os tipos de sistemas de detecção de anomalias existentes e os principais tipos de ataques em redes de comunicação conhecidos na literatura. Alguns ensaios para a validação da metodologia foram realizados, utilizando-se uma infraestrutura de rede instalada em laboratório. Ensaios com diferentes tipos de equipamentos interligados em rede foram realizados e os resultados apresentados. Como resultado final, demonstrou-se que a metodologia utilizada obteve êxito na identificação da presença ou ausência de anomalias na rede, sendo que os resultados obtidos podem ser considerados satisfatórios e condizentes às expectativas desta dissertação. Concluiu-se então que a metodologia apresentada é factível e aplicável no meio industrial, podendo ser incorporada a uma ferramenta mais abrangente, como os analisadores de redes Profinet. / This work proposed the development and evaluation of a methodology in order to identify anomalies in Profinet communication networks, widely used in the automation of industrial plants. The methodology is based on an analysis of the communication features of the Profinet protocol and identifying and pattern classification, which is one of the main applications of the use of Artificial Neural Networks (ANN). The anomalies are identified by analyzing the Profinet network traffic in its operation phase. Such anomalies can be provided by common defects in equipment in the network and / or attempted attacks to this, which in turn can cause instability and malfunction of the plant forming part. In development of this work were presented: the details of the Profinet protocol, the security mechanisms most widely used, the types of anomalies detection systems and the main types of attacks on communication networks known in the literature. Some assays to validate the method were performed, using a network infrastructure installed in the laboratory. Tests with different types of networked equipment were performed and the results presented. The final result showed that the methodology was successful in identifying the presence or absence of anomalies in the network, and the obtained results can be considered satisfactory and consistent with expectations of this paper. It was therefore concluded that this methodology is feasible and applicable in industrial environment and can be incorporated into a more comprehensive tool, such as analyzers Profinet networks.

O presente trabalho desenvolve uma topologia de controle para o gerador de indução duplamente alimentado (GIDA) em condições normais e em condições de falta monofásica. O sistema de controle é dividido em três partes principais: sistema de identificação de faltas, controle em condições normais e controle em condições de falta monofásica. A primeira parte, o sistema de identificação (SI) de faltas, é responsável pela seleção da topologia de controle da máquina. O SI é composto por uma combinação entre redes neurais artificiais (RNA) e a Fast Fourier Transform (FFT). As RNA são responsáveis pela identificação do estado atual da rede, se possui falta ou não. Os dados de entrada das RNA são as correntes de linha do estator que passam por um pré-processamento por meio da FFT. Alguns conteúdos harmônicos de saída da FFT irrelevantes no processo de identificação são eliminados por um método similar ao Principal Components Analysis (PCA). A segunda parte do trabalho é o controle em condições normais, sendo ativado quando o SI aponta a ausência de faltas. A topologia de controle vetorial é utilizada nesta condição para manter a tensão e frequência constante com a velocidade mecânica do eixo variável. A última parte do trabalho é o controle em condições adversas, que é ativado quando o SI detecta uma falta monofásica. A topologia de controle nesta condição utiliza as transformações ortogonais para reduzir o fluxo concatenado no enrolamento do estator com falta. A utilização deste novo controle reduz a corrente do estator quando comparado com o controle vetorial em condições de falta, sendo que a tensão do estator nas fases sem falta é mantida dentro de uma faixa de operação. O trabalho possui resultados de simulação das três principais partes do sistema de controle. Primeiramente, resultados do controle vetorial de tensão e frequência do GIDA sob condições de velocidade do eixo variável e cortes de carga são apresentados. Logo após, apresenta-se os resultados do SI na identificação de faltas monofásicas na fase B e o seu comportamento sob condições adversas como desequilíbrio de carga e cortes de cargas. Finalmente, alguns resultados do controle em condições de falta sobre uma falta fase-neutro na fase B são apresentados. / This paper presents a control topology for doubly fed induction generator (DFIG) in normal and single fault conditions. The control system is divided into three main parts: fault identification system, control in normal condition and control in single fault conditions. In the first part, the system of identification (SI) is responsible for selecting the topology of the control. The SI is composed by a combination of artificial neural networks (ANN) and Fast Fourier Transform (FFT). The ANN is responsible for identifying the current state of the grid, if has fault or not. The inputs of the ANN are stator currents line through of a pre-processing by means of FFT. Some harmonic contents are irrelevant in the identification process and they are eliminated by a method similar to Principal Components Analysis (PCA). The second part of the paper is the control under normal conditions, activated when the SI indicates the absence of faults. The topology of vector control in this condition is used to maintain the voltage and frequency constant, where the speed of the mechanical axis variable. The last part of the work is the control in adverse conditions, which is activated when the SI detects a singlephase fault. The control topology in this condition uses the orthogonal transformations to reduce the mutual flux in the stator winding with fault. The use of this new control reduces the stator current as compared to vector control in fault conditions, and the stator voltage in the stages without fault is maintained within an operating range. The paper has simulation results of three main parts of the control system. First, the results of the vector control voltage and frequency of DFIG under conditions of variable shaft speed and load sections are provided. Soon after, the results of the SI in identifying faults in the phase B under conditions such as load imbalance and cutting loads are shown. Finally, some results of control in fault condition in the phase B are shown.

Este trabalho propôs o desenvolvimento e a avaliação de uma metodologia com o propósito de identificar anomalias em redes de comunicação Profinet, muito utilizadas na automação de plantas industriais. A metodologia desenvolvida está fundamentada na análise das características de comunicação do protocolo Profinet e na identificação e classificação de padrões, sendo esta, uma das principais aplicações do uso de Redes Neurais Artificiais (RNA). As anomalias são identificadas por meio da análise do tráfego de rede Profinet em sua fase de operação. Tais anomalias podem ser desde defeitos comuns apresentados pelos equipamentos da rede e/ou tentativas de ataques a esta, que por sua vez, podem gerar instabilidade e mau funcionamento da unidade industrial que fazem parte. Para o desenvolvimento deste trabalho foram apresentados: o detalhamento do protocolo Profinet, os mecanismos de segurança mais utilizados atualmente, os tipos de sistemas de detecção de anomalias existentes e os principais tipos de ataques em redes de comunicação conhecidos na literatura. Alguns ensaios para a validação da metodologia foram realizados, utilizando-se uma infraestrutura de rede instalada em laboratório. Ensaios com diferentes tipos de equipamentos interligados em rede foram realizados e os resultados apresentados. Como resultado final, demonstrou-se que a metodologia utilizada obteve êxito na identificação da presença ou ausência de anomalias na rede, sendo que os resultados obtidos podem ser considerados satisfatórios e condizentes às expectativas desta dissertação. Concluiu-se então que a metodologia apresentada é factível e aplicável no meio industrial, podendo ser incorporada a uma ferramenta mais abrangente, como os analisadores de redes Profinet. / This work proposed the development and evaluation of a methodology in order to identify anomalies in Profinet communication networks, widely used in the automation of industrial plants. The methodology is based on an analysis of the communication features of the Profinet protocol and identifying and pattern classification, which is one of the main applications of the use of Artificial Neural Networks (ANN). The anomalies are identified by analyzing the Profinet network traffic in its operation phase. Such anomalies can be provided by common defects in equipment in the network and / or attempted attacks to this, which in turn can cause instability and malfunction of the plant forming part. In development of this work were presented: the details of the Profinet protocol, the security mechanisms most widely used, the types of anomalies detection systems and the main types of attacks on communication networks known in the literature. Some assays to validate the method were performed, using a network infrastructure installed in the laboratory. Tests with different types of networked equipment were performed and the results presented. The final result showed that the methodology was successful in identifying the presence or absence of anomalies in the network, and the obtained results can be considered satisfactory and consistent with expectations of this paper. It was therefore concluded that this methodology is feasible and applicable in industrial environment and can be incorporated into a more comprehensive tool, such as analyzers Profinet networks.