O trabalho ressalta a importância do tema Qualidade da Energia (QE) e apresenta alguns dos diversos distúrbios responsáveis pelo seu comprometimento. Tais distúrbios, quando presentes em um dado sistema elétrico, podem causar sérios danos tanto aos equipamentos de medição e controle pertencentes ao fornecedor de energia, como também aos equipamentos mais sensíveis pertencentes aos usuários deste sistema. Os fenômenos mais freqüentes no estudo da QE foram destacados, bem como suas definições. Conhecidos estes fenômenos, implementou-se um algoritmo computacional, utilizando como ferramenta a transformada rápida de Fourier janelada (Windowed Fast Fourier Transform - WFFT) - TRFJ, para identificar e classificar estas perturbações em um dado sistema elétrico de distribuição. Para que o resultado fosse o mais próximo possível de uma situação real, utilizou-se para análise, um sistema elétrico real de distribuição da CPFL (Companhia Paulista de Força e Luz). Sobre o referido sistema elétrico foram simulados casos de afundamentos, elevações e oscilações de tensão, criando assim, um banco de dados para, posteriormente, podermos testar e validar o algoritmo computacional implementado, na identificação destes fenômenos. Este algoritmo permite variarmos tanto o tamanho da janela, quanto a freqüência amostral do sinal. Neste estudo em particular, utilizamos tamanhos de janelas de 1 ciclo e 1/2 ciclo, e freqüência amostral do sinal, de 7,68 kHz (inicialmente utilizada para obtenção do banco de dados), e 0,769 kHz, aproximadamente. Como resultados, obtivemos que o tamanho da janela de dados para esta implementação, não apresentou diferenças significativas na análise, quando comparados com os dados iniciais. Entretanto, observa-se um comportamento contrário com a variação da taxa amostral, ou seja, quanto menor a freqüência amostral empregada, maior a perda de informações importantes em relação ao sinal inicial. / The present work at lines the importance of Power Quality (PQ) and it presents some of the many disturbances related to it and its implications. Such disturbances, as presented in an electrical system, can cause serious damages in the measurements, in the control of power utility equipments, as well as in sensitive equipments. The most frequent phenomena in the study of PQ had been emphasized, as well as its definitions. Once these phenomena are known, a computational algorithm was implemented, using the Windowed Fast Fourier Transform - WFFT as a tool to identify and classify these disturbances, considering electrical distribution system. In order to have the best situation for the test, a real electrical distribution system from CPFL (Companhia Paulista de Força e Luz) utility was simulated. Some cases of voltage sag, voltage swell and oscillatory transient were simulated, creating a data base to test and validate the computational algorithm implemented. This algorithm allows changing the window length as the sample rate. For the proposed study, 1 cycle and 1/2 cycle as window length was analyzed with sample rate of 7,68 kHz (initially used for obtaining the data base), and 0,769 kHz. It was observed that the window length studied did not influence significantly the proposed analysis concerning PQ. However, concerning the sample rate, it was observed a deterioration of the analysis with the 0,769 kHz rate.

O trabalho ressalta a importância do tema Qualidade da Energia (QE) e apresenta alguns dos diversos distúrbios responsáveis pelo seu comprometimento. Tais distúrbios, quando presentes em um dado sistema elétrico, podem causar sérios danos tanto aos equipamentos de medição e controle pertencentes ao fornecedor de energia, como também aos equipamentos mais sensíveis pertencentes aos usuários deste sistema. Os fenômenos mais freqüentes no estudo da QE foram destacados, bem como suas definições. Conhecidos estes fenômenos, implementou-se um algoritmo computacional, utilizando como ferramenta a transformada rápida de Fourier janelada (Windowed Fast Fourier Transform - WFFT) - TRFJ, para identificar e classificar estas perturbações em um dado sistema elétrico de distribuição. Para que o resultado fosse o mais próximo possível de uma situação real, utilizou-se para análise, um sistema elétrico real de distribuição da CPFL (Companhia Paulista de Força e Luz). Sobre o referido sistema elétrico foram simulados casos de afundamentos, elevações e oscilações de tensão, criando assim, um banco de dados para, posteriormente, podermos testar e validar o algoritmo computacional implementado, na identificação destes fenômenos. Este algoritmo permite variarmos tanto o tamanho da janela, quanto a freqüência amostral do sinal. Neste estudo em particular, utilizamos tamanhos de janelas de 1 ciclo e 1/2 ciclo, e freqüência amostral do sinal, de 7,68 kHz (inicialmente utilizada para obtenção do banco de dados), e 0,769 kHz, aproximadamente. Como resultados, obtivemos que o tamanho da janela de dados para esta implementação, não apresentou diferenças significativas na análise, quando comparados com os dados iniciais. Entretanto, observa-se um comportamento contrário com a variação da taxa amostral, ou seja, quanto menor a freqüência amostral empregada, maior a perda de informações importantes em relação ao sinal inicial. / The present work at lines the importance of Power Quality (PQ) and it presents some of the many disturbances related to it and its implications. Such disturbances, as presented in an electrical system, can cause serious damages in the measurements, in the control of power utility equipments, as well as in sensitive equipments. The most frequent phenomena in the study of PQ had been emphasized, as well as its definitions. Once these phenomena are known, a computational algorithm was implemented, using the Windowed Fast Fourier Transform - WFFT as a tool to identify and classify these disturbances, considering electrical distribution system. In order to have the best situation for the test, a real electrical distribution system from CPFL (Companhia Paulista de Força e Luz) utility was simulated. Some cases of voltage sag, voltage swell and oscillatory transient were simulated, creating a data base to test and validate the computational algorithm implemented. This algorithm allows changing the window length as the sample rate. For the proposed study, 1 cycle and 1/2 cycle as window length was analyzed with sample rate of 7,68 kHz (initially used for obtaining the data base), and 0,769 kHz. It was observed that the window length studied did not influence significantly the proposed analysis concerning PQ. However, concerning the sample rate, it was observed a deterioration of the analysis with the 0,769 kHz rate.