Este trabalho apresenta uma aplicação de redes neurais artificiais (RNAs) na proteção diferencial de transformadores de potência, como um método para distinguir formas de onda que podem confundir a operação do relé. Vários fatores como, por exemplo, as situações de energização do transformador, podem causar uma má operação do dispositivo de proteção. Com o objetivo de melhoramento na proteção diferencial digital de transformadores de potência, desenvolveu-se um sistema completo de proteção, incluindo um dispositivo com base em RNAs, em substituição à filtragem harmônica dos sinais, existentes no algoritmo convencional. Com a referida adição de RNAs em um algoritmo completo de proteção diferencial de transformadores, obteve-se uma solução bastante precisa e eficiente, capaz de responder em um tempo reduzido, se comparada aos métodos convencionais. / This work presents an application of artificial neural networks (ANNs) in differential protection of transformers as an alternative method to distinguish among wave forms which can cause malfunction to the relay. One of the several factors that can cause malfunction is the inrush current present when the transfonner is energized. In order to improve the differential protection of the power transformers, the authors added a neural network routine to the conventional differential protection algorithm, in substitution to the filtering of the harmonic signals found on the traditional algorithm. By making this option, the authors obtained a more effective and precise solution, compared to the conventional methods.

Este trabalho apresenta uma aplicação de redes neurais artificiais (RNAs) na proteção diferencial de transformadores de potência, como um método para distinguir formas de onda que podem confundir a operação do relé. Vários fatores como, por exemplo, as situações de energização do transformador, podem causar uma má operação do dispositivo de proteção. Com o objetivo de melhoramento na proteção diferencial digital de transformadores de potência, desenvolveu-se um sistema completo de proteção, incluindo um dispositivo com base em RNAs, em substituição à filtragem harmônica dos sinais, existentes no algoritmo convencional. Com a referida adição de RNAs em um algoritmo completo de proteção diferencial de transformadores, obteve-se uma solução bastante precisa e eficiente, capaz de responder em um tempo reduzido, se comparada aos métodos convencionais. / This work presents an application of artificial neural networks (ANNs) in differential protection of transformers as an alternative method to distinguish among wave forms which can cause malfunction to the relay. One of the several factors that can cause malfunction is the inrush current present when the transfonner is energized. In order to improve the differential protection of the power transformers, the authors added a neural network routine to the conventional differential protection algorithm, in substitution to the filtering of the harmonic signals found on the traditional algorithm. By making this option, the authors obtained a more effective and precise solution, compared to the conventional methods.

Transformadores de potência são dispositivos que requerem atenção especial devido a sua grande importância ao sistema elétrico de potência no qual ele está conectado. Geralmente relés diferenciais são utilizados como proteção primária em transformadores de potência. Nestes relés, a corrente diferencial é comparada com um nível de ajuste e caso ocorra uma falta interna, o transformador deverá ser desconectado do restante do sistema. Entretanto, a simples detecção da presença de uma corrente diferencial não é suficiente para distinguir faltas internas de outras situações que também podem produzir tal corrente. Tais situações surgem durante a energização dos transformadores, devido a saturação dos transformadores de corrente, entre outras, as quais podem resultar em uma incorreta atuação da proteção. Uma rápida e correta discriminação entre faltas internas e outras situações é um dos desafios da moderna proteção de transformadores de potência. A respeito da identificação de faltas internas ou situações de energização, além da mencionada lógica diferencial é acrescentado uma subrotina baseada na restrição de harmônicas. Neste método, a corrente de energização é reconhecida através da presença de uma segunda harmônica obtida por filtros de Fourier. No entanto, o método de filtragem pode algumas vezes retardar a operação da proteção. Além disto, uma componente de segunda harmônica pode também estar presente durante uma falta interna. Este trabalho propõe a utilização da transformada Wavelet - uma poderosa ferramenta matemática - empregada como um meio rápido e eficiente de analisar as formas de onda de transformadores de potência e como uma alternativa a tradicional transformada de Fourier. Os sinais das correntes diferenciais são processados pelas transformadas discretas Wavelet, visando obter uma discriminação entre ambas situações (energização e falta). Um nível de limiar é utilizado após a decomposição Wavelet do sinal para discriminar entre as situações descritas. A janela de dados utilizada para este propósito pode ser variada. Para testar o algoritmo proposto, as simulações de energização e falta foram implementadas, utilizando o programa ATP (\"Alternative Transient Program\"). Em situações onde a janela de dados é reduzida para 1/4 de ciclo o critério de discriminação pode ser otimizado utilizando a transformada discreta de Wavelet auxiliada com técnicas de reconhecimento de padrões. Este trabalho apresenta a utilização de redes neurais artificiais para tal finalidade como exemplo. Resultados encorajadores são apresentados sobre a capacidade de discriminação para as situações descritas assim como a rapidez de resposta quando comparados aos métodos tradicionais. / Power transformers are devices that require special maintenance and care due to their importance to the electrical system to which they are connected. Generally, differential relays are used for the primary protection of large transformers. In such relays, differential currents are compared to a threshold and in the case of an internal fault, the transformer should be disconnected from the rest of the system. However, a simple detection of a differential current is not sufficient to distinguish internal faults from other situations that also produce such a current. Some of these situations appear during transformer energization (inrush currents), CT (current transformer) saturation, among others, which can result in an incorrect trip. A correct and fast distinction of internal faults from the other situations mentioned is one of the challenges for modern protection of power transformers. Concerning the identification of internal faults as opposed to inrush currents, the approach tarditionally used is the aforementioned differential logic together with harmonic restraint. In this method, transformer inrush current due to energization is recognized on the basis of second harmonic components obtained by Fourier filters. However, the filtering method can sometimes delay the protection process. In addition to this, a second harmonic component can also be present during internal faults. This work proposes Wavelet transform - a powerful mathematical tool - employed as a fast and effective means of analyzing waveforms from power transformers, as an alternative to the traditional Fourier transform. The differential signals are processed by discrete Wavelet transform to obtain the discrimination between both situations (inrush and fault). A threshold level is utilized after the Wavelet decomposition to discriminate the situations describeb. The time window used for such purpose can be varied. In order to test proposed algorithm, simulations of fault and inrush currents in a power transformer were implemented using ATP ( \"Alternative Transient Program\") software. When the time window is reduced to only 1/4 of the cycle the discrimination criteria should be optimized using a pattern recognition technique to aid the Discrete Wavelet transform. This study shows as a sample for this purpose the use of artificial neural networks. Very encouraging results are presented concerning the capacity of discrimination of the described situations as well as the speed of response when compared to the traditional method.

Transformadores de potência são dispositivos que requerem atenção especial devido a sua grande importância ao sistema elétrico de potência no qual ele está conectado. Geralmente relés diferenciais são utilizados como proteção primária em transformadores de potência. Nestes relés, a corrente diferencial é comparada com um nível de ajuste e caso ocorra uma falta interna, o transformador deverá ser desconectado do restante do sistema. Entretanto, a simples detecção da presença de uma corrente diferencial não é suficiente para distinguir faltas internas de outras situações que também podem produzir tal corrente. Tais situações surgem durante a energização dos transformadores, devido a saturação dos transformadores de corrente, entre outras, as quais podem resultar em uma incorreta atuação da proteção. Uma rápida e correta discriminação entre faltas internas e outras situações é um dos desafios da moderna proteção de transformadores de potência. A respeito da identificação de faltas internas ou situações de energização, além da mencionada lógica diferencial é acrescentado uma subrotina baseada na restrição de harmônicas. Neste método, a corrente de energização é reconhecida através da presença de uma segunda harmônica obtida por filtros de Fourier. No entanto, o método de filtragem pode algumas vezes retardar a operação da proteção. Além disto, uma componente de segunda harmônica pode também estar presente durante uma falta interna. Este trabalho propõe a utilização da transformada Wavelet - uma poderosa ferramenta matemática - empregada como um meio rápido e eficiente de analisar as formas de onda de transformadores de potência e como uma alternativa a tradicional transformada de Fourier. Os sinais das correntes diferenciais são processados pelas transformadas discretas Wavelet, visando obter uma discriminação entre ambas situações (energização e falta). Um nível de limiar é utilizado após a decomposição Wavelet do sinal para discriminar entre as situações descritas. A janela de dados utilizada para este propósito pode ser variada. Para testar o algoritmo proposto, as simulações de energização e falta foram implementadas, utilizando o programa ATP (\"Alternative Transient Program\"). Em situações onde a janela de dados é reduzida para 1/4 de ciclo o critério de discriminação pode ser otimizado utilizando a transformada discreta de Wavelet auxiliada com técnicas de reconhecimento de padrões. Este trabalho apresenta a utilização de redes neurais artificiais para tal finalidade como exemplo. Resultados encorajadores são apresentados sobre a capacidade de discriminação para as situações descritas assim como a rapidez de resposta quando comparados aos métodos tradicionais. / Power transformers are devices that require special maintenance and care due to their importance to the electrical system to which they are connected. Generally, differential relays are used for the primary protection of large transformers. In such relays, differential currents are compared to a threshold and in the case of an internal fault, the transformer should be disconnected from the rest of the system. However, a simple detection of a differential current is not sufficient to distinguish internal faults from other situations that also produce such a current. Some of these situations appear during transformer energization (inrush currents), CT (current transformer) saturation, among others, which can result in an incorrect trip. A correct and fast distinction of internal faults from the other situations mentioned is one of the challenges for modern protection of power transformers. Concerning the identification of internal faults as opposed to inrush currents, the approach tarditionally used is the aforementioned differential logic together with harmonic restraint. In this method, transformer inrush current due to energization is recognized on the basis of second harmonic components obtained by Fourier filters. However, the filtering method can sometimes delay the protection process. In addition to this, a second harmonic component can also be present during internal faults. This work proposes Wavelet transform - a powerful mathematical tool - employed as a fast and effective means of analyzing waveforms from power transformers, as an alternative to the traditional Fourier transform. The differential signals are processed by discrete Wavelet transform to obtain the discrimination between both situations (inrush and fault). A threshold level is utilized after the Wavelet decomposition to discriminate the situations describeb. The time window used for such purpose can be varied. In order to test proposed algorithm, simulations of fault and inrush currents in a power transformer were implemented using ATP ( \"Alternative Transient Program\") software. When the time window is reduced to only 1/4 of the cycle the discrimination criteria should be optimized using a pattern recognition technique to aid the Discrete Wavelet transform. This study shows as a sample for this purpose the use of artificial neural networks. Very encouraging results are presented concerning the capacity of discrimination of the described situations as well as the speed of response when compared to the traditional method.

This dissertation presents the development of an algorithm for classifying electrical transients in power transformers for protection. Initially the main transient involving power transformers were analyzed, with a special focus on the magnetizing current that occur during energizing equipment, known as inrush currents. Among the studied transient, current inrush are those that present greater difficulty in identification and discrimination by the differential protection, due to its high peak magnitude. In a second moment, was developed a test system implemented in ATP / EMTP software for the simulation of different operating situations of the power transformer, current data being obtained from TCs for analysis. After known the problem and implement a test for acquisition system, we developed an algorithm based on the last samples of the detail coefficients, called Details Signals, from the decomposition of the data of differential phase current using the Discrete Wavelet Transform. The methodology has the objective improve the system for protection of the transformer, becoming one efficient alternative for the identification of transients. / Esta dissertação apresenta o desenvolvimento de um algoritmo para classificação de transitórios elétricos em transformadores de potência, para fins de proteção. Inicialmente foram analisados os principais transitórios associados aos transformadores de potência, tendo um foco especial na corrente de magnetização que surge durante a energização do equipamento, conhecida como corrente de inrush. Dentre os transitórios estudados, as correntes de inrush são as que apresentam maior dificuldade de identificação e discriminação por parte da proteção diferencial, devido a sua alta magnitude de pico. Em um segundo momento, foi desenvolvido um sistema teste implementado no software ATP para a simulação das diversas situações de operação do transformador de potência, sendo obtidos dados de correntes a partir dos TCs para análise. Após conhecer o problema e implementar um sistema teste para a obtenção dos dados, desenvolveu-se um algoritmo baseado nas últimas amostras dos coeficientes de detalhes, chamada de Sinais de Detalhes, provenientes da decomposição dos dados de correntes diferenciais das fases por meio da Transformada Wavelet Discreta. A metodologia desenvolvida tem como objetivo melhorar o sistema de proteção do transformador, tornando-se uma alternativa eficiente para a identificação de transitórios.

Nesta pesquisa, apresentam-se os principais eventos relacionados com a proteção de transformadores e sua correlação com os distúrbios de qualidade da energia elétrica (QEE). Neste sentido, foi desenvolvido um algoritmo que utiliza a transformada Wavelet (TW) e a lógica Fuzzy (LF) para classificar os eventos transitórios associados à proteção de transformadores. Estes eventos foram observados em um sistema elétrico de potência (SEP) simulado com a utilização do software Alternative Transients Program (ATP). Importa ressaltar que o sistema modelado apresenta transformadores ligados em paralelo, possibilitando o estudo de eventos decorrentes desta situação, como a energização solidária (Sympathetic Inrush). Por este SEP, modelado sobre parâmetros reais, foram simuladas várias situações transitórias, que provocam o aparecimento de correntes diferenciais, sendo estas direcionadas para análise do algoritmo desenvolvido. Afirma-se que, nos testes realizados, o algoritmo proposto apresentou um desempenho satisfatório perante as mais variadas situações a que foi submetido, identificando as causas das correntes diferenciais, sejam proporcionadas por defeitos ou por outras condições de operação aplicadas. / In this research, the main events related to the transformer protection and its correlation with the power quality disturbances (PQ) are presented. In this context, an algorithm based on Wavelet transform (WT) and Fuzzy logic (FL) was developed to classify the transient events associated with the transformer protection. These events were observed in an electrical power system (EPS) simulated using the Alternative Transients Program (ATP) software. It should be emphasized that the modeled system presents transformers connected in parallel, allowing the study of events of this situation, such as sympathetic inrush. For the simulated EPS, modeled based on real parameters, various transients situationswere simulated, causing the appearance of differentials currents which were directed to the analysis. The proposed algorithm showed a satisfactory performance tomany situations, identifying the causes of the differentials currents, either provided by faults or other operation conditions.

Nesta pesquisa, apresentam-se os principais eventos relacionados com a proteção de transformadores e sua correlação com os distúrbios de qualidade da energia elétrica (QEE). Neste sentido, foi desenvolvido um algoritmo que utiliza a transformada Wavelet (TW) e a lógica Fuzzy (LF) para classificar os eventos transitórios associados à proteção de transformadores. Estes eventos foram observados em um sistema elétrico de potência (SEP) simulado com a utilização do software Alternative Transients Program (ATP). Importa ressaltar que o sistema modelado apresenta transformadores ligados em paralelo, possibilitando o estudo de eventos decorrentes desta situação, como a energização solidária (Sympathetic Inrush). Por este SEP, modelado sobre parâmetros reais, foram simuladas várias situações transitórias, que provocam o aparecimento de correntes diferenciais, sendo estas direcionadas para análise do algoritmo desenvolvido. Afirma-se que, nos testes realizados, o algoritmo proposto apresentou um desempenho satisfatório perante as mais variadas situações a que foi submetido, identificando as causas das correntes diferenciais, sejam proporcionadas por defeitos ou por outras condições de operação aplicadas. / In this research, the main events related to the transformer protection and its correlation with the power quality disturbances (PQ) are presented. In this context, an algorithm based on Wavelet transform (WT) and Fuzzy logic (FL) was developed to classify the transient events associated with the transformer protection. These events were observed in an electrical power system (EPS) simulated using the Alternative Transients Program (ATP) software. It should be emphasized that the modeled system presents transformers connected in parallel, allowing the study of events of this situation, such as sympathetic inrush. For the simulated EPS, modeled based on real parameters, various transients situationswere simulated, causing the appearance of differentials currents which were directed to the analysis. The proposed algorithm showed a satisfactory performance tomany situations, identifying the causes of the differentials currents, either provided by faults or other operation conditions.