Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro / O objetivo deste trabalho é conhecer e compreender melhor os imprevistos no fornecimento de energia elétrica, quando ocorrem as variações de tensão de curta duração (VTCD). O banco de dados necessário para os diagnósticos das faltas foi obtido através de simulações de um modelo de alimentador radial através do software PSCAD/EMTDC. Este trabalho utiliza um Phase-Locked Loop (PLL) com o intuito de detectar VTCDs e realizar a estimativa automática da frequência, do ângulo de fase e da amplitude das tensões e correntes da rede elétrica. Nesta pesquisa, desenvolveram-se duas redes neurais artificiais: uma para identificar e outra para localizar as VTCDs ocorridas no sistema de distribuição de energia elétrica. A técnica aqui proposta aplica-se a alimentadores trifásicos com cargas desequilibradas, que podem possuir ramais laterais trifásicos, bifásicos e monofásicos. No desenvolvimento da mesma, considera-se que há disponibilidade de medições de tensões e correntes no nó inicial do alimentador e também em alguns pontos esparsos ao longo do alimentador de distribuição. Os desempenhos das arquiteturas das redes neurais foram satisfatórios e demonstram a viabilidade das RNAs na obtenção das generalizações que habilitam o sistema para realizar a classificação de curtos-circuitos. / The objective of this work is to know and understand the unforeseen in the supply of electricity, when there are short duration voltage variations (SDVV). The required databases for the diagnosis of faults were obtained through simulations of a model of radial feeder through software PSCAD/EMTDC. This work uses a Phase-Locked Loop (PLL) in order to detect and perform the estimation SDVV automatic frequency, phase angle and amplitude of the voltage and current from the power grid. This research is developing two artificial neural networks: one to identify and another to locate the SDVV occurred in the distribution system of electricity. The technique proposed here applies to three-phase feeders with unbalanced loads, which can have side extensions triphasic, biphasic and monophasic. In developing the same, it is considered that there is availability of measurements of voltages and currents at the node of the initial feeder and also in some points scattered along the distribution feeder. The performances of the architectures of neural networks were satisfactory and demonstrate the feasibility of ANNs in obtaining the generalizations that enables the system for the classification of short circuits.

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.

Nowadays, national and international electric utilities and end users are becoming more and more concerned about the quality of the electrical power. Such concerns are related with the occurrence of electric disturbances capable to effect the operation and the life expectance of equipments and devices, as well as affecting and interrupting varied industrial processes. Of the above mentioned phenomena, short-duration voltage variations deserve special attention once they are the disturbances that cause the largest damages to the consumers. As a consequence of that, there are several devices available that minimize the effects of such disturbances on the equipments. Among those devices, the Dynamic Voltage Restorer (DVR) represents a modern proposal for the solution of the problems caused by voltage sags and swells. In this work, three different system topologies for DVRs are analysed throughout computer implementations. Comparisons are made between these topologies, with focus on both the general performance and on the electrical power quality of the entire system. / As preocupações com os diversos assuntos relacionados à Qualidade da Energia Elétrica têm sido cada vez mais comuns às empresas de energia e aos consumidores em geral, e vêm assumindo importância destacada nos cenários nacional e internacional. Tais preocupações são voltadas para a ocorrência de distúrbios elétricos capazes de comprometer o desempenho e a vida útil de equipamentos e dispositivos, além de afetar ou interromper variados processos industriais. Desses distúrbios, as VTCDs (Variações de Tensão de Curta Duração) são consideradas as que mais causam prejuízos aos consumidores. Com isso, já existe na literatura técnica uma série de metodologias de prevenção e variados dispositivos de atenuação dos efeitos das VTCDs. Destes dispositivos, destaca-se o Restaurador Dinâmico de Tensão (DVR Dynamic Voltage Restorer) que é um compensador estático série avançado aplicado à distribuição de energia elétrica e que representa hoje o que há de mais moderno em termos de mitigação de afundamentos e elevações de tensão. O presente trabalho visa contribuir para o estudo do desempenho de algumas topologias de DVR, comparando a atuação de três opções de configuração através de simulações computacionais em plataforma SABER. A análise comparativa do desempenho das topologias não considera apenas a eficiência na compensação dos distúrbios elétricos, mas também os efeitos que causam na qualidade da tensão do sistema elétrico, sejam por injeção de harmônicos ou por oscilações transitórias. / Mestre em Ciências

No contexto de Smart Grids, determinar a correta localização das fontes causadoras de Variação de Tensão de Curta Duração (VTCD) não é uma tarefa simples, devido à curta duração destes eventos e também, por sua rápida propagação nas redes de distribuição de energia elétrica. Neste sentido, esse trabalho apresentou um método híbrido recursivo baseado em ferramentas da área de aprendizado de máquinas (algoritmo de agrupamento e base de regras), o qual é capaz de localizar as fontes de VTCD, a partir da análise dos das características dos distúrbios disponibilizadas pelos smart meters instalados no sistema. Assim, o trabalho destinouse ao desenvolvimento de uma plataforma em hardware para aquisição, detecção e classificação dos distúrbios, através de um Sistema Operacional de Tempo Real. Em seguida o algoritmo de agrupamento (k-means) agrupou os dados dos medidores de forma a definir dois clusters, onde um deles correspondeu aos medidores que estão longe da região que ocorreu o distúrbio e o outro, correspondeu aos medidores que estavam localizados próximos da região de ocorrência do distúrbio. Na segunda etapa, um sistema baseado em regras determinou qual dos clusters abrangeu o nó de origem. No entanto, quando o algoritmo determinou uma região muito grande, essa região é introduzida recursivamente, como entrada da metodologia desenvolvida, para refinar a região de localização. O sistema resultante foi capaz de estimar a região de localização com uma taxa de acerto acima de 90%. Assim, o método teve sua concepção adequada ao empregado nos centros de controle e operações de concessionárias de energia elétrica, visando apoiar a decisão do corpo técnico para que ações corretivas fossem estabelecidas de forma assertiva. / In the Smart Grids context, the correct location of short-duration voltage variations sources is not a trivial task, because of the short duration of these events and for rapid propagation in the distribution feeder. In this sense, aiming to develop a recursive hybrid method based on machine learning area tools (clustering algorithm and rule base) that is able to locate the sources of short-duration voltage variations, it was used data from smart meters installed along the distribution feeder. The recursive hybrid method, as input, received the disturbance characteristics provided by the meters installed in the system. Thus, this thesis aimed to development of a measurement hardware for signal acquisition, detection, classification through a realtime operating system. Then, k-means clustering algorithm grouped the meters data in order to define two clusters, where one of them corresponded to the meters that were distant from the region that occurred the disturbance and the other one corresponded to the meters, which were located near to the disturbance occurrence region. In a second step, a rule-based system determined which of the clusters corresponded to the source node. When the algorithm determined a very large region, that region was recursively introduced as input of the developed methodology to decrease its size. The resulting system was able to estimate the location region with a accuracy above 90%. Therefore, this method showed a suitable design for employment by operation control centers of power sector concessionaires, aiming to support technical staff decision to stablish assertive corrective actions.

No contexto de Smart Grids, determinar a correta localização das fontes causadoras de Variação de Tensão de Curta Duração (VTCD) não é uma tarefa simples, devido à curta duração destes eventos e também, por sua rápida propagação nas redes de distribuição de energia elétrica. Neste sentido, esse trabalho apresentou um método híbrido recursivo baseado em ferramentas da área de aprendizado de máquinas (algoritmo de agrupamento e base de regras), o qual é capaz de localizar as fontes de VTCD, a partir da análise dos das características dos distúrbios disponibilizadas pelos smart meters instalados no sistema. Assim, o trabalho destinouse ao desenvolvimento de uma plataforma em hardware para aquisição, detecção e classificação dos distúrbios, através de um Sistema Operacional de Tempo Real. Em seguida o algoritmo de agrupamento (k-means) agrupou os dados dos medidores de forma a definir dois clusters, onde um deles correspondeu aos medidores que estão longe da região que ocorreu o distúrbio e o outro, correspondeu aos medidores que estavam localizados próximos da região de ocorrência do distúrbio. Na segunda etapa, um sistema baseado em regras determinou qual dos clusters abrangeu o nó de origem. No entanto, quando o algoritmo determinou uma região muito grande, essa região é introduzida recursivamente, como entrada da metodologia desenvolvida, para refinar a região de localização. O sistema resultante foi capaz de estimar a região de localização com uma taxa de acerto acima de 90%. Assim, o método teve sua concepção adequada ao empregado nos centros de controle e operações de concessionárias de energia elétrica, visando apoiar a decisão do corpo técnico para que ações corretivas fossem estabelecidas de forma assertiva. / In the Smart Grids context, the correct location of short-duration voltage variations sources is not a trivial task, because of the short duration of these events and for rapid propagation in the distribution feeder. In this sense, aiming to develop a recursive hybrid method based on machine learning area tools (clustering algorithm and rule base) that is able to locate the sources of short-duration voltage variations, it was used data from smart meters installed along the distribution feeder. The recursive hybrid method, as input, received the disturbance characteristics provided by the meters installed in the system. Thus, this thesis aimed to development of a measurement hardware for signal acquisition, detection, classification through a realtime operating system. Then, k-means clustering algorithm grouped the meters data in order to define two clusters, where one of them corresponded to the meters that were distant from the region that occurred the disturbance and the other one corresponded to the meters, which were located near to the disturbance occurrence region. In a second step, a rule-based system determined which of the clusters corresponded to the source node. When the algorithm determined a very large region, that region was recursively introduced as input of the developed methodology to decrease its size. The resulting system was able to estimate the location region with a accuracy above 90%. Therefore, this method showed a suitable design for employment by operation control centers of power sector concessionaires, aiming to support technical staff decision to stablish assertive corrective actions.