This work is dedicated to faulty induction motors. These motors are often used in industrial applications thanks to their usability and their robustness. However, nowadays optimisation of production becomes so critical that the conceptual reliability of the motor is not sufficient anymore. Motor condition monitoring is expanding to serve maintenance planning and uptime maximisation. Moreover, the use of drive control sensors (namely stator current and voltage) can avoid the installation and maintenance of dedicated sensors for condition monitoring.<p><p>Many authors are working in this field but few approach the diagnosis from a detailed and clear physical understanding of the localised phenomena linked to the faults. Broken bars are known to modulate stator currents but it is shown in this work that it also changes machine saturation level in the neighbourhood of the bar. Furthermore, depending on the voltage level, this change in local saturation affects the amplitude and the phase of the modulation. This is of major importance as most diagnosis techniques use this feature to detect and quantify broken bars. For stator short-circuits, a high current is flowing in the short-circuited coil due to mutual coupling with the other windings and current spikes are flowing in the rotor bars as they pass in front of the short-circuited conductors. In the case of rotor eccentricities, the number of pole-pairs and the connection of these pole-pairs greatly affect the airgap flux density distribution as well as the repartition of the line currents in the different pole-pairs.<p><p>These conclusions are obtained through the use of time-stepping finite element models of the faulty motors. Moreover, circuit models of faulty machines are built based on the conclusions of previously explained fault analysis and on classical Park models. A common mathematical description is used which allows objective comparison of the models for representation of the machine behaviour and computing time.<p><p>The identifiability of the parameters of the models as well as methods for their identification are studied. Focus is set on the representation of the machine behaviour using these parameters more than the precise identification of the parameters. It is shown that some classical parameters can not be uniquely identified using only stator measurements.<p><p>Fault detection and identification using computationally cheap models are compared to advanced detection through motor stator current spectral analysis. This last approach allows faster detection and identification of the fault but leads to incorrect conclusions in low load conditions, in transient situations or in perturbed environments (i.e. fluctuating load torque and unideal supply). Efficient quantification of the fault can be obtained using detection techniques based on the comparison of the process to a model.<p><p>Finally, the work provides guidelines for motor supervision strategies depending on the context of motor utilisation. / Doctorat en Sciences de l'ingénieur / info:eu-repo/semantics/nonPublished

Self-healing systems promise operating cost reductions in large-scale computing environments through the automated detection of, and recovery from, faults. However, at present there appears to be little known empirical evidence comparing the different approaches, or demonstrations that such implementations reduce costs. This thesis compares previous and current self-healing approaches before demonstrating a new, unsupervised approach that combines artificial neural networks with performance tests to perform fault identification in an automated fashion, i.e. the correct and accurate determination of which computer features are associated with a given performance test failure. Several key contributions are made in the course of this research including an analysis of the different types of self-healing approaches based on their contextual use, a baseline for future comparisons between self-healing frameworks that use artificial neural networks, and a successful, automated fault identification in cloud infrastructure, and more specifically virtual machines. This approach uses three established machine learning techniques: Naïve Bayes, Baum-Welch, and Contrastive Divergence Learning. The latter demonstrates minimisation of human-interaction beyond previous implementations by producing a list in decreasing order of likelihood of potential root causes (i.e. fault hypotheses) which brings the state of the art one step closer toward fully self-healing systems. This thesis also examines the impact of that different types of faults have on their respective identification. This helps to understand the validity of the data being presented, and how the field is progressing, whilst examining the differences in impact to identification between emulated thread crashes and errant user changes – a contribution believed to be unique to this research. Lastly, future research avenues and conclusions in automated fault identification are described along with lessons learned throughout this endeavor. This includes the progression of artificial neural networks, how learning algorithms are being developed and understood, and possibilities for automatically generating feature locality data.

Os sistemas elétricos de potência modernos apresentam inúmeros desafios em sua operação. Nos sistemas de distribuição de energia elétrica, devido à grande ramificação, presença de extensos ramais monofásicos, à dinâmica das cargas e demais particularidades inerentes, a localização de faltas representa um dos maiores desafios. Das barreiras encontradas, a influência da impedância de falta é uma das maiores, afetando significativamente a aplicação dos métodos tradicionais na localização, visto que a magnitude das correntes de falta é similar à da corrente de carga. Neste sentido, esta tese objetivou desenvolver um sistema inteligente para localização de faltas de alta impedância, o qual foi embasado na aplicação da técnica de decomposição por componentes ortogonais no pré-processamento das variáveis e inferência fuzzy para interpretar as não-linearidades do Sistemas de Distribuição com presença de Geração Distribuída. Os dados para treinamento do sistema inteligente foram obtidos a partir de simulações computacionais de um alimentador real, considerando uma modelagem não-linear da falta de alta impedância. O sistema fuzzy resultante foi capaz de estimar as distâncias de falta com um erro absoluto médio inferior a 500 m e um erro absoluto máximo da ordem de 1,5 km, em um alimentador com cerca de 18 km de extensão. Tais resultados equivalem a um grau de exatidão, para a maior parte das ocorrências, dentro do intervalo de ±10%. / Modern electric power systems present numerous challenges in its operation. Fault location is a major challenge in Power Distribution Systems due to its large branching, presence of single-phase laterals and the dynamic loads. The influence of the fault impedance is one of the largest, significantly affecting the use of traditional methods for its location, since the magnitude of the fault currents is similar to the load current. In this sense, this thesis aimed to develop an intelligent system for location of high impedance faults, which was based on the application of the decomposition technique of orthogonal components in the pre-processing variables and fuzzy inference to interpret the nonlinearities of Power Distribution Systems with the presence of Distributed Generation. The data for training the intelligent system were obtained from computer simulations of an actual feeder, considering a non-linear modeling of the high impedance fault. The resulting fuzzy system was able to estimate distances to fault with an average absolute error of less than 500 m and a maximum absolute error of 1.5 km order, on a feeder about 18 km long. These results are equivalent to a degree of accuracy for the most occurrences within the ± 10% range.

Neste trabalho, é proposta uma metodologia para estimar o estado de um sistema elétrico de potência (SEPs) durante variações de tensão de curta duração (VTCDs) causadas por faltas elétricas nas linhas que compõem a rede elétrica avaliada. Para cumprir esta meta, são utilizados os valores registrados nos equipamentos de medição instalados nas redes elétricas. Na realidade, existem poucos equipamentos nas redes elétricas devido aos custos elevados dos medidores de qualidade de energia elétrica (QEE). Embora estes custos tenham diminuído nos últimos anos, ainda é inviável a utilização de um número suficiente de medidores para garantir a monitoração de toda a rede, por tornar-se muito oneroso. Esta realidade constitui um desafio para se desenvolver técnicas que permitam, a partir de um pequeno número de pontos de monitoração, determinar os locais de faltas e estimar os valores das VTCDs em todas as barras que compõem um sistema elétrico. Como contribuição à solução destes problemas, esta tese propõe a utilização do algoritmo denominado Estratégias Evolutivas (EEs), que integra a família dos Algoritmos Evolutivos. Tal algoritmo mostrou ser viável por sua facilidade de implementação e rapidez de resposta na busca de uma solução dentro de um vasto espaço de soluções. As EEs, nesta tese, são utilizadas para se determinar: o local de falta, tipo de falta e impedância de falta, que caracterizam um indivíduo, de forma que as tensões resultantes nas barras monitoradas sejam as mais próximas possíveis das medições realizadas. Para alcançar esse objetivo, inicialmente se constrói uma população inicial de indivíduos que representam alternativas de solução do problema. Em seguida, uma parte destes indivíduos será submetida a mutação e recombinação para então serem selecionados os indivíduos que sobreviverão na geração futura. Este processo iterativo é realizado até que se encontre uma solução o mais próximo da procurada. Cada indivíduo é avaliado através de função objetivo, que representa o erro quadrático entre os valores medidos e os valores calculados. Para este cálculo, é necessário simular um curto-circuito com as características do indivíduo avaliado com base em informações da rede bem como dos valores das tensões provenientes dos medidores. A partir da determinação das características da falta, é feita a estimação dos valores das tensões em toda a rede levando à avaliação das VTCDs. Uma vez atingido este objetivo, é possível, por exemplo, determinar indicadores de qualidade associados às VTCDs, como o SARFI (System Average RMS Frequency Index), determinar as áreas mais propensas a causar as VTCDs e elaborar planos de manutenção preventiva. Foram implementados dois algoritmos que calculam o número mínimo de medidores e os locais onde estes devem ser instalados. O primeiro algoritmo tem a finalidade de garantir o monitoramento de toda a rede em relação às VTCDs enquanto o segundo garante o menor erro de estimação de VTCDs nas barras onde não se têm medidores instalados. A referida metodologia pode ser aplicada em redes radiais ou em malha, sendo inicialmente aplicada em sistemas de pequeno porte (redes de 14 e 30 barras do IEEE) com intuito de verificar a capacidade do algoritmo. Foram então simuladas redes de maior complexidade, por meio de testes em redes de 57 barras e 118 barras do IEEE. Para avaliar a eficiência da metodologia desenvolvida foi feita uma comparação com outra metodologia de otimização baseada em Algoritmos Genéticos (AGs). / A methodology is herein proposed to estimate Short Duration Voltage Variation (SDVV) in electric power systems, caused by electrical faults. To attain this target, values recorded by measurement equipment in specific sites are used. In fact, there are few power quality meters installed in power networks, due to the high cost of such meters. Although these costs have decreased in recent years, the installation of a sufficient number of meters to ensure monitoring the entire network is still unfeasible. This reality poses a challenge to developing techniques that, with a small number of monitoring points, allow the determination of fault locations and estimation of SDVV values in specified buses. As contribution this thesis proposes an algorithm called Evolutionary Strategies (ESE), which integrates the group of evolutionary algorithms. This algorithm can be easily implemented and finds a solution within a wide solution space. The ESE determines the fault location, fault type and fault impedance, that characterize an individual, so that the resulting voltages on monitored buses are as close as possible to the measured ones. An initial population is generated as alternative solutions to the problem. Some of the individuals in the population will be submitted to mutation and recombination operators. Individuals are then selected to the future generation. An iterative process is carried out to determine a solution as close as possible to the desired one. Each individual is evaluated by the objective function, which represents the quadratic error between the measured and calculated values. This calculation is based on short circuit calculation related to the evaluated individual and from information of voltage values gathered from power quality meters. Voltage values in specific network buses can then be determined to monitor their corresponding SDVV values. This allows, for example, determining quality indicators associated to the SDVV, such as the System Average RMS Frequency Index (SARFI), to evaluate sensitive areas, i.e. which are prone to cause SDVVs and to develop plans for preventive maintenance. Two algorithms that calculate the minimum number of meters and their locations have been implemented. The first algorithm aims to ensure monitoring the entire network regarding SDVVs, while the second algorithm ensures the smallest error of SDVV estimation in buses where no meters are installed. This methodology can be applied to meshed or radial networks. It was initially implemented in small networks (IEEE 14 and 30 buses) with the purpose of verifying the ability of algorithm. In sequence the methodology was applied to more complex networks (IEEE 57 and 118 buses). To assess the efficiency of the methodology a comparison with other optimization methodology based on Genetic Algorithms (GA) was carried out.

Os Sistemas de Distribuição (SDs), devido as suas topologias e configurações, dentre outros fatores, apresentam um desafio para a localização física das situações de faltas passíveis de ocorrência. Como fato, tem-se que uma localização de faltas, rápida e precisa, possibilita atenuar os transtornos que os usuários finais dos SDs viriam a ter em relação à qualidade do serviço prestado pelas distribuidoras. No contexto das redes elétricas inteligentes, e considerando medidores de qualidade da energia elétrica previamente alocados de forma otimizada, esta pesquisa propõe uma metodologia baseada em árvores de decisão e redes neurais artificiais para a localização de faltas em SDs radiais e aéreos. Foram realizados testes da metodologia proposta considerando variações no tipo, na impedância e no ângulo de incidência da falta aplicadas sobre o SD de 34 barras do IEEE (Institute of Electrical and Electronics Engineers). Para os testes de sensibilidade da metodologia desenvolvida, foram consideradas variações no carregamento do sistema, os erros inerentes ao sistema de medição, a variação no número de medidores disponível, o impacto de uma alocação não otimizada dos medidores e uma redução na taxa amostral. Os resultados encontrados foram promissores e indicam que a metodologia como desenvolvida poderá ser aplicada para SDs diferentes do caso teste utilizado. / Due to the distribution systems (DS) topologies, configurations and among other factors, it is a challenge to physically locate situations of faults. As a matter of fact, a fast and accurate fault location will make it possible to mitigate the inconvenience that the end users of DS would have due to the quality of the service provided by the distributors. In the context of intelligent electric grids, and considering the electric power quality meters optimally alocated, this research proposes a methodology based in decision trees and artificial neural networks for a fault location in radial and aerial DS. The proposed methodology was tested considering variations on the type, impedance and angle of incidence of the fault applied on the DS of 34 bars of the IEEE (Institute of Electrical and Electronic Engineers). For a sensitivity test of the developed methodology, it were considered the variations in system loading, the errors inherent to the measurement system, a variation in number of meters available, the impact of the non-optimized allocation of the meters and a redution on the sampling rate. The results were promising and indicated that the methodology developed can be applied to different DS from the test case used.

Um equipamento sinalizador luminoso de faltas foi desenvolvido pela Companhia Paulista de Força e Luz (CPFL) em parceria com a Escola Politécnica da USP e a empresa Expertise Engenharia Ltda., através de uma série de projetos de pesquisa incluídos no programa de pesquisa e desenvolvimento (P&D) regido pela Agência Nacional de Energia Elétrica (ANEEL) brasileira. Neste trabalho é feita uma análise crítica da rota tecnológica adotada no desenvolvimento do sinalizador de faltas, apontando detalhes e justificativas das escolhas tecnológicas adotadas, além de novas possibilidades de melhoria do equipamento face aos avanços tecnológicos detectados nos últimos anos. Para tanto, é proposto e aplicado um novo método, associado a uma sistematização, para análise comparativa de tecnologias, que considera dados quantitativos, qualitativos e estratégicos diretamente comparáveis entre si. Ao longo do trabalho são analisados as escolhas dos princípios de detecção de faltas e funcionalidades agregadas, o desenvolvimento da eletrônica e dos circuitos integrados do detector de faltas, a fonte de alimentação, a sinalização luminosa e o gabinete do equipamento. Como resultado da linha de pesquisa do sinalizador luminoso de faltas foram obtidos protótipos de prova de conceito, cabeça-de-série e de lote pioneiro, estes últimos prontos e certificados para inserção no mercado. Obtiveram-se também diversas publicações em congressos nacionais, a geração de dois pedidos de patentes e um sistema computacional de alocação otimizada de sinalizadores de faltas em redes de distribuição aérea de energia elétrica. / Within the R&D program governed by the National Agency of Electric Energy of Brazil, a luminous faulted circuit indicator equipment (FCI) was developed by the Companhia Paulista de Força e Luz (CPFL) in partnership with the Escola Politécnica da USP and the company Expertise Engenharia Ltda. In this work it is presented a critical analysis of the technological route adopted for development of this new FCI, indicating details and justifications of technological choices adopted, and new detected possibilities for improvements, taken into account the technological advances in recent years. For such purpose, it is proposed a new method, associated to a practical systematization, for comparative analysis of technologies that accounts for quantitative, qualitative and strategic data directly comparable. The work presents analyses on the choices of fault detection principles and related functions, the development of integrated circuits and fault detector electronics, the power supply, the luminous signaling and the equipment case. As results of the research and development of the FCI there were obtained proof of concept, prototype and pilot equipments, the last ones certified and ready for sale. There were also obtained several publications in national conferences, submission of two patent applications and a software for optimization of FCIs allocation on overhead power distribution networks.

O monitoramento e diagnóstico, com a consequente localização dos curtos-circuitos em Sistemas de Distribuição (SD), fazem parte de um processo complexo, exigindo esforços e agilidade das equipes técnicas de manutenção das concessionárias de energia elétrica. Quando se trata de um SD Subterrâneo (SDS), a complexidade de localização das faltas aumenta, pois não é possível realizar a inspeção visual. Por este motivo, desenvolver e aprimorar métodos para monitorar, classificar e localizar as situações de faltas em SD tem sido de relevante interesse para a comunidade técnico-científica nos últimos anos. Neste contexto, apresenta-se nesta pesquisa um método para processar as informações necessárias para classificar e localizar a ocorrência de um curto-circuito (monofásico, bifásico e/ou trifásico, com e/ou sem o envolvimento da terra) em um SDS. O processamento das informações foi realizado por meio da observação da propagação dos afundamentos de tensão, decorrentes de curtos-circuitos passíveis de ocorrência no SDS, e pela alocação de um número reduzido de medidores, permitindo a classificação e localização precisa da falta. Um dos diferenciais da metodologia proposta é que esta utiliza somente os valores eficazes das tensões trifásicas, registradas em medidores estrategicamente alocados, para indicação da área afetada e classificação das fases envolvidas. A metodologia é baseada no emprego de redes neurais artificiais. Os resultados encontrados são promissores, indicando a aplicabilidade da metodologia proposta. / The monitoring and diagnostics, with the consequent localization of short circuits in Distribution Systems (DS), are part of a complex process, requiring efforts and agility of the technical teams of maintenance of electric utilities. In the case of an underground DS (UDS), the location of faults complexity increases, because it is not possible to perform visual inspection. For this reason, develop and improve methods to monitor, sort and locate the fault situations in DS has been of relevant interest to the technical-scientific community in recent years. In this context, this study presents a method for processing the information required to classify and locate the occurrence of a short circuit (single phase, biphasic and / or phase with and / or without the involvement of the earth) on a UDS. The information processing was carried out by observing the propagation of voltage sags, caused by short circuits that may occur in the UDS, and the allocation of a few meters, allowing classification and precise location of the fault. One of the proposed methodology differentials is that it uses only the RMS values of the three-phase voltages, registered in strategically located meters, for indicating the affected area and classification of the phases involved. The methodology is based on the use of artificial neural networks. The results found are promising, indicating the applicability of the proposed methodology.

Este trabalho apresenta o estudo e o desenvolvimento de um algoritmo híbrido para detecção, classificação e localização de faltas em sistemas com três terminais utilizando como principal ferramenta a transformada wavelet (TW) em suas versões discreta (TWD) e estacionária (TWE). O algoritmo é dito híbrido, pois alia duas metodologias para localizar a falta. A primeira baseada na análise de componentes de alta freqüência (ondas viajantes) e a segunda, baseada na extração dos componentes fundamentais para o cálculo da impedância aparente. A metodologia proposta foi concebida de maneira a trabalhar com dados sincronizados dos três terminais ou apenas dados locais para estimar a localização da falta. O localizador híbrido escolhe automaticamente qual a melhor técnica de localização ser utilizada para alcançar uma localização confiável e precisa. Deste modo, um método pode suprir as dificuldades do outro, ou, no mínimo, fornecer mais informações para que, junto ao conhecimento do operador, uma localização próxima da ótima possa ser alcançada. Com o objetivo de testar e validar a aplicabilidade do algoritmo de localização de faltas híbrido para linhas com três terminais, utilizou-se de dados de sinais faltosos obtidos através de simulações do software ATP (Altenative Transients Program), levando-se em conta a variação de diversos parâmetros que poderiam influenciar o desempenho do algoritmo proposto. Os resultados alcançados pelo algoritmo frente às situações avaliadas são bastante animadores, apontando a uma promissora aplicabilidade do mesmo. / This work presents a study and development of a hybrid algorithm for fault detection, classification and location in tree terminal lines based on wavelet transform (WT). It will be presented in two versions: discrete wavelet transform (DWT) and stationary wavelet transform (SWT). The algorithm is called hybrid because it uses two fault location methodologies: one based on fundamental components and other based on traveling waves. The proposed methodology works either with synchronized tree terminal data or only local data. The hybrid fault locator chooses automatically which location technique to be used in order to reach a reliable and accurate fault location. In this manner, this technique can avoid some difficulties present in other techniques, aiming to reach an optimized fault location. The proposed hybrid fault location was evaluated by simulated fault signals obtained by alternative transient program (ATP). In the tests, several parameters, which would influence the performance of the hybrid algorithm, were varied, such as: fault inception angle, fault resistance, fault type, etc. The results obtained by the proposed methodology are very encouraging and it points out to a very promising application.

Nos sistemas de distribuição de alta e média tensão tem-se aumentado a utilização de linhas de distribuição de energia subterrâneas ou cabos subterrâneos. A ocorrência de faltas nas linhas afeta negativamente a qualidade da energia e o correto funcionamento da rede. O processo que leva a uma falta nos cabos é gradual e está caracterizado por uma série de subciclos de faltas incipientes associadas a uma tensão de arco. Estas, muitas vezes, passam despercebidas e, eventualmente, resultam em uma falta permanente. Os métodos clássicos de localização de faltas como as metodologias baseadas no cálculo da impedância aparente, as baseadas na inteligência artificial e as baseadas nas ondas viajantes são, habitualmente, aplicadas ao sistema depois de uma falta permanente acontecer e precisam de um ou mais ciclos do sinal para entregar uma resposta razoável. No entanto, as faltas nos cabos são um processo gradual, de curta duração (entre ¼ e ½ ciclo do sinal) e seria desejável localizar a falta incipiente antes de tornar-se permanente. Nesse contexto, esta pesquisa aborda o problema de localização de faltas incipientes. Assim, nesta tese propõe-se uma nova técnica de localização de faltas incipientes usando medições em um terminal, no domínio do tempo e que utiliza componentes de fase. Desta forma, são desenvolvidas duas novas formulações do modelo elétrico do sistema de distribuição com cabos subterrâneos durante uma falta incipiente. A abordagem proposta considera simultaneamente na sua formulação características da falta incipiente e dos sistemas de distribuição de energia, como a tensão de arco, o modelo Π nominal de parâmetros concentrados do cabo subterrâneo, o desequilíbrio do sistema e a condição da carga. A estimativa da distância da falta, junto com os parâmetros da falta incipiente, é obtida a partir da solução de um sistema sobredeterminado de equações lineares pela aplicação do método de mínimos quadrados ponderados não negativos. As formulações propostas permitem estimar a distância da falta em termos da reatância da linha até a falta. Além disso, é proposto um processo de compensação de corrente para estimar a corrente de falta; é aplicado um pré-processamento dos dados de entrada para suavizar o efeito do ruído que pode conter o sinal e, é aplicado um pós-processamento dos resultados para refinar e entregar a melhor estimativa obtida durante o processo de localização da falta. O desempenho da técnica proposta é avaliado mediante estudos de casos simulados em um circuito real de distribuição no Alternative Transients Program (ATP/EMTP) considerando análises de sensibilidade e comparativa. Também, o modelo da falta incipiente foi programado utilizando a ferramenta de MODELS do ATP/EMTP. Os resultados obtidos, considerando faltas incipientes simuladas que avaliam a influência da variação da magnitude de tensão de arco, do ruído aleatório inserido na tensão de arco, da distância da falta, da taxa de amostragem, do carregamento do sistema, do modelo de tensão de arco e de incertezas nas medições, indicam claramente que a abordagem proposta possui validade como técnica de localização de faltas incipientes, apresentando erros médios globais de 1,60% e 0,93%, respectivamente para cada formulação proposta. / The use of underground power distribution lines or underground cables in the high and medium voltage distribution systems has increased dramatically in recent years. The fault occurrence in the distribution lines negatively affects the power quality and the correct network operation. The process which leads to a fault in underground cables is gradual and is characterized by a series of sub-cycles of incipient faults associated with an arc voltage. These often are unnoticed and, eventually, results in a permanent fault. Classical fault localization methods such as the based-impedance, the based on artificial intelligent and the based on traveling waves are, usually, applied to the system after a permanent fault occurrence and need one or more signal cycles for providing a reasonable response. However, the faults in cables are a gradual process, with short duration (between ¼ to ½ of signal cycle) and would be desirable to locate the fault before this becomes a permanent fault. In this context, this research approaches the incipient faults location problem. Thus, in this thesis is proposed a new incipient fault location technique using single-end terminal measurement, in time-domain and employing phase components. In this way, two new formulations of the electrical model of the distribution system with underground cables during an incipient fault are developed. The proposed approach considers simultaneously in its formulation, incipient fault type and power distribution systems characteristics as arc voltage, unbalanced operation, load conditions and complete line model. The fault distance estimation, together with the incipient fault parameters, it is obtained from the solution of an overdetermined linear system of equations by the application of the non-negative weighted least squares estimator method. The proposed formulations allow estimating the fault distance in terms of the line reactance up to the fault. In addition, a load current compensation strategy is proposed to reduce its effect in the fault current estimation; an input data pre-processing is applied to smooth out the noise effect and a post-processing of the results is performed for estimation refinement and to provide the best estimate obtained during the fault location process. The proposed technique performance is evaluated through simulated cases studies in a real-life distribution network with underground cable data in the Alternative Transients Program (ATP/EMTP) considering sensitivity and comparative analyzes. Also, the fault model was programmed using the MODELS tool of ATP/EMTP. The obtained results, considering simulated incipient faults, which evaluate the influence of variations in the arc voltage magnitude, random noise percentage inserted in the arc voltage, fault distance, sampling rate, load dynamics, the arc voltage model and uncertainties in measurements, indicate clearly that the proposed approach is valid as incipient faults location technique, showing overall average errors of 1,60% and 0,93%, respectively for each proposed formulation.

O monitoramento e diagnóstico, com a consequente localização dos curtos-circuitos em Sistemas de Distribuição (SD), fazem parte de um processo complexo, exigindo esforços e agilidade das equipes técnicas de manutenção das concessionárias de energia elétrica. Quando se trata de um SD Subterrâneo (SDS), a complexidade de localização das faltas aumenta, pois não é possível realizar a inspeção visual. Por este motivo, desenvolver e aprimorar métodos para monitorar, classificar e localizar as situações de faltas em SD tem sido de relevante interesse para a comunidade técnico-científica nos últimos anos. Neste contexto, apresenta-se nesta pesquisa um método para processar as informações necessárias para classificar e localizar a ocorrência de um curto-circuito (monofásico, bifásico e/ou trifásico, com e/ou sem o envolvimento da terra) em um SDS. O processamento das informações foi realizado por meio da observação da propagação dos afundamentos de tensão, decorrentes de curtos-circuitos passíveis de ocorrência no SDS, e pela alocação de um número reduzido de medidores, permitindo a classificação e localização precisa da falta. Um dos diferenciais da metodologia proposta é que esta utiliza somente os valores eficazes das tensões trifásicas, registradas em medidores estrategicamente alocados, para indicação da área afetada e classificação das fases envolvidas. A metodologia é baseada no emprego de redes neurais artificiais. Os resultados encontrados são promissores, indicando a aplicabilidade da metodologia proposta. / The monitoring and diagnostics, with the consequent localization of short circuits in Distribution Systems (DS), are part of a complex process, requiring efforts and agility of the technical teams of maintenance of electric utilities. In the case of an underground DS (UDS), the location of faults complexity increases, because it is not possible to perform visual inspection. For this reason, develop and improve methods to monitor, sort and locate the fault situations in DS has been of relevant interest to the technical-scientific community in recent years. In this context, this study presents a method for processing the information required to classify and locate the occurrence of a short circuit (single phase, biphasic and / or phase with and / or without the involvement of the earth) on a UDS. The information processing was carried out by observing the propagation of voltage sags, caused by short circuits that may occur in the UDS, and the allocation of a few meters, allowing classification and precise location of the fault. One of the proposed methodology differentials is that it uses only the RMS values of the three-phase voltages, registered in strategically located meters, for indicating the affected area and classification of the phases involved. The methodology is based on the use of artificial neural networks. The results found are promising, indicating the applicability of the proposed methodology.