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.

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.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-05-18T13:24:16Z No. of bitstreams: 1 jorgejaviergimenezledesma.pdf: 4002237 bytes, checksum: 74e94889e9e4afbc4463915274bf7e33 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-05-18T14:07:36Z (GMT) No. of bitstreams: 1 jorgejaviergimenezledesma.pdf: 4002237 bytes, checksum: 74e94889e9e4afbc4463915274bf7e33 (MD5) / Made available in DSpace on 2017-05-18T14:07:36Z (GMT). No. of bitstreams: 1 jorgejaviergimenezledesma.pdf: 4002237 bytes, checksum: 74e94889e9e4afbc4463915274bf7e33 (MD5) Previous issue date: 2017-02-12 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho propõe o desenvolvimento de modelos e métodos numéricos, baseados em redes neurais artificiais, para a detecção e localização de áreas com defeitos de alta impedância em sistemas de distribuição. De forma paralela, também é avaliada a eficiência da utilização de diferentes tipos de formas de medição de dados no desempenho do método, que é implementada através de duas etapas. A primeira etapa consiste na adaptação de um programa existente para cálculo de faltas, tendo como objetivo gerar de forma aleatória vários tipos de defeitos, assim como a localização dos mesmos. A metodologia de cálculo de defeitos foi desenvolvida utilizando as equações de injeção de correntes em coordenadas retangulares. Neste programa, também serão considerados os modelos de carga variantes com a tensão durante os defeitos e modelos de diversas gerações distribuídas, convencionais e não convencionais. Em seguida, foi desenvolvido e implementado um método baseado em redes neurais artificiais, para detecção e identificação de faltas, assim como para estimar a localização de faltas em um sistema de distribuição. Esta rede neural possui como entrada módulos e ângulos das tensões e correntes do sistema elétrico, obtidas através das medições fasoriais dos PMUs e/ou IEDs. As saídas da rede neural correspondem à detecção e localização de áreas de defeitos. O método proposto foi desenvolvido no ambiente MatLab® e com o intuito de avaliar sua eficiência, foi testado em alguns sistemas IEEE e em um sistema real. Os resultados obtidos dos estudos são apresentados sob a forma de tabelas e gráficos com suas respectivas acurácias, números de neurônios e as diferentes configurações adotadas. / This work proposes the development of numerical models and methods, based on artificial neural networks, for the detection and localization of high impedance faults in distribution systems. In parallel, the efficiency is also evaluated using different types of measurement data techniques in the performance of the method, which is implemented through two steps. The first step consists in the adaptation of an existing program for calculation of faults, aiming to generate randomly several types of faults, as well as their location. The faults calculation methodology was developed using current injection equations in rectangular coordinates. In this program the models of load variation with the voltage during the faults and a variety of conventional and unconventional models for distributed generation, are considered. Next, a method based on artificial neural networks is developed and implemented for the detection and identification of faults, as well as to estimate the fault location within a distribution system. The neural network inputs are modules and angles of the voltages and currents of the electrical system, obtained from the PMUs and / or IEDs. The outputs of the neural network correspond to the detection and location of faults. The proposed method was developed in MatLab® environment and tested in some IEEE systems and in a real system in order to evaluate its efficiency. The results obtained from the studies was presented in the form of tables and graphs with their respective accuracy, numbers of neurons and the different configurations adopted.

Submitted by Patrícia Cerveira (pcerveira1@gmail.com) on 2017-05-29T17:39:15Z No. of bitstreams: 1 Daniel Souto Dissertação.pdf: 2907570 bytes, checksum: 0379fd854c367debb9d8b6237a881084 (MD5) / Rejected by Biblioteca da Escola de Engenharia (bee@ndc.uff.br), reason: Bom dia, Patrícia! Rejeitei este item, pois fiquei com dúvida se é realmente acesso restrito. Conforme orientações da Jane, o acesso é aberto. Você está colocando acesso restrito. O acesso somente é restrito quando a tese ou dissertação serão publicadas e se exige ineditismo, ou quando o produto do trabalho tem segredo empresarial ou virará patente. Nos demais casos, é aberto. Aguardo retorno. Atenciosamente, Catarina Ribeiro Bibliotecária BEE - Ramal 5992 on 2017-06-29T13:54:55Z (GMT) / Submitted by Patrícia Cerveira (pcerveira1@gmail.com) on 2017-06-29T18:56:23Z No. of bitstreams: 1 Daniel Souto Dissertação.pdf: 2907570 bytes, checksum: 0379fd854c367debb9d8b6237a881084 (MD5) / Approved for entry into archive by Biblioteca da Escola de Engenharia (bee@ndc.uff.br) on 2017-07-03T12:39:19Z (GMT) No. of bitstreams: 1 Daniel Souto Dissertação.pdf: 2907570 bytes, checksum: 0379fd854c367debb9d8b6237a881084 (MD5) / Made available in DSpace on 2017-07-03T12:39:19Z (GMT). No. of bitstreams: 1 Daniel Souto Dissertação.pdf: 2907570 bytes, checksum: 0379fd854c367debb9d8b6237a881084 (MD5) / O problema de diagnóstico de faltas em linhas de transmissão constitui um dos principais desafios para gestão técnica de instalações de transmissão. A assertividade nesta atividade é fundamental para suporte à tomada de decisão, reduzindo as taxas de indisponibilidade e promovendo o restabelecimento célere da função transmissão, contribuindo para melhoria da qualidade do serviço e reduzindo os impactos financeiros advindos de reduções na parcela variável. Este documento apresenta uma proposta de sistema inteligente para classificação e localização de faltas em linhas de transmissão. Os algoritmos utilizados são baseados nos chamados modelos neurais autônomos, que incluem técnicas analíticas para seleção de entradas e especificação automática da estrutura sem a necessidade do uso de um conjunto independente de dados para validação. Ao utilizar a inferência bayesiana para especificação e treinamento de perceptrons de múltiplas camadas (MLPs), o sistema inteligente fornece respostas probabilísticas para classificação do tipo de defeito e também para a distância da falta em relação à subestação monitorada. Para desenvolvimento dos modelos são utilizados dados técnicos de uma linha de transmissão integrante do Sistema Interligado Nacional (SIN), a qual é modelada em um “software” de simulação de transitórios eletromagnéticos, ATP, visando estabelecer os diversos cenários de falta. Foram analisados dois tipos de rede equivalente, uma detalhada e outra simples, de forma a precisar qual o melhor modelo e se há diferenças significativas nos resultados em termos de representação das faltas. As bases de dados com as oscilografias de tensão e corrente obtidas para cada tipo de defeito são utilizadas para treinamento e teste do sistema inteligente, sendo demonstrando o potencial dos algoritmos utilizados. / The problem of fault diagnosis in transmission lines is one of the main challenges for the technical management of transmission facilities. The assertiveness on this activity is crucial to support decision making, reducing unavailability rates and promoting rapid reinstatement of the transmission function, contributing to the improvement of service quality and reducing the financial impacts arising from reductions in the variable portion. This document presents a proposal of intelligent system for classification and location of faults in transmission lines. The algorithms used are based on the so-called autonomous neural models which include analytical techniques for input selection and automatic structure specification without the need for an independent set of data for validation. Using Bayesian inference for specification and training of multilayer perceptrons (MLPs), the intelligent system provides probabilistic responses for classification of the type of fault and also for the distance of the fault from the monitored substation. Thus for the development of the models, technical data are used of a transmission line that is part of the National Interconnected System (SIN) which is modeled in an electromagnetic transient simulation software, ATP, aiming to establish the various fault scenarios. Furthermore, two types of equivalent network were analyzed, one detailed and one simple, in order to specify the best model and if there were significant differences in results in terms of fault representation. The databases with voltage and current oscillographs obtained for each type of fault are used for training and testing of the intelligent system, demonstrating the potential of the algorithms used.

In resonant earthed distribution systems, the capacitive current of the system is compensated by grounding via a arc suppression coil. The level of fault current is then very small and independent on the fault location which greatly complicates the rapid finding of the fault site. At this moment there is no method to be used to directly locate the site of a single-phase fault in the distribution network, new methods and solutions are being constantly sought to address the shortcomings of the existent localization methods. The diploma thesis deals with the design of a universal software tool that allows to apply a new method of locating an asymmetric fault in the distribution network. The tool is created in a MATLAB environment and utilizes the negative sequence voltage measured on the low-voltage sides of the distribution transformers and the negative sequence current measured behind the power transformer. By using the proposed tool, it is possible to read the parameters of any part of the distribution system that the user enters together with the measured values of the voltage and current into the initialization file. After the specified network parameters are loaded, a numerical model is created, which is then used for the method. In the work is described in detail the way of entering the parameters of the network into the initialization file, the method of automatic assembling of the numerical model based on the entered data and the possibility of customizing the calculation parameters. At the end of the thesis, the functionality of the proposed software tool is verified on data from simulation of the test network.

Motivated by the need for less polluting energy production, the recent increase in renewable electricity production is reshaping classical power systems. Initially unidirectional and constant power flow becomes multi-directional and dynamic. As one of the many consequences, classical power system fault location methods might become outdated.To this extent, the development of new methods as well as improvement of already existing methods is of great interest. Additionally, robust and fast means of fault location strengthen power system reliability by improving recovery time. Since most of the faults occur at the distribution level, a study of the main fault location methods in distribution power systems is first conducted. Relevant information about their respective advantages and drawbacks put into light the need to improve classical fault location methods or to develop new methods. The main objective of the thesis is to develop a prototype data-driven ground fault location method that aims to improve the robustness and accuracy offault location in the power system, as well as offer new solutions for fault location. An 11-bus 20 kV distribution power system with distributed generation is modeled to test the method. As a requirement for data-driven methods, the dataset is provided through simulation where time-domain three-phase voltages at the system substation during fault are generated. This data is then processed using dyadic discrete wavelet transform, a powerful signal processing method, to extract useful information of the signal, after what relevant features are found from the wavelet coefficients. To predict the location ofthe fault, neural networks are trained to find potential correlations between computed features and the distance of the fault from the substation. After testing and comparing different combinations of neural networks, results are analyzed, and eventually, challenges and potential improvements for further development and application of the method are introduced.

Indiana University-Purdue University Indianapolis (IUPUI) / In a wide-area power system, detecting dynamic events is critical to maintaining system stability. Large events, such as the loss of a generator or fault on a transmission line, can compromise the stability of the system by causing the generator rotor angles to diverge and lose synchronism with the rest of the system. If these events can be detected as they happen, controls can be applied to the system to prevent it from losing synchronous stability. In order to detect these events, pattern recognition tools can be applied to system measurements. In this thesis, the pattern recognition tool decision trees (DTs) were used for event detection. A single DT produced rules distinguishing between and the event and no event cases by learning on a training set of simulations of a power system model. The rules were then applied to test cases to determine the accuracy of the event detection. To use a DT to detect events, the variables used to produce the rules must be chosen. These variables can be direct system measurements, such as the phase angle of bus voltages, or indices created by a combination of system measurements. One index used in this thesis was the integral square bus angle (ISBA) index, which provided a measure of the overall activity of the bus angles in the system. Other indices used were the variance and rate of change of the ISBA. Fitting a polynomial curve to a sliding window of these indices and then taking the difference between the polynomial and the actual index was found to produce a new index that was non-zero during the event and zero all other times for most simulations. After the index to detect events was chosen to be the error between the curve and the ISBA indices, a set of power system cases were created to be used as the training data set for the DT. All of these cases contained one event, either a small or large power injection at a load bus in the system model. The DT was then trained to detect the large power injection but not the small one. This was done so that the rules produced would detect large events on the system that could potentially cause the system to lose synchronous stability but ignore small events that have no effect on the overall system. This DT was then combined with a second DT that predicted instability such that the second DT made the decision whether or not to apply controls only for a short time after the end of every event, when controls would be most effective in stabilizing the system.

Orientador: Marcos Julio Rider Flores / Resumo: Nesta tese são utilizados algoritmos de Inteligência Computacional para resolver quatro problemas da área de sistemas elétricos de potência, com o intuito de automatizar a tomada de decisões em processos que normalmente são realizados por especialistas humanos ajudados de métodos computacionais clássicos. Nesta tese são utilizados os algoritmos de aprendizado de máquina: árvores de decisão, redes neurais artificiais e máquinas de vetor de suporte, para realizar o processo de aprendizado dos sistemas inteligentes e para realizar a mineração de dados. Estes algoritmos podem ser treinados a partir das medições disponíveis e ações registradas nos centros de controle dos sistemas de potência. Sistemas Inteligentes foram utilizados para realizar: a) o controle centralizado Volt-VAr em modernos sistemas de distribuição de energia elétrica em tempo real usando medições elétricas; b) a detecção de fraudes nas redes de distribuição de energia elétrica realizando um processo de mineração de dados para estabelecer padrões de consumo que levem a possíveis clientes fraudadores; c) a localização de faltas nos sistemas de transmissão de energia elétrica automatizando o processo de localização e ajudando para que uma ação de controle da falta seja realizada de forma rápida e eficiente; e d) a coordenação de carga inteligente de veículos elétricos e dispositivos de armazenamento em tempo real utilizando a tecnologia V2G, nos sistemas de distribuição de energia elétrica a partir de medições elé... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In this thesis Computational Intelligence algorithms are used to solve four problems of the area of power electrical systems, in order to automate decision making in processes that are usually performed by human experts aided by classical computational methods. In this thesis the machine learning algorithms are used: decision trees, artificial neural networks and support vector machines to carry out the learning process of Intelligent Systems and to perform Data Mining. These algorithms are trained from the available measurements and actions recorded in the control centers of the systems. Intelligent Systems were used to perform: a) the centralized control Volt-VAr in modern systems of distribution of electrical energy in real time using electrical measurements; b) detection of fraud in electricity distribution networks by performing a data mining process to establish patterns of consumption that lead to possible fraudulent customers; c) fault location in electric power transmission systems by automating the localization process and helping to ensure that a fault control action is performed quickly and efficiently; and d) coordination of intelligent charging of electric vehicles and storage devices using V2G technology in real-time, in electric power distribution systems using electrical measurements. For the centralized control problem Volt-VAr was tested in 42-node distribution system, for the problem of loading electric vehicles and storage devices the tests were performed... (Complete abstract click electronic access below) / Doutor

O envelhecimento de uma instalação industrial provoca o aumento do número de falhas. A probabilidade de falhar é um indicador do momento em que deve ser feita uma parada para manutenção. É desenvolvido um método estatístico, baseado na teoria não-markoviana, para a determinação da variação da probabilidade de falhar em função do tempo de operação, que resulta num sistema de equações diferenciais parciais de natureza hiperbólica. São apresentadas as soluções por passo-fracionário e Lax-Wendroff com termo fonte. Devido à natureza suave da solução, os dois métodos chegam ao mesmo resultado com erro menor que 10−3. No caso estudado, conclui-se que o colapso do sistema depende principalmente do estado inicial da cadeia de Markov, sendo que os demais estados apresentam pouca influência na probabilidade de falha geral do sistema. / During the useful life of an industrial plant, the failure occurrence follows an exponential distribution. However, the aging process in an industrial plant generates an increase of the failure number. The failure probability is a rating for the maintenance stopping process. In this paper, an statistical method for the assessment of the failure probability as a function of the operational time, based on the non-Markovian theory, is presented. Two maintenance conditions are addressed: In the first one, the old parts are utilized, after the repair this condition being called as good as old; in the second one the old parts are substituted by brand new ones this condition being called as good as new. A non-Markovian system with variable source term is modeled by using hyperbolic partial differential equations. The system of equations is solved using the Lax-Wendroff and fractional-step numerical schemes. The two methods achieve to approximately the same results, due to the smooth behavior of the solution. The main conclusion is that the system collapse depends essentially on the initial state of the Markov chain.

Uma arquitetura distribuída é composta de diversos sistemas que trocam mensagens entre si. Falhas na integração destes sistemas podem ocorrer, exigindo uma investigação detalhada dos profissionais de suporte para encontrar a causa raiz do problema. O processo manual de identificação de falhas é difícil e demorado. Ganhos significativos podem ser obtidos através da automação do processo de classificação de falhas. Este trabalho tem por objetivo apresentar um método para auxílio no processo de diagnóstico de falhas, classificando automaticamente as falhas geradas em uma arquitetura orientada a serviços. Este método, denominado SOAFaultControl, se beneficia de arquiteturas distribuídas que adotam SOA e um Enterprise Service Bus (ESB). Utilizando-se de técnicas de aprendizado de máquina, foi possível estabelecer um modelo para classificação de falhas em categorias preestabelecidas. Para alcançar o objetivo deste trabalho foi necessário testar e avaliar os seguintes algoritmos de aprendizagem de máquina: Support Vector Machine, Naive Bayes e AdaBoost. Como resultado, o algoritmo Support Vector Machine obteve melhor desempenho nas métricas: acurácia, precisão, revocação e F1. / A distributed architecture is composed of many systems that exchange messages between each other. Faults in the integration of these systems may occur and they required a detailed investigation of support professionals to identifying the root cause of the problem. The manual process to identify causes of failure is difficult and time-consuming. Significant efficiency gains can be achieved by automating the faults classification process. This work presents a method to support the automated fault diagnostic process, automatically classifying faults generated in a Service Oriented Architecture (SOA). This method denominated SOAFaultControl, may be executed in a distributed architecture that adote SOA and an Enterprise Service Bus (ESB). Using machine learning techniques, was possible build a model to classify fault messages captured in a SOA environment, in pre-established classes. To achieve the objectives of this work it was necessary to test the following machine learning algorithms: Support Vector Machine, Naive Bayes, and AdaBoost. Results show that Support Vector Machine algorithm achieved better performance in the following metrics: precision, accuracy, recall, and F1.