ALMEIDA, A. R. O uso de análise de componentes independentes na extração de características dos sinais transitórios de faltas em linhas de transmissão de energia elétrica. 2017. 97 f. Tese (Doutorado em Engenharia Elétrica)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2017. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2017-10-05T11:40:13Z
No. of bitstreams: 1
2017_tese_aralmeida.pdf: 10134467 bytes, checksum: 1fe4fbcbc4c1b84143957b9cc2985ba9 (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2017-11-08T12:54:55Z (GMT) No. of bitstreams: 1
2017_tese_aralmeida.pdf: 10134467 bytes, checksum: 1fe4fbcbc4c1b84143957b9cc2985ba9 (MD5) / Made available in DSpace on 2017-11-08T12:54:55Z (GMT). No. of bitstreams: 1
2017_tese_aralmeida.pdf: 10134467 bytes, checksum: 1fe4fbcbc4c1b84143957b9cc2985ba9 (MD5)
Previous issue date: 2017-09-01 / Several methods for localization and classification of faults in electric power transmission
lines, using conventional techniques, computational intelligence and digital signal processing
techniques have been proposed, intensively, on literature in the last three decades. These
methods have improved the process of characterization of faults in various aspects. However,
even the methods based on Wavelet Transform (WT), Artificial Neural Networks (ANN) and
other techniques derived from smart Computing, do not have convenient and systematic way
treaty faults in transmission systems whose data are contaminated by noise. Based on this
evidence, this paper proposes a combination of methods using Independent Component Analysis
(ICA), the Theory of the Travelling Waves (TTW) and Support Vector Machine (SVM) effective
approaches to extracting characteristics of transient signals of fault even before signs considerably
contaminated by noise. The approach was applied to locate and recognize faults in a transmission
line 500 kV high voltage that connects the substation of President Dutra - MA to the substation
of Boa Esperança - PI. The experiment was carried out for different types of faults that have
occurred in different locations. The use of these methods applied to a real transmission line
model has proven that the proposed methods, in combination, result in superior performance
on location and classification of faults. The obtained errors are less than 1% to the location and
accuracy of 100% for the classification of faults with noise. The proposed approach has shown
performance best when compared to major conventional techniques, as well as when compared
to techniques using Artificial Neural Networks and other computational intelligence techniques / Vários métodos para localização e classificação de faltas em linhas de transmissão energia elétrica,
utilizando técnicas convencionais, inteligência computacional e técnicas de processamento digital
de sinais têm sido propostas, de forma intensiva, na literatura nas tês últimas décadas. Esses
métodos têm melhorado o processo de caracterização das faltas em vários aspectos. No entanto,
mesmo os métodos baseados em Transformada Wavelet (TW), Redes Neurais Artificiais (RNA)
e outras técnicas advindas da computação inteligente, não têm tratado de forma conveniente
e sistemática as faltas em sistemas de transmissão cujos dados são contaminados por ruído.
Partindo desta evidência, este trabalho propõe combinações de métodos que utilizam a Análise
de Componentes Independentes (ACI), a Teoria das Ondas Viajantes (TOV) e Máquina de
Vetores de Suporte (MVS) em abordagens eficientes para a extração de características dos sinais
transitórios de falta mesmo diante de sinais consideravelmente contaminados por ruído. A
abordagem foi aplicada para localizar e reconhecer as faltas, em uma linha de transmissão de
alta tensão de 500 kV que interliga a subestação de Presidente Dutra - Ma à subestação de
Boa Esperança -PI. O experimento foi realizado para diferentes tipos de faltas que ocorrem
em diferentes localizações. A utilização destes métodos aplicados a um modelo real de linha
de transmissão tem comprovado que os métodos propostos, de forma combinada, resultam em
desempenho superior na localização e classificação de faltas. Os erros obtidos são inferiores
a 1% para a localização com acurácia de 100% para a classificação de faltas com ruído. O
desempenho da abordagem proposta tem apresentado melhores resultados quando comparados
às principais técnicas convencionais, assim quando comparados às técnicas que utilizam Redes
Neurais Artificiais e outras técnicas de inteligência computacional
Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/27255 |
Date | 01 September 2017 |
Creators | Almeida, Aryfrance Rocha |
Contributors | Almeida, Otacílio da Mota |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds