Proteger as linhas de transmissão é uma das tarefas mais importantes dentro dos sistemas elétricos de potência. Faltas em linhas de transmissão devem ser localizadas precisamente e extintas o mais rápido possível. Para tal, o esquema de proteção de linhas utiliza valores amostrados de correntes e tensões para a execução das tarefas de detecção, classificação e localização da falta. Neste esquema, grandezas trifásicas de corrente (IA, IB, IC) e tensão (VA, VB, VC) compõem as entradas do sistema. Após a detecção e classificação da falta, o relé efetua o cálculo da impedância aparente para a verificação da zona de proteção na qual a falta se insere (localização). Dentro deste contexto, a rápida detecção e a correta classificação da falta são passos fundamentais para a lógica de controle de um relé. Para a utilização de sistemas de proteção com alta velocidade de operação, o conjunto detector + classificador deve realizar uma decisão precisa do tipo de falta envolvida em menos de 10 ms após a ocorrência desta. Alguns métodos convencionais têm lidado com este problema, porém os tempos para estimação do tipo de falta são algumas vezes excessivamente longos. Este trabalho apresenta um novo sistema que provê uma rápida e confiável detecção e classificação de faltas através das medidas de valores de correntes trifásicas. O novo método utiliza-se da teoria de Redes Neurais Artificiais, baseada em dois diferentes tipos de redes (MLP e RBF), para a tarefa de detecção e classificação de faltas nos níveis de tempo requeridos para um moderno sistema de proteção. Um estudo comparativo em relação ao desempenho das redes mencionadas também foi realizado. Os testes efetuados para as redes dos tipos MLP e RBF mostraram que o sistema proposto foi capaz de detectar e classificar corretamente 100% dos casos estudados. Deve ainda ser ressaltado, que na maior parte dos casos (93% para a rede MLP e 84% para a rede RBF), o processo de detecção e classificação foi completado com no máximo 5 amostras de pós-falta (5ms). Isto demonstra a rapidez na tarefa de detecção e classificação embutida no método proposto, principalmente levando-se em consideração os tempos apresentados pelos métodos convencionais. / Transmission line protection is one of the major tasks for a power system. Transmission line faults must be located accurately and isolated as fast as possible. In order to perform this task, the power system protection system uses the three-phase currents (IA, IB, IC) and voltages (VA, VB, VC) to detect, classify and locate the fault. After detecting and classifying the fault, the relay calculates the apparent impedance to verify in which protection zone the fault is located. Taking this into account, precise and fast detection and classification methods are fundamental steps for the relay control algorithm. The combination detection + classification must carry out the correct response in less than 10 ms after the fault for a high-speed protection system. Some conventional methods have treated this problem but the time for a correct classification is sometimes excessively long. This work presents a fast and reliable new system for fault detection and classification using the three-phase current measurements. This new system is based on Artificial Neural Networks (RBF and MLP) for the detection and classification tasks. A comparative study involving both types of neural networks was done. Tests showed that the proposed system was able to correctly detect and classify 100% of the studied cases where the majority (93% of the cases for MLP net and 84% for RBF net) of them was done in up to 5 post-fault samples (5 ms). The afore-mentioned demonstrates the high speed of the new method for the detection and classification tasks when compared to the conventional ones.
Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-17112017-152327 |
Date | 28 August 2000 |
Creators | Giovanini, Renan |
Contributors | Coury, Denis Vinicius |
Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
Source Sets | Universidade de São Paulo |
Language | Portuguese |
Detected Language | Portuguese |
Type | Dissertação de Mestrado |
Format | application/pdf |
Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0013 seconds