Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-12-07T12:33:00Z
No. of bitstreams: 1
lucianacarvalhoacacio.pdf: 3829408 bytes, checksum: 88a83782335531c4be76d1544699c7bb (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-12-22T11:27:58Z (GMT) No. of bitstreams: 1
lucianacarvalhoacacio.pdf: 3829408 bytes, checksum: 88a83782335531c4be76d1544699c7bb (MD5) / Made available in DSpace on 2017-12-22T11:27:58Z (GMT). No. of bitstreams: 1
lucianacarvalhoacacio.pdf: 3829408 bytes, checksum: 88a83782335531c4be76d1544699c7bb (MD5)
Previous issue date: 2017-08-25 / Este trabalho propõe um método baseado em algoritmos genéticos para alocação ótima de medidores na rede. A partir da alocação dos medidores, é verificado a assertividade alcançada na detecção de defeitos monofásicos, por área, com impedância na média tensão de sistemas de distribuição. Assim, é avaliado o desempenho da metologia de alocação ótima dos medidores. A saída do algoritmo, indica as posições que os medidores devem ser alocados, que formarão as respectivas áreas de observações para detecção. Para realizar a detecção de defeitos em sistemas de distribuição foi desenvolvido também um método utilizando redes neurais artificiais, que é utilizado como rotina interna do método de alocação de medidores, onde as entradas são grandezas elétricas de tensão e corrente, podendo ser medições fasoriais e/ou não-fasoriais, oriundas dos medidores definidos no método de alocação. Esta variação de tipos de medições serviu para analisar o desempenho na detecção do defeito do emprego de diferentes tipos de equipamentos de medição. A escolha da detecção de defeitos monofásicos é baseada no fato de que estes são a grande maioria nos sistemas de distribuição. O método desenvolvido consegue detectar defeitos monofásicos com resistência de arco variando entre 0 a 200 ohms, considerando ainda, variação do carregamento do sistema.
O método proposto para alocação, bem como a rotina para detecção de falhas foi desenvolvido no ambiente MatLab®. Os testes foram realizados em sistemas do IEEE, apresentando bons resultados. / The proposal of this work is to develop a method based on genetic algorithms for optimal allocation of measurements units the distribution grid, which aims to detect monophasic defects with impedance in the medium voltage of distribution systems. The detection is performed by artificial neural networks. The developed methodology for optimal distribution of meters indicates as output the positions that the units should be allocated, creating detection areas. Artificial neural networks were used to perform fault detection in distribution systems, which is an internal routine of the measurement units distribution method. The inputs of the artificial neural networks are voltage and current. These electrical parameters can be either phasor measurements and/or non-phasor, depending on the category of meters defined in the allocation algorithm. The performance of different types of measurement equipment was executed by the analysis of different measurement types. It was selected single-phase defects due to the fact that these are the vast majority of faults in distribution systems. The developed method is able to identify single-phase defects with arc resistance ranging from 0 to 200 ohms, and it is also capable of correctly detect faults when considering load variation.
The method of measurement unit allocation and the fault detection algorithm were developed in the software MatLab®. Tests were performed in IEEE systems, presenting good results.
| Identifer | oai:union.ndltd.org:IBICT/oai:hermes.cpd.ufjf.br:ufjf/5995 |
| Date | 25 August 2017 |
| Creators | Acácio, Luciana Carvalho |
| Contributors | Araujo, Débora Rosana Ribeiro Penido, Araujo, Leandro Ramos de, Costa, Vander Menengoy da, Ferreira, Vitor Hugo |
| Publisher | Universidade Federal de Juiz de Fora (UFJF), Programa de Pós-graduação em Engenharia Elétrica, UFJF, Brasil, Faculdade de Engenharia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFJF, instname:Universidade Federal de Juiz de Fora, instacron:UFJF |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0027 seconds