Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-24T14:18:42Z
No. of bitstreams: 1
Diogo Luis.pdf: 4371869 bytes, checksum: adf1274b2033821c3c2a6cca3766a2e6 (MD5) / Made available in DSpace on 2017-08-24T14:18:42Z (GMT). No. of bitstreams: 1
Diogo Luis.pdf: 4371869 bytes, checksum: adf1274b2033821c3c2a6cca3766a2e6 (MD5)
Previous issue date: 2012-10-03 / Power system operation and maintenance require attention, precise diagnostics
on failure and agility on system recovery. On the other hand, power systems involve high risks, where each operation needs to be carefully planned and executed,
once errors can be fatal. Power system satisfactory operation and maintenance
consist on finding equilibrium between these extremes, acting on a cautious, but
agile, way. For this purpose, we propose the development of an intelligent system
with the ability of detecting abnormal patterns on the electrical signal, providing
support for decisions on Power Distribution System real time operation, from the
analysis of power substation transformers primary and secondary currents, including learning at each new information acquired by the system. The challenge of this
study is to research and develop a method based on ANN for classifying patterns
and providing support for decisions, aiming fault detection and/or fault recovery.
The method di↵erentiates disturbances that will lead to faults from disturbances
generated by transients on power system (for example an undervoltage caused by
powering on an engine). A SCADA supervisory system was developed to contain ANN implementation code and also to provide an interface for Operators,
generating visual and sound alarms and messages guiding system recovery. The
proposed method was evaluated using real data collected from transformers protection digital relays of CEMAR system substations, achieving excellent results.
The ANN developed on this study presented satisfactory performance classifying
signals and detecting faults properly. / A operação e manutenção do sistema elétrico requerem atenção, diagnósticos
precisos em caso de falhas e agilidade na recomposição do sistema. Por outro
lado, sistemas elétricos têm um elevado risco, onde cada manobra precisa ser cuidadosamente planejada e executada, pois erros podem ser fatais. A boa operação
e manutenção do sistema elétrico consistem em encontrar o ponto de equilíbrio
entre esses dois extremos, atuando de forma cautelosa, porém ágil. Com esse
intuito, propomos o desenvolvimento de um sistema inteligente dotado da capacidade de detectar padrões anormais no sinal elétrico, fornecendo apoio à decisão
na operação em tempo real do SDEE, a partir da análise das correntes primárias
e secundárias de transformadores de força de subestações de energia elérica, incluindo aprendizado a cada nova informação integrada ao sistema. O desafio deste
estudo é pesquisar e desenvolver um método baseado em RNA para classificação
de padrões e apoio à decisão, visando a detecção e/ou recuperaçao de falhas. O
método diferencia perturbações que culminarão em uma falta de perturbações
geradas por transitórios na rede elétrica (por exemplo o afundamento de tensão
gerado pela partida de uma máquina). Um sistema supervisório SCADA foi desenvolvido para hospedar o código de implementação da RNA, além de fornecer
uma interface para o Operador, gerando alarmes visuais e sonoros e mensagens
orientando a retomada do sistema. O método proposto foi avaliado utilizando-se
dados reais coletados diretamente de relés digitais de proteção de transformadores
de subestações do sistema da CEMAR, obtendo-se excelentes resultados. A RNA
desenvolvida neste estudo apresentou desempenho satisfatório na classificação dos
sinais a ela apresentados, detectando corretamente as faltas.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/1863 |
| Date | 03 October 2012 |
| Creators | NINA, Diogo Luis Figueiredo |
| Contributors | FONSECA NETO, João Viana da Fonseca Neto |
| Publisher | Universidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET, UFMA, Brasil, DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFMA, instname:Universidade Federal do Maranhão, instacron:UFMA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds