Return to search

Técnicas para a detecção, classificação e localização no tempo das variações de tensão de curta e longa duração / Techniques for detection, classification and location in time of short and long-time voltage variations

Os objetivos deste trabalho vão da apresentação do andamento das pesquisas relacionadas à análise de distúrbios associados à qualidade da energia elétrica (QEE), até a proposta de um algoritmo baseado em diversas ferramentas para a detecção e localização no tempo, bem como a classificação automática destes distúrbios. Nesta pesquisa é proposta uma detecção não somente do início e fim de um único evento, mas também, de n possíveis desconformidades na forma de onda que possam vir a ocorrer ou existir em determinados registros e/ou arquivos de dados em análise. Como diferencial deste trabalho, tem-se que da determinação da localização das alterações/descontinuidades na forma de onda, foi possível obter janelas de dados com tamanhos flexíveis. Desta maneira, vários eventos sobre o sinal em análise puderam ser avaliados, bem como as durações associadas. Para isso, a Transformada Wavelet (TW) foi utilizada para realizar a detecção e também a localização destas alterações no tempo. Já para a classificação da ocorrência, ou das ocorrências, a TW, a Transformada de Fourier (TF) e o valor RMS foram empregados. A flexibilidade das janelas de dados permitiu uma adequada escolha de qual ferramenta poderia ser mais bem utilizada na classificação. Conforme implementado, cada uma destas ferramentas apresenta uma resposta e através de um módulo de decisão lógica é determinada a resposta final do algoritmo. Para validar o estudo, várias situações de distúrbios foram caracterizadas referentes a um sistema elétrico de distribuição real, implementado e simulado pela aplicação do software ATP (Alternative Transients Program). Os resultados obtidos foram excelentes tanto para a detecção e localização no tempo, como para a classificação e estimação da amplitude e duração dos eventos. / The objectives of this work are going since the presentation of the researches related to the analyses of power quality (PQ) disturbances through the proposal of an algorithm based on several tools for detection and location in time, as well as the automatic classification of these phenomena. It is proposed to determine not only the initial and the end of a unique event, but all the n possible disconformities in the waveform that can exist or occur in the data file registered data in analyses. As the differential of this research, from the location in time of the alteration/discontinuities in the waveforms, it was possible to obtain data windows with flexible sizes. So, several events on the signal were evaluated, as well as their specific timeduration. For this purpose, the Wavelet transform (WT) was used to reach the detection and localization in time of the waveform alterations. For the event classification, the TW, the Fourier transform (FT) and the Root Mean Square (RMS) value were used. The data window flexibility allowed an appropriate choice of which tool could be better used in the classification task. As implemented, each one of these tools presented an answer, and the final answer was obtained by using a logic decision module. To validate the study, some situations of disturbances were characterized using a real distribution system, implemented and simulated applying the ATP (Alternative Transients Program) software. The results were excellent in such a way for detection and localization in time, as well as for the automatic classification and estimation of the magnitude and the event duration.

Identiferoai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-04032009-150846
Date12 September 2008
CreatorsRodrigues, Letícia Caldeira Pereira
ContributorsOleskovicz, Mario
PublisherBiblioteca Digitais de Teses e Dissertações da USP
Source SetsUniversidade de São Paulo
LanguagePortuguese
Detected LanguagePortuguese
TypeDissertação de Mestrado
Formatapplication/pdf
RightsLiberar o conteúdo para acesso público.

Page generated in 0.007 seconds