Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016. / Made available in DSpace on 2016-09-20T04:07:29Z (GMT). No. of bitstreams: 1
340338.pdf: 7338387 bytes, checksum: ead3596423cc3817db71b10d4eda620e (MD5)
Previous issue date: 2016 / Na operação de Sistemas de Energia Elétrica (SEE) é extremamente importante o diagnóstico de eventos para a ativação efetiva de controles de emergência nos centros de operação, evitando-se problemas maiores como blecautes. Neste trabalho foram investigadas metodologias para a detecção, classificação, localização e estimação da carga/geração interrompida de eventos utilizando sincrofasores. Para a detecção de eventos é proposto o emprego do filtro de média móvel com taxa de variação (FMMTV) e o uso de um limiar ajustável de detecção. Na classificação de eventos é proposto um sistema classificador automático de eventos em quatro tipos (perda de geração, rejeição de carga, desligamento de linhas de transmissão e oscilações) baseado em redes neurais artificiais. Na localização de eventos foi estudado e implementado um algoritmo que permite obter a região geográfica mais provável do evento baseado nas coordenadas geográficas das PMUs. Finalmente, na estimação da carga/geração interrompida foi investigada uma metodologia baseada na equação de oscilação. As metodologias foram implementadas em ambiente Matlab e validadas usando dados de sincrofasores do SIN - Sistema Interligado Nacional do Brasil e do SIC - Sistema Interconectado Central do Chile. Os dados utilizados foram gerados a partir dos registros de eventos reais pelos Sistemas de Medição Sincronizada de Fasores, em baixa tensão, MedFasee Brasil e MedFasee Chile e, em alta tensão, MedFasee CTEEP. Conclui-se que as metodologias implementadas foram efetivas na detecção, classificação, localização e estimação da carga/geração interrompida tanto para medições realizadas em subestações de alta tensão, quanto para medições realizadas em baixa tensão.<br> / Abstract: In modern power systems operation, it is extremely important a quick diagnosis of events for the effective activation of emergency controls in operation centers to prevent major problems like blackouts. In this work different methodologies for detection, classification, location and size estimation of events using synchrophasors were investigated.For event detection, a moving average filter and rate of frequency change (MAF-RFC) with the use of an adaptive detection threshold is proposed. For event classification, an artificial neural network (ANN) based classifier is presented that can separate four types of power system events (generation trip, load shedding, line trip and oscillation) based on their frequency signature. For event location, an algorithm to locate the most likely geographic region of the event based on the PMU geographical coordinates is presented. Finally, for size estimation, an algorithm to estimate the magnitude of the event is developed based on the swing equation.The methodologies were implemented in Matlab environment and validated using Synchrophasor data of the SIN - Sistema Interligado Nacional of Brazil and the SIC - Sistema Interconectado Central of Chile. Synchronized Phasor Measurement Systems from low voltage (MedFasee Brazil and MedFasee Chile) and from high voltage (MedFasee CTEEP and CMFS Eletronorte) were used to extract the data from real event records.Therefore, the implemented methodologies were successful in detection, classification, location and size estimation for measurements in high voltage substations, and for measurements at low voltage level.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/167654 |
| Date | January 2016 |
| Creators | Delgado Zarzosa, Marco Antonio |
| Contributors | Universidade Federal de Santa Catarina, Decker, Ildemar Cassana |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 171 p. | il., grafs., tabs. |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0092 seconds