ALGORITMO PARA DETECTAR, CLASSIFICAR, LOCALIZAR FALTAS E DETERMINAR RESISTÊNCIAS DE FALTAS EM LINHAS DE TRANSMISSÃO, UTILIZANDO DADOS DE UM TERMINAL

Henrique dos Reis Paula¹; Eduardo Gonzaga da Silveira¹; Giovani Guimarães Rodrigues¹

¹ Centro Federal de Educação Tecnológica de Minas Gerais - CEFETMG

Baixar PDF

Resumo

Esse artigo propõe um algoritmo capaz de detectar, classificar, localizar faltas e determinar resistências de faltas em linhas de transmissão. Para realizar tais funções, o algoritmo utiliza dados obtidos a partir das medições realizadas em um único terminal da linha. Inicialmente os dados de um evento de falta são pré-processados. Nessa etapa ocorre detecção da falta, que é baseada na Transformada Wavelet Estacionária (TWE) e teorema de Parseval. Além disso, a partir dos sinais pré-falta, é realizada a estimação fasorial das fontes equivalentes. Por fim, são gerados 504 cenários de falta, no software Alternative Transient Program (ATP), para treinamento das Redes Neurais Artificiais (RNAs). Para classificação, localização de faltas e determinação da resistência de falta, o algoritmo utiliza RNAs modulares, implementadas com topologia Multilayer Perceptron (MLP), método de aprendizagem supervisionado backpropagation e algoritmo de treinamento Levenberg-Marquardt. Para treinamento e testes das RNAs, o algoritmo proposto apresenta nova metodologia, que seleciona os dados de energia dos coeficientes detalhes extraídos dos sinais de corrente e tensão registrados em único terminal da linha, durante os primeiros 1/8 de ciclo do período de falta. O algoritmo apresentou resultados precisos diante de diferentes cenários de falta.

Palavras-chave: Transformada Wavelet; Teorema de Parseval; Redes Neurais Artificiais Modulares; Linhas de Transmissão