CORREÇÃO DA FORMA DE ONDA SECUNDÁRIA DISTORCIDA DE TRANSFORMADORES DE CORRENTE ATRAVÉS DA UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS
Bruno dos Santos Saraiva Silva1; Ricardo Caneloi dos Santos1
1 Universidade Federal do ABC
doi:10.20906/CPS/CILAMCE2017-0467
Resumo
Os sistemas elétricos de potência (SEP) têm como função fornecer energia elétrica de forma segura e confiável aos consumidores. Na ocorrência de eventuais contingências, cabe ao sistema de proteção atuar para minimizar os danos causados, tanto para os consumidores finais como para o próprio SEP. Um dos equipamentos presentes no sistema de proteção, o transformador de corrente (TC), possui a tarefa de fornecer ao relé de proteção uma réplica, em escala reduzida, da corrente primária que flui no SEP durante uma falta. No entanto, os TCs possuem características físicas que os tornam susceptíveis à saturação, provocando a distorção da forma de onda secundária enviada ao relé de proteção, impedindo que uma correta ação seja tomada por parte do relé. Tal evento pode resultar em severos danos aos equipamentos do SEP, provocando perdas financeiras significativas e colocando em risco vidas humanas. Para evitar uma tomada de decisão incorreta do relé em função da distorção da forma de onda da corrente secundária, vários algoritmos para a correção e reconstrução de formas de onda distorcidas de TCs de proteção são propostos na literatura, sendo grande parte deles relacionados à aproximação de funções. Neste sentido, este artigo propõe o uso de redes neurais artificiais (RNA) para corrigir a forma de onda secundária distorcida proveniente dos TCs, visto que uma das principais características dessa técnica de inteligência artificial é sua capacidade de aproximar funções. A RNA utilizada para desempenhar tal função é do tipo MLP e foi treinada por meio de um processo de treinamento supervisionado. Várias taxas de amostragem e tamanho de janelas de dados foram avaliadas, visando a especificação de uma RNA capaz de oferecer alto desempenho ao algoritmo proposto. Todos os dados utilizados no processo de treinamento e testes das RNAs são provenientes de uma modelagem clássica de TCs e amplamente utilizada pela comunidade científica (IEEE). Os resultados observados revelam que uma forma de onda altamente distorcida pode ser t
Palavras-chave: transformadores de corrente; saturação; redes neurais artificiais; aproximação de funções; curve-fitting