UTILIZAÇÃO DE MACHINE LEARNING PARA CARACTERIZAÇÃO DE AFUNDAMENTOS DE TENSÃO EM REDES DE DISTRIBUIÇÃO
Com base nas análises da Superintendência de Estudos Econômicos e Energéticos, é previsto um aumento de demanda de energia elétrica, além da expansão da geração distribuída. A partir desse acréscimo da energia renovável, das cargas dos diversos tipos de consumidores e dos dispositivos não lineares, se eleva a complexidade do sistema. Nesse sentido, o afundamento de tensão em sistemas de distribuição é um importante evento a ser monitorado, pois esse pode afetar consumidores diversas vezes por ano, podendo comprometer a produção de consumidores industriais.
Posto isso, para superar as limitações existentes, atualmente são exploradas técnicas de Inteligência Artificial para a caracterização dos afundamentos de tensão, contudo o tema ainda não atingiu o ponto de estagnação. Com as oscilografias armazenadas nos dispositivos eletrônicos inteligentes, presentes no sistema de distribuição, torna-se possível a caracterização utilizando tais técnicas de Inteligência Artificial.
Esta pesquisa tem como propósito estabelecer um método para a caracterização de afundamentos de tensão utilizando técnicas de Inteligência Artificial, para três situações comuns em sistemas de distribuição - energização de um transformador, partida de um motor, ou presença de uma falta. A metodologia proposta é capaz de diferenciar os eventos previamente mencionados daqueles que se observam durante a operação normal da rede elétrica, auxiliando os tomadores de decisão. Além disso, o método proposto foi implementado com três diferentes técnicas inteligentes, proporcionando uma comparação de desempenho entre tais técnicas. A técnica SVM (Support Vector Machine) se mostrou a mais indicada para aplicar o método desenvolvido em sistemas de distribuição mais complexos.