PPGEEL PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Telefone/Ramal: Não informado http://propg.ufabc.edu.br/ppgeel

Banca de DEFESA: BRUNO DOS SANTOS SARAIVA SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : BRUNO DOS SANTOS SARAIVA SILVA
DATA : 18/09/2019
HORA: 14:00
LOCAL: Santo André
TÍTULO:

CORREÇÃO DA FORMA DE ONDA SECUNDÁRIA DE TRANSFORMADORES DE CORRENTE DE PROTEÇÃO UTILIZANDO REDES NEURAIS ARTIFICIAIS


PÁGINAS: 100
RESUMO:

Os sistemas elétricos de potência (SEP) têm como função fornecer energia elétrica de forma segura e confiável aos consumidores. Na ocorrência de contingências cabe ao sistema de proteção atuar para minimizar os danos causados aos consumidores finais e ao próprio SEP. Um dos equipamentos mais importantes presentes no sistema de proteção é o transformador de corrente (TC), cuja principal tarefa é fornecer ao relé de proteção uma réplica, em escala reduzida, da corrente primária do SEP. No entanto, os TCs possuem características físicas que os tornam susceptíveis à saturação, resultando na distorção da sua forma de onda secundária. Diante desta distorção o relé de proteção pode falhar, visto que sua decisão depende da integridade do sinal proveniente do TC. Tal falha pode resultar em severos danos aos equipamentos do SEP com perdas financeiras significativas, sem mencionar o risco a vidas humanas.
Para evitar uma tomada de decisão incorreta do relé, vários algoritmos para a detecção e reconstrução de formas de onda distorcidas provenientes de TCs são propostos na literatura. Uma parte significativa destes algoritmos baseia-se em técnicas de aproximação de funções e uso de inteligência artificial.
Neste sentido, este trabalho propõe o uso de redes neurais artificiais (RNAs) para corrigir a forma de onda secundária distorcida proveniente de TCs. As RNAs utilizadas para corrigir a forma de onda secundária são do tipo MLP, especificadas 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. Ainda, para fins de comparação de desempenho, dois diferentes ambientes computacionais foram utilizados para modelar as RNAs: MATLAB e Keras.
Os sinais utilizados no processo de treinamento e testes das RNAs são provenientes de duas fontes de dados distintas, sendo a primeira baseada na modelagem clássica de TCs, amplamente utilizada pela comunidade científica (IEEE), enquanto a segunda é baseada no modelo de TC no Simulink. Os resultados mostram claramente que uma forma de onda altamente distorcida pode ser totalmente reconstruída pela RNA, fornecendo aos relés de proteção um sinal confiável para a correta tomada de decisão.


MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1671333 - EDMARCIO ANTONIO BELATI
Membro Titular - Examinador(a) Externo ao Programa - 1761107 - RICARDO SUYAMA
Membro Titular - Examinador(a) Externo ao Programa - 2328639 - ADEMIR PELIZARI
Membro Suplente - Examinador(a) Interno ao Programa - 1669195 - AHDA PIONKOSKI GRILO PAVANI
Membro Suplente - Examinador(a) Externo ao Programa - 1544340 - PATRICIA TEIXEIRA LEITE ASANO
Notícia cadastrada em: 22/08/2019 15:17
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2021 - UFRN - sigaa-1.ufabc.int.br.sigaa-1